I F hi

MANUEL

DE CALCUL

NUMÉRIQUE APPLIQUÉ
s

L ‘4cl Christian Guilpin
Maître de Conférence, responsable de 1 ‘enseignement des mathématiques appliquées en maîtrise de Physique et Applications à l’université Paris VII-Denis Diderot

/EDPI SCIENCES
7, avenue du Hoggar Parc d’activité de Courtabœuf, BP 112 91944 Les Ulis Cedex A, France

Avant-propos

Ce livre de calcul appliqué trouve son origine dans un cours dispensé aux étudiants de maîtrise de physique et applications (MPA) à l’université Paris VII depuis 1984, ainsi que dans quelques préoccupations de recherche au laboratoire. Ce manuel ne constitue pas à proprement parler un cours au sens usuel du mot, et si certains chapitres ont des liens évidents et s’enchaînent naturellement, d’autres, plus isolés, ont été réunis sous forme d’annexes pour préserver au mieux l’unité, mais leur importance n’est pas secondaire. L’organisation de cet ouvrage vise à une présentation suffisamment concise et assimilable des algorithmes numériques fondamentaux, développés jusqu’à leur mise en œuvre, de telle sorte qu’ils soient susceptibles d’aider l’étudiant, le chercheur et l’ingénieur dans l’exercice quotidien de leur art : il s’agit de pouvoir obtenir des résultats numériques convenables chaque fois qu’une méthode analytique fait défaut. Pour ce qui concerne certains théorèmes très importants, nous nous sommes parfois borné à les énoncer sans les démontrer, le contraire eut risqué de nous éloigner de notre préoccupation majeure : le résultat numérique ; cependant, les indications bibliographiques permettent d’obtenir aisément ces démonstrations qui sont classiques. Les objectifs poursuivis se situent sur deux plans que l’on a coutume de séparer mais qui sont indissociables de notre point de vue : l’acquisition d’algorithmes numériques indispensable à la résolution de problèmes usuels et la maîtrise du traitement des données expérimentales selon la méthode statistique. Traiter les données de l’expérience impose l’usage de techniques numériques appropriées, et l’examen des résultats entachés d’erreur et d’incertitude impose l’usage de la statistique. La propagation des erreurs à travers les algorithmes relève d’une analyse subtile qui est éternellement omise tant elle est délicate. Nous avons tenté de l’effleurer et c’est une des raisons qui nous a poussé à développer l’étude des lois de distribution ainsi que leurs fondements dans une partie qui est davantage dévolue aux statistiques. De même qu’il est impensable de vouloir apprendre à jouer du piano la veille de donner un concert, de même il est impensable de vouloir apprendre l’algorithmique numérique le jour où le besoin s’impose. Dans les deux cas, il convient de recourir aux gammes afin d’acquérir une solide expérience. En calcul numérique il n’y a pas de voie royale, et aucun algorithme n’est capable de fournir de résultats corrects quelles que soient les données fournies. Il est toujours possible de mettre en défaut une procédure et d’obtenir des résultats abérrants pourvu que l’on s’en donne la peine... Un très bel exemple est étudié à l’occasion de la résolution des systèmes linéaires dépendant d’une matrice de Hilbert. L’expérience pratique prend alors toute sa valeur, et c’est ainsi que notre enseignement comporte une séance hebdomadaire de trois heures sur calculateur arithmétique. Peu importe 3

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

le langage et la manière, seul le «résultat correct 8 compte et ce n’est pas une mince affaire que de se faire une opinion sur les erreurs qui entachent les résultats finals. Ensuite viendront éventuellement se greffer les problèmes d’élégance et d’optimisation. En aucun cas, cet enseignement n’a pour but d’explorer et de recenser tous les algorithmes ayant trait à un type de problèmes. Nous avons voulu présenter ceux qui se sont montrés paradigmatiques soit sous l’angle de la simplicité soit sous l’angle de l’efficacité. Il s’agit de construire des programmes que nous aurons soigneusement testés, dont nous connaîtrons les limites et qui rempliront peu à peu notre boîte à outils. Pour simplifier, nous dirons que ce livre peut se subdiviser en trois parties à savoir : 1. Études d’algorithmes numériques et leur mise en oeuvre. 2. Analyse statistique des résultats d’expériences. 3. Annexes, problèmes et corrigés. Nous l’avons déjà dit, les deux premières parties interfèrent partiellement, et c’est une des raisons pour laquelle nous avons renoncé à présenter un ouvrage où tout ce qui est étudié dans un chapitre s’appuie nécessairement sur ce qui a été établi précédemment. Par souci d’unité nous avons préféré regrouper les titres par centre d’intérêt. Ainsi, il nous est apparu plus intéressant d’avoir rassemblé l’étude des polynômes orthogonaux plutôt que d’avoir dispersé l’information dans différents chapitres concernant l’interpolation et l’intégration numérique. Il aurait été dommage de ne pas avoir abordé, ne serait-ce que rapidement, les méthodes de Monte-Carlo d’une part, et les problèmes mal posés d’autre part. Ces domaines illustrent bien la synthèse des deux premières parties, d’autant plus qu’ils s’intègrent remarquablement dans les préoccupations des chercheurs et des ingénieurs. Qui, en physique, n’a pas eu à résoudre numériquement une équation de convolution? Qui n’a pas tenté la résolution d’un problème au moyen d’une simulation? Pour terminer nous proposons un avant-dernier chapitre constitué d’un ensemble de problèmes et d’exercices qui illustrent quelques usages des méthodes qui ont été présentées; ils servent également à éclairer quelques points de théorie qui seraient venus alourdir le cours s’ils avaient été intégrés dans les divers chapitres : on montre par exemple que le coefficient de conformité de Pearson obéit bien à une loi du x2. Le dernier chapitre donne les solutions des problèmes présentés. La plupart des chapitres font l’objet d’une illustration et se terminent par des programmes écrits dans le langage C : il s’agit du langage de base qui assure la portabilité. Ce point de vue s’explique par la facilité qu’il y a à changer de langage : Fortran, Pascal, etc., sans avoir grand chose à modifier dans le programme source. On n’est pas obligé de partager ces vues, mais il est très facile de modifier les programmes proposés pour qu’ils apparaissent moins « archaïques ». Pour en finir avec les algorithmes choisis et les programmes présentés, nous dirons qu’ils sont fournis sans garantie d’aucune sorte malgré le grand soin porté à ce travail. Ils peuvent comporter des imprécisions voire des imperfections, à ceci s’ajoute le fait qu’aucun algorithme n’est irréprochable dans la mesure où il est toujours possible de trouver des valeurs numériques qui le mette en défaut. Bien sûr, nous formons le vœu que cet ouvrage puisse apporter une aide solide aux étudiants, ingénieurs et chercheurs pour lesquels il constituera un outil dont le rôle favorise la réalisation de sa propre boîte à outils. La rédaction d’un ouvrage ne se réalise jamais dans l’isolement, et il m’a fallu bien des oreilles attentives, bien des lecteurs vigilants, bien des conseillers éclairés. L’instant est venu de remercier tous ceux qui, à quelque titre que ce soit, m’ont apporté une aide inconditionnelle, je citerai par ordre alphabétique : Claude Bardos, Jean Bornarel, Jacques Gacougnolle, Patricia Guilpin,

AVANT-PROPOS
Michel Jacques, Claude Marti, Yvan Simon ainsi que l’équipe de physique théorique de Chaouqui Misbah. Pour terminer, j’ajouterai une mention particulière à EDP Sciences qui m’a offert un contexte de travail optimum afin d’obtenir la meilleure réalisation possible. Christian GUILPIN

PROGRAMMES SOURCES ACCOMPAGNANT CE MANUEL Les programmes sources cités dans ce livre sont disponibles sur le site Web d’EDP Sciences (adresse : http://www. edpsciences . com/guilpin/). Chapitre 2 rutisacc. c sn-x. txt

aitken-0.c
epsilon-0.c

dani1ev.c dsys1in.h
Chapitre 6

un-x. txt vn-x.txt
Chapitre 12

dfftinv.h tf-image.c inv-imag.c
Chapitre 17

Chapitre 26

regres.c
Annexe A

richard.h richar-0.c epsilon-1.c epsilon-2.c epsilon-3.c epsilon-4.c aitken-2.c kacmarz1.c fredho1m.c
newton-1.c Chapitre 4

1agpoly.c
ascend.c

argent.c
cotes-l. c

descend.c
1ispline.c

cotes-2.c
Chapitre 13

sp1ine.h
sudeter . c multma. h transpos . h

fredh-1.c gaussien.h dconvo1.c dconvo1.h intm0nte.h
xa1eamen.h Chapitre 18 calcu1pi.c matmont e . c intm0nte.c recuit .c Chapitre 20

sturm.c
Annexe F

bessel1n.c
bessel1f.c bessel2n.c

epsi1on.h
combina. h retr0gra.c runge . c

dsys1in.h
invers.h Chapitre 7 1egendre.c decom1eg.c

bessel2f.c besse1jf.h besse1jn.h besse12f.h
Annexe 1

pendu1e.c
moulton. c

dichot0.c itera.c
newton1d.c newt0npp.c kacmarz . c newton2d.c

bashf0rt.c tayl0r.c
Chapitre 14 triode.c

dzeta0.c
dzeta1.c

r-1egend.c
getneme . h Chapitre 9 1aguerre.c

gauss1eg.h
Chapitre 22

grosys1.c jacobi0.c
jacobi1.c pendule0.c

bairst0w.c bairst0w.h racine.h
Chapitre 5

chaleur.~ corde.~
Chapitre 15

khi2.h student.h
Chapitre 24

predcor0.c souriau0.c
sudeter. c

r-1aguer.c
Chapitre 10 hermite . c r-hermit.c Chapitre 11 rn-x.txt

syst1in.c
triangle. c

trian1in.c hi1bert.c trianinv.c
1everier.c

echanti1.c gibbs.c dirac.c
fi1tre.c Chapitre 16

hist0gra.c ko1mogor.c
Chapitre 25 teststat . c

givens.c

dfftO.h

varian-1.c varian-2.c

sys1init.c tangent2.c gradc0nj.c refrig1.c mathieu9.c vanderp0.c card0.c

Sommaire

AVANT-PROPOS

3

1. GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 1 . La notion d’algorithme en calcul numérique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Le calcul numérique ne concerne que les nombres entiers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Le calcul numérique traite du problème pratique de l’approximation de fonctions explicites ou implicites . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 . Solutions littérales et solutions analytiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 . Que sait-on calculer rigoureusement? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Les erreurs et les incertitudes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. Un problème difficile : la propagation des erreurs en calcul automatique . . . . . . . . . . . . . . . 8. Réexamen des erreurs du point de vue statistique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9. Sur la représentation des nombres en machine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

17 17 18 18 20 20 21 22 26 27 30

2. QUELQUES ALGORITHMES ACCÉLÉRATEURS DE LA CONVERGENCE DES SUITES 1. 2. 3. 4. 5. 6. 7. 8. L’algorithme A2 d’Aitken (1895-1967). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Le procédé d’extrapolation de Richardson (1881-1953). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Présentation de l’epsilon-algorithme scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . L’epsilon-algorithme vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . L’epsilon-algorithme matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Remarques et propriétés de l’epsilon-algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Propriétés remarquables du procédé A2 d’Aitken et de l'epsilon-algorithme ............ Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

31 31 32 35 37 37 38 39 42

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

3.
1. 2. 3. 4.

LESDÉVELOPPEMENTSASYMPTOTIQUES
Un exemple de développement asymptotique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Quelques propriétés utiles des développements asymptotiques . . . . . . . . . . . . . . . . . . . . . . . . . . . Développement asymptotique de quelques fonctions spéciales . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

43
43 45 47 49

4. RÉSOLUTIONDES ÉQUATIONSNUMÉRIQUES
1. Généralités sur la résolution des équations f(z) = 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Résolution d’un système non linéaire de deux équations à deux inconnues ............. 3. Racines d’un polynôme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

51
51 59

63 69
69

5.

ÉLÉMENTS DECALCULMATRICIEL

1. Multiplication de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Résolution d’un système linéaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Inversion d’une matrice carrée d’ordre n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Calcul des valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

70 78
79

87 89
. . . . . . . . . . . . . . . . 90 90 92 93 94 95 96 98 100 100 101 101 102 104 105 106 109 111

6. L'INTERPOLATION
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11. 12. 13. 14. 15. 16. 17. 18. De la légitimité de l’interpolation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Le polynôme de Lagrange (173661813). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Évaluation de l’erreur. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Comment minimiser E(z) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Autre disposition pratique du calcul du polynôme de Lagrange ........ Cas où les abscisses sont en progression arithmétique . . . . . . . . . . . . . . . . . . . Les polynômes d’interpolation de Newton (164331727) . . . . . . . . . . . . . . . . . . Le polynôme d’interpolation de Stirling (169221770) . . . . . . . . . . . . . . . . . . . . Le polynôme d’interpolation de Bessel (178441846). . . . . . . . . . . . . . . . . . . . . . Erreurs commises en utilisant les polynômes d’interpolation ............ Programmes déterminant les polynômes d’interpolation . . . . . . . . . . . . . . . . . Interpolation par les fonctions-spline . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Les fonctions-spline du troisième degré . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Résolution d’un système linéaire dépendant d’une matrice tridiagonale Une application simple des polynômes d’interpolation . . . . . . . . . . . . . . . . . . . L’algorithme d’interpolation d’Aitken (1932) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Approximation par une combinaison linéaire de fonctions . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

7. LESPOLYNÔMESDELEGENDRE. MÉTHODED'INTÉGRATIONDEGAUSS-LEGENDRE

113

1. Les polynômes de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 1 3 2. Méthode d’intégration de Gauss-Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1 2 2

8

SOMMAIRE

8. LES POLYNÔMES DE TCHEBYCHEFF. APPLICATION À LA MÉTHODE DE GAUSS-TCHEBYCHEFF
1. 2. 3. 4. 5. Les polynômes de Tchebycheff (1821-1894) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Une propriété essentielle des polynômes de Tchebycheff à coefficient principal réduit . Les racines des polynômes de Tchebycheff &+I(Z) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul des poids Hk correspondant aux racines zk du polynôme T,+r(x). . . . . . . . . . . . . . . Méthode d’intégration de Gauss-Tchebycheff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

133
133 134 135 135 136 136 137 139 139

f(x) 6. Calcul de l’intégrale 1 = ~a dM d z . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7 7. Calcul de l’erreur commise lors de l’approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8. Fonctions génératrices des polynômes de Tchebycheff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9. Un exemple d’intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

9. LES POLYNÔMES DE LAGUERRE. MÉTHODE D’INTÉGRATION DE GAUSS-LAGUERRE
1. 2. 3. 4. 5. 6. 7. 8. 10. 11. 12. 13. Relation de récurrence entre trois polynômes consécutifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Relation de récurrence faisant intervenir la dérivée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Les premiers polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul des coefficients des n premiers polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . Orthogonalité des polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul des racines des premiers polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul des poids HI, correspondant aux racines X~C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul numérique des poids Hk associés aux racines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul de l’erreur commise lors de’l’approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fonction génératrice des polynômes de Laguerre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul numérique de la transformée de Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Appendice : Les polynômes de Laguerre généralisés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

141
141 142 142 143 143 144 145 145 145 147 149 149 150

9. Calcul des intégrales du type 1 = Sexp(-z)f(s) dx . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

10. LES POLYNÔMES D’HERMITE. LA MÉTHODE D’INTÉGRATION
1. 2. 3. 4. 5. 6. 7.

DE

GAUSS-HERMITE

153
153 154 154 154 154 155 156 156 157 160 162 163

Relation de récurrence entre trois polynômes consécutifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Relation de récurrence entre polynômes et dérivées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Les premiers polynômes d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul des coefficients des premiers polynômes d'Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Orthogonalité des polynômes d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul des racines des premiers polynômes d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul des poids HI, correspondant aux racines xk . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

8. Technique de calcul des intégrales du type 1 = 7 exp (-x2/2) f(x) dz . . . . . . . . . . . . . . . . 9. 10. 11. 12. Autres notations très utiles . . . . . . . . . . . . . . . . . . . . . .y:. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul de l’erreur commise lors de l’approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Fonction génératrice des polynômes d’Hermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
9

SOMMAIRE

15. LES SÉRIES DEFOURIER
1. Petit aperçu historique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Orthogonalité des fonctions sinus et cosinus sur une période.. . . . 3. Série de Fourier associée à une fonction périodique . . . . . . . . . . . 4. Conditions d’égalité de f(z) et de la série de Fourier associée . . . 5. Quelques propriétés remarquables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Approximation des fonctions par une série de Fourier tronquée.. 7. Cas où la fonction est discontinue à l’origine . . . . . . . . . . . . . . . . . . . . . 8. Le phénomène de Gibbs (1839-1903) et l’epsilon-algorithme . . . . 9. Représentation des séries de Fourier avec un terme de phase . . . . 10. Écriture du développement sous forme complexe.. . . . . . . . . . . . . . 11. Approximation des fonctions au sens de Tchebycheff . . . . . . . . . . . . 12. Application des séries de Fourier au filtrage numérique.. . . . . . . . 13. À propos du développement des fonctions non périodiques.. . . . . . 14. Calcul des séries de Fourier à coefficients approchés dans L2 . . 15. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

229 . . . 229 . . . 231
... ... ... ... . . ... ... ... ... ... ... . . ... . . ... 232 233 234 235 238 238 241 241 242 244 246 246 247

16.
1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11.

LESTRANSFORMÉESDEFOURIER

249
249

Extension des séries de Fourier au cas où la période est infinie . . . . . . . . . . . . . . . . . . . . . . . . . . Conditions d’existence des transformées de Fourier dans les espaces L1 et L2 .......... La transformée de Fourier dans l’espace L1 ................................................ Les transformées de Fourier dans l’espace L2 .............................................. Produit de convolution dans les espaces L1 ou L2 ........................................ Sur le calcul numérique des transformées de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Cas des fonctions échantillonnées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul par un algorithme ordinaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . L’algorithme de Cooley-Tukey (1915- ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Programmes de calcul des transformées de Fourier . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Un problème fondamental : quelle doit être la période d’échantillonnage de la fonction f(z)? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12. La distribution de Dirac (190221984) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13. Transformées de Fourier multidimensionnelles. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

252 253 255 256
260 260 261 262 266 267 269 271 272

17. INITIATION AUX PROBLÈMES MAL POSÉS: ÉQUATIONS INTÉGRALE~,SYSTÈMES LIN ÉAIRES ETÉQUATIONSDECONVOLUTI~N

MAL

CONDITIONNÉS
273

1. Un exemple de problème mal posé : le calcul des séries de Fourier à coefficients approchés dans L2 .......................... 2. L’équation intégrale de Fredholm (186661927) de première espèce . . . . . . . . . . . . . . . . . . . . . . 3. Notion de problèmes bien et mal posés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Méthode de régularisation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. Application à la résolution approchée des équations intégrales de Fredholm de première espèce . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Résolution d’un système linéaire mal conditionné . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. Résolution des équations de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8. Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

273
274 276 276 280 282 283 285

11

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

18. INTRODUCTION AUX MÉTHODES DE MONTE-CARLO
1. 2. 3. 4. 5. 6. 7. 8. 9. Le problème de Buffon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Générateurs de nombres pseudo aléatoires à distribution uniforme . . . . . . . . . . . . . . . . . . . . . . Calcul de 7r . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Calcul d’une intégrale définie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Intégration de l’équation de Laplace en un point . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Inversion d’une matrice carrée d’ordre n . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Méthode du recuit simulé : recherche du minimum absolu d’une fonction .............. Simulation d’autres lois de distribution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

287 287 288 290 290 292 293 294 295 297

19. ÉLÉMENTS DE CALCUL DES PROBABILITÉS
1. 2. 3. 4. 5. 6. 7. 8. Introduction et notions fondamentales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Évaluation de la probabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Notion de variable aléatoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Somme et produit d’événements. Théorèmes fondamentaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Lois de répartition des variables aléatoires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . L’inégalité de Bienaymé (1796-1878) - Tchebycheff . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Le théorème de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

299
299 300 301 301 305 308 309 309

20. LA LOI BINOMIALE, LA LOI DE POISSON ET LA LOI DE GAUSS-LAPLACE
1. 2. 3. 4. 5. La loi binomiale, schéma de Bernoulli . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Loi de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Loi de Gauss-Laplace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Changement de variable aléatoire dans les lois de répartition . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

311
311 313 316 322 324 325 325 328 329

21. LA FONCTION CARACTÉRISTIQUE
1 . Définition et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. La distribution du x2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

22. LA LOI DU x2 ET LA LOI DE STUDENT
1. La loi du x2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . n 2. Distribution d’une somme de deux variables aléatoires indépendantes 7L obéissant chacune à une distribution du x2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. La loi du J& à m degrés de liberté tend asymptotiquement vers la loi de Gauss quand m tend vers l’infini.. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Distribution d’une variable aléatoire fonction de deux variables aléatoires indépendantes 5. La distribution de Student (W. Gosset) (187661937) . . . . . . . . . . . . . . . . . . . . . . . . . 6. La distribution d’une somme de deux variables aléatoires indépendantes obéissant à une distribution de Student est-elle encore une distribution de Student? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7. La loi de Student à m degrés de liberté tend asymptotiquement vers la loi de Gauss quand m tend vers l’infini................................................................... 8. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

331
331 333 333 334 336

339 339 340

SOMMAIRE
23. SYSTÈMES

À

PLUSIEURS VARIABLES ALÉATOIRES

341 341 341 343 343 345 346 348 349 351 351 352 353 353 356 356 359 361 361 364 369 370 371 371 375 379

1.
2. 3. 4. 5. 6. 7. 8.

Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Système de variables aléatoires, fonction de répartition . . . . . . . . . . . . Variables aléatoires liées et indépendantes . . . . . . . . . . . . . . . . . . . . . . . . . . . Caractéristiques numériques, covariance, coefficient de corrélation Généralisation au cas de plusieurs variables . . . . . . . . . . . . . . . . . . . . . . . . . Quelques théorèmes importants . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Propriétés du coefficient de corrélation (démonstrations). . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

24. CRITÈRES DE CONFORMITÉ
1 . Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Représentation des données numériques. Histogramme . . . . . . . . . . . . . . . . . . . . . . . . 3. Conformité entre une répartition théorique et une répartition expérimentale (ou répartition statistique) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. Le xi de Pearson (1857-1936) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5. Critère de Kolmogorov (190331987) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6. Estimation des paramètres d’une loi inconnue. Estimateurs . . . . . . . . . . . . . . . . . . . 7. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25. ÉTUDE DES
1. 2. 3. 4.

D ÉPENDANCE S

DANS

LE

CAS

L I N ÉA IRE

Les types de schémas de dépendance linéaire . . . . . . . . . . . . . . . . . . . . . . . . Fondements de l’analyse de corrélation-régression. . . . . . . . . . . . . . . . . . . Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

26. ANALYSE DE CORRÉLATION ET DE RÉGRESSION
1. La corrélation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. Régression linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

ANNEXES A. LES SUITES DE STURM. APPLICATION À LA DÉTERMINATION DU NOMBRE DE RACINES RÉELLES D’UN POLYNÔME
1. 2. 3. 4. 5. 6. 7. 8. Notion de variations d’une suite numérique . . . . . . . . . . . . . . . . . . . . . . . . . . Suite de Sturm générée à partir d’un polynôme . . . . . . . . . . . . . . . . . . . . . Quelques propriétés des suites de Sturm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Le théorème de Sturm (1829) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Disposition des calculs, schéma de Routh (1831-1907) . . . . . . . . . . . . . Quelques exemples de suites de Sturm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Mise en œuvre du théorème de Sturm . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

381

383 383 383 384 385 386 386 386 387

. . . . . . . . . . . . 7 . . . . . . . . Estimation de l’erreur commise . . . . . . . . . . . . 2. . . . . . . . . . . . Développements de quelques fonctions en approximants de Padé . . . . . . . . . . . . . . . . Expression de l’erreur en remplaçant 1 par J . . tangente et cotangente pour 5 appartenant à (-00. . . . . . . . 8. de bibliographie . . . . . . . . . . . . . . . 3. . . . sin(z) et COS(X) pour 2 appartenant à (-CO. . . .. . .. . . . . . . . . . . . . . . . . . . . . . . . . 6. . . . . . . . . . . . LESAPPROXIMANTSDEPADÉETDEMAEHLY Le théorème fondamental de Padé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 397 397 398 400 401 402 403 404 D. . . . . Racines des polynômes orthogonaux . . 7. . . Un exemple de fraction continue . . . . . . . . . . . . . . . . . . . . . . . . . . . . arctan pour z appartenant à (0. . . . . . Les fractions continues finies . . . . . . . . . . . . . .l). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . . . . . . . . . . . . . . . . Généralisation de la méthode de Gauss . . . . . . . . . . . . . . . . . . . . . . . 2. . . . . 5. . . . . . . . . . . . . . 2. . . . . . . . 4. . . . . . .. . . . . +oo) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . Généralisation des approximants de Padé. . . . .. . . . . . . . . . . . . . . .. . . . . . CALCULDESFONCTIONSDEBIBLI~THÈQUEÉLÉMENTAIRES Calcul de Calcul de Calcul de Calcul de Calcul de Calcul de Calcul de Calcul de Éléments exp(z) pour x appartenant à (-CO. . . . . . . . . . . . . . . . . . . . 394 395 C. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3. . . . . . . . . . . . 14 421 421 423 425 425 426 426 426 427 427 1. . . . . LES FRACTIONS CONTINUES 1. . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . la racine carrée pour 2 appartenant à (0. . . . . . . . . . . . . . . . 8. . . . .. . 7. . . . . +oo) . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . Développement en fraction continue à partir d’un produit infini . . . . . . . . . . . . . . 5. . . . . . . . . . . .l) . méthode de Maehly . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . +~CI) argtanh(z) pour z appartenant à (0. . . . . . . . . . . . . . . . . Sur le calcul effectif des coefficients . .b) . . . . . . . . . Erreur liée à l’usage des approximants de Maehly . Généralisation de la notion de polynômes orthogonaux . . . 3. 7. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9. . . . . . 405 405 407 407 408 414 418 419 419 E. . . . . . Éléments de bibliographie . . . . . . . . $00) . . . . . . . . . . . . . . Développement en fractions continues de séries usuelles . . . . . . . . . . . . 3. . . . . . . . . . . . oo). . . . . . . . . 5. . . . . . . . . .. . . . . . . . . . Décomposition d’une fonction f(z) sur la base des polynômes IV~(Z) orthogonaux sur l’intervalle (u. . . . . . . . . . . . . . . .. . . . . . . . .M ANUEL DE CALCUL NUMÉ RIQUE APPLIQUÉ B. . . . . . . . . . . . . . . . . +co) . . . . . loge(z) pour z appartenant à (0. . . . . . Les fractions continues infinies . . . . . . . . . . 4. . . . . . . . . . . . . . . 389 389 390 392 393 393 1. . Difficultés liées à la recherche d’une généralisation . . . . . . . . . . . . . . . . . . . . . . . . . 6. . . 4. . . 6. . 1. . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . 5. . . . . . Éléments de bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4. . 6. . . . . . . . . . . . . . . arcsin et arccos pour 2 appartenant à (0. . . . . . . . . . . . . . . . . . . . . . POLYNÔMES ORTHOGONAUX RELATIVEMENT GÉNÉRALISATIONDELAMÉTHODEDEGAUSS À UNE FONCTION POIDS. Relation de récurrence entre trois polynômes orthogonaux consécutifs . . . . . . . . . . . . . . . .. Développement en fraction continue à partir d’un développement en série entière . . . . . . . . . . . .

. 2. .. Intégration des équations aux dérivées partielles . . . .. .. . . . . .. . . . . .. . . .. . .. . . .. . . . . .. . . . . . . .. . . . . . . . . . . . . . .. . . . . . . . .. . . . . . . . .. 3. . . 14. . . . . . . . . . . .. . . 9. . . Puissance et énergie d’un signal . . . . . . . .. . . . . . . . . . . . . 6. . . . . . . .. . . . . . .. . . . . . .. . Éléments de calcul matriciel . . . . . . . . . . .. . .. . . . .. . . . . . . 7. . .. .. . Notions sur le filtrage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. . . . . . .. . . .. . . . . . . . . . . . . . . . .. . .. . . . . . .. . . . . . . .. . . . . . . . . . . 16. . . . .. . . .. . . . . . . . . . . . . .. . . . . . . . . . . . . . . .. . . .. . .. ÉLÉMENTS SUCCINCTS SURLETRAITEMENTDU SIGNAL 1. . 429 . . .. . . . . . . .. . . . . . . . . . . . . . L’équation différentielle des fonctions de Bessel (1784. .. . . . . .. . .. . . . .. . . . . . . . . . . .. . 3. . . . . . . . . . . . . .. . . . . . . . . .. ... . . ... . . 6. . . . . . . . . . . . . . .. . . 431 431 432 432 1. . . . . . . . .. . . . . . . . . . . .. . . . .. . . . . . . . Éléments de bibliographie . Analyse de corrélation . . . . . . . . . . . . . . 2. . . . . . . .. . . . . . .. . . . . . . .. . . .. . . . . . . . . . . . . . . . .. . . . . . . . . . .. . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . 15. . . . . . . . . Lois (Binomiale. . . . . . . . . . . . La corrélation et ses propriétés . . . . . . . . . .. . . . . . . . . . . ... . 430 . . . . . . . . . . . . . . . . . . . . . . . . La convolution .. . .. . . . . . 18. . . . . . . . . . .. . . . . . . . . . . . .. . . . . . . . . . . . . . . . ... . Applications de la corrélation. . . . . . . . . .. . . . . . .. . . . . . . . . . . . . . . . . . .. . . . . . . .. . . . . . . . . 15 . 4. . . . . . .. . . . . . . . . . . . . . . 10. . . . . . . .. .. . .. . . . 4. . . .. . .. . . . . . . . . . . . . . . . . . 20. . . .. . . . .. . . . . . . . . . . . . . . . . Introduction aux méthodes de Monte-Carlo . . .. . . . . . . . . . . . . . . 5. . Les transformées de Fourier . . . . . . . . . .. . . . . . . . . . . . . . . . . . .. . . . . . . . . . . 19. . . . . . . . . . .. . . . . . Représentation de Jy(z) par une intégrale définie. .. . . . . . . . .. . . 6.. . . .. . . . . . . . . Les développements asymptotiques . .. . . . . . . . . . . ... . . . .. . . . . .. .. . . . . . . . . . . . . . .. . . . . . . .. . . . . . . . . . . . . . . . . .. . .. . . . . . . . . .. . . ... . . .. . . . . . . . . . .. . . .. . . . . . ... . . . . . . . . . . . . . . . . . ... . . .. . . 3. . . . . . .. . .. . . . .. . . 433 . . ... . . CALCULNUMÉRIQUEDES FONCTIONSDEBESSEL 429 . .. . . . . . . .. . . .. . ... . . . . . . . . . .. .. . . . . . . . . . Technique de calcul ... . ... . . . . .. . .. . . . . . . . .. . . . . . . . . . . . . . .. . . ... . . . . ... . ... . . . . . . . . . .. .SOMMAIRE F... . . . . . . . .. . . . . .. .. . . .. . . . . . . . . .. .. . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . . 5. .. . . .. . . . . . .. . . . . . .. . . . . . . . . . . . . .. . . . La fonction caractéristique . . . . PROBLÈMESETEXERCICES 443 443 446 447 447 453 461 462 465 467 470 471 472 480 481 485 485 487 491 494 495 1. . . . .. . .. . . . . 17... . . . . .. . . . . . . . .. . . . 4.. . Systèmes à plusieurs variables aléatoires . Intégration des équations différentielles dans le champ réel .. . .. . . .. . . . . . . . . ... . . . . . . . . . .. . . . . . . . . . . . . . . . . . 13. .. .. . . . . . .. . .. .. . . . . . . . . . .. . G. . . . . . . .. . . . . .. . 433 435 437 439 440 441 442 7. . . . . . . . . . . .. 8. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de bibliographie . . . . . . . . . .. . . . . . . . . . . . . . . .. . . Généralités sur le calcul numérique . . . . . . Algorithmes accélérateurs de la convergence des suites . . . . 1846) 2. . . . .. ... . . . Notion de bruit . . . . . . . . . . . . . . . . . . .. . . . . . . . .. . . H.. . .. . . . .. . . . . . .. . . . . Résolution des équations numériques . . . .. . . . . .. 12. . . . . . . . Les fractions continues . . . . . . . . . . . . .. . . . . . . . . . . . . .. .. . . L’interpolation . . . . Poisson. . Calcul de l’erreur sur Jo(z) .. Critères de conformité . . . .. . . Éléments de calcul des probabilités . . . . . . . . . . . . . . . . . . . . . . . . . . . Éléments de traitement du signal . . . . . .. . . . . . . . . . . . . . . 11. . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . Relations de récurrence. . . . ... .. . . . . . . . . . . . . . . . . . . .. . . . . . . .. . . . . . . . . . .. . . . . . . . . . . . . . . La loi du x2 et la loi de Student . . . . . . Étude des dépendances dans le cas linéaire . . . . . . . . . . . . . . . . . . . .. .. . . . . . 5.. . . .. . . . . . . . . . . . ... . . . . .. . . . . . . . . . . . . . . . . .. Gauss-Laplace) . . . . . . .. . . . . . . ... . . . . .. . . .

.. 20. . . . . .. .. .. . . ... . . .. . .. ... . . . .. . . ... .. .. . .. . . .. 14. .. . .. . . . .. . ...... . . . Algorithmes accélérateurs . . . .. . .. . . ..... ... . 16. . . . . ... . . .. . .. ...... .. .. .. . .. . . . . Les développements asymptotiques .. ... Critères de conformité ... . . .. .. . .. . . .. . . . . .. Les transformées de Fourier . . .. . . .. . 17. ... 18. . . . . . 6. . . . . .M ANUEL DE CALCUL NUMÉ RIQUE APPLIQUÉ 1. . . . . ... . . . . . 12.. . . . . . .. . .. . . Étude des dépendances dans le cas linéaire . .. . . . .. . .. .. .. .. ... .. La fonction caractéristique .. ... . . . .. Lois ..... .. . 10.. . . . . .. . . . .. . . 13. . . . .. . . . . . . ... . . .. . . ... 497 . 3.... . . . . . . . .. . .. .. . . . . .. ... . . .... . . .. . . . . . . . . ... . . . . . . .. . . .. .... . ... . . . ... .. . . .. . ... . . . . . . . . . . . . . .. 9. ... ... . . .. .. . .. . . 7. .. 19. . . . . . . . . .. . .. . . .. . Les fractions continues . . . ... . . . . ... .. . .. . . . . . . . .. Éléments de calcul des probabilités.. .. .. . .. .. .... . . . .. . . ... . . .. .. .. . .. .. . . .. .... . ... . .... . . 1. . . . . . . . .. .. ... . . . . . .... . . . . . Intégration des équations différentielles dans le champ réel Intégration des équations aux dérivées partielles . .. .. .. . . . ... . ... . .... .. .. . . . ... ... . . . . . ... .. . . .. . .... . . . ..... Systèmes à plusieurs variables aléatoires . . .. . Introduction aux méthodes de Monte-Carlo .. .. . . ... . Éléments de calcul matriciel . . .. .. .. ... . .. . . .. . . .... .. . . ..... . . . .. . . . ... .. . . ... . . . . . . .. .. CORRIGÉS DES PROBLÈMES ET EXERCICES Généralités sur le calcul numérique... .. . . . . .. . . . . .. . . 15. .. . 504 505 513 523 523 530 530 532 532 534 543 545 550 551 553 560 563 564 INDEX 567 16 . .. ... .... . . 504 ..... . . . ... . .. . .. .. . .. .. 8. . . . . ... .. 497 . .. 2... ...... .. . ... . . . . . .. . . . . . ... . .. . . . . .. . .. .... . .. . . ... 4. . . . .. .. ... . . La loi du x2 et la loi de Student . .. ... .. .. . . . ... ..... . . . . . ... . . . .. . . . . .. ... .. Éléments de traitement du signal . . . . . .. .. . . . . . . . ... .. ..... .. . . . .... . Résolution des équations numériques . . . .... ... . . Analyse de régression-corrélation . ... . . . ... .. . . . .. . . .... . ... . . ... .. ........ 11. . ... .. . . . ... .. .. . . . . . .. ... . . 5. . . . .... . ..... . . ..... . .. .. . . . .. . ... . . . .... . . ... . . . . . . . . .. .. .. . . . ... .. . .... .. . . Interpolation . . . .. .

cela implique que l’on ne peut manipuler que des nombres admettant une représentation finie ce qui conduit à effectuer des troncatures et des arrondis au cours des opérations successives.. multiplication et division) de l’opération racine carrée. La plupart du temps. il est tout à fait possible de remplacer ce mot par procédé de calcul.. série de Fourier. et en aucun cas cette définition ne permet de donner une manière de construction des algorithmes. Face à un jeu d’équations plus ou moins complexes. probablement sous l’influence du mot grec (repris par les latins) 0 ccptOl. ce sont les ingénieurs et les chercheurs qui se trouvent concernés par l’usage de ces méthodes pratiques.. soustraction. Sans que rien ne soit changé. 1. par exemple. Quoi qu’il en soit. la technique de résolution des équations du deuxième degré à coefficients réels à condition toutefois d’admettre que l’on dispose outre les quatre opérations fondamentales (addition. Il s’agit donc d’un concept commode mais peu fécond qui sert à désigner un certain type d’organisation de propositions à caractère mathématique. Pour illustrer ce concept. on peut évoquer.& le nombre. Cependant sa portée ne dépasse pas celle de la « prose que chacun fait sans le savoir ».) : la première division venue. Cette remarque en apparence triviale doit pourtant être présente à l’esprit lorsque l’on fait usage d’une machine arithmétique (mais aussi du calcul manuel. soit à la confrontation des résultats expérimentaux et théoriques etc. La notion d’algorithme en calcul numérique Un algorithme est un procédé de calcul qui ne met en œuvre que des opérations arithmétiques et logiques.. etc. la première 17 . En outre. procédure. L’étymologie de ce mot est arabe et c’est une altération du nom du mathématicien AlKhwârizmi (t812?). Le concept d’algorithme en calcul numérique est quelque peu plus restrictif : le nombre d’opérations élémentaires arithmétiques et logiques est obligatoirement fini. c’est le cas des développements en série de fonctions : série entière. car ce sont en définitive les nombres qui vont retenir leur attention. L’examen des mathématiques montre que le nombre d’opérations proposées dans un algorithme peut être infini (mais dénombrable). c’est une dénomination commode qui sert à désigner l’ensemble des opérations qui interviennent au cours d’une démonstration conduisant à l’énoncé d’un théorème. ils devront obtenir un ensemble de valeurs numériques qui pourra servir par exemple soit à la réalisation d’un édifice ou d’un prototype.Le calcul numérique est une branche des mathématiques appliquées qui étudie les méthodes pratiques destinées à fournir des solutions numériques aux problèmes formalisés dans le langage des mathématiques pures. technique de calcul.

sous l’angle de l’histoire. L’école italienne de Bologne s’attaque à l’équation du troisième degré. Cette dernière étape intervient lors de l’évaluation de l’incertitude qui entache les résultats d’un calcul. Tous les problèmes ne sont pas algorithmiquement solubles. on retiendra à son propos les noms de Tartaglia (1500?-1557). il faudra les tronquer. entière et flottante. début IX~) et à Luca Pacioli (1445?-1514?) le fait d’avoir raffiné les solutions. une faible précision n’imposera qu’une petite taille du mot-machine ainsi qu’un faible temps de calcul. et il faut bien admettre que l’on ne peut manipuler (au sens étymologique) que des représentations finies. il suffit de considérer un exemple. elle-même suivie éventuellement d’une opération de troncature ou d’arrondi. Le calcul numérique traite du problème pratique de l’approximation de fonctions explicites ou implicites Un problème d’analyse se trouvant modélisé dans le langage des mathématiques pures. Signalons toutefois que les bases de l’étude sont dues à Del Fero (1465??1526). La connaissance de la manière dont les nombres sont représentés dans la machine utilisée est fondamentale en ce sens qu’elle permet l’estimation de la précision attachée aux résultats d’un calcul. 2. La représentation dite en virgule flottante éclaire ce point de vue car en fait elle traite de nombres ayant une certaine quantité fixe de chiffres significatifs (agrémenté d’un facteur de cadrage appelé exposant) et dans la réalité. 3. on comprend tres bien que la recherche d’une grande précision imposera une grande taille de mots-machine et par conséquent un grand temps de calcul. Si l’équation du deuxième degré est connue depuis l’ilntiquité. mais ce n’est pas la seule source. 18 . En revanche. de Cardan (1501-1576) qui parvinrent à la solution au travers de défis et de provocations qui semblaient être coutumiers à cette époque. qui illustre cette difficulté : la recherche des racines d’un polynôme de degré quelconque à coefficients réels. Pour ce qui concerne les machines arithmétiques. on trouvera un paragraphe traitant de quelques représentations assez générales. et force est de répondre non à la question posée. On peut se poser la question de savoir si cette façon de concevoir est toujours possible. Cette conception n’est pas tellement restrictive en soi.. les deux représentations. nous l’aborderons un peu plus en détail dans quelques paragraphes. la première préoccupation consiste à rechercher la solution sous forme littérale à l’aide des fonctions connues qui sont les polynômes et les fonctions transcendantes élémentaires. on peut dire qu’il revient à Al-Khwârizmi (fin VIII~. Dès lors.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ racine carrée venue ont toutes les chances d’introduire un nombre dont la représentation impose une infinité de chiffres significatifs. Le problème général de l’évaluation des incertitudes et erreurs est délicat qui plus est lorsque l’on fait usage d’une machine. ne doivent pas masquer la réalité et il faut voir là uniquement deux représentations commodes. Pour s’en convaincre. Le calcul numérique ne concerne que les nombres entiers Ce n’est pas une boutade. Le choix retenu est en général un compromis entre ces deux situations extrêmes.. à chaque opération élémentaire sur les nombres il y a une opération de cadrage suivie d’une opération arithmétique sur les nombres entiers. En fin de chapitre. car les seules opérations arithmétiques pratiques que 1’Homme est susceptible de réaliser ne peuvent que concerner les nombres admettant une représentation finie de symboles (chiffres significatifs) donc en fait des entiers.

En 1608. w étant une constante dépendant de la longueur du pendule et de l’accélération. les problèmes algorithmiquement non solubles. on sait qu’il existe des propositions vraies que l’on ne peut pas démontrer. on verra comment calculer les racines d’un polynôme de degré quelconque à coefficients réels. selon toute vraisemblance pour la première fois dans l’histoire des sciences. Remarque 2 : Ce n’est pas parce qu’un problème est algorithmiquement insoluble que l’on n’est pas en mesure de proposer une solution approchée ~ généralement avec une précision fixée à l’avance ~ et c’est justement la raison d’être du calcul numérique que de fournir de telles solutions. Du reste. dans une axiomatique donnée. Il fallut attendre la publication des travaux d’Abel (180221829) pour obtenir la démonstration définitive de la proposition de Ruffini (1826). il s’agit de l’équation du pendule pesant assujetti à osciller dans un plan. l’équation du deuxième degré par exemple. on apprend que l’on ne peut pas obtenir la solution sous forme littérale (t. les problèmes algorithmiquement solubles. 2. par exemple la quadrature du cercle à l’aide de la règle et du compas. et 190 sont les conditions initiales sur l’angle et la vitesse angulaire). La tradition veut également que l’on ne s’intéresse qu’au cas des petits angles pour lesquels on peut écrire le développement de sin O(t) au premier ordre. le théorème de Cauchy-Lipschitz nous permet d’affirmer l’existence et l’unicité d’une telle solution qui est de surcroît une fonction analytique. Cette même année Ruffini (176551822) affirma l’impossibilité formelle d’obtenir la résolution des équations algébriques de degré supérieur à quatre. On écrit traditionnellement l’équation à laquelle obéit son mouvement : d’Q(t) + w2 sin O(t) = 0. Ce résumé de l’histoire des équations algébriques nous mène à deux types de remarques : Remarque 1 : Le fait de poser un problème dont la solution existe n’est pas suffisant pour permettre d’exhiber effectivement ladite solution selon des moyens donnés. On peut se rappeler à ce propos le problème de la trisection de l’angle qui n’est pas algorithmiquement soluble si les moyens de construction autorisés sont la règle et le compas. Gode1 (190661978)). 1. Rothe (??1617) émit une proposition selon laquelle toute équation algébrique de degré n possédait n racines réelles ou complexes. on sait que les problèmes que l’on peut se poser sont de trois types à savoir : a. les mathématiciens s’intéressèrent tout naturellement à l’équation du cinquième degré et les recherches furent très riches d’enseignements dans la mesure où. Souvenons-nous d’une des premières équations différentielles que nous avons rencontrée en Physique. dt2 où Q(t) est l’angle que le pendule fait avec la verticale à un instant donné. à condition de considérer toutefois que les axiomes de l’arithmétique ne sont pas contradictoires (cf. les problèmes indécidables pour lesquels on ne peut rien démontrer. Oo. Alors. Pourtant. Aujourd’hui. le travail conduisit à l’énoncé d’un résultat négatif. par exemple. Plus tard. GÉNÉRALITÉ~ PUR LE CALCUL NUMÉRIQUE Ensuite l’équation du quatrième degré fut abordée et résolue par Ferrari (152221565) qui fut un élève de Cardan. Alors. 00.1. c. nous remarquerons que les problèmes de calcul numérique sont uniquement des problèmes d’approximation de fonctions au sens le plus large. b. w”) à l’aide des transcendances usuelles (0. dans ce cas particulier. et Gauss (177771855) en effectua la démonstration rigoureuse en 1799. on sait 19 . En terminant ce paragraphe.

rappelons que si R. C’est le rôle du calcul numérique que d’apporter une réponse à ces types de problèmes et l’on verra chaque fois de quelle manière. que la fonction soit réelle ou complexe. Cependant. est l’expression du reste lorsque l’on tronque par nécessité le développement à l’ordre 72. rappelons qu’une fonction est dite analytique lorsqu’elle est développable en série entière.+l tend vers zéro quand 20 . Considérons une fonction f(x) régulière c’est-à-dire continue. À ce propos. 00. D’ailleurs. indispensable au calcul des coefficients du développement en série. conformément à l’usage. 5.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ obtenir la solution sous forme littérale. Que sait-on calculer rigoureusement? Comme nous ne pouvons traiter que de nombres admettant une représentation finie de chiffres significatifs. w2) ne pouvait être exprimée sous forme littérale c’est-à-dire que l’on ne pouvait pas donner une expression formelle en fonction des transcendances usuelles et des polynômes. sans préjuger de la suite. À ce sujet. et d’une façon tout à fait générale. Ce reste s’écrit : R f@+‘)(t) hTZ+l n+l = ( n + l ) ! où < est un nombre compris entre a et (a + h). En résumé. et tous n’ont pas le bon goût de vouloir limiter l’amplitude de leurs oscillations. chacun sait que les pendules sont capricieux. il est bon de noter que l’on sait en général réaliser une opération formelle importante : la dérivation. que les arguments soient réels ou complexes. son développement en série de Taylor s’écrit : f(a + h) = f(a) + où R~+I f”(a) f(“)(a) -h2+-+ -+” -t R~+I n. seuls les polynômes (dont le degré est évidemment fini) sont susceptibles d’être calculés rigoureusement (ou avec une précision souhaitée à l’avance dans la mesure où le calcul peut faire intervenir la division). a + h). Solutions littérales et solutions analytiques À propos du pendule. on peut ajouter que le calcul numérique fait amplement appel aux développements en série dans de nombreuses méthodes. il convient de distinguer l’expression formelle d’une fonction avec son expression analytique. 4. on peut affirmer que toutes les solutions numériques sont des valeurs numériques de fonctions analytiques. nous avons dit que la solution e(t. Là repose le grand intérêt des développements en série (de MacLaurin (1698-1746) et Taylor (168551731)) qui fournit une expression calculable sachant que l’on se fixe à l’avance une précision donnée et sachant que l’on peut majorer convenablement l’expression du reste de la série. Au passage. Il est quasiment impossible de connaître 6 et. Cela ne signifie nullement que la solution n’est pas une fonction analytique. dérivable autant de fois que l’on veut dans un domaine D contenant a et a + h. Sur le plan du calcul des fonctions. La première division venue a statistiquement toutes les chances d’introduire un résultat comportant un nombre infini de chiffres significatifs. la soustraction et la multiplication donneront des résultats rigoureux lors de l’exécution des différentes opérations (encore avons-nous fait abstraction des réels problèmes de la taille réservée pour représenter les nombres). pour éviter tout abus et toute ambiguïté. seules l’addition. on cherche un majorant de GI dans l’intervalle (a.

Quelle que soit leur origine.5 puis à tronquer le résultat. c’est-à-dire la méprise. La machine traite ces données selon un certain algorithme et procède à chaque étape élémentaire à une opération d’arrondi. vérifions que nous retrouvons les résultats connus liés à certains types de problèmes. . le développement de Taylor devient une série entière appelée série de MacLaurin. Erreurs liées à l’exécution des calculs Les données numériques confiées à une machine ont deux origines : ce sont des nombres d’origine strictement mathématique (calcul d’une intégrale par exemple) ou des données provenant de mesures lesquelles sont déterminées dans un intervalle (autrement dit à une certaine précision près). Dans tous les cas classiques. etc. évitons les compilateurs tolérants. et cela leur confère un rôle particulièrement intéressant en calcul numérique. 6.2. nous ne savons calculer que peu de choses avec une extrême rigueur. alors que le programme est tout à fait convenable. 6. C’est la raison pour laquelle. derrière toute instruction de lecture. les données comportent une erreur ou une incertitude. sont entachés d’erreurs dont les sources proviennent d’origines différentes. des produits infinis. il n’y a pas de règles universelles qui permettent d’éviter la bévue. comme ailleurs.1. Que d’ennuis liés à la transmission de mauvaises données. Maintenant. c’est ce que le physicien dénomme incertitude. elle mérite quelques commentaires tout simplement parce qu’elle est polymorphe et qu’elle n’est pas toujours évidente à détecter. 6. Cela peut aller de l’erreur de méthode ou d’algorithme à la simple faute de copie ou de transcription. malheureusement. les opérations de conversion et d’arrondi introduisent statistiquement une erreur.. il est impératif de réécrire la donnée communiquée et c’est du reste une bonne façon de la voir figurer sur la feuille de résultats. À bien y réfléchir. L’arrondi est une opération qui consiste à ajouter à la mantisse du nombre la valeur 0. cependant. car même dans le premier cas.~LITÉ~ suRLE ~AL~~LNuMÉRIQuE n tend vers l’infini. Ici. mais les polynômes en font partie. lors de la phase de mise au point. et que sa programmation apparaît sans faille (ce qui implique de surcroît que l’algorithme soit adapté aux données traitées). En définitive. on doit se demander inévitablement quelle est la précision du résultat final. il faut évoquer l’erreur au sens trivial du terme. on peut envisager l’étude des erreurs entachant les résultats numériques obtenus. on arrive à connaître un majorant raisonnable des restes qui sont abandonnés. Les erreurs et les incertitudes Un algorithme donné permet d’obtenir des résultats numériques qui. Erreurs à caractère mathématique La différence entre la solution strictement mathématique et la solution approchée fournit un terme d’erreur : c’est le cas fréquemment rencontré lors de l’étude des séries infinies. Il s’agit de voir comment l’incertitude finale a été propagée au cours de toutes 21 . des suites infinies. Après l’exécution de tous les calculs. ce qui permet de diviser les erreurs machine par deux. GÉNÉR. pour une fonction pourvue d’une infinité de dérivées. Tout d’abord. cela met en relief une autre facette du théorème d’approximation de Weierstrass (1815-1897) qui date de 1885 et sur lequel nous aurons le loisir d’insister ultérieurement à propos de l’interpolation (chapitre 6). sollicitons le jugement éclairé d’un collègue.1. dans l’hypothèse où l’algorithme retenu est adéquat.

. il convient d’ajouter qUe le cumul des erreurs au cours d’un tour de calcul interviendra au niveau de la vitesse de convergence du processus. il suffit de procéder selon cette technique et l’on s’apercevra bien vite que cette façon de concevoir les incertitudes se révèle très exagérée et très surestimée. Cette conception est tout à fait convenable dans la mesure où l’on peut supposer que les erreurs obéissent à la loi de Gauss-Laplace. la procédure n’a d’intérêt que dans la mesure où la suite générée est convergente. mais pour bien situer le problème disons que. exponentielle. Nous faisons allusion plus spécialement aux fonctions dites fonctions de bibliothèque : sinus. de la taille de l’argument. il n’y a aucune chance pour que toutes les opérations du calcul soient systématiquement l’objet d’une erreur maximum.1. en règle générale. arc tangente..). Le plus souvent. On a la relation : ~4 = a0 + eo. Exemple de calcul répétitif . et qui consistent à réintroduire dans le calcul la dernière valeur calculée. . Un problème difficile : la propagation des erreurs en calcul automatique Si les calculs font intervenir des fonctions transcendantes usuelles que l’on trouve sur toutes les machines. arc cosinus. La limite obtenue ne dépend alors que de la précision de la machine utilisée (représentation des nombres. il faut alors avoir recours au manuel du fabricant de logiciels pour connaître l’incertitude attachée à l’usage de telle ou telle fonction.. L’algorithme propage des erreurs. mais cette hypothèse admet des limites qu’il convient de ne pas franchir et nous en verrons un exemple un peu plus loin. Les calculs itératifs Comme nous l’avons dit ce sont des calculs répétitifs que l’on limite nécessairement à un certain ordre.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ les opérations d’arrondi. incertitudes qui dépendent. 22 .. En résumé. tangente. 7. en effet. on rencontre deux types d’algorithmes : ceux qui font appel à des calculs cumulatifs reposant sur l’addition (au sens large) et les calculs itératifs reposant sur la répétition du calcul avec chaque fois une nouvelle valeur donnée par le précédent tour. Nous allons essayer d’obtenir une approximation de eo. Que peut-on conclure quant à la précision des résultats finals? Il n’est pas possible d’apporter une réponse à la question ainsi posée car les erreurs dépendent de la manière dont l’algorithme les propage et la limite supérieure de l’erreur finale n’est pas nécessairement un majorant de la somme de la borne supérieure du module des erreurs évaluées à chaque opération élémentaire. fonctions de bibliothèque. racine carrée (annexe E). arc sinus. Pour cela développons au premier ordre l’expression : N = (ao + e0)2. logarithme. les calculs sont réalisés au moyen d’opérations introduisant des arrondis et de fonctions de bibliothèque affectées d’une précision limitée. Toutefois les erreurs affectant les résultats (fournies par le fabricant) ne sont pas la majoration de l’erreur relative ou absolue mais plus simplement l’écart quadratique moyen . Pour s’en convaincre.Calcul de la racine carrée d’un nombre positif N. Cependant. 7. de ce point de vue. cosinus. Désignons par ao une première approximation de fl et par eo l’erreur liée à cette estimation. Le problème n’est pas si simple que cela et dépend essentiellement de la manière dont l’algorithme propage les erreurs indépendamment des calculs effectués. cela fournit une valeur bien plus raisonnable de l’erreur qui serait sans cela toujours exagérément surestimées.

expression dans laquelle es est remplacée par eh qui en est une approximation. Pour fixer les idées.2. De toute façon. Dans cette classe de problèmes où les erreurs ne sont pas cumulées dès le début de l’algorithme. L’erreur sur le calcul dépend de la limite de l’erreur mathématique ej qui ne tend pas vers zéro du point de vue numérique. GÉNÉRALITÉSSUR On obtient : LE CALCUL NUMÉRIQUE N = ao(a0 + 2eh). car il est possible d’obtenir à peu près n’importe quoi. mais cela peut avoir pour effet de donner une suite (ak) qui. Cela conditionne la précision de la valeur finale. Pour s’assurer de cette convergence. Les calculs cumulatifs Il s’agit de calculs dont le résultat dépend de tout l’ensemble des calculs intermédiaires. Nous aurons l’occasion d’examiner plus en détail ce problème en étudiant les racines des équations. chapitre 4). toujours du point de vue de la précision. le nombre p sera obtenu lorsque : l/(p . si la précision relative fournie par la machine est 10.1.l)/S. 7. admet une limite non nulle e. on peut intégrer d’autres types d’algorithmes qui relèvent de la même analyse parmi lesquels on peut citer la dichotomie (cf. parce que nous avons affaire à des erreurs de troncature. fournit alternativement deux valeurs limites. Autrement dit le terme (p + 1) ne peut plus modifier la somme sera de même des termes suivants qui sont encore plus petits. À cet égard. La somme ao + eh constitue une meilleure approximation que ao sous réserve toutefois que le développement soit convergent.lr. rien ne nous empêche de recommencer les calculs avec la dernière approximation évaluée ur (itération). obtenue par sommation des p premiers termes qui apportent effectivement une contribution à la somme est toujours très inférieure à la taille du plus grand nombre représentable dans lesdites machines. < 10-“. Le calcul effectif de la série divergente ~~=rl/n donne toujours un résultat fini en faisant usage des machines usuelles. car la somme partielle S. encore faut-il que la suite de nombres générée soit convergente. 23 partielle déjà calculée. l’erreur pouvant devenir quasiment infinie. L’exemple le plus connu qui illustre parfaitement ces propos repose sur la série harmonique qui est très lentement divergente. et ceci jusqu’à ce que l’on ait obtenu le meilleur résultat que la précision de la machine puisse permettre d’obtenir. Dans ce dernier cas. il faut et il suffit que : Donc pour débuter les itérations on peut prendre uo = N par exemple. Les exemples les plus immédiats concernent la somme d’une série numérique ou encore le calcul d’une intégrale. du nombre de termes calculés et du nombre de chiffres significatifs dont la machine dispose. On déduit : 4 = (N/~O -a~)/% soit encore : a1 = a0 + eh = (N/u0 + ao)/2. il faudra choisir un critère tel que le nombre d’itérations soit fini. lorsque k est grand. il en . e0. une méfiance toute particulière doit être manifestée lorsque l’on traite des séries lentement convergentes ou lentement divergentes. Le résultat définitif dépend évidemment.

. Dans ce domaine.10s154) et qui dépasse de très loin la capacité des motsmémoire les plus optimistes.n.(n) . Ces considérations sur les séries attirent deux autres remarques : 1. et donc de raisonner plus facilement sur les erreurs absolues. ( 1000 ) On obtient n. donc lorsque 1000” N n!.. Revenons un instant sur les séries lentement convergentes. &‘+&+i+L+. mais tout simplement qu’au cours du calcul la somme partielle s’est montrée supérieure au plus grand nombre représentable. D. . .. Il n’est peut-être pas inutile d’insister sur la taille immense des nombres intermédiaires qui doivent être calculés (2 718! . + 5 +. Un dépassement de capacité signalé ne signifie pas obligatoirement que l’algorithme utilisé est divergent. Cet exemple montre à l’évidence que les fonctions de bibliothèque ne sont certainement pas calculées au moyen de développements de ce type. Nous savons que cette valeur est très petite. nous aurions pu être alerté par un dépassement de capacité qui aurait arrêté l’exécution des calculs c’est-à-dire qu’à partir d’un certain rang la somme partielle aurait dépassé le plus grand nombre représentable en machine. en écrivant que n/l 000 = e (e est la base des logarithmes népériens).. Grosso modo la somme partielle va croître jusqu’à ce que n! l’emporte sur xn. malheureusement il n’en a rien été. 12 = 1 . à la technique de calcul des fonctions de bibliothèque. nous allons examiner en détail le calcul d’une série banale et connue dont la somme vaut l’unité. on aboutit au résultat suivant : 72 10g.Dans le simple but de supprimer les cadrages des nombres intermédiaires.. Il est facile de donner un tel exemple en considérant le développement de exp(z) : exp(x) = z + 2 + 3 +. soit : +. Soit n = 2 718.(n!) = nlog. En passant aux logarithmes puis en faisant usage de la formule de Stirling log.n. Nous pensons plus particulièrement aux séries de Fourier (1768-1830) lorsque les coefficients décroissent comme l/n. 2. Un exemple de calcul d’erreur sur la somme d’une série convergente . d’où l o g . Utilisons ce développement toujours convergent (rayon de convergence infini) pour calculer exp(-1000).+ 1 1x2 3x4 4x5 n x (n+l) 24 x2 x3 . E. rien n’est simple car la majoration abusive des erreurs conduit tout aussi inévitablement à pénaliser voire à rejeter des résultats qui pourraient être acceptables.(n) . Le calcul numérique n’exclut pas de ses méthodes l’usage de certaines séries divergentes (encore appelées séries semi-convergentes) : on verra des applications lors de l’étude des développements asymptotiques et lors de l’étude de l’epsilon-algorithme appliqué aux fonctions admettant un prolongement analytique (chapitre 2). mais bien que le développement de exp(x) soit absolument convergent le calcul de la série alternée va poser des problèmes quasiment insurmontables. elles constituent un piège redoutable car rien ne permet de se défier du résultat si ce n’est justement un calcul d’erreur. Nous avons consacré les annexes C.(1000) = R log.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si la série avait divergé plus rapidement.

Chaque étape du calcul introduit une erreur de l’ordre de (cf.1) où sont portés m.0 Il est facile de constater que les erreurs globales Eg majorées a priori ne représentent pas du tout la réalité.999 0.1. on en conclut que la limite de la série est égale à 1. 09) : f& = 10-9J32. et pour m = 50000.255 2. / . Quand on limite la somme aux m premiers termes. c’est une erreur mathématique qui est majorée par le premier terme abandonné de la série convergente alternée : e --. m. m 10 000 20 000 30 000 40 000 50 000 100 000 S 0.1. Tableau 1. seules sont prises en compte les erreurs sur les inversions et sur les additions : soient au total 2m opérations susceptibles d’apporter une contribution à ce que nous appellerons l’erreur globale J!&. S. stat.999 900 950 967 975 980 991 err. mais uniquement le calcul numérique effectif ainsi que l’erreur qui en résulte. réelle 106 0. 1.999 0.931 1. la probabilité pour que l’erreur soit effectivement égale à Eg est pratiquement nulle..79 3.06 1. 106 0.329 0. l’erreur globale. on peut majorer l’erreur de troncature de cette série. On peut majorer Eg : E.66 9. En effectuant un passage à la limite quand m devient infini. Eg est environ 500 fois trop grand.31 err. Comme GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 1 1 ~~ n(n + 1) .30 77.& 1est un terme qui représente les erreurs cumulées au cours des opérations réalisées 1 en machine. l’erreur statistique et 1 ~ S .72 4. puis de passer à la valeur 100 000. Nous avons choisi de faire varier m de 10 000 en 10 000 jusqu’à 50 000. Il est bien préférable de raisonner en termes de probabilité.440 0. 25 . 108 0..& .999 0. Du reste.(mkl) À présent supposons que les calculs soient réalisés sur une machine qui travaille avec des nombres représentés sur 5 octets.88 2.S .475 0.n (ni 1)’ on voit que la somme partielle limitée au me terme s’écrit : STn=l(m. globa.822 0. Comme il n’y a pas d’erreur sur les multiplications (pas de troncature). Nous donnons ci-dessous un tableau (Tab. On en conclut que cette manière de concevoir les erreurs n’apporte rien et surtout n’est pas réaliste. Ce n’est pas l’examen mathématique de cette série qui va retenir notre attention.l).86 2.999 0.999 0.502 err.672 0. = 2me.950 1. ce terme est désigné par erreur réelle dans le tableau.

5. Il s’ensuit que : m = (X) = 0. 3=1 D’après le théorème central limite. la division va introduire une erreur systématique qui va garder le même sens très longtemps. Cas où X n’est plus à distribution rectangulaire Reprenons l’exemple précédent et cherchons à calculer la somme de la série « à la précision de la machine ».102fi.1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8. fly constitue en général une bonne estimation de l’erreur et nous rappelons à ce sujet que la probabilité pour que l’erreur soit inférieure en module à gy est 68%. puis l’écart quadratique moyen 0’ : o2 = s 0 I(X . À chaque opération. est 95% et à 3a.2. et cy = 0. les grandeurs statistiques ne sont plus des estimateurs acceptables de l’erreur. S’il y a N opérations dans la procédure globale et si l’on suppose que les erreurs sont indépendantes. On va alors raisonner sur la valeur absolue de la mantisse considérée comme un nombre entier.083 3. 8. g2 = 1. 8. Réexamen des erreurs du point de vue statistique Supposons que l’on utilise une machine qui travaille sur des mantisses de n chiffres significatifs./(n + l)/(n + 2) sera plus grand que 10g932 si l’on dispose de 4 octets pour représenter la mantisse. est 99. On calcule d’abord la moyenne : 1 m = (X) = s 0 XdX = 0.7%. soit CT = 0.102.25.288 74%. on peut associer à l’erreur une variable aléatoire X. À partir d’un certain rang K < n.5) puisque la machine effectue non pas des troncatures mais des arrondis. Faisons l’hypothèse que l’erreur de troncature puisse être considérée comme une variable aléatoire continue que l’on désigne par X à valeur sur (0. 26 .042 10P2. Grosso modo. pour ce type de problèmes. à 2a. c’est-à-dire que l’on va arrêter les calculs lorsque S. Cas où la distribution des X peut être considérée comme rectangulaire On peut aisément calculer les caractéristiques de la variable aléatoire X.l). l’erreur totale sera la variable aléatoire : Y=&. cependant elles le demeurent pour n allant jusqu’à 50 000 environ. Y est une variable aléatoire gaussienne de moyenne m et d’écart quadratique moyen CT : CT. la précision optimum est obtenue pour une valeur de n voisine de 100000 que nous avons portée dans le tableau. 0.m)2dX = 0. En réalité la variable aléatoire X” prend ses valeurs sur l’intervalle (0. On voit très bien que.288 7. = Na2 ce qui donne en définitive une mesure de l’erreur donnée par l’écart type : cy = 0. d’où l’on tire o = 0. ce qui divise chaque erreur élémentaire par 2. La distribution ne sera plus du tout rectangulaire et les estimations effectuées au moyen des erreurs gaussiennes deviennent caduques.

on peut donc représenter 2” nombres entiers en binaire. Ainsi... Les nombres entiers Pour les entiers positifs la représentation retemre est la représentation binaire pure et pour les entiers négatifs la représentation binaire en complément à deux. En définitive. Les nombres décimaux ou flottants ou réels La représentation entière ne permet pas une large dynamique et se trouve mal adaptée à la représentation des nombres de grande taille (grand module de l’exposant).On suppose que le mot-mémoire a la taille d’un octet (8 bits). la représentation en complément à deux consiste à écrire le nombre en binaire pur. on représente les nombres sur l’intervalle fini (-2”-l. En ce qui concerne les nombres négatifs. 9. Le nombre de configurations différentes susceptibles d’être obtenues est alors 2”. alors que toutes les opérations arithmétiques devront porter sur tous les bits sans exception . Si l’on se limite au point de vue opératoire. Sur la représentation des nombres en machine 9. Exemple . GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 9. cela montre que la machine passerait le plus clair de son temps à travailler pour rien. On désire réaliser l’opération c = a + b avec a = 57 et b = -36. il s’agit de trouver un compromis acceptable entre la précision de la représentation et la taille du mot-machine. ce qui a une incidence directe sur le temps d’exécution des opérations et la taille de la mémoire centrale. Cette propriété sera exploitée pour générer des nombres pseudoaléatoires (cf. de cette façon. qu’à l’exécution. le problème des très petits nombres fractionnaires resterait entièrement posé. Pour fixer les idées. La plupart du temps il est convenu d’utiliser le premier bit à gauche pour exprimer le signe du nombre et l’on adopte la valeur zéro pour désigner un nombre positif et la valeur un pour désigner un nombre négatif. La plupart des compilateurs masquent ce dépassement de capacité (report) et l’on génère des nombres entiers modulo 2’. il y a un dépassement de la capacité du mot-mémoire. Ajoutons que l’on gagne un chiffre dans la représentation car il n’y a qu’une seule configuration pour zéro alors qu’il y en aurait deux en signant les nombres négatifs : une pour les positifs et une pour les négatifs. donc on peut représenter 256 configurations différentes. chapitre 19). puis à changer le symbole zéro en symbole un et le symbole un en symbole zéro. Il faudrait des mots-mémoire constitués de 300 à 350 bits pour le représenter en binaire pur ce qui est prohibitif dans la mesure où statistiquement peu de nombres aussi grands sont utilisés.2. +2’-l ~ 1). Les représentations binaires sont les suivantes : a 00111001 11011100 b Ibl C 00100100 100010101 report On s’aperçoit alors. même si la taille de la mémoire devait être considérable. Tout bien considéré.1. Nous allons montrer de quelle façon se réalisent ces représentations sur une machine travaillant sur des mots-mémoire de k bits (bit est la contraction de binary digit signifiant chiffre binaire).1. soit encore les nombres de -128 à +127. on préfère utiliser la représentation en complément à deux qui permet alors d’effectuer l’addition des nombres et non la soustraction. Avant d’envisager la manière de stocker un 27 . considérons un nombre de l’ordre de 101”. et enfin à ajouter un.

MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ nombre en machine. E. Un nombre peut toujours être représenté dans une base B quelconque selon l’expression : N = ” /lnBn n=TlLl avec {Bk} = (0. 28 . F. la suite ordonnée des & s’appelle la mantisse tandis que la puissance de la base s’appelle l’exposant. 2. Les chiffres utilisés sont donc les symboles hexadécimaux 0. 7. Comme la base n’a pas besoin d’être explicitement exprimée. Pour ce qui concerne l’exposant. Comme les nombres sont normalisés.C’est une représentation qui a été fréquemment retenue par les constructeurs de grosses machines dans les années 60. on stocke uniquement la mantisse et l’exposant . 2. a . Comme précédemment le signe plus est codé par un 0 et le signe moins par un 1 (premier bit). m2 + l}. On s’aperçoit sans difficulté que l’écriture en chiffres romains n’est pas bien adaptée à la réalisation effective de cette opération.. Ceci peut apparaître comme une évidence. Sa raison d’être s’explique par la recherche d’une représentation optimum qui permet d’occuper la place mémoire la plus petite. pour s’en convaincre il suffit d’écrire deux nombres en chiffres romains et d’en effectuer la division. le premier demiioctet de l’octet 2 doit être différent de zéro. il suffit d’ajouter 64 à l’exposant avant de procéder au stockage. En définitive. . On peut encore écrire : Cette dernière représentation est dite normalisée à condition toutefois d’avoir . 6. la mantisse s’exprime sur les octets 2. on pourrait concevoir une représentation entière affectée d’un signe puisque les exposants peuvent être négatifs ou positifs.Une représentation des nombres flottants sur quatre octets . 8. on écrira N sous la forme : N = (0. Un nombre. et la base implicite est 16. Le mot-machine est constitué de quatre octets numérotés de gauche à droite de 1 à 4. 4. quel qu’il soit. aussi mérite-t-elle qu’on s’y attarde un peu. la convention veut que les configurations comprises entre 0 et 64 soient attribuées aux exposants négatifs (et l’exposant nul) et les configurations comprises entre 65 et 127 aux exposants positifs. la base est une donnée implicite qui n’est pas stockée avec le nombre mais qui est évidemment indispensable pour effectuer les calculs. Il s’agit donc d’une représentation semi-logarithmique particulière dans la mesure où le premier chiffre significatif est différent de zéro. .&. ce qui limite la représentation à 6 chiffres hexadécimaux. D. Comme on peut représenter 128 configurations possibles sur les 7 bits affectés à l’exposant. (B . soit au moyen d’une représentation symbolique écrite dans une base donnée (à l’aide de chiffres) . On remarque que mi et rn2 sont des nombres entiers finis dès qu’il s’agit de calculs effectifs (positifs. C. 9. Pour ce faire. 1. chacun de ces symboles peut être codé en binaire sur un demi-octet. Pm. 5. 3. il nous faut parler des nombres normalisés qui permettent d’optimiser la représentation. s’exprime soit dans le vocabulaire écrit courant. il n’en est rien.. Pm-2 Pm2-1. B.1)). . 1. L’octet 1 contient le signe du nombre dans le premier bit et l’exposant dans les sept bits suivants. # 0. car un chiffre hexadécimal se code sur quatre bits. Par convention. A. 3 et 4. c’est évidemment la seconde option qui est utilisée pour représenter l’information codée. Ce n’est généralement pas la solution retenue. négatifs ou nuls).

on aura une erreur absolue de 1 unité sur la mantisse considérée comme un nombre entier. Compte tenu de la présence d’un digit supplémentaire utilisé en mémoire centrale lors de l’exécution.710V10. aussi préfère-t-on raisonner en terme d’erreur relative sur la représentation du nombre. autrement dit. on ne réalise pas des troncatures mais des arrondis ce qui a pour conséquence de diviser les erreurs par deux. soit 0 si le nombre est positif et 1 si le nombre est négatif. il s’ensuit que l’erreur relative la plus défavorable vaut : e. La dynamique n’est pas affectée tandis que la précision relative de la représentation est passée à 10-16 environ. comme on va le voir. à une précision plus grande mais aussi à une dynamique plus faible que celle précédemment étudiée. c . Dans le cas le plus défavorable on aura négligé une suite infinie de F en notation hexadécimale (ce serait une suite infinie de 9 en notation décimale. Comme le nombre est normalisé en notation binaire. Le plus petit nombre représentable est de l’ordre de 10V3’. = 1/231 = 4. 29 . = 9.La troncature du nombre porte sur la mantisse seulement. soit : e.Précision de la représentation . qui se réduit à l’erreur relative sur la mantisse : e. Ce type de représentation permet d’obtenir une dynamique s’étendant de 10V78 à 10-75 approximativement.Représentation usuelle des nombres flottants dans les Basics . Les quatre octets supplémentaires sont uniquement affectés à la mantisse. quelle que soit sa base. La précision relative est majorée par : e.5 10Vj. la plus petite mantisse vaut 16”. Puisque la représentation est hexadécimale et normalisée. Cette conception conduit.La plupart du temps la représentation s’effectue sur 5 octets et la base implicite est 2. et par conséquent. = 1 mantisse Ici encore le cas le plus défavorable se rencontre lorsque la mantisse est la plus petite possible. = 0. tandis que le plus grand est de l’ordre de 1038. GÉNÉRALITÉSSUR LE CALCUL NUMÉRIQUE b . Toujours est-il que cette suite infinie. représente une erreur absolue de 1 unité sur le dernier chiffre significatif de la mantisse du nombre stocké. a pour limite l’unité. Il existe également une double précision qui occupe huit octets. soit environ 1OW. le premier bit de l’octet 2 est inévitablement 1.54 10e7. L’octet 1 est utilisé pour représenter l’exposant tandis que les 4 derniers octets servent au stockage de la mantisse. Cela constitue une information sans grand intérêt et certains constructeurs utilisent ce bit pour y stocker le signe du nombre. ou une suite infinie de 1 en notation binaire). Cette façon de concevoir n’est pas toujours la mieux adaptée au calcul des erreurs.1. Le premier octet permet de représenter 256 configurations qui se décomposent de la façon suivante : les exposants négatifs ou nuls sont représentés de 0 à 127 et les exposants positifs de 128 à 255.

E. elle se situe au voisinage de : e. au cours des calculs les dépassements de capacité sont automatiquement masqués et les calculs sont effectués modulo 2m. Remarque : En général. tandis que la précision se trouve un peu réduite. RALSTON et H. dans les micro-ordinateurs usuels.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ d . WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. M ETIVET et R. Wiley. Tomes 1 et II. . Springer-Verlag.2 10p16. avec m = 8k .Selon les logiciels et les ordinateurs utilisés. Mc Graw-Hill. La mantisse est représentée sur les treize demi-octets restants. N EWMAN. la représentation entière s’effectue sur 2. B. Les trois premiers demi-octets contiennent le bit de signe du nombre suivi de l’exposant. C. on dispose de nombres compris dans l’intervalle (-32 768. HENRICI (1964) Elements of Numerical Analysis. en C. A. B. = 1/223 = 1. Seuil. Le système est identique à celui utilisé pour les Basics à la différence près toutefois qu’on ne dispose plus que de 3 octets au lieu de 4 pour écrire la mantisse. en arithmétique entière.5. la représentation des nombres en double précision s’effectue sur 8 octets. DÉMIDOVITCH et L. +32 767). H.La double précision . J. 4 voire 8 octets : en binaire pur pour les entiers positifs et en complément à deux pour les entiers négatifs. JACQUES (1975) La Technique Informatique. ce qui permet une dynamique de l’ordre de 10~so8 à 10308 . Springer-Verlag. e . GUILPIN Ch. Dans le cas de deux octets. NAGEL. Masson. RUTISHAUSER (1990) Lectures on numerical mathematics.S.Par exemple. J. Dunod. Wiley. STOER et R.1 où k est le nombre d’octets retenus pour la représentation. La représentation des nombres flottants s’effectue sur des doubles mots soit 4 octets. H. et M.210F7. 10. GIRARD (1989) Le théorème de Godel.-Y. Éditions MIR. DORN (1964) Numerical Methods and Fortran Programming. HILDEBRAND (1956) Introduction to the numerical analysis. F. Cette propriété sera utilisée pour générer des nombres pseudo-aléatoires. VERFURTH (1996) A review of a posteriori errer estimation and adaptive mesh-refinement techniques. soit 16 demi-octets. MARON (1979) El éments de Calcul Numérique. 30 .Représentation des entiers et des flottants dans certains langages utilisés avec les micro-ordinateurs . K. La plus petite mantisse est donc 8 x 1612 sur laquelle l’erreur d’arrondi est 0. BERNARD~. GODEL et J. Éléments de bibliographie N. P. En conséquence de quoi la dynamique est évidemment la même. La précision relative la plus défavorable est donc de l’ordre de 0. Mc CRACKEN et W. Wiley. D. Éditions MIR. BAKHVALOV (1976) Méthodes Numériques. BESTOUGEFF. BULIRSCH (1993) Introduction to numerical analysis.

. n 31 . Nous définissons une procédure récurrente. nous allons construire une autre suite de n termes et ainsi de suite. Brézinski : Algorithmes d’accélération de la Convergence. de nombreux exemples d’applications et des programmes rédigés en Fortran. nous allons présenter quelques algorithmes très puissants qui ont pour but d’accélérer la vitesse de convergence des suites. du procédé d’extrapolation de Richardson et de l’epsilon-algorithme. Il s’agit de l’algorithme d’Aitken. Il n’est pas question d’effectuer ici les justifications théoriques relatives à ces algorithmes et nous limiterons nos ambitions à en apprendre le maniement. Si. il est nécessaire d’insister sur le fait que les résultats proposés ne concernent que les nombres susceptibles de pouvoir être effectivement calculés avec une précision suffisante. Wynn. S. Pour tout ce qui a trait aux procédures d’accélération de la convergence. 1. et que d’autre part il est relié aux approximants de Padé et aux fractions continues (cf. le lecteur intéressé par les fondements des techniques d’accélération de convergence pourra avoir recours à l’excellent ouvrage de C. Paris (1978). Nous nous attacherons essentiellement à leur présentation et à leur mise en ceuvre dans la mesure où nous ferons souvent appel à eux au cours des différents chapitres. Dans cet ouvrage figurent d’autres procédures d’accélération de la convergence. et pour les besoins de la cause. ou encore par la suite des approximations successives de la racine d’une équation f(x) = 0 obtenues par une méthode itérative. Étude Numérique. . À partir de cette suite de (n + 1) termes. Ainsi. aux Éditions Technip. la suite initiale s’écrit : s(O) cyx 0 > 1 >“‘> S(O). il est possible de dire que d’une part l’epsilon-algorithme est une généralisation du procédé d’ilitken. ce dernier ayant vu le jour en 1956 à la suite des travaux de P.. . L’algorithme A* d’Aitken (1895-1967) Supposons que nous connaissions une suite numérique convergente So.1 de la convergence des suites Au cours de ce chapitre. annexes C et D). Par exemple les Sk peuvent être constitués par les sommes partielles d’une série. Sans entrer dans des considérations théoriques de haut niveau. nous allons numéroter des suites ainsi formées au moyen d’un exposant placé entre parenthèses. . Cependant.

sp = a$‘. L’usage de l’algorithme d’Aitken. et par 2: une suite auxiliaire « choisie convenablement » Nous aborderons un peu plus loin le problème du choix de la suite auxiliaire. . il est aisé de s’apercevoir qu’il s’agit <d .2.MANUEL DE CALCUL NUMÉRIQUE APPLIQUE 1.11 s’ensuit. c mettant en œuvre cet algorithme.1.1) qui est bien connue pour sa convergence lente. La succession des opérations est symbolisée par le tableau 2. S’$a). k À partir de la dernière suite formée.2. . . on obtient une autre suite au moyen du même procédé. Dans la mesure où les x. On trouvera sur le Web(*) un programme aitken0. 2. . SP) .785 526. n.834 920. En retenant les cinq premiers termes de la suite on trouve S = 0.2. de la suite des S(o).com/guilpin/ 32 . TX. 1. celle des S(1). *http://www. que le procédé de Richardson est une transformation linéaire de suites.2sg1 . 1. L’application successive de ce processus nous conduit à l’obtention de la suite qui n’est plus constituée que d’un seul terme à condition toutefois que le nombre de termes de la suite initiale soit impair.3 10P2 à 5. et S. Présentation de la méthode Considérons une suite numérique S. La méthode de Richardson consiste à former une suite de « vecteurs » au moyen de la relation suivante : (2. le nombre d’éléments de la suite diminue de deux unités.2) avec m..edpsciences. S$” dont la convergence est lente. Le terme général s’écrit alors : s(“+l) -. on forme une nouvelle suite Sj” obtenue de la manière suivante : $0) s(l) = &pj2 k lct2 . sont indépendants des Sg’. . . permet de trouver S = 0.s&] 2 À partir s(O) + s. l’erreur relative sur T passe de 6. d’un algorithme en triangle et que S$+r) est une combinaison linéaire de SC. Ic = 0. Le procédé d’extrapolation de Richardson (1881-1953) On désigne toujours par S’(O) avec j = 0. page ci-contre. Remarque : Dans le cas particulier où l’on choisit comme suite auxiliaire la suite : 2 m -.(O).s(4) k k+21. la suite initiale que l’on désire voir converger plus rapidement.1. Autrement dit..&y1 . alors.l 10V4. Un exemple numérique On se propose d’appliquer cet algorithme à la suite des sommes partielles obtenue par la sommation de la série : (2. avec les mêmes nombres.. On note qu’à chaque construction d’une nouvelle suite.

.... aux abscisses xpr prend les valeurs SF’ p o u r p=j.. 1 xj+k . xj . . Quelques éléments de théorie Revenons à la suite initiale Si”’ qui converge vers S ainsi qu’à la suite auxiliaire 21... ce qui constitue une autre expression de ce théorème : s(O) . S!O) 3 J+k xj .ASE)tk+lSgJ ’ AS(“’ ..1.j+l.aixi.ASEik+l (2. . Le procédé d’extrapolation de Richardson est fondé sur la formule de Neville-Aitken qui donne une façon de construire les polynômes d’interpolation pour une valeur particulière de la variable (cJ chapitre 6 sur l’interpolation). les Sj’) peuvent s’exprimer sous la forme d’un rapport de deux déterminants. . .. xj+k . . x:+k 1 . il faut et il suffit que 3 z-r sg’=s+g. $0) 0 Sp Sf ’ $) Sp Sp SO”’ 42) 1 Sj3) Sp @ s(O) 2 s(l) 3 s(O) 4 on obtient alors un algorithme qui n’est plus en triangle et qui n’est plus linéaire. Autrement dit.3) 2... .. . . QUELQUESALGORITHMESACCÉLÉRATEURSDE LA CONVERGENCE DE~ SUITES Tableau 2. .. . .$k) 3 = x: ‘.. .. x3" . En effet.. lequel. . La relation générale est donnée par l’expression : As(“)s’k’ s(L+l) m _ m m+l .. xt+k 33 . indépendante des Sj”’ que l’on suppose d’une part strictement décroissante et d’autre part tendre vers zéro lorsque n tend vers l’infini... mais dont nous ne donnons pas la démonstration. .Pour que S!“) tende vers S quel que soit j > N. a . .. . . .1..2.Théorème / .j+ k. . À présent nous allons énoncer quelques théorèmes importants. quel que soit m > N. Sj”’ est la valeur en zéro du polynôme d’interpolation de degré Ic..

et que le module de la dérivée (k + 1)” demeure borné sur l’intervalle 1 (1 est le plus petit intervalle contenant le point zéro et toute la suite 2.) Dans le cas où les conditions du théorème II sont satisfaites.Théorème III .2. alors S.(k) tend vers S quand 1 tend vers l’infini. force nous est de reconnaître que cette condition n’est pas aisément vérifiable dans les cas pratiques. Généralisation du procédé de Richardson On considère une fonction Q(x) définie.+.q(o)). continue et strictement croissante sur l’intervalle (0.2). d . i=l Voici quelques choix possibles pour les fonctions *I(Z) : @I(x) = xq Q(x) = cf Q(x) = log. Si de plus M est indépendant de k.Dans le cas où Sj(O) = @(xj) e t que a(x) est suffisamment dérivable.) . alors la limite de la suite Sj”’ tend vers S quand k tend vers l’infini.Q(O)] sans que rien de ce qui vient d’être établi ne soit modifié. Alors.(Ce théorème concerne l’accélération de la convergence. 2. dans la relation (2.Pour que S!“) tende vers S quel que soit j > N. il est raisonnable de retenir la suite x.) par un nombre M indépendant de ~ç. pour que la suite Si”:+‘) converge plus vite que la suite S!“I ’ il faut et il suffit que : 3 lim ~ quand m tend vers l’infini. Par exemple.Théorème IV .4) sg = s-t &@Xj) .Q(O)] sj”’ .q(o)1 sj+1 . alors S/“) tend vers S lorsque k tend vers l’infini.Théorème II . La condition énoncée est nécessaire et suffisante. 3 '(xj) -*bj+k+l) Le théorème 1 s’énonce alors de la façon suivante : Théorème V . on peut remplacer zq par [a(~~) . c . /3) avec /3 > 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b . = om et de l’assortir de la condition 0 < Q < 1.Si la suite X~C (formée de nombres réels positifs. On obtient alors la relation : S!“+I) = P(%I . Cependant.(l +x). décroissante et tendant vers zéro lorsque n tend vers l’infini) vérifie la relation : pour tout n. il faut et il suffit que : 3 (2.[fqZj+. Ce théorème nous donne des indications sur les choix possibles de la suite des xj. 34 avec 4 2 1 avec a > 1 .

Comme précédemment on conserve les notations introduites au cours de ce chapitre. et du est également la deuxième reste on verra un peu plus loin que ce vecteur de composantes Sj colonne du tableau de l’epsilon-algorithme. 2.@2(x) vérifient aussi les conditions de la généralisation. alors les fonctions : g1(2) = a191(2) + a2*2(5) 92(x) = @l(X) . par &S’~“‘.Nous allons appliquer l’algorithme de Richardson à la suite des sommes partielles de la série : szl+.3) obtenue en remplaçant 2. Autrement dit.644941.. et si l’on fait Ic = 0. la suite initiale s’écrit : St). c qui réalise cet algorithme. 3+2 3+1 + 3 On reconnaît le procédé d’Aitken en réduisant au même dénorn~. = 6 convergente et qu’il ne faut pas confondre avec la série harmonique qui diverge.+$+. Les termes de la deuxième suite s’expriment au moyen des relations suivantes : $2) = s(O) + k k+l 1 s(1) . dans l’état actuel des connaissances. En comparant avec le résultat connu on voit que l’erreur relative sur la somme est de 5.605 723 403 S(Richardson) = 1. Elle vérifie les conditions des théorèmes précédents.. QU E L Q U E S ALGORITHMES A C C ÉL ÉR A T E U R S DE LA CONVERGENCE DES SUITES Remarque : Si *i(X) et *z(X) vérifient les conditions de la généralisation.3. Nous avons effectué les calculs avec les 25 premières sommes.=g = 1.$eur l’expression (2. nous obtenons : s(1) 3 s(O) $1 . Relation entre le procédé A* d’Aitken et celui de Richardson Revenons à l’expression (2. .3).edpsciences. .com/guilpin/ 35 . Un exemple numérique .644 934 066 8. On trouvera sur le Web (*) un sous-programme richar0.2. 3+2 = 3 S!OI . à l’exception toutefois de la suite initiale qui prend le rang 1 au lieu du rang zéro.s(1) k+l *http://www. et voici les résultats trouvés : S(25) = 1. 3.+$+.0 10-‘. du plus puissant algorithme permettant d’accélérer la convergence des suites. Présentation de I’epsilon-algorithme scalaire Il s’agit sans doute. Ici il nous faut en plus choisir une suite auxiliaire.2s!O) S!OI .sec&. et nous avons retenu arbitrairement la suite classique 2.

On forme la troisième suite au moyen de la relation : s(3) = s(1) k rc+1+ 1 s(2) k+l et d’une manière tout à fait générale. .723 809 5 +9 0.1). Exemples numériques On désire calculer la somme de la série alternée déjà évoquée au cours du premier paragraphe : sd+. 1. . (n ~ + 1). Calcul de la somme d’une série de Fourier La fonction qui vaut -1 entre -T et 0 et +1 entre 0 et T admet le développement en série de Fourier : f(x) = .g).834 920 6 0.) 36 .-. On poursuit les calculs jusqu’à ce que l’on n’obtienne plus qu’un seul terme qui est SP’. On se persuade facilement que les résultats intéressants figurent dans les suites de rang impair. .3 0. .1.2) + où k = 0. la pe suite sera donnée par : 1 $+. 1.4 10P4 3..866 666 6 .7 0.+.2. (n.791666 6 -115 0.783 333 3 +329 0. + sin [. Il s’agit maintenant non plus d’un algorithme en triangle mais d’un algorithme en losange.2. (siy Isiy I. soit (n + 1) impair. p 3.786 309 5 0.ll)~l + . et avec comme convention S(o) = 0 quel que soit k. 94) s(5) L’erreur relative sur la valeur donnée par St) est 2..2. Les suites de rang pair ne constituent que des intermédiaires de calcul. nous avons donné les suites successives S(Q) en limitant la suite initiale à 5 termes : Tableau s(1) 1 . .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ où k = 0.785 585 s(2) s(3) 2. . . .l) _ s(P-1) k SA’ = sp+. il faut donc choisir un nombre impair de données au départ.666 666 6 +5 0. Sur le tableau 2. .= +J8539&2.. pour que le terme SC’ soit une approximation de la limite de la suite Sa (l).

2. Il est donc nécessaire de préciser la technique de calcul des opérations proposées notamment en ce qui concerne la grandeur : l/ (SF& . La différence de deux vecteurs ne pose pas de problème. L’epsilon-algorithme matriciel Ici. Cette méthode converge très lentement et il va de soi que nous pourrons l’accélérer au moyen de l’epsilon-algorithme vectoriel. 5. rien n’est modifié dans la conduite du calcul.l. v* v2 Cette précision apportée. rien ne nous empêche de considérer un nombre complexe comme un vecteur à deux dimensions et d’appliquer l’epsilon-algorithme vectoriel. il n’y a aucune difficulté à définir la différence de deux matrices carrées de même ordre et l’inverse d’une matrice. 4. c’est-à-dire les lentes oscillations au voisinage de la discontinuité. on admettra qu’elle est réalisée en multipliant numérateur et dénominateur par le vecteur V* dont les composantes sont les composantes complexes conjuguées du vecteur V.SF’) .‘) = 1’043 240 233 83 5”‘) = 1’064 575 573 01 S”’ = 1’061704 093 49 49 S@) = 1017439 936 43 5’. En appliquant l’epsilonalgorithme à la suite des onze sommes partielles formées entre le terme d’ordre 40 et le terme d’ordre 50 dont voici les valeurs : SC’) = 1 002 194 232 20 S. nous étudierons la méthode de Picard qui permet d’obtenir par itérations un échantillon d’une certaine fonction solution d’une équation différentielle.‘) = 1’065 271752 62 48 ) ) on obtient la valeur : S = 1. Ainsi nous avons : v-1 = v* = u*. mais pour le cas qui nous préoccupe. Conclusion : l’epsilon-algorithme fait disparaître le phénomène de Gibbs. La technique de calcul se trouve 37 .‘) = 1’052 942 746 94 S”) = 1’066 278 967 14 S.000689 pour la valeur 5 = 0. 50 7 S@) = 1 031279 464 80 S”” = 1’060 110 382 5 3 5’. Si la suite à traiter est formée de nombres complexes. qui plus est. v. Du fait de la discontinuité de première espèce de la fonction. pourvu que cette dernière soit régulière. Par exemple. la série converge lentement et. et il nous reste à définir l’inverse Vpl (= l/V) d’un vecteur V. Cette opération n’est pas définie habituellement. nous sommes en présence du phénomène de Gibbs. QUELQUESALGORITHMESACCÉLÉRATEURSDELA CONVERGENCEDES SUITES Cette série sera étudiée chapitre 16 et elle servira d’introduction à l’étude du phénomène de Gibbs.‘) = 1’055 820 20184. L’epsilon-algorithme vectoriel Les suites S(Q) ne sont plus des grandeurs scalaires mais des grandeurs vectorielles. Cet algorithme vectoriel trouvera son emploi chaque fois que le résultat d’un calcul itératif est donné par un ensemble de valeurs (Uj) que l’on peut alors considérer comme les composantes d’un vecteur.

la forme vectorielle et la forme matricielle. c’est-à-dire qu’il peut accélérer la convergence à condition toutefois que la précision des termes retenus soit suffisante. Autrement dit. l’application de l’epsilon-algorithme en double précision n’apportera strictement rien. Toutefois. c’est-à-dire que l’addition du terme suivant de la série laisse inchangée la valeur de SC’. il est extrêmement fréquent d’obtenir des erreurs de calcul très importantes qui se répercutent sur l’ensemble des éléments de la matrice notamment lors de l’opération d’inversion. 3.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ inchangée. il s’ensuit qu’une suite convergente de matrices rectangulaires ne peut pas être accélérée par ce procédé puisque ces matrices ne possèdent pas d’inverse mais seulement deux pseudoinverses qui ne peuvent pas faire l’affaire. il n’est pas nécessaire de débuter les calculs à partir du premier terme de la suite et l’on peut très bien prendre les termes de 4 en 4 à partir du rang k pour former la suite initiale (cJ l’exemple concernant le phénomène de Gibbs). Pour information. Nous venons de voir la forme scalaire de l’epsilon-algorithme. dès lors que l’on utilise une méthode itérative. si le dernier élément S. En revanche. Cette remarque prend toute sa signification lorsque la suite des matrices est constituée de ce que l’on appelle des matrices mal conditionnées. Il n’est pas possible d’extraire une information qui n’est pas contenue dans les données. si nous avons obtenu SC’ en simple précision. Dans ce cas. sur le plan pratique. il existe aussi deux formes topologiques que nous nous contentons de mentionner. Remarques et propriétés de I’epsilon-algorithme 1. Cet aspect négatif des choses se trouve alors réduit par l’usage de l’epsilon-algorithme vectoriel. il est tout à fait possible d’appliquer l’epsilon-algorithme à une suite de matrices rectangulaires ou carrées pour en accélérer la convergence et cela en faisant usage de l’epsilon-algorithme vectoriel appliqué à chacun des vecteurs-lignes ou chacun des vecteurs-colonnes. 38 . En aucun cas il ne peut fournir une précision supérieure à celle ui a servi à faire les calculs 4 des termes initiaux. L’epsilonalgorithme supprime le phénomène de Gibbs qui se traduit normalement par des oscillations de grande amplitude lesquelles s’amortissent très lentement avec le nombre de termes de la série de Fourier. L’epsilon-algorithme ne peut donner que ce qu’il a. Par exemple.” de la suite initiale a été obtenu à la « précision de la machine ». quels que soient la géométrie et le maillage retenu pour intégrer l’équation de Laplace. il est inutile de vouloir appliquer l’epsilon-algorithme quand bien même bénéficierait-on d’un accroissement de précision pour réaliser cette dernière opération. Il est bon de remarquer que l’epsilon-algorithme ne s’applique qu’à des matrices carrées . L’epsilon-algorithme matriciel peut trouver une application lors des problèmes de résolution de l’équation de Laplace (174991827) (ou de Poisson) par la méthode itérative de Gauss-Seidel dans le cas particulier où la représentation du maillage conduit à une matrice carrée. À l’occasion de l’étude des séries de Fourier. Lorsqu’on applique l’epsilon-algorithme à une suite. 2. on rencontre un phénomène gênant qui se manifeste au voisinage des points de discontinuité de première espèce (lorsque la fonction développée présente ces discontinuités) : c’est le phénomène de Gibbs (183991903). 6. 4. il est toujours possible d’utiliser ou bien l’epsilon-algorithme scalaire ou bien l’epsilon-algorithme vectoriel.

epsill. c. 2. Résolution des équations f(z) = 0.1. c et newtono. L épsilon-algorithme dans les autres chapitres 1. Le prolongement analytique Si une fonction admet un développement en série de puissances convergent dans le disque D. il est souvent préférable d’abandonner la procédure.. suppression du phénomène de Gibbs. 5. h et l’autre l’epsilon-algorithme vectoriel evectr0. h. on aura pris soin d’enregistrer ou de faire imprimer les résultats partiels qui demeurent susceptibles d’être exploités. epsil2. calcul des dérivées ayant un développement divergent.Sur le Web (*). epsil0.S(p)) dans le programme et de procéder à l’arrêt des calculs lorsque l’une de ces différences est nulle. S’il n’en est pas ainsi. Propriétés remarquables du procédé A* d’Aitken et de I’epsilon-algorithme 7. on peut en général effectuer le prolongement analytique de cette série en dehors du disque de convergence. application au calcul numérique des intégrales. 7. 4.com/guilpin/ 39 . 8. epsi14. . On trouvera sur le Web (*) des illustrations de ces différents problèmes : aitken2. on trouvera deux programmes réalisant l’un l’epsilonalgorithme scalaire epsilon. c. Résolution des équations intégrales de Fredholm de deuxième espèce (série de LiouvilleNeumann). Accélération de la convergence lors de la résolution des systèmes linéaires et non linéaires. bien qu’il existe des règles particulières qui peuvent être utilisées. Calcul des limites de suites. il est recommandé d’effectuer un test sur les différences (Si. En conséquence de quoi. c.2. c. Dans la plupart des cas cette difficulté se rencontre lorsque les SF’ ont été calculés à un moment donné « à la précision de la machine » et il s’ensuit que l’on retiendra ce résultat. Au préalable. Calcul des séries de Fourier. c.edpsciences. 6. Réalisations pratiques . QUELQUESALGORITHMESACCÉLÉRATEURS DELA CONVERGENCEDESSUITES 5. Intégration des équations aux dérivées partielles de type elliptique. 7. c. Alors il est possible d’appliquer l’un des algorithmes à la suite des sommes partielles *http://www. Il est possible qu’à un moment donné la quantité S(p) . Accélération de la convergence des méthodes itératives utilisées lors de l’intégration des équations différentielles. Accélération de la convergence lors de la recherche des valeurs propres des matrices. 3. kacmarzi .SF)) soit nulle ce qui fait tomber ( k+l en défaut le mécanisme d’accélération de la convergence puisque l’inverse de cette grandeur produit un dépassement de capacité en machine.

c’est-à-dire en posant x = 1/x. Les développements asymptotiques Il est une autre série divergente extrêmement intéressante qui concerne les développements asymptotiques sur lesquels les algorithmes d’accélération de la convergence donnent de remarquables résultats.5099005000 E+07. Sur le Web (*). 1+x Cette série a un rayon de convergence strictement plus petit que 1. Voici quelques exemples de développements asymptotiques et les différents résultats obtenus au moyen des procédés d’accélération de la convergence. Appliquons les algorithmes à la valeur x = 99. Il n’est plus nécessaire de choisir z « grand » ni de limiter strictement la somme partielle à calculer à un ordre bien précis N donné par le calcul des erreurs.000 000 000 0 E . = -9.000 000 000 0 E + 00 S. + (-l)d& +. z admet comme développement asymptotique l’expression (cJ chapitre 3) : f(x) = b . . on obtient les résultats suivants 5’. = 9.t) dt avec CE > 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ même si celle-ci est divergente.2.02 S = 1. cependant l’application des algorithmes donne comme limites : Aitken Epsilon-algorithme S = 1. car on passe de l’un à l’autre par une inversion. Sur le plan théorique. c qui réalisent ces opérations. c’est-à-dire hors du cercle de convergence. . il est aisé de rattacher ces développements aux prolongements analytiques. .000 000 536 4 E . = -9. .edpsciences. c et epsi13. 11 est évident que cette suite diverge. f(x) = /t-l exp(z .02 alors que le calcul direct de la fraction donne S = 10-‘. Considérons par exemple la série : 1 ~ = 1 .605960000OE+05 Si = 9.x3 + x4 + .com/guilpin/ 40 .x + 52 .g + g .8000000000 E+ 01 S. . on donne les programmes aitkenl .$ + . . = 1. En limitant le nombre de termes à 5. 7. *http://www.7030000000 E+03 S.

Sous réserve de convergence.4 . . = 4.0 s3’ = . = 2. où 1x1~ 1est la plus grande valeur propre de A en module (cf. 1968 et Lichnerowicz.o Sg’ = -3.423 866 20 E + 08 S.3. = 3.o SG’ = 62. = -3.O SA = 3 590. ~)X(S) ds = y(t).301820 E + 06 Si. La série de Liouville (1809-1882) . Algèbre et Analyse linéaires. f(1) = 0.o s: = 0.784634 18 E + 09> Si.Neumann (1832-1925) Considérons une équation intégrale de Fredholm (1866. On reconnaît la série géométrique dont la convergence sera assurée si - ii > Ixkl. tandis que les quinze premières sommes partielles sont : s. = 8. = -5. 0 si = 20. 1955). QUELQUES ALGORITHMES ACCÉLÉRATEURS DE LA CONVERGENCE DES SUITES Pour z = 1. = 1. Voici les résultats obtenus : A’d’Aitken 0.P J 0 1 K(t. .. 41 .1927) de deuxième espèce : x(t) ..596 572 7. que l’on écrira de façon plus concise : x-pAx= y où A est l’opérateur « intégrale » qui est évidemment linéaire. Masson. + pnA”y + . Ici encore.o si = -100.596 347 Epsilon-algorithme 0.139 365 702 E + 10.0 S. Jean Bass.596 336. la série de Liouville-Neumann donne la solution du problème : x = y + pAy + p2A2y + p3A3y + .26980 E + 05 Si. = -442. Cours de mathématiques.2. Masson.661498 E + 07 S. l’application de l’epsilon-algorithme vectoriel à une suite divergente conduit au bon résultat.o s.

La technique de résolution de l’équation de Fredholm est une méthode self-consistante qui permet d’obtenir aisément l’erreur. c’est-à-dire les sommes partielles jusqu’à psA8y. On trouvera sur le Web (*) le programme f redholm. Paris. c qui réalise ce calcul. RALSTON et R. Étude Numérique.5)) U(y) dy. DELAHAY (1988) Sequence transformations. Springer-Verlag. 42 . 0 On a retenu neuf vecteurs. L’epsilon-algorithme donne une erreur inférieure à 10-12 au sens du sup. Éléments de bibliographie C. A. Nous avons obtenu pour les éléments du dernier vecteur l’ordre de grandeur de 104 car la série de Liouville-Neumann est divergente.P. BRÉZINSKI (1978) Algorithmes d’Accélérution de la Convergence. Chacune des ces fonctions a été échantillonnée sur vingt et un points. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques.0.S. 8. Éditions Technip. J. Éditions Dunod.MANUEL Exemple DE CALCUL NUMÉRIQUE APPLIQUÉ 1 U(z) = expz2 + 51 (cos(zr) + L&sin(rz)(y .

permet de calculer numériquement la fonction f(z) avec une précision d’autant plus grande que le module de l’argument est plus élevé. Par exemple. tronqué à un ordre convenable. Un exemple de développement asymptotique Considérons la fonction cosinus intégral : Ci(x) = - . encore appelés séries semi-convergentes. exercice l-4). Le but est d’associer à une certaine fonction f(z) un développement du type : Sous certaines conditions que nous allons évoquer.I t dt avec x > 0.~ .~ 5 X2 X3 X4 + (2k + l)! mcos(t) & ’ ~ s t2”+2 z Soit encore : . annexe H. 1. constituent une fort belle application numérique des séries divergentes.Les développements asymptotiques. on rencontre en analyse classique un tel développement quand on veut calculer la constante d’Euler (1707-1783) avec une grande économie de moyen (cj.. cas(t) Intégrons successivement par parties.. le développement divergent. nous obtenons : COS(X) 2 sin(x) + ~COS(Z) sin(x) -+.. Ci(x) = .

&(x) = (2k + l)! OJo cas(t) z ~ d t 5 (2k+l)! t2”+2 J z O3 dt ~ t2k+2 On s’aperçoit que I&(z) est une fonction croissante en k et décroissante en x.. 44 . On peut trouver n suffisamment grand pour que 4n2 > x2 ce qui montre le caractère divergent de la série. Pour connaître l’ordre k du développement pour lequel l’erreur est minimum.. s o i t kzz. on obtient : (2n+2)!22” ~ $y (2n)!L?+f2 X2 quel que soit x. on en déduit immédiatement que k = 5. On a le même résultat avec la seconde série ayant COS(~)/~ comme coefficient. Pour la série ayant sin(z)/z en facteur.. dans le cadre de notre exemple particulier. il suffit de calculer 2k termes de la série asymptotique en choisissant k donné par l’expression : x . pour montrer la divergence. On aurait pu dire aussi que le terme général de chacune des séries ne tend pas vers zéro quand n tend vers l’infini.S2k(X)I que l’on peut écrire encore : l. mais une seule série suffit.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Ce développement est divergent comme le montre le critère de d’Alembert.l lC= . On peut alors évaluer : Elo(x) = $ = 0.. 2 Considérons un exemple numérique en supposant que x = 10.36 10F4. Désignons par Szk(x) la somme constituée des deux séries qui sont tronquées chacune à l’ordre k : il est alors facile de calculer l’erreur liée à l’approximation : E2kC5) = Ici(x) . ce qui suffit à assurer la divergence. pour x fixé. que : (2k)!= x2k+l (2k + 2)! x2k+3 d’où l’on tire : x zz 2k + 1. On en déduit immédiatement. Donc. il suffit d’écrire que : E2k(~) = E2(k+l)(x) (ou encore = Ez(~-I)(x))..

003 6 10-2. oo[ auquel appartient z. Pour la petite histoire. sur un certain intervalle 1]a. Pour utiliser au mieux le développement asymptotique. En effet.G. alors.454 81 10V2 et l’on peut donc voir que l’algorithme proposé permet d’obtenir les trois premiers chiffres significatifs exacts. les conditions suivantes sont remplies : En posant Rn(z) = X~(~(X) . Les travaux de Poincaré permettent d’apporter quelques précisions sur la notion de développement asymptotique et ce sont ses propres idées que nous allons rappeler succinctement. lors de l’exécution des calculs. on choisit n de telle façon que l’erreur commise sur l’approximation soit la plus petite possible. n+cL! Il en résulte que l’on pourra toujours prendre 11: suffisamment grand de telle sorte que l’inégalité suivante soit vérifiée : où E est un infiniment petit positif fixé à l’avance. essentiellement dans le but de résoudre quelques équations différentielles apparaissant en mécanique céleste et en mécanique analytique. En définitive : Ci(l0) = 4. les coefficients du développement asymptotique de cette quantité sont identiquement nuls. Quelques propriétés utiles des développements asymptotiques Unicité du développement asymptotique .3. et c’est à Poincaré H. Ajoutons que ces développements servent principalement à approcher les fonctions dites « spéciales B pour des arguments dont le module est élevé ~ disons de plusieurs unités ou dizaines d’unités. L’affirmation inverse est fausse car deux fonctions différentes peuvent avoir le même développement asymptotique.548 10-2 310.36 10V4. 45 . 2.Quand une fonction f(z) admet un développement asymptotique.&(z)). supposons que les deux fonctions diffèrent de exp(-crz) avec la partie réelle de hi positive. Il suffit donc de calculer la somme des cinq premiers termes des deux séries pour connaître Ci(l0) avec une précision supérieure à 0. La somme Szk(lO) donne : S2k(lO) = -0. (185441912) que revient le mérite d’avoir développé la théorie (1886). on doit avoir : lim &(z) = 0 quel que soit 72 même lorsque 2+03 lim Rn(z) > 00 quel que soit I : fixé. Définition On dira que la série Sri(z) représente un développement asymptotique de la fonction f(z) au voisinage de l’infini si. il faudra ajouter les erreurs effectuées sur chacun des termes constituant les sommes. il semble que ce soit Stokes G. LES DÉVELOPPEMENTS ASYMPTOTIQUES Rappelons que cette erreur est liée strictement à la troncature des deux séries. alors ce développement est unique. (181991903) qui ait pressenti le premier l’intérêt d’une telle procédure.

Alors on peut écrire : j=o f(x) = C#(x) 2 3 j=o Intégration d’un développement asymptotique . de plus.Si deux fonctions f(x) et g(x) admettent chacune un développement asymptotique que nous écrirons sous la forme : f(x) = F $ n=O et g(x) = 2 f. + $ + . il faut que f(x) admette une dérivée f’(x). admet pour développement asymptotique : Q(x) = 2 X”kx.La différentiation des séries en général est une opération délicate et il faut des conditions assez fortes sur les fonctions développées pour qu’il y ait égalité entre la dérivée de f(x) et la dérivée du développement asymptotique. k=O Produit de deux développements asymptotiques . X avec ao # 0 . n=O k=O 46 . g(x) a pour développement asymptotique : QI(x) = 2 $ 2 a&-k. alors l’opération de dérivation devient légitime.fibk . il se peut qu’il existe une fonction Q(Z) telle que la fonction : cc admette un développement asymptotique c 2. cependant. il faut que f’(x) soit continue et admette un développement asymptotique . Nous obtenons donc : On comprendra immédiatement la nécessité de retrancher les deux premiers termes qui conduiraient inévitablement à des divergences. Différentiation d’un développement asymptotique . Combinaison linéaire de développements asymptotiques .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Toutes les fonctions f(x) n’admettent pas nécessairement un développement asymptotique.Supposons que la fonction f(x) admette un développement asymptotique que nous écrirons : ao + ?A + 5 + $ + . Pour commencer. .Si deux fonctions f(x) et g(x) admettent chacune un développement asymptotique alors la fonction Q(x) = f(x). n=O alors la fonction Q(x) = Xf(x)+pg( x). alors on peut intégrer le développement sur l’intervalle x < t 5 CC pour les grandes valeurs de 5. où X et p sont deux nombres.

1.3.-+ . + (-1)” l.erf(x) . 3. Développement asymptotique de quelques fonctions spéciales 3. . . Exponentielle intégrale I(x) = dt pour x > 0 s z t I(x) = c<-l)n&. alors le développement asymptotique de 0 s’obtient en portant le développement asymptotique de f dans le développement en série entière de 0 .s2m!! !$) & m exp(x .Si une fonction f(x) admet un développement asymptotique et si une fonction @[j(x)] possède un développement en série entière convergent dans le cercle de rayon If] < p. 1.t) dt 5 3. .2. . . .3) . .S122n-2 22x4 23x6 Xfi ( 47 1 .t) 3. Les fonctions erf(x) et cerf(x) z erf(x) = L &O s exp( -t2) dt cerf(x) = 1 . . Sinus intégral Si(x) = x !!$ & s 0 3. Cosinus intégral Ci(x) = .Si deux fonctions f(x) et g(x) admettent chacune un développement asymptotique alors la fonction R(z) = f(x)/g(x) a pour développement asymptotique : à condition toutefois que be soit différent de zéro.4.3 1.3.3. (2n .5 = exp(-x2) l-&+-. LES DÉVELOPPEMENTS ASYMPTOTIQUES Rapport de deux développements asymptotiques . + n=O (-l)n+l(n + l)! p+2 JO3 dz . 3. .

Les intégrales de Fresnel (1788-1827) C(x) = z COS(&~/~) J’ 0 dt et S(X) = J sin(xt2/2) dt 0 3. A = 1 _ (4n2 .B.32)(4n2 .12)(4n2 .(z) sin(U)) A... 7L 1!(8x) 3!(82)3 -..6. Les fonctions de Bessel (1784-1846) Le calcul numérique des fonctions de Bessel fait l’objet d’un chapitre à part (annexe F). Les fonctions de Bessel de première et de seconde espèces notées respectivement Jn(z) et N.32)(4n2 .32) + (4n2 .12)(4n2 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3.B.12)(4n2 .5. cependant le calcul de ces fonctions pour les grandes valeurs de l’argument trouve sa place dans ce chapitre..(z) sont solutions de l’équation différentielle : Les développements asymptotiques sont donnés par les expressions : A.(z) COS(U)) dans lesquelles on a noté : u=x++a.72) n 2!(82)2 4!(82)4 B = (4n2 ..52)(4n2 .(z) COS(U) .(z) sin(U) .52) +.12) _ (4n2 .. 48 L .

DINGLE (1973) Asymptotic expansions. Paris. WONG (1989) Asymptotic approximations of integrals.J. R. Springer-Verlag.N.W. Cambridge University Press.B. 4e édition. W ATSON (1927) A course of modern analysis. K. Academic Press. F.T. 49 .3. R. W HITTAKER et C. Masson. OLVER (1974) Asymptotics and special functions. Academic Press. E. Éléments de bibliographie A.W. BREITUNG (1994) Asymptotic approximations for probability integrals. Academic Press. LES DÉVELOPPEMENTS ASYMPTOTIQUES 4. ANGOT (1972) Complément de Mathématiques.

dans le même ordre d’idée. En revanche. On peut aussi tabuler la fonction f(z) avec un pas variable pour tenter d’obtenir le maximum de renseignements. On peut avoir recours à certains théorèmes de mathématiques nous fournissant ces renseignements. il existe quelques méthodes spécifiques dont certaines sont très utiles à connaître. c’est la raison pour laquelle nous étudions d’abord les méthodes générales avant d’aborder les méthodes spécifiques. 1. il convient de localiser soigneusement ces racines pour ne pas avoir à rencontrer de surprises désagréables. Généralités sur la résolution des équations f(x) = 0 1. nous étudions quelques méthodes de résolution des équations du type f(x) = 0 suivi de quelques méthodes de résolution de systèmes non linéaires d’équations. On peut. Nous limitons notre étude aux fonctions réelles. et l’utilisation devient délicate même pour les polynômes à coefficients entiers (de quelques unités cependant) dont 51 . On a l’habitude de classer les équations f(x) = 0 en deux types qui sont les équations algébriques (polynômes) et les équations transcendantes c’est-à-dire celles qui ne sont pas réductibles à un polynôme. il n’y aura que peu de changements à apporter aux algorithmes et programmes proposés. effectuer une étude particulière de la fonction f(x) et en effectuer la représentation graphique.. bien des méthodes pourront être étendues sans grande difficulté au cas de la variable complexe . telles que l’arrêt inopiné de la machine. on pourra essayer d’utiliser les suites de Sturm (1803-1855). en voici quelques-unes.Dans ce chapitre. Plusieurs possibilités s’offrent à nous pour localiser les racines. a. Toutes les méthodes qui s’appliquent à la résolution d’équations transcendantes s’appliquent également aux équations algébriques et cela sans préjuger des ennuis possibles de calcul numérique. mais.1. et dans la mesure où les calculateurs utilisés permettent d’effectuer les calculs en complexes. mais il faut bien dire que l’intérêt de telles suites est essentiellement théorique. c.. b. Ce sont par exemple les théorèmes généraux concernant les polynômes orthogonaux relativement à une fonction poids W(X) donnée. comme nous le verrons. d. Localisation des racines des équations Avant d’entreprendre le calcul à proprement parler d’une ou de plusieurs racines. puis nous terminons par l’étude d’une méthode spécifique concernant les équations algébriques. Dans certains cas. pour ce qui concerne les polynômes.

301n . La localisation préliminaire des racines peut être plus difficile qu’il n’y paraît en première analyse notamment lorsque f(x) présente des extremums au voisinage de l’axe des 2 et cela sans préjuger qu’il y ait des racines ou non.).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ le degré ne dépasse pas la dizaine. l l soit encore : 12 = . Le principe de la méthode est le suivant : supposons que l’on sache qu’une racine ait été localisée dans l’intervalle (a. b) . b) l’intervalle sur lequel on exécute la dichotomie. Nous examinerons en détail cette méthode dans l’annexe A. b). 0 n recommence la procédure dans l’intervalle où se situe la racine. Après n tours. cas réels rencontrés). ICO appartenant à (a. c’est-à-dire : n &1 =(&a) .Désignons par x0 la racine : f(xe) = 0.yol Comme on a effectué une localisation de x0 telle que disons 10 pour fixer les idées (ce qui résout la l’ordre de : soit de l’ordre de quelques unités. qui convenablement utilisées vont permettre d’obtenir des valeurs précises des racines. 1. b). On va poursuivre ainsi jusqu’à ce que l’on obtienne la précision souhaitée. Nous allons étudier le signe de f(x) dans (a. Ces valeurs approchées des racines vont servir de point de départ à tout un ensemble de méthodes. et par (a. Il est facile de connaître le nombre de tours que doit comporter la procédure à partir du moment où l’on sait quelle est la précision de la machine utilisée et que la racine a fait l’objet d’une localisation raisonaable. y).2. 52 . S’ils sont identiques cela signifie que la racine est comprise dans l’intervalle (9. on trouve alors 33 tours de calcul. s’ils sont différents cela veut dire que la racine appartient à l’intervalle (a. o. 0 soit en valeur relative : L’inégalité (u) définit le nombre de tours à effectuer pour obtenir la précision optimum. La dichotomie Étymologiquement ce mot d’origine grecque signifie action de couper en deux. la dichotomie définit l’intervalle minimum ~1 qui sera le dernier susceptible de modifier effectivement la valeur ~0. mais on s’aperçoit que la taille de l’intervalle a été divisée par deux. b) et que cette racine soit unique dans cet intervalle.logio --f SP. Combien de fois devons-nous répéter la division de l’intervalle par deux ? . Pour cela nous comparons les signes de f(u) et de f (y). le plus souvent itératives. n sera de Si p vaut 9. soit en passant aux logarithmes : 0. si p vaut 15 on obtient 53 tours de calcul.(p+logl~~~.

Quoi qu’il en soit. la prudence la plus élémentaire exige toujours de reporter la prétendue racine dans l’équation et d’afficher le résultat.. Comme f(~s) = 0 et f(Xc + Er) ? 0. c réalisant la recherche de racine par dichotomie. Cela dépend de la fonction f(x) dont le calcul est agrémenté d’une erreur congénitale liée d’une part aux approximations utilisées par l’algorithme. un développement au premier ordre donne l’ordre de grandeur de f(zo + ~1) : f(xo +a) = f(xo) +%f'(ZoL d’où f(~. cela ne ferait qu’ajouter une unité à p + 1. Pour des valeurs de l’argument appartenant à un certain domaine. 1.. un écart type est fourni. Nous allons décrire une méthode itérative qui ne fait apparaître que la seule fonction f(x) (ou g(z)) à condition toutefois que la fonction f(x) obéisse à certaines règles de régularité telles que la continuité et la dérivabilité (dérivée première continue). Dans l’hypothèse où f(x) est continue et où la suite des ~k converge. ce qui ne changerait pas grand-chose.. on forme la suite : Xl =S(~OI / . alors la limite de la suite que nous désignerons par x* est racine de f(x) = 0. d’autre part aux propagations des erreurs de troncature entre autres. on trouverait alors 36 et 56 tours.4. quand bien même la dynamique de l’intervalle serait multipliée par 10. E n effet. Par goût de la simplicité. mais en général il n’en sera rien. il est indispensable que la suite des X~C soit convergente. soit : f(x) + 2 = IC.. Dans les centre de calcul. encore une remarque : quel doit être l’ordre de grandeur de f(zo) ? On s’attend à trouver zéro. RÉ S O L U T I O N DES ÉQ U A T I O N S N U M ÉR I Q U E S Comme le montre l’expression donnant n. + ~1) . Sur le Web (*) on trouvera le programme dichot . l / I x2 =Ll(a) . La continuité de f(x) entraîne celle de g(x) qui entraîne à son tour *http://www.edpsciences..3. Gl= LT(&-1) >1 i Pour aue cette technique soit efficace. Méthode d’approximations successives ne faisant intervenir que la fonction Le problème qui consiste à rechercher la racine d’une équation f(x) = 0 dans un certain domaine peut être modifié en ajoutant simplement z à chacun des deux membres... en outre elle offre l’avantage de conserver la suite des solutions approchées dans le voisinage retenu ce qui n’est pas le cas avec d’autres méthodes comme celle de Newton par exemple. dans l’exemple précédent.. et. il est possible de consulter une documentation fournie par le fabricant de logiciel qui informe l’utilisateur sur ce type d’erreur. Cette technique est simple à mettre en œuvre car elle ne fait appel qu’au calcul de la fonction elle-même.. car il s’agit dans ce cas d’une erreur statistique. quand k tend vers l’infini xk et xk+r tendent vers x*..com/guilpin/ 53 .f(~o) = ~rf’(~o) 2 10-P~of’(~o). À partir de la première approximation 20 obtenue par un des procédés proposés précédemment. À ce sujet..... on peut poser f(x) + z = g(z) sans changer quoi que ce soit.

au lieu d’ajouter x aux deux membres de l’équation f(x) = 0. admettent la même limite x*. À la suite des xk associons la série des uk définie ainsi : u n = xn . 54 . soit encore : .g(xk-2) Appliquons le théorème de Rolle à la dernière expression. d’où la nouvelle suite des X~C : xk = dxk-l) ~. Développons le terme général Uk de la série : uk = xk - xk-1 = g(xk-1) . m La condition de convergence de la suite des xk est : . il suffit d’ajouter mx et de choisir convenablement m pour que la convergence soit assurée. La règle de d’Alembert (1717-1783) va nous donner la condition de convergence de la série uk : On en déduit que l’algorithme converge lorsque la condition lg’(t)l < 1 est vérifiée dans tout le domaine voisin de la racine dans lequel on effectue les itérations. la suite des itérations est divergente.4. et la série associée un. et que la suite x. Nous pouvons écrire : f(x) +mx = mx. k=O ce qui démontre la dernière proposition.xk-2). cela donne : uk = g(xk-1) . nous avons : sp&u~=xp.xk-2)&) avec [ compris dans l’intervalle (X&i . En utilisant la relation de définition de la série. de taille suffisante. la somme des (p + 1) termes de la série. En effet si nous appelons S. Mam t enant il nous faut examiner quelles sont les .G-1 avec uo = x0. Généralisation de la méthode Au cas où lg’(<)i > 1. puis l’on pose f(x) + mx = g(x) . 1.g(sk-2) = (xk-1 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ que limk+oo xk+i = limg(xk) = x* = g(x*). Pour pallier cet inconvénient. On peut d’ores et déjà remarquer que la convergence de la série un entraîne celle de la suite x. pour assurer cette double inégalité à condition que la dérivée soit bornée et que f(x*) # f’(x*) si x* est une racine. nous pouvons écrire : uk = uk-d(t).1 < f'(x) + m < +1 m Il est toujours possible de choisir m positif ou négatif. conditions qui assurent la convergence des xk.

1.On porte sur le même graphe les fonctions y = mx et y = g(x) = f(x) + mx.-11 avec M < 1. est : e = F UP.On désigne par M la limite supérieure de la valeur absolue de la dérivée dans le domaine où l’on effectue les itérations. Sur le graphe de la figure 4. p=n+1 55 . nous aurons : x. Nous pouvons donc écrire : /un1 = M Iu. b . Cela va nous permettre de localiser non seulement la ou les racines mais aussi de connaître la dérivée au voisinage des racines donc éventuellement d’ajuster le coefficient m selon le cas qui se présente. RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES a .Représentation géométrique de la méthode .=s. p=o et l’on déduit que l’erreur e sur la racine x*.Précision sur la détermination de /a racine . on peut suivre la suite des points générée à partir de la première approximation x0 : x0 x1= 9(x0) x2 =g(x1) 9(x0) 9(x1) S(Q) Y .. Si nous arrêtons les itérations après n tours.4.=~u. en adoptant x* comme approximation.

.I. on trouvera le programme itera.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On en conclut que : el C (up(=(u. Linéarisons le problème.com/guilpin/ 56 .ho) = 0.. la racine x* que l’on recherche s’exprime de la façon suivante : x* = x0 + ho. p=n+l On reconnaît une progression géométrique de raison K et de premier terme K. Nous pouvons écrire : f(x*) = f(xo i.5. X?L .j(K+K2+K3+. c’est-à-dire que nous développons la fonction f(x) au premier ordre au voisinage de x0. 1.dxn-d . On désigne par x0 la première approximation de cette racine. c qui calcule les racines par cette méthode itérative. b).-l Sur le Web (*). Nous obtenons : f(xo -t ho) = 0 = f(xo) + hof’bo) ce qui va permettre d’obtenir la valeur approchée de ho : *http://www. Supposons qu’un travail préliminaire nous ait permis de localiser une racine dans l’intervalle (a.X. La méthode de Newton (1643-1727) Nous avons déjà rencontré la méthode de Newton à propos du calcul de la racine carrée d’un nombre et il nous reste donc à généraliser cette technique à la recherche d’un zéro d’une fonction quelconque f(x). on peut estimer K de la façon suivante : K = dxn) . Comme x0 n’est qu’une approximation. Donc : Comme en général on arrête les itérations lorsque deux valeurs consécutives sont égales à la précision relative de la machine on peut alors écrire : En pratique.edpsciences. Nous allons chercher à calculer ho ou plus exactement une approximation de ho.

. Nous utiliserons cet algorithme pour réaliser une partie de la fonction de bibliothèque calculant la racine carrée. La linéarisation du problème consiste à remplacer un arc de courbe de f(x) p ar un segment de droite qui est tangent à la courbe dans le cas général.(xk) ’ Dans la mesure où l’on dispose non seulement de la fonction mais aussi de sa dérivée on peut espérer obtenir une vitesse de convergence rapide du moins dans le cas où les racines sont simples. sous certaines réserves. Méthode de Newton. Dans le cas de racines simples. la méthode de Newton assure une convergence très rapide de la suite de xk.fcxk) xk+1 = Içk .En l’absence de difficultés. On aura formé la suite : . Elle coupe l’axe des x au point x1 donné par l’expression : f (x0) x1 = ILo .. RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES Cette valeur nous permet d’obtenir. Traçons la tangente au point [x0. excepté toutefois l’absence éventuelle de convergence.Ennuis possibles avec la méthode de Newton . Représentons la courbe y = f(x) sur un diagramme (cJ Fig.f’(xo) Figure 4.2) ainsi que la première approximation x0. une meilleure approximation que nous écrivons : f (x0) Icl = Iço .2. 4. 57 .f’(xo) Rien ne nous empêche. 0 La répétition du processus nous permet d’obtenir sans problème les points suivants qui sont %2.x3. la convergence est même quadratique ce qui confère à cette technique un intérêt particulier quand on dispose déjà d’un chiffre significatif. d’itérer successivement la procédure jusqu’à ce que l’on obtienne la racine x* avec la précision souhaitée. l’interprétation géométrique est très parlante. f(xo)]. et nous verrons ultérieurement dans quelles conditions.4. Au reste.. a .f.

Si un point xk tombe au voisinage d’un extremum. alors f’(x) est proche de zéro. Seul un résultat négatif donne la certitude d’une erreur. cela ne signifiera certainement pas que xk soit une racine. +A dz avec dz = lOFPz* 58 . f3 dz. *2 dz. il y a lieu de s’inquiéter et d’examiner de nouveau le problème.. de sa dérivée ainsi que du point 20 à partir duquel s’effectuent les itérations.La plus grande sagesse veut que l’on reporte la valeur X~C que l’on estime être une approximation raisonnable de la racine dans la fonction f(x).Estimation de la précision de la méthode de Newton . l’estimation de l’incertitude est liée intimement à la différence IX~ . on combine la méthode de Newton avec celle des parties proportionnelles. C’est une attitude identique à celle qu’on adopte lorsque l’on fait usage de la preuve par 9 ou par 11. il faudra chaque fois faire une étude particulière dont il est possible de donner les grandes lignes : il est facile de donner à la valeur approchée x* de la racine une suite d’accroissements f dz. Lorsque l’on se trouve dans un cas analogue. tous les zq générés sont donc classés par ordre croissant ou décroissant. Pour éviter qu’au départ la suite générée présente des instabilités ou des divergences locales. Deux cas peuvent se présenter : ou bien la suite générée est une suite encadrante. on aura toutes les chances de la calculer en croyant être dans un autre voisinage. On retiendra les deux dernières valeurs de xk et zk-1 car on sait que la racine se situe entre ces deux dernières valeurs entachées toutefois des inévitables erreurs d’arrondi et des erreurs dues à l’approximation des fonctions de bibliothèque.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Malheureusement des problèmes peuvent surgir qui sont liés à la nature de la fonction. le reste des opérations négligées n’apporterait plus de contribution à la précision du calcul.. ou bien la suite générée est une suite monotone croissante ou monotone décroissante du moins à partir d’un certain rang. b .À partir d’un certain rang r.Il faut bien avouer que c’est un cas d’école qui se présente rarement. on doit obligatoirement le savoir avant d’entamer les calculs puisqu’on a pris les précautions d’usage. et la technique de Newton nous donnera un point zk+i qui pourra être très loin de la solution recherchée. Pour obtenir une estimation raisonnable de l’erreur. on retombe dans le calcul standard des erreurs. l La suite est monotone à partir d’un certain rang . Bien entendu. mais qu’il n’y a pas de contradiction avec le fait qu’elle puisse en être une. Comme il n’y a aucune raison particulière pour que la tangente soit verticale.xk-il sans oublier les erreurs entachant les calculs de f(xk-1) et f(xk). . Du fait de ces erreurs. autrement dit il faut que : 2 j=k+l jxk+l xki = 2 j=k+l soit négligeable. tandis qu’un résultat positif ne donne pas la certitude d’une exactitude mais seulement une probabilité plus ou moins élevée pour que se présente cette éventualité. si ek est trop grand. l La suite est encadrante . Cela laisse la porte ouverte à quelques désastres possibles. la seule condition de convergence est que f(zk) tende effectivement vers zéro quand k tend vers l’infini.. Il faut s’assurer que lorsque deux valeurs consécutives xk et xk+i sont égales à la précision de la machine. la courbe peut présenter des changements de concavité ou encore présenter des extremums. En revanche. On note : ek = f(xk). car cela impose que la racine soit aussi un point d’inflexion. il est fort possible que l’on trouve deux limites en machine. C’est alors que la précision de la machine utilisée intervient ainsi que la nature de la fonction f(x). Pour peu qu’il y ait une racine dans le voisinage de zk+i. En effet dans le domaine voisin de la racine où l’on travaille. À partir de là. Si ek est de l’ordre de grandeur de l’incertitude introduite par le calcul de f(xk).

f’(xo) . C’est une évaluation directe de l’erreur qui constitue un garde-fou contre les mauvaises surprises.com/guilpin/ 59 . Remarque : Les ennuis de stabilité liés à l’usage de la méthode de Newton naissent essentiellement du choix de la première approximation qui parfois est trop éloignée de la racine que l’on recherche ou encore quand une abscisse de la suite formée se situe trop près d’un extremum. 0 n effectue une deuxième approximation : f (x0) x1 = x0 . Soit zo la première approximation et [zo. il faut rappeler qu’en l’absence de racines multiples. Donc. nous obtenons : x2 = ~Of(Q) - Rf(~o) f(Q) -.f(xo) À nouveau on calcule le point x3 par la méthode de Newton puis le point x4 par la méthode des parties proportionnelles et ainsi de suite (cf. On trouvera sur le Web (*) le programme newtonpp. la méthode converge quadratiquement et pratiquement seules les erreurs de troncature viennent altérer la précision du résultat. Compte tenu de la précision de la représentation on pourra estimer un intervalle dans lequel se trouve effectivement la racine. Peu de valeurs suffisent. On tabulera alors la fonction f(z) pour ces différentes valeurs et l’on notera l’intervalle dans lequel s’effectue le changement de signe. 2. cette méthode est utilisée lorsque dans l’intervalle où l’on recherche la racine. on lui associe la méthode des parties proportionnelles qui ramène les valeurs des approximations dans un domaine que l’on espère généralement plus raisonnable. *http://www. page suivante). Désignons par 22 l’abscisse de ce point. pour éviter que la valeur de la dérivée apparaissant dans la méthode de Newton notamment durant les premiers tours d’itération. Méthode de Newton et des parties proportionnelles En général. ne provoque des instabilités préjudiciables à la bonne conduite du calcul. f(zo)] le point A sur la courbe y = f(z). c qui calcule les racines par la méthode de Newton.Y) = 0. Résolution d’un système non linéaire de deux équations à deux inconnues Nous nous proposons de résoudre un système non linéaire de deux équations à deux inconnues que nous écrivons : f(X> Y) = 0 dX. 1. Fig. Quand on tient un certain nombre de chiffres significatifs. La méthode des parties proportionnelles consiste à choisir comme approximation suivante le point d’intersection de l’axe des x et de la droite joignant les points A et B.4. c qui calcule les racines au moyen de la méthode de Newton et des parties proportionnelles. peut se trouver un point d’inflexion ou un extremum. On trouvera sur le Web(*) 1 e programme newtonid. RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES où 10-P est la précision relative de la représentation en machine.6. à laquelle correspond le point B sur la courbe. 4.edpsciences.3.

3. 2. Comme chaque fois en pareil cas.= aY ail ag dxoz + dyo. Le système étant non linéaire. On note par dx et dy les écarts à la solution exacte c’est-à-dire : x* = 1x70 + dxo et y* = y0 + dyo. yo) + . nous allons commencer par le linéariser puis par effectuer des itérations sur le système linéarisé. Le système s’écrit : f(x*. Soit x0 et yo une première approximation. yo).. 0. La méthode de Newton Nous généralisons sans difficulté la méthode étudiée lors de l’étude de l’équation f(x) = 0. y) qui contient la racine recherchée et que le déterminant fonctionnel (ou encore le jacobien) : J(X. il sera nécessaire de commencer l’étude par une représentation graphique laquelle permettra de se faire une idée des éventuelles difficultés qui peuvent se présenter. et de déterminer une première approximation (x0. Nous admettrons que les fonctions sont deux fois continûment différentiables dans un domaine D du plan (x.+ dyo.Yo) ax + dxo. g(x0.= aY 60 af af 0.y*) = 0 = f(x0 + dXo.Y) = wzs .Yo + dY0) g(x*. Méthode de Newton et des parties proportionnelles.Yo + dYo)* Pour linéariser le problème il suffit d’effectuer un développement au premier ordre des fonctions f et g au voisinage de x0 et yo.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Figure 4.Y*) = 0 = g(xo + dXo.1. Nous obtenons : f(Xo.a!?hl way a x est différent de zéro pour la valeur de la racine.

C’est par ce procédé que nous calculons des diagrammes de phase théoriques lorsque les conditions deviennent délicates. En revanche ces problèmes disparaissent avec les méthodes à convergence simple. on projette ce point sur la droite Di. On trouve alors : golf% dxo = af dg dx ay dY af dgdy dz f&g dvo = af &l dz dy af &l - ay dz expressions que l’on calcule au point (xc. sur un système linéaire de deux équations à deux inconnues à partir duquel on pourra effectuer toutes les généralisations souhaitables : soit la transposition au cas d’un système multilinéaire. 2. Au premier examen on peut s’interroger sur l’intérêt présenté par de telles méthodes puisque.4. RÉSOLUTION DES ÉQUATIONS NUM ÉRIQUES Il nous reste à résoudre le système linéaire de deux équations à deux inconnues pour obtenir dzc et dyc. les méthodes quadratiques sont beaucoup plus performantes. Ceci n’est vrai qu’en apparence car dans certains cas les instabilités de calcul rendent inopérantes les méthodes quadratiques tant qu’un certain degré de précision n’a pas été atteint. on obtient le point Al de *http://www. yo). Partant d’une première approximation A de coordonnées (1~0. Du reste. Cependant il existe des méthodes à convergence simple qui font apparaître elles aussi les dérivées. La méthode de Kacmarz (1937) Nous allons présenter la méthode. Ce système admet une solution désignée par (x*.com/guilpin/ 61 . Bien entendu on obtient dans des conditions convenables une meilleure approximation : x1 = x0 + dz0 YI = YO + dyo à partir de laquelle il va être facile de réitérer la procédure. comme la vitesse de convergence est éventuellement une source de préoccupation. Ici encore la méthode convergera quadratiquement en l’absence de racines multiples. Soit le système six + biy + ci = 0 (droite 01) a2x + b2y + ca = 0 (droite Dz) avec alb2 # a2bl. avec des moyens semblables. Le lecteur trouvera le programme newton2d. il est intéressant d’accélérer la convergence de la suite formée en se servant d’un algorithme accélérateur de la convergence des suites : l’epsilon-algorithme par exemple. c sur le Web (*).edpsciences. y*). y~).2. d’abord élaborée pour les systèmes multilinéaires. soit la transposition au cas non linéaire que l’on traitera au moyen d’une procédure itérative s’appliquant sur le système linéarisé.

f a. Application au cas des équations non linéaires .= 0 dX dY %l dxo. à partir duquel on calcule le point (52.Le système des équations linéarisées que nous avons obtenu au paragraphe traitant de la méthode de Newton sera simplement résolu par la méthode de Kacmarz. yr). ya) : x2 = Xl . Ensuite. L’intérêt de cette méthode repose avant tout sur le fait qu’elle est transposable aux équations non linéaires.~ a: + b’f avec R1 = allco + blyo + cl. On poursuit en projetant le point A2 sur la droite Dl et ainsi de suite jusqu’à ce que l’on obtienne la précision désirée. on projette le point Al sur la droite Dz ce qui nous donnera le point AZ.~ Y2 = Y1 .MANUEL DE CALCUL NUMÉR~QUEAPPLIQUÉ coordonnées (ICI. on obtient les suites des xk et des yk données par les expressions : Yk = yk-1 . Nous avons : Xl alR1 = x0 . yr) est projeté sur la droite Dz. et ainsi de suite. Il est possible de montrer que cette méthode est toujours convergente mais qu’elle est seulement à convergence linéaire. dY 8.+ dya.~ cif + bl 62 . À présent écrivons les coordonnées de la suite des points ainsi formée.f Si l’on pose : a1 = af a2 = b dX ag dX 1 =af ac/ dY f(x>~) b2 zz - RI = R2 = dz.~o) + dxo. YO) + dxog + dyo.= o. Le point (21.~ a: + bl hR1 Y1 = Y0 . Nous avions : f(xo. YY).~ ad% aa + b$ b& aa + bg avec R2 = a2x1 + b2yl + cg.

et nous avons pu accélérer la vitesse de convergence au moyen de l’epsilon-algorithme. tout le problème repose sur la détermination des paramètres u et v qui annulent simultanément A et B. les racines du trinôme seront également les racines du polynôme P. .edpsciences. Ainsi. + an-lx + a.-2(x) + Ax + B où Qn-z(x) est un polynôme de degré (n . c permettant l’usage de cette procédure.4. expressions calculées au point (5k-1.2) et (Ax + B) un monôme exprimant le reste de la division. elle a retenu notre attention pour sa grande stabilité.~ bd& aa + bz expressions calculées au point (xk.1. 3. Yk-r) xk+l RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES = xk ~ ~ a2 + bz !/k+l = yk . Dans certains calculs. Lorsque nous y serons parvenus.(x) = T(x)Q. Rien ne nous empêche de faire subir le même traitement au polynôme Q+2(2). yk). le polynôme s’écrira sous la forme d’un produit strict d’un trinôme et d’un polynôme de degré (n ~ 2). on réalisera cela en ajustant convenablement les valeurs de u et u apparaissant dans le trinôme.(x) à savoir : P.v) = 0 *http://www.(z) soit un polynôme de degré 1 ou 2. L’idée générale du calcul repose sur le schéma suivant : dans le cas où n est supérieur à deux on peut diviser P.(x). nous allons limiter nos préoccupations à l’étude des polynômes à coefficients réels que l’on notera de la façon suivante : P. En définitive. Méthode de Bairstow (1914) Ici encore. et l’on sait qu’il n’y a pas de difficultés particulières à calculer les racines d’un trinôme. Le lecteur trouvera sur le Web(*) 1 e programme kacmarz. et ainsi de suite jusqu’à ce que Q.com/guilpin/ 63 . Nous avons donc à résoudre un système non linéaire de deux équations à deux inconnues que nous écrivons : A(~U) = 0 B(u. Nous allons faire en sorte que A et B qui sont des fonctions implicites de u et ‘u soient nulles . Nous savons qu’un polynôme de degré n admet n racines réelles ou complexes et nous allons étudier une méthode très élégante pour obtenir lesdites racines. La convergence n’est plus systématiquement assurée comme dans le cas linéaire.(x) par un trinôme T(z) de la forme : T(x) = x2 + ux + u ce qui nous permet d’obtenir une expression nouvelle de P. Racines d’un polynôme 3. avec comme condition quasi évidente ao # 0.(x) = aOxn + alx n-l + a2xnp2 +.

Si ue et vo constituent une première approximation.... soit : &!!-A!E du = a’ D “’ ..-g A = u...vbnp2 À présent nous savons calculer A et B en fonction des coefficients du polynôme P.. Nous serons effectivement capable de calculer du et dw dans la mesure où nous serons capable d’exprimer A et B ainsi que leurs dérivées partielles et c’est sous cet aspect que nous allons envisager les calculs. du du du du les fonctions étant calculées au point (uo.vb......wbo .-~ .. la méthode de Newton nous permet de calculer les corrections du et dv qu’il convient d’apporter...UC~-~..(z) et de T(z)Qn-2(z) + Az + B on obtient les relations de récurrence suivantes : bo bl b2 =a0 = a1 ...ub...-a(~) : Qn-z(x) = box n-2 + b1C3 + ..-3 . dérivons la forme générale de la relation de récurrence par rapport à u : et posons i3bj cj-1 = dU nous obtenons ainsi la relation de récurrence suivante : cjpl = -b..I--BE! du = du D h.. dA d B 8A i3B avec D = ...pz. b.. de toute façon au moyen d’itérations......ubo = a2 .-2 . Calculons maintenant les dérivées partielles de A et B par rapport à u et ‘u lesquels sont ......-3 B = a.(s) et des paramètres u et U. Explicitons le polynôme &.. ..-2 = an-2 ...rappelons-le . Par identification de P. 210).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ système que l’on résoudra par la méthode de Newton ou de Kacmarz. .ub....... Pour ce faire.ucje2 .pl ...ub.ubj-l... + b. 64 L ...““‘~ ..d-2 ~.. aj ...ubl ....des paramètres indépendants.

udo d2 = -b2 .... Connaissant une première approximation (uo...vdo ...... il n’est donc pas nécessaire de calculer la suite dj ...-4 -UC. en-3 = -bnp3 .vdj+ qu’à nouveau nous explicitons complètement : do = -bo dl = -bl ..-3 Recommençons le calcul en tout point semblable en dérivant la relation de récurrence initiale par rapport à v.. Conduite du calcul Il nous faut donc calculer les fonctions A et B ainsi que leurs dérivées partielles.UC1 .. Remarquons immédiatement que les suites cj et dj sont identiques......pz ..vd....ud..ud....ud.... dnp4 = -bn-4 ......-cj 8A = -bnp3 ....udn-4 . Posons d... ~0) nous sommes donc en mesure de déterminer les termes 65 .. et l’on obtiendra les dérivées partielles par rapport à ‘u à partir de la suite des cj : dA ...udjp3 .UC0 c2 = 42 ... 12 4 3...udl .-~ dA 2 dU = = -bn-2 = - ucn-3 - UC..=dbj 3 2 dV ce qui nous permet d’écrire la relation de récurrence : dj+2 = -bj-2 ....p5 . Nous explicitons à nouveau l’ensemble des relations : CO Cl RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES -bo = -b1 .-5 = au -=-b72 0 2 ~-3 -UC-....2.UC0 .vd.UC.4..UC..= -bn-3 .-q....-~ .-5 ii dV = -b.....vd....-4 .

_4 c2 ..ubo = a2 .vb.v+~ .-~ . . Dans le but de simplifier l’usage des relations de récurrence.-~ ... an-2 .ub. Nous avons défini une procédure itérative que nous arrêterons en machine lorsque du/u et dv/v seront inférieurs à la précision de la représent. b....).ubl . ensuite quand on a obtenu l’annulation du reste Ax + B. 66 .. 4.. = ....vb..vbo .UC.. Liste des opérations utiles..-b u.-bn-2 ..1....UC..vco .. Alors il est possible de pouvoir chercher deux nouvelles racines grâce à la même procédure. Pour réaliser ces opérations il ne faut surtout pas utiliser de tableaux pour stocker les bk et les C~C..-2 = A B = = c..uq . vo = ~ . -bj .+~ uc.. an-2 On calcule la suite des uk et des vk jusqu’à obtenir la précision souhaitée. et l’on démarre les calculs avec : b-1 = b-2 = 0 et c-1 = ck-2 = 0. Regroupons la liste des opérations utiles (cf... Tableau 4.ub.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ correctifs du et dv à chaque tour d’itération (on utilisera les relations de Newton par exemple). ubnp2 -bo -bl ... bj .-2 .. = ~ a1 . aj -d-l -d-2 .1. .-4 Comment choisir les valeurs de départ ug et VO? Une bonne méthode pour débuter les itérations consiste à choisir les valeurs suivantes : an-1 uo = ~ G-2 et a.uco -b2 ..ation en machine. . car nous n’avons besoin que des trois dernières valeurs calculées.. -bne3 ..-3 = dA -. Bien sûr nous recommençons le même calcul à partir des nouvelles valeurs : 161 = Uo + du v1 = vo + du et ainsi de suite.-3 .VC. . cj . Tab. . on programme les relations générales données par bj et cl.p2 . on calcule la suite des bk dans le même tableau que celui qui a servi à stocker les valeurs des ak. bo h b2 = a0 CO Cl = = = .-3 - G-3 -b.UC~-~ .UC..-~ du 8B du aA au dB dV -UC.-3 a. Cette remarque permet de gagner un temps considérable en calcul ... Il suffira alors de réaliser des décalages sur seulement trois variables.

(z) = zn + Ulrc n-1 + a22n-2 + . h réalisant l’algorithme de Bairstow. . Ainsi. Ce n’est pas la meilleure technique pour calculer les valeurs propres d’une matrice et l’on étudiera d’autres méthodes directes qui nous permettront de les obtenir. Cependant. 3. On montre que (-l)nIII. Racines d’un polynôme et valeurs propres d’une matrice L’usage des mathématiques veut que la détermination des valeurs propres des matrices passe par l’intermédiaire de l’équation caractéristique dont on recherche ensuite les racines.On trouvera sur le Web (*) les programmes bairstow. si l’on sait associer une matrice carrée d’ordre n à un polynôme de degré n qui est le polynôme caractéristique de ladite matrice. on pourra utiliser les méthodes directes de calcul des valeurs propres pour obtenir les zéros des polynômes. dans le cas où les coefficients du polynôme sont complexes.3. la méthode de Bairstow nous donnera les valeurs propres de la matrice. Le programme peut être mis en défaut lorsque le polynôme présente des racines multiples et notamment des racines doubles car le jeu des erreurs peut nous faire basculer vers des valeurs négatives du discriminant et peut nous donner l’illusion de deux racines complexes conjuguées. la réécriture de la méthode de Bairstow appliquée à la division par un binôme donne une excellente manière d’opérer (voir les problèmes). il n’y a pas lieu de procéder à une détermination locale préalable des racines qui peuvent du reste être complexes. + un-12 + a. Hormis l’ennui précédemment cité. . Toutefois ces programmes appellent plusieurs remarques : 1. c et bairstow . Cependant. . mais seules seraient calculées les racines réelles du polynôme à coefficients réels. -a1 0 0 0 0 1 La première surdiagonale de cette matrice est constituée de 1 et la dernière ligne est formée par les opposés des coefficients du polynômes caractéristique ordonnés selon les puissances croissantes. . RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES Mise en œuvre de /a méthode . . ce qui ôte tout attrait à ce procédé. réciproquement. Cela mérite évidemment un examen attentif. . .-an 1 0 0 0 0 -a.(~) est l’équation caractéristique *http://www. .com/guilpin/ 67 . . . partout ailleurs il y a des zéros. 2. Pour simplifier le problème sans pour autant nuire à la généralité. = 0. L’équation caractéristique est en fait un polynôme dont les zéros sont les valeurs propres de la matrice. .-1 0 1 0 0 0 -an-2 0 0 1 0 0 -G-3 0 0 0 1 0 -un-4 0 0 0 0 0 . quand nous aurons obtenu l’équation caractéristique. on s’intéressera aux polynômes à coefficient principal réduit que nous écrirons donc : H. . En fait l’erreur absolue sur le discriminant est de l’ordre de 10p16 et par conséquent la partie imaginaire sera de l’ordre de 10-‘.edpsciences. On pourrait mettre en œuvre une méthode qui utilise un binôme au lieu d’un trinôme. 3. Il suffit alors d’associer la matrice suivante (une des formes canoniques de Frobenius (18491917)) : ’ 0 A = 0 0 0 0 .4.

*http://www. c un programme qui forme la matrice A à partir des coefficients du polynôme.(x).com/guilpin/ 68 . on obtiendra alors les zéros de II. Le lien entre l’équation caractéristique et la matrice associée montre également que les coefficients des polynômes peuvent aussi être mal conditionnés et dans ce cas les algorithmes peuvent donner des résultats aberrants.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ de cette matrice. On donne sur le Web (*) froben. nous aurons beaucoup de difficultés à calculer des valeurs propres correctes.edpsciences. Si la matrice est mal conditionnée. Il est facile de former cette matrice puis de chercher ses valeurs propres par une méthode directe. Ceci appelle une remarque importante.

Si l’on se réfère au calcul d’un déterminant d’ordre n selon la méthode de Cramer (1704-1752). Du reste le dénombrement exact est facile à obtenir en modifiant très légèrement les programmes proposés : il suffit d’ajouter un compteur d’opérations.edpsciences. l’autre au calcul des valeurs propres des matrices carrées. Z) expressions dans lesquelles le premier terme de la parenthèse représente le nombre de lignes et le second le nombre de colonnes. h calculant le produit de deux matrices sur le Web (*). Multiplication de deux matrices Soient deux matrices A(n. Le nombre d’opérations est environ 2m x n x Z. Il nous faut utiliser des méthodes beaucoup plus économiques et celles que nous présentons utilisent grossièrement n3 voire n4 opérations. on note par des lettres majuscules les matrices et les vecteurs. La résolution d’un système linéaire nous conduira directement au calcul d’un déterminant et à l’inversion des matrices (carrées). nous aborderons quelques méthodes de calcul des valeurs propres des matrices.com/guilpin/ 69 . Pour terminer. *http://www. Tout au long de ce chapitre. on voit que ce procédé exige environ n! opérations ce qui devient rapidement irréalisable du point de vue pratique. C(n.Ce chapitre est constitué de deux rubriques consacrées l’une à la résolution de systèmes linéaires. 1. puis nous examinerons une solution propre aux < matrices » de Vandermonde rencontrée en interpolation. On trouvera le sous-programme multma. Auparavant. m) et B(m. 1) le produit des matrices A et B s’écrit : avec cjk = i=l CLjibik. et par des lettres minuscules (généralement indicées) les éléments des matrices et les composantes des vecteurs. Nous allons voir comment résoudre ce premier problème selon deux méthodes générales. nous traiterons des opérations élémentaires sur les matrices.

.. B) représente une forme multilinéaire avec les propriétés suivantes : a.. a41 a42 . B) de telle sorte que nous obtenions le vecteur colonne (l. b. 0). 1.... .1. où 1 est la matrice unité d’ordre n et S le vecteur solution.. b. 0 0 & s2 s3 s4 0 0 . B) au tableau T(I. La combinaison linéaire de deux lignes du tableau ne change rien au tableau. T(A.. a31 a... OY 0 . a23 .. 2. mn b3 . La notation du vecteur inconnu est sans intérêt dans la manière dont on résout le problème et seules les grandeurs que nous allons manipuler sont les alk et les bj. X (de composantes zj) est le vecteur des inconnues et B (de composantes bj)le vecteur second membre.. a32 a43 . La permutation de deux lignes ne change rien au tableau.. L’addition terme à terme de deux lignes ne change rien au tableau. ... d. S).. .. nous allons voir comment passer du tableau T(A. ah h .. Les coefficients de la matrice A (d’ordre n) sont notés selon l’habitude classique : ulk (dans l’ordre ligne colonne). ann bn On voit que le tableau T(A.. Nous allons transformer le tableau T(A.. s. Pour y parvenir il faut d’abord diviser la première ligne du tableau par l’élément a11 que l’on suppose différent de zéro... . . La multiplication d’une ligne par un nombre ne change rien au tableau. Quand le système linéaire est soluble et résolu... Résolution d’un système linéaire On considère un système linéaire de n équations à n inconnues que l’on écrit sous une forme matricielle : AX=B... ...1 an2 an3 . . B) en juxtaposant les éléments de la matrice A et les composantes du vecteur B selon l’expression ci-dessous : a11 a21 a12 a22 a13 . azn b ..O. le tableau T(A. B) = T(I... c.. c et d au moyen de la méthode des pivots. . Méthode des pivots Nous allons traiter simultanément l’ensemble des données du problème et pour ce faire nous formons un tableau T(A... B) = a33 . S) par les opérations linéaires décrites en a.. adn b4 . 1 ah b. . S) = 0 1 0 0 0 0 1 0 . 70 . B) se présente sous la forme : 1 0 0 0 T(I. . La première ligne s’écrit alors : 1 a:2 1 ch13 .. 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2. . . Comme T(A..... ..

à condition qu’il soit différent de zéro... et ainsi de suite jusqu’à la ne ligne... ÉLÉMENTS DE CALCUL MATRICIEL Pour annuler les autres termes de la première colonne.. . CL. 1 b.. . nous obtenons la configuration souhaitée : 1 0 0 ... . Nous divisons toute la deuxième ligne par l’élément u&. Qu’arrivet-il si l’on rencontre un pivot nul? De deux choses l’une. les éléments de la deuxième ligne multipliés par uk2 sont soustraits des éléments correspondants de la k” ligne. seul le premier élément vaut 1. Ainsi on aura : 2 uki = uki . . Il n’y aura d’intérêt à réaliser cette permutation que si au moins un 71 . Il n’y a pas de difficultés à poursuivre de la même façon les transformations de la troisième ligne puis des lignes suivantes.5. a& b. a.. 0 bf 0 1 0 .... Cette deuxième ligne devient : ensuite..uklb:. . ou bien la matrice n’est pas inversible et son déterminant est nul. .a1 b2 k k k2 2’ présent la deuxième colonne du tableau a été transformée selon nos vœux.....uk2u& et b2 = b1 ... À présent. le tableau s’écrit : 1 ui2 u& . “’ 0 .. ain T(A.. et cela pour k # 2. .~ . b. donc numérotées de k + 1 à n..@ = 0 ui2 u&. il suffit d’opérer ainsi : les éléments de la première ligne multipliés par ~21 sont retranchés des éléments correspondants de la deuxième ligne. d’une façon tout à fait générale.. b. Il nous est toujours possible de permuter la ligne k avec une des lignes qui suivent... À T(I. nous allons traiter le deuxième vecteur colonne de la matrice A. Après cette première phase. on procède à la division de la ligne k par cet élément qui porte le nom de pivot d’où le nom de la méthode.. Quand m = k. ou bien elle est inversible et son déterminant est différent de zéro.. ain b. .. pour k > 1 : CL~& = ski . Ensuite. Les éléments de la première colonne du tableau transformé équivalent sont nuls pour k > 1. 0 b....uklc& et b) = bk . . b”) = 0 . les éléments de la première ligne multipliés par ski sont soustraits des éléments correspondants de la k” ligne. Au cours des calculs. b.. . 0 un2 CL. Donc. ... .. L’élément upk q ui se trouve sur la diagonale principale a vu sa valeur changer dynamiquement au cours des calculs tant que m est inférieur à k. . . .. .. 0 0 0 .. 0 c& & .... 0 ui2 c& ... Les b: sont les solutions recherchées du système linéaire. . . .. ... À la fin du calcul.... nous avons supposé que le pivot rencontré n’était jamais nul.

. il est peu probable qu’un calcul de pivot amène la valeur zéro. la matrice est dégénérée d’ordre n ... Nous allons obtenir une solution parmi l’infinité de solutions possibles dans un tel cas. Remarque 2 : Une matrice dégénérée possède une infinité de solutions.. on peut évaluer de façon approchée le nombre d’opérations : n3. . Notons que ce type de décomposition sera encore employé pour inverser les matrices et pour calculer les valeurs propres. . . à partir de la k” ligne on ne peut plus permuter de lignes. . 0 *http://www. c’est que la matrice est singulière. rien n’est changé dans le tableau T et l’on poursuit les calculs. . d 7Ll 911 0 dn2 QI2 5722 0 0 0 dn3 913 Q23 933 .MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ élément de la colonne k est différent de zéro. Comment prévenir une telle infortune? Il est nécessaire de détecter un tel dysfonctionnement.. .2. . . La matrice A étant d’ordre n il en sera de même des matrices D et G. .. on échange les deux lignes.. et l’écriture de A = DG conduit à écrire n2 équations à (n2+n) inconnues. . Sur le Web(*). on peut y parvenir en exécutant plusieurs fois les calculs sur des présentations différentes du tableau obtenues en intervertissant les lignes.. Remarque 1 : La prudence la plus élémentaire exige que l’on reporte la solution trouvée dans les équations d’origine afin de déceler éventuellement un écart sensible avec le second membre.... . c qui réalise le calcul selon la méthode des pivots. 0 0 1 .... Donc on risque fortement à un moment donné de diviser une ligne par un pivot qui aurait dû être nul sans qu’il le soit dans la réalité. 2. Si. . À bien y réfléchir.o 0 0 d43 ..edpsciences. Les deux matrices D et G s’écrivent : 10 dz1 D = . . . . .. .. g1n g2n g3n G = 0 0 . Méthode de la décomposition de la matrice A en un produit de deux matrices triangulaires Nous nous proposons de décomposer la matrice A en un produit de deux matrices triangulaires notées D et G où D est une matrice triangulaire inférieure et G une matrice triangulaire supérieure telles que A = DG. ... .... on trouvera le programme systlin. ... . Nous sommes donc libre de choisir n inconnues à notre convenance : choisissons d’écrire les éléments de la diagonale principale de D égaux à l’unité. Dans le cas où l’on ne rencontre pas un pivot nul... . . . gnn 72 i . .. 1 . Si tel est le cas. et. Ainsi on fera apparaître plusieurs solutions différentes du même système linéaire et notre attention sera attirée par sa singularité... "' .. 9472 0 .. ... ..'. . .k. tout simplement parce que le jeu du cumul des erreurs et des troncatures a peu de chances de réaliser un tel événement. Seules k lignes ou k colonnes sont linéairement indépendantes. 1 . puis d’appliquer cette technique de décomposition à la résolution d’un système linéaire.com/guilpin/ 0 . Si la permutation ne permet pas d’amener un pivot non nul. .

Cet ensemble d’équations permet de déterminer les composantes de 2. *http://www. la deuxième ligne de G s’obtient au moyen des relations : a22 = &m2 + g22 a23 = dzlgl3 + m . Application à la résolution du système linéaire AX = B Nous pouvons donc écrire : AX=DGX=B il est possible de poser 2 = GX.edpsciences. ... + 912x2 + Q12X2 + 911x1 = 21. an = &lgln + &mn + an 6. d. elle ne peut pas être décomposée en un produit de deux matrices triangulaires. c mettant en œuvre cet algorithme. c qui réalise une telle décomposition. . soit l’élément &r qui s’obtient à partir de : a21 = d21g11 3. Sln = a171 2. ÉLÉMENTS DE CALCUL MATRICIEL Par identification.com/guilpin/ 73 ...3... 2.. On trouvera sur le Web (*) 1 e programme trianlin.lyl + d. la troisième ligne de G est obtenue au moyen de : ~33 = &lgl3 + dm23 . mn = d21gln + an 4. Donc à partir des récurrences ainsi définies nous sommes en mesure de résoudre un système linéaire. + yn = d.. Connaissant 2.. . . Remarque : Si la matrice est singulière.5. on trouve : 1.. la première ligne de G : i t 911 = a11 Q12 = a12 ‘. On trouvera sur le Web(*) 1 e programme triangle. il est aisé de calculer le vecteur X au moyen de l’équation Z = GX dont les composantes donnent : Qn-ln% + gn-ln-lXn-1 = G-1 .. la deuxième ligne de D.. la troisième ligne de D est donnée par : a31 = &gll a32 = &lm + &m2 5. On poursuit en calculant alternativement la ligne suivante de D puis la même ligne de G jusqu’à la ligne 72. .zya + ... et donc d’obtenir aisément le vecteur 2 dont les composantes sont données par le système d’équations DZ = B qui se décompose de la manière suivante : ~1 = dl &y1 + y2 = dz dayl + dxzyz + y3 = d3 .. Qln% + Qln-lG-1 + .

1. 2. il résulte que le déterminant A d’une matrice carrée W est égal au produit des pivots multiplié par (-l)P. Donc le déterminant. pk.4.5. Le polynôme s’écrit sous la forme : p. le système linéaire etc. l’erreur relative sA sur A est donnée par l’expression : car les erreurs absolues dpi sont grosso modo les mêmes.Comme nous avons : A = nn=. En conséquence.On rencontre souvent l’idée selon laquelle la méthode des pivots peut être améliorée si.. &) avec j = 0. on cherche à calculer les coefficients du polynôme de degré n qui passe par les (n + 1) points d’un échantillon (c-uj.2. C’est lorsque les pivots sont égaux en module que la somme des modules est minimum puisque le produit des pivots doit être constant. .(x) = 2 a@‘. on amène celle qui possède le plus grand pivot en valeur absolue. Il est aussi égal au produit des éléments de la diagonale principale de la matrice triangulaire G. p étant le nombre de permutations de lignes effectuées au cours du calcul.. la seule méthode raisonnable consiste à choisir le pivot qui est toujours le plus proche en module de m. P our cela il faut obtenir une première valeur de A et procéder par itérations jusqu’à ce que deux valeurs consécutives du déterminant soient égales à la précision de la machine. On peut encore écrire : Le membre de gauche sera majoré par la somme des modules des pivots (à une constante multiplicative près).n. Le calcul propage les erreurs cumulées sur chacun des pivots obtenus avec une ultime soustraction (susceptible de fournir une redoutable erreur relative). verront croître les erreurs au fur et à mesure que se déroule le calcul. La seule restriction consiste à supposer que les abscisses ~j sont toutes différentes les unes des autres. Calcul d’un déterminant Après la présentation des algorithmes de résolution de systèmes linéaires. . et cela d’une manière plus rapide que la simple proportionnalité au nombre des opérations arithmétiques réalisées. le fait d’utiliser les grands pivots au début du calcul impose les petits pivots à la fin. A est une matrice de Vandermonde (1735-1796) Nous rencontrerons à nouveau ce type de problème à propos du polynôme d’interpolation de Lagrange . Cette façon de voir est complètement erronée pour la raison qui suit.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2. Remarque à propos de la méthode des pivots . k=O 74 . à chaque fois que l’on traite une ligne. . Le produit des pivots TT étant constant et égal au déterminant A. l Que faut-il faire alors ? ..

on voit que A.5. nous obtenons : En développant ce déterminant par rapport à la première colonne. par ai. = Divisons la première ligne de A. On exprime alors ao sous la forme du rapport classique de deux déterminants que l’on note : ao = A<n+l> (a) ’ avec A.. est une combinaison linéaire de déterminants de Vandermonde d’ordre n notés : 75 . ÉLÉMENTS DE CALCUL M.. d’où la notation Acn+‘) (cy ). l’ordre du déterminant de Vandermonde est n + 1.~TRICIEL Nous obtenons ainsi le système linéaire suivant : On se propose de résoudre ce système d’ordre n + 1 au moyen des déterminants de Vandermonde dont nous rappelons la propriété essentielle suivante : Ici. puis la deuxième ligne par a!: et ainsi de suite..

*http://www. À partir de A et de B proposons-nous de déterminer X pour n = 5. us ayant disparu. Il n’en est rien. .1. Pour s’en convaincre.15 et 20. . a(. Dans ces conditions. on calcule de proche en proche toutes les valeurs ak.MA N U E L DE CALCUL N U M ÉR I Q U E APPLIQUÉ soit encore : À présent. Il est facile de calculer chaque fois le déterminant de la matrice A qui tend rapidement vers zéro avec l’ordre n. . on connaît immédiatement la valeur as = .6. . donc on peut permuter la ligne j avec la ligne zéro sans que rien ne soit changé. Après déflation. toutefois. C’est une matrice bien connue pour son mauvais conditionnement. a2n-1 . c’est la seule par hypothèse. c qui réalise ces opérations. . Nous donnons sur le Web (*) 1 e programme vdmonde . . a1 a2 c Pl . si la valeur crj est nulle. on peut donc reporter sa valeur dans les équations de départ et faire disparaître la première ligne qui devient inutile puisque nous connaissons effectivement as.ao L’opération qui consiste à calculer une valeur u3 (d’abord us) puis à éliminer une ligne s’appelle À présent. En poursuivant les opérations. Cas CJÙ un des ai est nul . Le calcul de ai. ~1 = 2. n . se ramène à la résolution du système linéaire d’ordre n suivant : n-1 ‘1 cr.-r = n. il suffit de choisir le vecteur inconnu X et de calculer le second membre B. En effet.-1 a. l’ordre de la matrice a baissé d’une unité. on comprend ainsi où se situent les pertes de signification. soit 20 = 1. C’est la raison pour laquelle on dit que la matrice A est mal conditionnée. . k = 0.... . Remarquons que ce programme utilise très peu de place mémoire : seuls les vecteurs y sont utilisés. Rapidement les résultats deviennent aberrants. déflation.L’algorithme semble tomber en défaut si l’un des (hi est nul. a. Pour n = 15. . nous revenons au problème précédemment traité. ~2. . 2. . . Bn . ..ao avec C = fiai. i=l 1 cr. .~. nous sommes en mesure de calculer ai par le même procédé. 1.2. on trouve un déterminant de l’ordre de 10V78. . on sait calculer a0 . A est une matrice de Hilbert (1862-1943) Une matrice de Hilbert A d’ordre n est une matrice symétrique dont les éléments &k sont donnés par l’expression suivante : 1 uzk= l+k+1 avec 1.. . Le produit AX donne le second membre B.ao 1 P2 . Prenons pour composantes du vecteur X d’ordre n les entiers successifs de 1 à n.com/guilpin/ 76 . . . .edpsciences.& puisque la première ligne de la matrice ne contient que des zéros à l’exception du premier élément qui vaut un.10. Qi 1 a.

.. A est une matrice creuse On considère à présent un système linéaire AX = D dont la matrice A d’ordre N est constituée de trois bandes tridiagonales de sous-matrices carrées d’ordre n et notées Ak. ..3...~TRICIEL On donne sur le Web (*) 1 e programme hilbert . . m ... GI G2 G3 ...AkGkel] Gk. Bm x. GI = BFID1 .5..A.. = [Bz . W. puis en remontant on calcule par récurrence : Xk=Gk-WkXk+l *http://www. le vecteur inconnu X et le vecteur second membre D étant partitionnés en sous-vecteurs de n composantes...... = [B. 2.. On obtient aisément les expressions suivantes : W. .]-’ C.. = [Bh .. On dit que la matrice A est creuse. ... .AkWk-J1 .W. .. . Comme l’inverse d’une matrice creuse est une matrice pleine.. Bk et Ck comme le montre la figure ci-dessous : Bl A2 CI B2 C2 Xl x2 x3 . cm-.. ... . . .. c qui fournit les résultats de ces calculs.... .edpsciences. .A2W..m-2.]-’ pour k = 2.J1 [D.+ . ...... . . .7. . WTT-1 Im ii. . = BilC1 W. ...-I -Gl Dl 02 03 .L'I G.. .AkW..com/guilpin/ pour k=m-l.]-‘C. .. .. .. A3 B3 G .AzW.A2G1] [Dk .. .. A.. G.._. ÉLÉM ENTS DE CALCUL M....1.G. = G.-l].. [Dz ... Au moyen d’opérations linéaires..= [B.. on va mettre en œuvre une méthode spécifique qui n’est rien d’autre que la généralisation de la méthode exposée lors de l’étude des fonctions-spline (cf. le but est de faire disparaître les matrices Ak et de remplacer les matrices Bk par la matrice unitéd’ordre n notée 4 : cm obtient alors la disposition suivante : Il Wl 12 w2 13 w3 . . . . . ... ..1.A.. On calcule alors facilement X.. Ga = [B2 .. 77 ... .. Dm-1 D. chapitre 6).

Le problème consiste à déterminer la matrice A-’ telle que : AA-l = A-lA = I expression dans laquelle 1 est la matrice unité d’ordre n. c qui inverse une matrice carrée. Méthode par triangularisation L’inverse d’une matrice triangulaire supérieure est une matrice triangulaire supérieure.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3. . mais il est plus habile de les résoudre simultanément car.edpsciences. à la différence près que l’on traitera n seconds membres au lieu d’un seul. puis de procéder à la même transformation que celle qui a été proposée pour résoudre un système linéaire. Commençons par traiter la matrice D dont la matrice inverse est A. où Ei est le vecteur colonne unité qui possède la valeur zéro partout sauf sur la ligne i où la valeur est un. *http://www. la résolution de ce système linéaire fournit la ie colonne de la matrice inverse A-l.k+dz+z. + dkk &ldlk &dlk)bkk. Nous savons résoudre ces n systèmes linéaires. ‘1 es proposé le programme matinv . Nous pouvons écrire : X = A-lEi = Ai1 autrement dit. Nous avons : AD=I qui fournit les équations : dkkdkk = 1 et. + + &. Dans un premier temps.k soit encore : h = -(hk+lh+l. sinon. nous effectuerions inutilement n fois la transformation de la matrice.com/guilpin/ 78 .k + h. Sur le Web (*). et I’inverse d’une matrice triangulaire inférieure est une matrice triangulaire inférieure.hk+ldz+l. . Au lieu d’accoler à la matrice A le vecteur second membre. Méthode des pivots Soit une matrice carrée A d’ordre n que l’on suppose inversible. 1 t 3. pour 1 > k 611. il suffit de lui accoler la matrice unité (les n vecteurs unité).1.2.lc + . = . Inversion d’une matrice carrée d’ordre n 3.k+2d~+&k +. portons notre attention sur le système linéaire suivant : AX=E.

Si nous pouvons obtenir les coefficients du polynôme caractéristique. La méthode de Le Verrier (1811-1877) L’équation caractéristique d’une matrice d’ordre n est un polynôme de degré n. Calcul des valeurs propres Il s’agit de calculer les valeurs propres de matrices carrées d’ordre n à coefficients réels . 4. Sur le Web (*). ’ )?“kk.l+lgl+l. Le problème est donc la résolution de l’équation caractéristique ou séculaire : AX=XX où X s’appelle vecteur propre et X valeur propre. et les racines de ce polynôme sont les valeurs propres de la matrice. pour 1 < k Yllglk Ylk = gkk + Yl.la matrice unité. c qui inverse une matrice carrée au moyen de cette procédure.k + %. *http://www. On procède d’une façon tout à fait identique pour la matrice G dont la matrice inverse est l?.1+2&+2. ou bien à l’inversion de la matrice inverse qui doit fournir la matrice de départ ~ toujours aux erreurs près. 4. Après avoir calculé les Ykk.edpsciences. La solution repose sur les relations de Newton qui établissent une expression entre les coefficients d’un polynôme et les SQ (somme des racines du polynôme élevées à la puissance 4). Remarque : Quelle que soit la méthode utilisée. Nous écrivons : rG=I qui fournit les équations : ykkgkk = 1 et. cependant. et dans chaque ligne les éléments colonne par colonne à partir de la dernière colonne.k + %. les méthodes proposées peuvent s’appliquer aux matrices à éléments complexes.com/guilpin/ 79 .k + ” ’ soit encore : ?‘lk = -(?‘llglk + %.aux erreurs près . Nous allons examiner diverses méthodes qui donnent des résultats plus ou moins intéressants selon la taille de la matrice A ou son conditionnement.l+l~l+l.1+2g1+2.1. ÉLÉMENTS DE CALCUL MATRICIEL Après avoir calculé les dkk. il est prudent d’effectuer toujours les vérifications usuelles.k + ‘. on trouvera le programme trianinv .5. la méthode de Bairstow nous permettra d’en calculer les racines. on calcule ligne à ligne à partir de la dernière. Il sera bien venu de procéder ou bien à la multiplication de A et de A-’ qui doit redonner . on calcule ligne à ligne à partir de la première. et dans chaque ligne les éléments colonne par colonne à partir de la première colonne.

.1)~“~~ + CZ~X+~ +.. nous allons dériver (par rapport à CC) de deux façons différentes F’... g&=:( z i=l i=l i=l i=l ) comme : c i=l on peut donc poser : n pi = somme des racines.+ (!3)~+.pi).(x) = aox” + Ula: n-l + u2xnh2 + . .. uonx n-l + ul(n . i=l À présent. . . i=l Sq=Cpr a v e c q=0. ..-.+. + a.pi d’où nous déduisons : n+fy)+fy)2+C(~)3+.. (!?) + (g2+ (ei)3+. + a.... Nous obtenons : expression dans laquelle nous développons & soit : L =.(x) un polynôme de degré n que nous écrivons : P.+?J+.l)xne2 + u2xnp2 + . + a..) x .+g+.(enremarquantque i=l So=n). (1....(X) et identifier les résultats obtenus..2.Soit P. . 2 p: = somme des carrés des racines.... Désignons par pi les racines réelles ou complexes de ce polynôme qui se met alors sous la forme : P. > 2 Par ailleurs la dérivation directe nous donne : PA-1(X) = ugnxnel ce qui permet d’écrire l’identité : + Ul(n ..+..+un).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Relations de Newton .(x) = ao fi(x . 80 .(so+$+.+gyy+.-1 = (ugxn + UlX n-1 + u2xn-2 + . avec a # 0..1.+?+.. Nous obtenons alors : g$=i( so+g+.

et ainsi de suite jusqu’à obtenir la valeur de S”. ici. soit : *http://www. QS4 + ulS4-l + .~~+u.2.. pour q = 1.2.1) fois à gauche les deux membres de cette équation par A : A2X = AXX = XAX = X2X et ainsi de suite.. On calcule la matrice Bi qui est le produit de Gi et Dr dans l’ordre. c qui calcule les valeurs propres (réelles ou complexes) de matrices réelles par la méthode de Le Verrier. (On rappelle que la trace d’une matrice est la somme de ses éléments sur la diagonale principale.. . triangulaire supérieure telles que A = DlG1.....=O ..com/guilpin/ 81 . on obtient d’une façon générale : A4X = X4X avec q = 1.. + a. n. ’ + un-lSP+l-n + &sp-n = 0.. ce qui nous fournit les relations de Newton : aosl + a1 = 0 aoS + ulS1+ 2a2 = 0 QS3 + UlS2 + apsl + 3a3 = 0 . u()sn + Ul!Y1 +.) Il suffit de calculer la trace de A puis de multiplier A par A soit B = AA et de calculer la trace de B. On trouvera sur le Web (*) 1 e programme leverier .. la trace de la matrice A4 est égale à Sq. . Nous savons que la trace de la matrice A est égale à la somme de ses valeurs propres...edpsciences. Méthode de Rutishauser (1918-1970) Nous décomposons la matrice A dont on cherche les valeurs propres en un produit de deux matrices triangulaires l’une.. ÉLÉMENTS DE CALCUL MATRICIEL Il reste à identifier les coefficients des termes de même degré en ~ç.. Ensuite. 4.. . . on multipliera B par A puis on calculera la trace de B.. triangulaire inférieure et l’autre..-lS1 + qu3 = 0 pour p > n. ..-lS1+nu....5.. .... Le problème qu’il reste à résoudre consiste à calculer effectivement les valeurs S4 qui. Gi. seront les sommes des valeurs propres à la puissance q.3. nous obtenons : uosp + Ulfrl f... n.... Par conséquent. Dr. de même.2... la trace de la matrice A’J est égale à la somme des valeurs propres de A élevées à la puissance q. Revenons à l’équation aux valeurs propres : AX=XX et multiplions successivement (n ..

Pour réaliser la transformation unitaire notée U.P r=&p s=&F’ l’astérisque désignant la valeur conjuguée et UT la transposée de U..dG bkp = r akp + s* akq b. on pose : aP-l. En général... il est utile de mentionner que cette méthode. On trouvera sur le Web (*) 1 e programme rut ishac .. etc.q P’ aP-l.p = a. elles apparaissent dans l’ordre des modules décroissants en descendant le long de la diagonale principale.3. sert de fondement à l’établissement de la méthode de Givens.. De plus si celles-ci sont réelles et distinctes.-r. Sans entrer dans les détails liés aux valeurs propres multiples. B..) La méthode de Givens consiste à réduire la matrice A en une forme quasi triangulaire au moyen d’une suite de transformations unitaires. aux valeurs propres complexes. = GnD. .. On trouvera sur le Web (*) le programme rutishau. a les mêmes valeurs propres que la matrice A. B.. Méthode de Givens (1912. = 0 avec lc = p. Les colonnes p et 4 sont transformées selon les expressions : bp-l. on poursuit ce type de décomposition et l’on obtient en définitive les résultats suivants : BO = A = DIG1 B1 = GID1 = DzG2 B2 = G2D2 = DzGz .... = Dn+lGn+~ Lorsque la décomposition triangulaire est possible.edpsciences. tend vers une matrice triangulaire et les valeurs propres se situent alors sur la diagonale. bkq = *http://www. puis on calcule le produit de G2 et Dz que l’on appelle B 2.. Désignons par A la matrice dont on cherche les valeurs propres et par aij ses éléments.com/guilpin/ -Sakp + rakq 82 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On décompose B1 en un produit de deux matrices triangulaires Dz et Ga telles que : B2 = DzG2.. on montre que la matrice B.. c qui calcule les valeurs propres selon la méthode de Rutishauser..72. (V)*U = 1... . dans sa version accélérée. puis d’appliquer une des méthodes de Rutishauser à convergence quadratique... c qui calcule les valeurs propres selon la méthode accélérée de Rutishauser 4. .-r. Nous allons exposer la suite de ces opérations.

..l avec 1 = 1.. .. bP. ÉLÉMENTS DE CALCUL MATRICIEL Ensuite.. . 0 0 0 .....~ = 0.2 bn-1. Cette méthode nous conduit donc à obtenir une matrice quasi triangulaire inférieure.. 83 .. Pour des raisons de commodité d’écriture. pn 0 0 0 .... an a11 a2 0 a3 A Gtl bu an2 un3 . b-l...q-1 pour q=2......B4 bP..q p uis r = 0 et s = 1. .1 an-l.... Une telle matrice se décompose aisément selon la méthode de Rutishauser en une matrice triangulaire inférieure D et une matrice triangulaire supérieure G.... Les lignes p et q se transforment par des expressions analogues : cpi = r bpi + s b. . 0 ..p = ap-l.. . . .... 0 kil b32 = bql ba bd3 ... 0 a32 a31 a43 .. ... .. ... .. n.l cql = -s* bpl + r b..-i. ..n. .. .. 0 ... .. . = r bPq + s bqq cqq = -s* bpq + r b..1 b-l.... pour p = 1. bqp et bpq sont remplacées par les quantités : C pp C Pq = r bpp + s b..... b pp. . 1 0 G= Les bij et les /3j sont donnés par les expressions : pq = Qq b. . 0 0 0 0 ... .. 0 0 1 p3 . . 0 b 7X1 bn 2 b n3 b nn .. ...3 .. les quatre valeurs bq4...5. ....' 1 @2 0 . = aPq ...... alors on prend bp-l.. Dans le cas où ~~-1..2. an-l.. 0 bzl b22 b33 ... ce qui correspond à une rotation de 7r/2... cqp = cpq. GLn D 0 ... on note la matrice A au moyen des aij pour la partie triangulaire et o1 pour la diagonale située immédiatement au-dessus de la diagonale principale.. .n. . 0 0 ..-1 lesquelles viennent remplacer les valeurs correspondantes dans le tableau des aij.2 an-l... .. 0 ... On écrit donc : ..... 0 = a41 a42 . .s . .. 0 a22 a21 a33 . 0 0 0 1 . Toutes ces expressions viennent se substituer aux éléments correspondants dans la matrice A..... ..

. a1.. ..l pour p= l.... Une fois la forme canonique obtenue.. On retranche cc... D conduit aux nouvelles expressions : $1 = b.1.. . Cnl = bd puis en notant par yk les éléments de C au-dessus de la diagonale principale : c nq -bnq.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Le calcul du produit C = G. Écrivons l’équation caractéristique A(X) associée à la matrice A : a11 -A A(A)= ain-1 . la méthode de Bairstow par exemple.... Ensuite. a21 a22 ........ - cm = bq + P~+I bp+l...... (Pratiquement cela signifie que le nombre de chiffres significatifs exacts est multiplié par un coefficient proche de deux à chaque tour d’itération.n- 1.... ... ann -A *http://www... on passe au calcul de la valeur propre suivante.. Cette méthode de Rutishauser concernant les matrices quasi triangulaires converge quadratiquement. %l an2 an3 .. 4. on réduit l’ordre de la matrice de 1 unité en supprimant la dernière ligne et la dernière colonne. À la fin de ce premier tour de calcul..edpsciences.. a2n a3n .. .) Rappelons que les calculs s’effectuent en arithmétique complexe dans le cas général.....4..q pour p = q.. GV-1 -12 a13 .. .X a23 a2+1 a33 -A . On trouvera sur le Web (*) 1 e programme givens .. on écrit directement l’équation caractéristique dont on cherche ensuite les racines au moyen d’une méthode appropriée. c qui calcule les valeurs propres réelles des matrices réelles. Ces opérations s’appellent déflation. Méthode de Danilevski (1937) Cette méthode consiste à transformer la matrice A ou plutôt le déterminant caractéristique en sa forme canonique de Frobenius au moyen de transformations linéaires qui laissent le déterminant inchangé.. c’est-à-dire lorsque l’on a obtenu la meilleure précision avec la machine utilisée. Une fois obtenu une valeur propre. .. n .. a3n-1 ~31 a32 ... on note $2 la dernière valeur figurant sur la diagonale de la matrice C. de tous les éléments diagonaux et l’on réitère la procédure jusqu’à ce que la valeur ne soit plus modifiée par un tour d’itération supplémentaire.com/guilpin/ 84 .. par le même procédé.l +&+lbp+l. & est alors une des valeurs propres recherchées.. . .

c qui calcule les valeurs propres réelles des matrices réelles.... on combine linéairement les colonnes pour que le déterminant ait sa dernière ligne selon la forme canonique : 0 0 . .. soit de colonnes (cf. On passe ensuite au pivot suivant qui est l’élérncnt ~~&-1. On trouvera sur le Web (*) 1 e programme danilev . Le cas où il n’y a que des zéros sur la ligne Ic dont le pivot est nul rnontre que les calculs ne peuvent pas se poursuivre de cette manière. n . Cette opération fait apparaître un terme en X sur la ligne q et la colonne Ic . Cette opération a amené des tcrrncs en X sur l’avant dernicrc ligne avec les coefficients a&..5.1. n . on est amené à multiplier l’avant-dernière ligne par u~..2...~-I. on peut alors faire subir à nouveau le traiternent de Danilevski.. 2. . 0 0 ..-l -b.~~. on divise alors la ligne (n . On ajoute alors les éléments de la colonne 4 à ceux de la colonne ic ... avec 4 = 0. 3.. Supposons qu’il s’agisse du pivot ak. 1 -A 0 0 0 -A ::: 0 = 0 1 0 .-r p our amener 1 a la place de u.l -A 0 On passe du déterminant A(X) au déterminant B(X) au moyen de combinaisons lincaircs soit de lignes. Pour conserver le coefficient 1 devant A....com/guilpin/ 85 . -b.2 et ainsi de suite pour obtenir l’avant dernière ligne privée de termes en X excepté l’élément diagonal. On désigne par u:~~ les valeurs obtenues sur la dernière ligne... *http://www.~. Supposons qu’il en soit ainsi et que le tcrmc c&rl soit differcnt dc zcro..1 de l’avant-dernière ligne. mais le déterminant est alors le produit de deux déterminants dont l’un a la forme voulue de Frobenius et l’autre la forme ordinaire.~... . 1. puis on poursuit les calculs de la même manière que pour la ligne n.. qu’il faut à préscnt éliminer sauf sur la diagonale principale.. On divise l’avant-dernière colonne par ~.X -bz B(X) -by . la méthode des pivots concernant la résolution des systèmes linéaires).edpsciences.~1 (les pivots de la transformation se situent sur la première sous-diagonale).. Ensuite... ... on aura un produit de déterminants chacun écrit sous la forme ordinaire.2: n.2 est différent de zéro. ...... 0 1 Pour cela on rnultiple l’avant dernière colonne par uiIq et l’on retranche le résultat de la colonne 4. On le fait disparaître en retranchant à la ligne 4 la ligne 4 + 1. .n. En retranchant terme à terme la première ligne multipliée par uLq..1) par cet Clement et on rnultiplie la colonne (n ~ 1) par ce même élément. Cas où un pivot est nul . La transformation s’effectue de bas en haut. à savoir : 1.Si un pivot est nul la rnéthode tombe en défaut.2... on fait disparaître X du premier élérnent un-l.. À ce dernier déterminant..2. .. . Dans le cas le plus défavorable..1.k-r alors on regarde dans la ligne k si un des termes compris entre les colonnes 1 et k ... 4 = 1.-2. ÉLÉMENTS DE CALCUL MATRICIEL On désire obtenir la forme suivante : bl . . On opère de la même façon avec la dcuxihmc ligne multipliée par un2 pour éliminer le terme en X de un-r.

. et on le choisit très souvent avec toutes ses composantes égales à l’unité. La méthode de Krylov (1879-1955) Elle repose sur le théorème de Cayley-Hamilton (toute matrice A d’ordre n est solution de son équation caractcristique). on fournit également le programme (cf.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 4. b.7. . On donne sur le Web (*) 1 e programme krylov. on obtient : ~a. Les dispositions du calcul sont les suivantes : L-1 bln-2 br-:3 . leur calcul est une source de difficultés puisque le déterminant de la matrice d’ordre n tend vers zéro quand n tend vers l’infini. c qui réalise cet algorithme. 4. ..-. bll bl0 a1 = b ~ 0:: nn h.edpsciences.ArL-q X = -A”X. malheureusement elle conduit à un système mal conditionné lorsque n atteint et dépasse quelques unités de l’ordre de 8 a 10. annexe H. b.com/guilpin/ 86 . . . . 4..8). la somme des valeurs propres est égale à la trace de la matrice..b.bnni. . Les vecteurs Bk sont les colonnes de la matrice du système linéaire à résoudre pour obtenir les coefficients ak du polynôme caractéristique. Cette méthode n’exigeant que peu de calculs est fort attrayante. . .. . . . 'b. bzl bo . Toutes les conditions sont réunies pour avoir des valeurs propres très grandes et à coup sûr d’autres très petites. le produit des valeurs propres est égal au déterminant de la matrice.' .6.5. et enfin B. . . Par ailleurs. .1 h-2 b-3 . problème 5. Retour sur les matrices de Hilbert Les valeurs propres des matrices de Hilbert sont réelles puisque la matrice est symétrique.. soit : les ak étant les coefficients du polynôme caractéristique. . Quand on calcule les zéros d’un polynôme caractéristique dont les coefficients sont mal conditionnés on court le risque de voir apparaître presque sûrement des racines complexes dont on se passerait bien.. On multiplie les deux membres de cette expression par un vecteur arbitraire d’ordre n que l’on appelle X.O b Le vecteur X est arbitraire. cependant.l. Cas des matrices symétriques Les matrices symétriques sont hermitiennes et par conséquent ne possèdent que des valeurs propres réelles. q=l On commence par calculer & = X.'. Reste à déterminer aa = (-1)“. . *http://www. La méthode de Givens-Rutishauser permet de contourner cette difficulté. = ABnpl. Br = ABo. On trouvera dans les exercices un problème mettant en œuvre la méthode de Jacobi adaptee au cas des matrices symétriques et qui donne de trcs bons résultats. En effet.-l. Bk+l = ABk. ~2 a.

R. KRESS (1998) Numerical analysis. 0. VARGA (1962) Matriz iteratiwe analysis. DURAND (1961) Solutions numériques des équations algébriques. ANGOT (1972) Compléments de mathématiques.T. 87 . C. N EVANLINNA (1993) C onvergence of iterations for hear equations. Philadelphie. Springer. CIARLET (1982) Introduction à l’analyse numérique matricielle et à l’optimisation. ÉLÉMENTS DE CALCUL MATRICIEL 5.G. Éditions Prcntice Hall. Éditions Masson. R.5. Éléments de bibliographie A. Society for Industrial and Applied Mathematics.S. KELLEY (1995) Iterative methods for heur and non linear equ. Éditions Masson. Birkhauser. P.ations. E. Éditions Masson. Tome II.

une quelconque valeur appartenant à 1. il est sans doute utile de prkiscr la nature du problème propos& car. Toutes les fonctions transcendantes dites spéciales ont fait l’objet de tabulation pour des valeurs dc la variable en progression arithmi:tique. Le problèrne posé par l’interpolation ne doit pas être dissocié à proprement parler du problème dc l’extrapolation (dans la mesure où il s’agit d’effectuer une extrapolation qui a effectivement un sens). la plupart des fonctions.6 1 L’interpolation Avant dc dkvelopper le thème dc l’interpolation. sera l’élimination de ces erreurs qui constituent un bruit de fond. Quand nous cherchons à connaître f(z) 1loin. Quel que soit le problème auquel on s’attache. Nous aurons amplement l’occasion d’approfondir ce problème. on dispose toujours au départ d’un ensemble fini d’ordomkes correspondant à un ensemble fini d’abscisses. ne nous sont données que pour un cnscmblc discret de points qui constitue un échantillon. nous dirons que nous rkalisons une extrapolation. il faut dire qu’elles ont un autre but : il s’agit avant tout d’eflectuer un filtrage sur un ensemble de données entachkes d’erreur. Bien entendu il est rare que la valeur de la fonction figure dans la table pour la valeur dont on a réellement besoin et l’on est obligé de se livrer à une opération d’interpolation voire d’extrapolation ~~ pour obtenir le résultat désiré. En revanche. cc qui importera en priorité. les opkrations d’interpolation et les opérations de lissage sont confondues dans l’esprit de bien des utilisateurs. nous noterons que l’extrapolation dans les voisinages immédiats des bornes de 1 fournit d’excellents résultats. Un problème idcntiquc apparaît lorsque l’on veut traiter mm~ériquement III~ ensemble dc résultats expérimcntIaux quand bien mCmc lc procédé utilisé pour les recueillir eut i:ti: réalisf: par voie analogique. Bref. hormis pour les points dc l’échantillon. c’est l’éternel problème : on ne peut avoir accès qu’à 1111 nombre fini de valeurs. au sens large. Au passage. Appelons I l’intervalle de définition des abscisses. ces deux cnscmbles appartenant nécessairement k des intervalles finis. Ces deux problèmes s’abordent de la même façon. Ces ensembles de valeurs constituent un échantillon de la fonction f(z) à laquelle nous nous intéressons. Pour ce qui concerne les opbrations dc lissage. nous dirons que nous effectuons une interpolation. Que ce soient des résultats expérimentaux ou que ce soient des tables. On cherche alors à rendre compte d’une allure globale des donmks expérimentales au moyen de fonctions plus ou moins arbitraires dont on ajustera les paramètres le plus souvent en utilisant la méthode des rnoindres carrés ~~ mais. quand nous cherchons à obtenir f(z) pour une valeur de z située à l’extérieur de 1. et nous examinerons un certain nornbre de méthodes qui rkalisent ces opérations dc filtrage 89 . très souvent. mais c’est le calcul d’erreur qui va introduire une diff&ence entre les deux.

Tout cela précisé..ci? = c a!&& PT>. les fonctions de Bessel.. Supposons que pour la valeur ak il y ait deux valeurs 1~1 et ~2.. ay . Du reste il n’y a pas de difficulté à généraliser cette proposition au cas où l’approximation est réalisée par un système quelconque de fonctions pourvu qu’il soit complet.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ éventuellement après qu’auront été abordés quelques éléments de statistique. .. CL: ... ulL appartiennent à l’intervalle I qui est le plus petit possible. + Qn-lx7L-1 + Cy. . . . De la légitimité de l’interpolation En règle générale.(Z) = Qo + QI2 + k=O En utilisant le fait que ce polynôme P. Comme elle présente un grand intérêt théorique. nous allons établir l’existence de ce polynôme unique de degré n que nous désignons par &(z) et qui s’explicite de la façon suivante : ‘. CL.(z) doit prendre la valeur bk lorsque la variable z prend la valeur ak. nous allons nous y attarder quelque peu. et la fonction réelle f(z) prend les valeurs bc. . y1 et y2 sont attribués chacun à l’intervalle correspondant 11 ou I2 donné par l’allure de la courbe représentative. les fonctions du cylindre parabolique etc.. un (~2 % bn ... cela veut dire que l’on découpe l’intervalle 1 en deux sous-intervalles 11 et I2 ayant uk comme intersection commune.. la méthode des moindres carrés et la transformée de Fourier... et l’on associerait à chacune des partitions obtenues un polynôme de Lagrange unique. Les abscisses au. Cela implique que tous les ah: sont différents... pour une valeur donnée de arc. le système des sinus et des cosinus. 1 a.. Aucune hypothèse n’est faite sur les échantillons à cette réserve près toutefois que. b. at a0 a1 bo bl = b 1 a1 G 1 a2 CI~ a$ . il ne peut correspondre qu’une seule valeur bk.. correspondant aux abscisses respectives.. Il s’ensuit que sur cet intervalle elle peut être approchée uniformément par un polynôme et cela en vertu du théorème de Weierstrass (181551897). . la fonction f(z) connue au moyen d’un échantillon de points est continue sur l’intervalle 1 que nous venons de définir.. bi. Le polynôme de Lagrange (1736-1813) Le problème consiste à obtenir le polynôme de degré n qui passe par les (n + 1) points de l’échantillon. il conviendrait d’effectuer une partition (ou plusieurs) pour réaliser cette condition. 2. 1. ai. nous obtenons le système linéaire Suivant 1 au ao CL: ui a: . .... . 90 .. L’idée d’interpoler par un polynôme est bien antérieure à la publication du théorème de Weierstrass (1815-1897) et elle a été exploitée par de nombreux savants mais c’est le nom de Lagrange qui est resté attaché à cette technique.. .. Les systèmes complets usuels sont : le système des puissances (les polynômes orthogonaux usuels). Si tel n’était pas le cas.

C’est cette méthode que nous exposons maintenant.n kzn det[A] = n n(aj .~1 d’où l’expression prise par le polynôme PTL(x) : Comme il est possible d’écrire que : nous obtenons alors : P. le calcul des coefficients ne pouvait pas s’effectuer par la résolution d’un système linéaire dès que l’ordre de la matrice dépassait quelques unités.a. à l’époque de Lagrange (173661813). D’INTERPOLATION que nous écrirons d’une manière plus concise sous la forme : Aa = B. Si l’on se situe dans un contexte historique.q). opération possible puisque. par hypothèse. . tous les uk: sont différents. fi& . J=O k>j Comme conséquence immédiate il s’ensuit que la solution existe et qu’elle est unique.7=0 À présent. i=o j=o j#a Maintenant il nous faut chercher à expliciter les A. décomposons le rapport Pn(z)/Qn+r( z ) en éléments simples. Cela donne les relations suivantes : pn(ak) = bk = 2 A.?)..uk). fi. Considerons un polynôme de degri: (ß + 1) appelé QTL+r(z) et défini par la relation : . nous pouvons écrire : pn (xl =k Ai Qn+~(x) 2To (x . . i=o J=O 3#i 91 . Le déterminant de la matrice A est un déterminant de Vandermonde pour lequel tous les uk sont différents : j=.6.(x) = c Ai . et Lagrange proposa une technique qui a permis de réaliser directement l’interpolation sans calculer explicitement les coefficients du polynôme. en tenant compte du fait que le polynôme doit passer par les points d’échantillonnage.

1) P.[f(x) . et considérons la fonction auxiliaire Q(U) définie comme suit : I-p . L’application successive du théorème de Rolle (165221719) à (a(u) pcrrnet de voir que la dérivée @(“+l) (u) s’annule pour une valeur u = < appartenant au plus petit 92 .CG) i=O Cette fonction @(u) qui apparaîtra sans doute un peu artificielle va nous permettre d’exprimer aisément la valeur absolue de l’erreur E(x) commise en effectuant le remplacement de f(z) par ce qui. remplacée par PT2 (ix).P&)] y . ce qui donne : Remarquons que la fonction Q(U) s’annule pour toutes les valeurs u = ai mais aussi pour la valeur u = IC. On en déduit l’expression suivante : n brc = Ak: l-&k: . soit (7~ + 1) fois derivablc sur l’intervalle 1. Comme par expérience on sait que l’extrapolation est une opération peu précise loin du domaine 1.. explique la structure de Q(U). par tous les points de l’echantillonnagc.(z) : (6. Évaluation de l’erreur Supposons que f(z).7#i Nous tirons alors la valeur de Ak: que nous reportons dans l’expression de P. et nous en avons obtenu deux expressions.Ui) Q(u) = f(u) . Pour parvenir à notre fin.aj). il est nécessaire dès à présent de se faire une opinion skieuse sur l’erreur commise en remplaçant une fonction f(z) échantillonnée par le polynôme de P.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Comme l’indice j prend toutes les valeurs de 0 à n. 3. par parenthèses. Il convient d’ajouter que ce polynôme peut être utilisé aussi bien pour réaliser une interpolation qu’ime extrapolation.(X). dérivons (n + 1) fois la fonction Q(u) par rapport à U. ncx . excepté la valeur i: les produits seront toujours tous nuls sauf celui pour lequel nous aurons i = k. et c’est l’expression due à Lagrange qui va nous pcrrnettre de résoudre le problème..(z) est donc le polynôme passant.P. j=o .(u) .

on procède à la majoration de f cn+r) (Or) dans l’intervalle adéquat.!. Comment minimiser E(x) La seule façon possible de réaliser l’opération est de rendre minimum l’expression n~=. c’est-à-dire que I : n’appartient pas à l’intervalle 1. Nous montrerons au chapitre 9 le théorème suivant : parmi tous les polynômes à coefficient principal réduit de degré (7~ + 1). soit : 7r(2k + 1) zk = Cos 2(n + 1) avec k = 0 .. 4. on ne travaille pas sur l’intervalle (-1. +l).u 93 . R. 1. En réalité.) i=. L’INTERPOLATION intervalle contenant z et les ai (dans le cas de l’extrapolation z n’appartient pas à l’intervalle 1 précédemment défini). .+r la limite supérieure de f’“+‘)(x) dans l’intervalle concerné.. elle dépend des points CL~. c’est le polynôme de Tchebycheff (1821-1894) qui s’écarte le rnoins de l’axe des x sur l’intervalle (-1. mais sur l’intervalle 1 dont la borne inférieure est a et la borne supérieure b. Nous obtenons alors l’expression suivante : de là nous tirons l’expression de l’erreur E(z) : Comme chaque fois en pareil cas.2:.(~ .) qui n’est rien d’autre qu’un polynôme de de@ (n + 1). . ~ On voit immédiatement que l’erreur est nulle sur les points d’échantillonnage et qu’cllr est tres petite dans le voisinage de ces points. Le changement de variable : Z= 2x-u-b b . Désignons par M.+r(z) = & COS[(~ + l)Arcos(z)] Les zéros de ce polynôme sont donnés par : (n + l)Arcos(zk) = 5(2k + l). De plus il est important de noter que l’expression de E(z) varie en fonction de x et que. n. l’expression de l’erreur devient : fi(x E(x) < (ri+.)! ~ . de plus.appelons que cet intervalle sera plus grand que I s’il s’agit d’une extrapolation. +l).a.a. . On peut alors se poser la question de savoir comment choisir les ak pour que l’erreur E(z) soit minimum. Ce polynôme a pour expression : T.6.

Un-l). (x .uo)(x . 0 n en déduit que lc polynôme de Tchebycheff de degré (n + 1) à coefficient principal réduit defini sur (a. 2(n + 1) Pour minimiser l’erreur: il faut choisir les ak identiques aux xk qui sont donnés par l’expression (6. On insiste donc sur la généralité de ce théorème qui ne préjuge en rien de la nature de la fonction à interpoler si ce n’est l’hypothèse traditionnelle de continuité. n.a 74% + 1) xk = ~ 2 COS 2 + avec k=O..(x .(x ~ u~)(x .uz)(x ~ a:s) + .uo)(x . + B. ensuite on peut poser : Qn-l(x) = Pr?.a0 Considérons à présent : Q7.a() +. aussi préfère-t-on employer une autre expression qui conduit à des calculs plus économiques et surtout qui permettra d’établir un certain nombre d’autres formes réputées canoniques.u.1.. Autre disposition pratique du calcul du polynôme de Lagrange Il faut bien reconnaître que le calcul effectif du polynôme de Lagrange pour un ensemble de valeurs de z demande un travail assez laborieux. + B.2). on se propose d’adopter la disposition suivante : Pn(x) = BO + Bl(X ~ uo) + Ba(x .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ permet de passer de l’intervalle (-1. dont il faut déterminer les B k. b) a pour forme : ce changement de variable donne également les zéros de ce polynôme : a+b b . 5..(x ~ Ul)(X ~ u2). Pour ce faire.a1 B2 + &(x ~ ~2) + Bd(2 .-~).ul) .as) .u2) (6. .anpl). D’abord on a F’.3) x .-2(x) = Q+l(x) ~ B1 = 2 .2 . Remarque : Il est à noter que l’erreur est donc minimum pour un partage de l’intervalle 1 selon les xk.(Q) = bo = BO.Ul) + . 94 .2).Ul)-t L%(x ~ Ul)(X . . . ce qui permet d’écrire Qnpi(al) = !!LI!f! = ~~ ai .(x) . + B. . b). (x . et cela est indépendant de la fonction à interpoler. ct la meilleure facon d’obtenir des valeurs exploitables avec la plus petite erreur repose sur le choix des xk donnés par l’expression (6.. Cette règle demeure dans lc cas où la fonction f(x) est connue empiriquement. . (x .bo = &+ Ba(x . +l) à l’intervalle (a.

Récapitulation de la conduite du calcul Sur le tableau ci-dessous on a représenté la suite des opérations qui permet de calculer tous les Bj.. nous avons donc la suite des abscisses donnée par : uo. et & ce titre il mérite d’être examiné car il conduit à des expressions très connues et très simples d’emploi. aoh~ = BO a1h ~ = q:L-l = Bl a1 ~ ao h .-2 ~ La 7? a:< ....a1 qn-1 ~ q. etc... a2 . mais il est très répandu.. z a2 . Cas où les abscisses sont en progression arithmétique Désignons par h la raison de la progression .bo d bz .f(uo + kh). ...bo ....&(a2 ..) sont données par un polynôme de degri: m (f(z) = PTrL(x)) j il va de soi que les différences d’ordre k supérieures à m sont nulles et que toutes les différences me sont égales....a0 ~ d . on définit les différences deuxièmes d’ordre k : A2bk = A1bk+l ~ A’bk et ainsi de suite pour les différences troisièmes. 95 ....ao b:3 .p3 = B3 u3b3.B1 = B 2. Ensuite.a1 soit encore : B 2 = ba ~ bo .1 = q”p2q.= Ll us ... C’est un cas particulier..6.= d-1 4:-l ..421 a2 . b.CL2 a3 .lp2 = B2 = q. a1 = uo + h. u2 = au + 2h. certes. Pour aborder cette étude il nous faut au préalable définir les opérateurs de différence. ce qui donne : Qn-2(a2) L’INTERPOLATION = Qrr-l(d .b.... expression dans laquelle on fait x = ~2. 6.. On appelle différence première d’ordre k la valeur A bk donnée par l’expression : A1bk = bktl ~ bk = f[uo + (k + l)h] ...uo) (aa -ao)(az . un = uo + nh...a) On poursuit de la même façon le calcul pour obtenir tous les Bk.a1 .. quatri?mes. D’une façon générale on définira les différences pe d’ordre k au moyen de la relation : Remarque : Si les valeurs (ui.

... mais cela nc restreint pas la généralité de notre propos.... 2 QO b bn A16 A2b A”b A4b .(uo + 2h) = b2 =No + 2N1h + 2!N2h2 .l(z) = No + Nl(n: . Pr. les abscisses précédant ~0 sont notecs par des indices negatifs : Cette dernièrr rernarque conduit à l’écriture dc différentes formes du polynôme de Lagrange qui offrent de grands avantages lorsque l’on ne désire employer qu’une partie restreinte du tableau initial des données.. mais on peut très bien ecrire les formules d’approximation en choisissant pour valeur initiale ao urr point d’int.. de la.. que les abscisses sont en progression arithmctique : P.. le tableau précédent st transforme ainsi : ao + kh avec k = 0..(ao) = b.. [x . dans ce cas. soit (n + 1) points.2.... bl A’bo uo + h a.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La signification des différences est simple. bk). Dans lc cas où l’on utilise toutes les données du tableau. .hq ..(z ~ uo) .z. + 2h b2 Albi A”bo no + 3h bx A’b2 A2bl a0 On obtient alors : P.. Ces différentes forrncs portent le nom du savant qui s’est attaché à une de ces études: on étudiera donc les polynômes ascendant et descendant de Newton les polynômes de Stirling et dc Bessel.. : n.........un ~ h ) + . + N..un ~ (n . =No + nNlh + n(n ~ l)N2h2 + n(n ~ l)(n . ce sont les expressions numériques approchees des valeurs dc la dérivée première. Les polynômes d’interpolation de Newton (1643-1727) Reprenons l’équation (6... + q!N.....h’“.l)(q ~ 2)N:jh” + . Toutefois nous verrons une petite nuance concernant les polynômes de Stirling et dc Bessel qui sont respectivement l’un pair l’autre impair. (6..3) dans laquelle nous tenons compte du fait. 1..érêt particulier dans le tableau des données . ..... =No + 4h bd A1b3 A2bz A”bo A”bl A4bl . 96 .4) Pour obtenir les valeurs des (n .. 7.l)h].ao) + N2(z ~ uo)(z ..2)N:# + ..1) coefhcients Nk: il suffit de donner à z la suite des valeurs À l’aide des diffcrences premiercs. Ici la valeur au est la valeur initiale de la suite... =No + qNlh + q(q .. P. etc. (uo + qh) = b. au point (Q..l)N2h2 + q(q ..ous les polynômes que nous venons d’évoquer donnent alors les mêmes résultats puisque ce ne sont que des expressions différentes du même polynôme de Lagrange. (ajo + h ) = bl =No + NI11 PT. Pn(uo + nh) = b.. + n!N.... dérivce deuxième. deuxièmes etc... t....

soit b-k.. nous allons exprimer de proche en proche les coefficients NI. N. .. ..a0 + (n.. On obtient donc : .4) devient : P.h’J . Pour obtenir les interpolations en queue de tableau ~ disons avec le dcrnicr quart des données ~~ il suffît d’écrire le polynôme de Newton en considérant 1111 pas négatif. .. 1.. + 42 . (ao) P.. + (-l)“q!M<..(a. rnais.. on donnera à z les valeurs ae ~ kh avec k = 0.uo) .q(q .2h) = bka = Mo ..qMlh + q(q .qh) = bk.....h) = bki =A&.. A”b. (6.. On obtient alors : = b... [x . . Elle est utilisk pour effectuer des interpolations en tête dc tableau (ce qui signifie que l’on réalise l’interpolation avec le dcbut du tableau et non pas avec tout le tableau).)(z ~ ao + h) +..2.6) Comme précédemment.1)M2h2 +. pour éviter toute confusion.. + zA1bo + ~~2b0 + . = Mo P. b ~ (TL .. L ‘INTERPOLATION À présent. L’expression (6. .(ao . c’est-à-dire en changeant de signe la raison de la progression arithmétique... .+Mn(rx .L(x) = Mo + Ml(z ~ uo) + Mz(x .l)h].. n.u.5) Cette formule s’appelle polynôme de Newton descendant. = Mo .6. 1%.2Mlh + 2!Mshj2 Pn(ao .l)(q ~ 2)M# .111 *nbo. = ~ n! h” Pour des raisons de concision d’écriture il est commode de poser : Ainsi l’expression devient : PrL(z) = b... l (6.Mlh P.. .1) ‘.. au moyen des opérateurs de difference définis au paragraphe préccdent. on affcctcra un indice aux valeurs correspondantes des ordonnées avec un signe ncgatif.

il. = SO .2h) = bo = b-1 = bl = b-2 = = = = SO SO ~ Slh SO + Slh . . . 2! n! (6. . 8. (ix . .l)(q + l)&h” +.l)!S2<~-&24~1 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ À partir de ces expressions.2S2h2 Su .(q .l)h] + S~. [z . + (2q)!. . .4) sous la forme suivante : F’.2)S3h” + .ao + qh) .(z . ao + h. = ~ k!h’” A”bLk Toujours en posant z = (z-ao)/h.ao . .l)Szh2 + q(q + l)(q . Mk.8) Pour obtenir les valeurs de Sh. il suffit de donner à z la suite des valeurs ao.q(q . (6. + dz + l) ” ’ (’ + n ~ l) A’“&. .2Slh + 2!SLh2 ~ 3!S”h” i~(a. . Il reste donc la partie centrale que l’on interpole par les polynômes de Stirling et de Bessel.l)Szh2 . ao ~ 2h.(uo . .uo + qh) .uo) + S:j(x . &‘(io’+ &j = b. + S2.q(q .(z) = b. + (-1)“1(2q . nous obtenons la forme canonique du polynôme de Newton ascendant : 4z+l) 2 P.h) +.. les deux polynômes de Newton permettent d’obtenir des expressions adaptées à l’interpolation des panneaux de tCtc et de queue des tableaux lorsque l’on n’utilise qu’une partie des données.(x) = SO +SI(X . ‘.uo)(x . Le polynôme d’interpolation de Stirling (1692-1770) On obtient ce polynôme en faisant jouer un rôle symétrique à l’ensemble des données par rapport à ao.. pour cela on écrit le polynôme (6. . = SO + qSih . + zA1bkl + ~ A bp2 + .j~y &j’.qh). etc.ao .a0 + h)(z .h) K(~O + h) Pn(uo ..a0 . on tire la suite des Mk données en fonction des opérateurs de différence : .&h’? 98 .7) En résumé. .qSlh + q(q .+I(X . ce qui permet d’écrire : Pn(uo) P.uo) +&(CC ~ uo + h)(z . a0 = h.

A bkl (6.4.. ..10) + .a.. + R2q[x . + Ri(z . (6.QI) + + R:<(x . .6..ao + R2(11: .pi S 2q+1 = (‘& + l)!h%+l En ut. .ao . = bo A1bo RI = h R = A2b-i 2!hZ 2- .l)(z + 2.. .l)h] . .h) (6. A2q+lb-. A2qb-. L’INTERPOLATION Tout comme précédemment. 4! 99 . R2q = o!h2y R 2q+l = A2q+lb(Zq + q!h”u+l En procédant au changement de variable en z on peut écrire : P. on obtient les coefficients Rk: au moyen des expressions : R. (z ~ ao . ..ilisant le même changement de variable que celui déjà utilisé à propos des polynômes de Newton.ao ~ h) h)(z ~ uo)(x ..l)b2 .qh) Sans entrer dans le détail puisque les opérations ont éte explicitees à plusieurs reprises... a”bp2 + . .(X) = R.l(z) = bo + zA1bo + +f$A2bk1 + + z(z” ~ 1) 3 y..qh) -t Rzq+l(x ~ ao + qh) (x .ao . on tire les valeurs des coefficients Sk exprimés en fonction des opérateurs de différence : S” = bu Alb-1 SI = 7 s = A2b-2 22!h2 . . .ao)(x . . écrivons le même polynôme (6. abbb2 + dz2 .4.11) 5! 0521439687 z(z” . . + (q . .8) cn fonction d’abscisses données pour une saison négative : P... nous obtenons une forme plus concise : I=~L(Z) Z(Z” ~ 1) z(z + 1) A3be2 = bo + zA1b-1 + 7 A2b-i + 3! 2(z2 . a”bps + + 4! 5! ..‘)(’ ~ 2)‘&p2 + ‘b2 ~ ‘)b2 ..9) À présent. . .

il nous reste à s’intéresser au troisième quart du tableau. On en tout simplement parce que si l’on connaît A2”-‘bb. c’est en effet un polynôme impair qui dernande (2k + 2) points pour sa définition. déduit que le polynôme de Stirling est toiqours un polynôme de degré pair et qu’il faut cinnaître (2k + 1) points pour un polynôme de degre 2k.+l + A2”-lb&) 1 2 . . nous pouvons écrire : ‘(’ .1/2) A”bb + (2 . Au préalable on réalise dans la relation (6.l)(z . .13) 10.l)(z .(z) = bl + (z ~ l)A1bo + ~ +‘l’~ ‘ii-2)A”be1 + ‘dz2 ~ ‘)b .l) A2b Pr!. (6. Nous obtenons alors les expressions suivantes : 100 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Par définition le polynôme de Stirling est la dem-somme des expressions donnees et (6.1) A4bb 2 2 4! 3! Z(Z” . Erreurs commises en utilisant les polynômes d’interpolation Il suffit de réaménager la formule établie lors de l’étude du polynôme de Lagrange pour chacun des cas envisagés ici. 1 2 ) + 2 5! Il convient de remarquer que l’on arrête l’expression du polynôme de Stirling au terme A’qbb. ce sera chose faite après l’étude du polynôme de Bessel.9) le changement de variable z en (2 ~ 1) qui correspond à un décalage des indices d’une unité. Dans les mêmes conditions. c’est-à-dire l’expression de E(z).1/2)Aibe + ~ 1 2! 2 3! Z(Z" . Le polynôme d’interpolation de Bessel (1784-1846) Pour obtenir le polynôme de Bessel il suffit d’effectuer la demi-somme du polynôme (6.+r et A2qp1bbq.2)~4b-l +.1) (A260 + A2b-l) + z(z . + 4! 2 Ajoutons que nous devons arrêter le polynôme de Bessel à l’ordre (2k + l). on connaît A2”bb . et non au terme précédent : (A2q-1b-. évidernment.9) PT{(Z) =bo+z z2 A’bo + Alb-i + %A2b-l 2 + Z(Z” ~ 1) (A”bbi + A”bbz) + z”(z” .2) (A4b-1 + A”bb2) +. 9. 3! 4! le polynôme d’interpolation prend alors la forme : dz . lequel s’écrit simplement : par (6.10).9) et du polynôme (6. Le polynôme de Stirling est utilisé pour effectuer les interpolations situées dans le deuxième quart du tableau lorsque. on utilise mie fraction seulernent du tableau. ( 6 .1)(22 ~ 4) (A’bb2 + A”bb:j) ..11)..

ascend. la méthode d’Adams concernant l’intégration des équations différentielles). a.com/guilpin/ 101 .6. .14) 10. c qui permettent d’obtenir les formes de quelques polynômes rencontrés dans ce chapitre. c. Le polynôme de Newton ascendant (6. (6.4. Pour réaliser cette opération on impose les conditions suivantes : *http://www. Le polynôme de Bessel (polynôme impair) p&+2(Z)l < Iz(z” . Chaque polynôme ayant (4 + 1) coefficients.2. Le polynôme de Stirling (polynôme pair) (6.k+r). au moyen des fonctions-spline qui ne sont rien d’autre que n polynômes de degré 4 représentant les données expérimentales dans chacun des n intervalles. L’INTERPOLATION 10.edpsciences. (22 .L+2. Alors. Interpolation par les fonctions-spline Replaçons-nous dans les conditions générales du début du chapitre du moins pour ce qui concerne les données.1. Programmes déterminant les polynômes d’interpolation Nous avons donné sur le Web(*) 1 es programmes lagpoly . 11.15) 10. peut souvent conduire à des calculs assez longs et dont l’intérêt n’est pas toujours vraiment immédiat. . Le polynôme de Newton descendant (6.16) 10. 12. c et descend. L’interpolation dans un tableau de (n + 1) points réalisée au moyen du polynôme de Lagrange de degré n ou d’une des variantes due à Newton. Un polynôme et un seul représente la fonction dans un intervalle formé par deux abscisses consécutives (uk.3. soient le polynôme de Lagrange et les deux polynômes de Newton qui sont les formes les plus usitées (cf.l)/ (2T’y. on pourra préférer de réaliser les interpolations.17) Dans ces quatre expressions MTb conserve la même dcfinition que celle qui a 6ti: explicitee au cours du paragraphe 3 de ce chapitre. Stirling ou Bessel. on doit au total calculer n(q + 1) termes.)+d2.n)(z2 ~ n . par exemple.1).

. nous allons développer une méthode spécifique pour obtenir les paramètres inconnus.ak-1 Mq = Qi(uq) pour 4 = 1. les (q-2) d ernières dérivées de Q. b.(an) = 0. Pour cela posons : hk = ak . nous allons fixer notre attention sur les fonctions-spline du troisième degré qui constituent de loin celles qui sont le plus fréquemment employées.. c’est-à-dire qu’elles sont égales chacune à chacune.(X) et Q:(x) s’annuleront respectivement au point ao et au point a.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a.1) des polynômes Q.. Comme nous avons imposé [2n+ (n . Si Q est impair.1) conditions pour fermer le système. Les dérivées premières.l)] (4 ~ 1) conditions. Alors. c. 13. il manque encore (q. Nous avons : Qk(x) Q/c(~h) Qkbk) QXac. (n ~ 1).+dad = Q~+. Si Q est pair le problème devient dyssymétrique et l’on choisira les (Q ~ 2)/2 dernières dérivées pour un polynôme et q/2 pour l’autre. Comme la matrice des coefficients est une matrice-bande. on impose arbitrairement que les dérivées d’ordre le plus élevé concernant les deux polynômes extrêmes Q:(z) et &y( I : ) s’annulent respectivement au point an et au point a. plus les deux conditions arbitraires : = (Yko + ‘%IX + ak2x2 + Qk3x3 Qk(uk-l)= bk-1 = bk = Q.2. Il s’agit en fait de réduire le plus possible le nombre d’inconnues en exploitant convenablement les conditions que nous venons d’expliciter. Chaque polynôme Q”(z) réalisant l’interpolation entre les points ak et ak+r passe par ces deux points. Ces généralités étant énoncées. Comme nous avons : 102 .(~k> Qi’bo> = 0 Q. deuxièmes et ainsi de suite jusqu’à l’ordre (4 . . Les fonctions-spline du troisième degré Il n’y a dans ce cas que deux conditions à ajouter pour que le système des équations linéaires soit fermé. En toute rigueur.-%) et Q”C x ) se raccordent au point uk. Nous allons exprimer les polynômes en fonction des Mq qui sont pour l’instant des inconnues. il nous faut résoudre un système linéaire de 4n équations à 4n inconnues. Ces quantités vont être déterminées par un système linéaire que nous allons définir.

+1 .M!&+l .Mkpl(X .(Mk . nous allons intégrer successivement deux fois cette expression puis déterminer les deux constantes d’intégration au moyen des deux conditions : Qk(akp1) = bk-1 et &k(ak) = bk.ad% + b!. [(x -.ibfk-. 103 .MkT = Mk (x .ak&1) MLlak + M!&X - Mk-1X] /hk .(bk .(x) = [M/&k .k’3] + EiX + L.-lak + Mk&ak .bk-1X .(x) = Mk .(x . Maintenant.M!A + d’où nous tirons Q:(X) = [n/r.-ak.>!$C&. cette dernière expression se transforme en : Q.MkT” hi + MkplTX h3 + hkbk .M&.Mk . on en déduit que : 6a k 3 et = L’INTERPOLATION ak ~ ak-1 puis Q.-lx.T-l)” .Mk-. +L = bkx . on obtient : Kx+L= (bk-Mk$) (x-ak-l)+ (bk~l-Mk~l~) (ak-X).6.bk-l)ak + (Mk . Nous pouvons alors écrire : hkQk(x) d’où K = bk .b.Mk$ . Nous obtenons alors : Kx h2. 6 6 En regroupant les termes et en tenant compte du fait que hk est donné par l’expression hk = ak .a&1.ak)] /hk.. hz h2 .Mk& et L = hkbk .ll/ih-lak + Mk .

1) inconnues en faisant varier k de 1 à (n . 0 0 0 mn-l.akpl) + h2” bk-1 .j3 + (bx ~ Ma:) (x . D’une façon tout à fait formelle.. 14.. écrivons un système linéaire qui dépend d’une matrice tridiagonale : ml1 m21 ml2 m22 0 m23 0 0 m34 0 m32 m33 .+1 . système que l’on peut écrire sous la forme condensée : MX=C.Mk_..Mk&. .+1 mn.1)..x > ) . À présent.. Nous . . on obtient donc un système de (n .+hk+l++-. obtenons ainsi : Mk!?-~+~k!!!&+!!-hk!!i 2 6 6 bk+l Mk+l kil bk =&f-.n-2 0 0 00 0 0 0 mn-l.'-')" . Résolution d’un système linéaire dépendant d’une matrice tridiagonale Comme la plupart des éléments de la matrice sont nuls.. nous devons utiliser le fait que les polynômes QI*(X) et Qk-+l (x) d orven t avoir leurs dérivées premières qui se raccordent au point arc..... Par cette succession de transformations nous avons réduit le nombre d’inconnues du système linéaire. Donc nous allons présenter une méthode adaptée au problème. 104 . (x c:. On traitera plus avantageusement le tableau T à n lignes et (n + 1) colonnes obtenu en juxtaposant à la matrice M le vecteur C. et ce sont les Mk qui deviennent les nouvelles inconnues au lieu des coefficients akc. 0 0 0 m-h mn+ Xl x2 x3 xn-1 271 Cl c2 c3 G-1 CT.. okl. il reste à résoudre un système linéaire dont le premier membre dépend d’une matrice tridiagonale. méthode d’autant plus intéressante qu’elle est généralisable au cas d’une matrice pentadiagonale par exemple.. CY~Z et czk3.. Pour calculer effectivement les Mk..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ d’où nous pouvons écrire : hkQk(x) = Mk(" .T (Uk .hk+lT 2 hlr+1 hk-+l Regroupons les termes en Mk ordonnés selon les indices croissants : Puisque les polynômes &O(X) et Q 1 (x ) sont déterminés par Mo = Mn = 0. il est préférable d’utiliser une méthode adéquate pour traiter ce système linéaire. En effet l’utilisation d’un programme général serait mal venue car la plus grande partie du temps de calcul serait consacrée à l’obtention de résultats nuls..

En particulier. il est inutile de diviser m& par m& après la réalisation de la combinaison linéaire car rn& est nul.6. Sur le Web (*).1) par substitution et ainsi de suite en remontant jusqu’à la première ligne du tableau. nous allons diviser la première ligne du tableau T par l’élément diagonal mil. h qui assure cette intégration. c qui réalise l’interpolation par des fonctions-spline du troisième degré.. Partons de l’expression générale du polynôme d’ordre k : *http://www. chapitre 5). En effet. il suffit de multiplier la première ligne par mzi et de retrancher le résultat de la deuxième ligne. . on aboutira nécessairement au tableau T* qui aura la forme suivante : 1 0 0 PlZ 1 0 0 PZY 1 0 0 4 dz . il s’agit d’interpoler une fonction par une parabole cubique. On pourrait penser qu’il vaut mieux commencer par effectuer la division par le pivot avant d’effectuer la combinaison linéaire qui élimine m21. mais dans ce dernier cas. on trouvera le programme lispline. On divise alors cette deuxième ligne par 1’ClCment situé sur la diagonale. dans les deux cas. Pour parvenir à notre fin. on aboutit à une économie considérable de mémoire et de temps de calcul.edpsciences. 15. En considérant le problème de résolution d’un système linéaire sous cet angle particulier. Nous donnons les étapes du calcul de l’expression qui est programmée. Ensuite. . L’INTERPOLATION Une transformation linéaire tout à fait analogue à celle utilisée dans la méthode des pivots permet de passer du tableau T au tableau T* par suppression d’une diagonale de la matrice M.. La ligne (n ~ 1) permet d’obtenir alors l’inconnue (n .~ dz 61 0 0 0 0 0 0 0 1 4. En poursuivant de ligne en ligne la même façon d’opérer. Il n’y a pas de difficulté particulière donc à utiliser les polynômes d’interpolation pour réaliser les opérations de quadrature. La dernière ligne donne directement la valeur de la dernière inconnue. si l’on utilise les fonctions-spline du troisième degré. .. . . Cette remarque fait gagner (n.1) opérations ce qui n’est pas négligeable lors de procédures répétitives où le temps d’exécution peut devenir important. tous les éléments de la diagonale principale prenant la valeur 1 (cf..com/guilpin/ 105 ..on aboutira à une valeur numérique dont la précision est analogue à celle donnée par la méthode de Simpson (1710-1761) puisque. Une application simple des polynômes d’interpolation L’intégration formelle d’un polynôme est une des rares opérations que l’on sache réaliser rigoureusement. on réalise une opération en trop qui est m2i/m22. Nous fournissons sur le Web (*) 1 e sous-programme aire. 0 P34 0 1 P+I.

q le polynôme de degré (Q . . (6. nous précisons que le second membre est un déterminant.x) (x77 -xl pp .. on désigne par Pp.(cr) . pour une valeur 2. différente de 5.tc) . C’est une méthode directe qui permet d’obtenir donc une valeur unique du polynôme... L’algorithme d’interpolation d’Aitken (1932) Il s’agit d’une procédure ~ encore appelée algorithme de Neville-Aitken ~ destinée au calcul d’un polynôme pour une valeur particulière alors que le dit polynôme est connu par (n + 1) points (zk.bn k=O 16.4” 24hk 24hk (uk 2hk cc)” + (hi ..q(x. La démonstration de cette relation repose sur le fait que. Pp .ak-1)4 _ Mkpl (Q . ...7J ..bo.___ ..q = (xc7 . & = yv.. Y~) . en ce sens elle est analogue au polynôme de Lagrange.%)Pp._ q il existe la relation de récurrence suivante : (x77 .(7T) ._ . .. .fn) .-1)2 ak ak-1 . .AI/+6 Le développement de cette dernière expression conduit à la formule simple : là on tire : expression dans laquelle S est l’intégrale totale.. Dans ce paragraphe.p . . .. nous pouvons poser h = hk quel que soit l’indice k.. et x.2) qui passe par les Points (Q. Y~) et par Pp ... il est possible d’ores et déjà de remarquer que l’ordre des points ne joue aucun rôle quant à la nature des polynômes. pour plus de clarté.1. .. - h2k bkpl ._. 16. (xkq.... yT). . Y~) a’ 1‘exception du point (IC.18) où.. on a : Pp. . Dans le cas fréquent où les abscisses sont en progression arithmétique.tx) . q (x u) = Pp .__. yp) .j&!!i) (x-2. . yk) avec k = 0. (0) ..) = pp ..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Désignons par Sk la surface comprise entre ak-1 et arc. on arrive alors à une expression encore plus simple de S : ~ S=h -&. Relation de récurrence entre les polynômes P Entre les polynômes Pp ._. il vient : Sk = J’ alc-1 Pk(x) dz = Mk-1 (x . 106 ...<< q .. 1. q p..2.__ 4 et Pp . .. n. (xq.....4..._ 4 le polynôme de degré (p ~ q ... Avant même de rentrer dans le cœur du sujet...1) qui passe par les poilits (q.(m) )_.

X/l x0 .n À partir de la disposition des yk et des (x. nous allons calculer le polynôme P”...x0) on va calculer les polynômes Pol.2.xv x0 . .xp)Poj ..%)Y.18) : (2. .. n POIS.xp)yj ~ (xj . On procédera ainsi de suite jusqu’a l’obtention de l’élément Po~.... = -(xc ~ %)Y. La relation (6.. .. Pour le cas où 2. c’est-à-dire P012.. cn formant une suite convenable de polynômes intermédiaires Pp.. nous pouvons écrire : (xx . Dans le cas d’une extrapolation. . PolL à l’aide de la relation : poj = (xo 1 xj) polj = (xo 1 xj) [(X0 .....~ qui constitue......18) es t une relation qui permet de calculer le polynôme Pp.2.18) peut donc s’écrire : (Gr . au plus éloigné. .G)Yr...CI et Pr....~ et PP...X:?l x0 .(xj . l’une due à Aitken l’autre due à Neville laquelle n’est qu’une modification de la méthode d’ilitken.. J~). A ce propos nous étudierons deux méthodes... X. .. Po2.(xc .x3 Y0 21 52 23 ~ ~ ~ 211.... Calcul numérique de yp En faisant usage de la relation (6...)Pol] avec j = 1.. L ‘INTER. moyen de l’expression : [(xl . .... = 2.. .n pour la valeur x~.l.3... ..).%)YL/ = (2. xfi X/l y1 Y2 Y3 Pol po2 po3 Pol2 Pol3 Pol23 . on adoptera l’ordre des points allant du plus près de x. ...... .Méthode d’Aitken .%)YY.p ~ 1) qui sont Pp. = (Gr ... a .xv xv ..... PolrL au Ensuite on calculera la colonne suivante dans le tableau... . Remarque 1 : Pour obtenir une précision optimum.. Aitken a proposé la disposition suivante : x0 . Xl ..x.xp)yO] avec j = 1.. .18).. .. 16..22 5 2 .(C)>.. 107 ..q de degré (4 ~ p ~ 1) à partir des deux polynômes de degré (4 .2... nous obtenons encore l’identité des deux membres de (6..x3 Xl .x2 x0 .4. la valeur recherchée Y~. = 4% ~ %)Y...G)YY.%)Y......Xl *Xl .POLATION et dans le cas où 2. On en conclut que l’égalité (6. on peut se poser la question de savoir quelle doit être la distribution initiale des points car nous sommes libre de numéroter les points comme bon nous semble..6.3. en définitive. = CC.X” .Pour résoudre le problème des polynômes intermédiaires.....-l .X/L YV pO n POln P012n P0L..(. n.

lc et %. .70. . < x2 < x‘. . . on choisira une distribution initiale qui correspond à un encadrement du point z. . .223 9 -0.> car ils n’auront que très peu d’influente sur le résultat. . . . .397 97.380 1 On reconnaîtra là un extrait de la table de la fonction de Bessel de première espèce Jo(z).398 0. . . si au cours du calcul... On trouvera sur le Web (*) le programme p-aitken. Exemple numérique d’interpolation par la méthode d’Aitken On se propose d’effectuer une interpolation dans la table suivante : 070 1..000 Y 0 0. . Du reste. lequel fournit pour la valeur d’interpolation 0. Y3 . < x‘&+l .3. Remarque 2 : Il n’est donc pas nécessaire d’utiliser les points très éloignés de 2.Méthode de Neville . . ce sont les points les plus proches voisins de xm qui jouent un rôle prépondérant. . . . . x3 ~ Y Pola p123 h23 X1-Q xn-2 -x71 xc. -211 yn P+I. . .x1 .O 375 0. comme le montre le calcul concernant l’interpolation. . on rencontre deux termes Pol. 2.x3 x0 . . . . .Neville a proposé une autre disposition du tableau d’ilitken qui est reportée ci-dessous : x0 X0 ~ . clans le calcul de yr. . . .5 14 1. La table donne y = 0.-l-X. . On désire effectuer l’interpolation pour la valeur x = 1. de telle sorte que l’on réalisera la disposition suivante : . . .NI qui sont chacun le dernier élément de deux lignes consécutives du tableau proposé par Aitken et qui sont égaux « à la précision de la machine ». . . . < 22k < . . . donc il convient tout simplement de faire jouer un rôle prioritaire à ces points dans les calculs. P012n PO1. < x. < x1 < 23 < .765 2 0. X..1L 16.938 5 0. x1 - x2 x2 -x3 x2-x1. il n’est pas utile de poursuivre les calculs jusqu’à l’obtention b . .2. *http://www.048 4 -0. . .5 3.5118 0.260 1 -0. c réalisant la procédure d’Aitken.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ S’il s’agit d’une interpolation. .edpsciences. Autrement dit. . .com/guilpin/ 108 .. .xp Y0 1 2 Xl -xp Y Pol fi2 p23 x0 -x2 x0 .5 230 2. .

. mais au préalable. plus ou moins compliquée. La méthode des moindres carrés consiste à rendre minimum la forme quadratique : 2 CL$&~) . Dans ce cas précis. il faut distinguer les types d’approximation que nous venons d’évoquer : soit nous désirons connaître les coefficients figurant dans une certaine fonction. soit nous cherchons à déterminer les valeurs des coefficients d’une forme linéaire destinée à «lisser » les points expérimentaux. Le second se résout tout naturellement au moyen du calcul matriciel que nous avons évoqué au début de ce chapitre. La dérivation par rapport aux coefficients (Y. qui rend minimum la forme quadratique donne immédiatement une forme linéaire qui détermine précisément les coefficients oj. dans bien des situations concrètes. o3 @j(uk) . il est nécessaire de préciser ses désirs. A priori. À ce stade. et c’est la méthode des moindres carrés qui se présente en excellente position pour résoudre le problème. Bien entendu..bk s’appelle résidu d’observation. il convient de définir ce qu’on entend par voisinage. l’échantillonnage à traiter est obtenu à partir de données expérimentales entachées d’erreur. Il devient illusoire de vouloir trouver un polynôme passant par chacun des points obtenus. L’INTERPOLATION 17. soit : 109 . C’est cet aspect qui va retenir notre attention. On dit aussi que l’on rend la somme des carrés des résidus la plus petite possible.bk . on dispose de considérations à caractère théorique qui permettent de pressentir une fonction ou une combinaison linéaire de fonctions qui passe au voisinage de tous les points d’échantillonnage. car il n’y a en général aucun intérêt à vouloir rendre compte de l’aspect aléatoire des phénomènes étudiés. Le premier problème est généralement non linéaire et pose un certain nombre des difficultés techniques sur le plan du calcul numérique. censée rendre compte d’une expérience. Désignons par : j=o notre combinaison linéaire. et nous nous proposons de «passer le plus près possible de tous les points » au moyen d’une combinaison linéaire de fonctions @j(z) dont le nombre (m + 1) est inférieur (ou égal) au nombre (n + 1) de points. Cependant.6. il y a bien des moyens de « passer le plus près possible de tous les points ». et il est aisé de subodorer qu’il existe une infinité de solutions au sens mathématique du terme. Nous cherchons donc à rendre minimum la quantité : pour cela on écrit que les m équations s’annulent. Approximation par une combinaison linéaire de fonctions Les polynômes de degri: n constituent une première méthode pour approcher une fonction f(z) lorsque nous en connaissons (n + 1) points. car la différence &k = ~~=.

. j=l Les coefficients oj sont alors déterminés par les (m + 1) équations suivantes : b fI~(x)@~(x) dz - s a $(X)~(Z) dz = 0. avec 1 = 0. Sans trop de difficulté on obtient le système des équations normales associé au système surdéterminé de (n + 1) équations à (m + 1) inconnues.. Il s’ensuit que b E2 = e2(x) dz s a avec E(X) = f(x) ~ ffJ cyjQj(x). le cas le plus connu étant le polynôme de degré un qui est encore appelé droite de régression en hommage au travaux de Galton (182221911) qui introduisit cette dénomination à l’occasion d’études statistiques concernant la biologie et l’eugénique. alors les sommes discrètes sont remplacées par des intégrales sur l’intervalle d’interpolation 1. Généralement on parle de régression parabolique au moyen d’un polynôme de degré m . Il sulht de remplacer @l(x) par XL dans la relation précédemment établie . R. .m. 1. k=O k=O Nous obtenons alors un système linéaire de (m + 1) équations à (m + 1) inconnues dont la résolution nous fournira les coefficients aj.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ cette dernière expression peut encore se transformer avantageusement de la façon suivante : C~jCm. On écrit le système : 2 UZkxk + (Yk = 0.Système linéaire surdéterminé de (m + 1) équations à (n+ 1) inconnues m étant plus grand ou égal à n. Le calcul de ces intégrales peut être éventuellement conduit numériquement dans le cas où les quadratures n’existent pas. b . 1.(uk)~i(uk)=Cpll(ak)lrk j=o a v e c Z=0.2.. .2. . 1.m.Il est aisé de rechercher un polynôme de degré strictement inférieur à n qui passe le plus près possible de tous les points au sens des moindres carrés. m. on obtient alors : xaj xu&ujk = xurr:hk j=o k=O j=o 110 avec 1 = 0. . .2.2. ... . Applications immédiates a .. . j=o pour 1 = 0. Remarque : Dans le cas où la fonction f(x) que l’on approche par la fonction O(x) est connue analytiquement. ou pour le moins ne sont pas évidentes. .1.

Wiley. BAKHVALOV (1976) Méthodes Numériques. Éléments de bibliographie A. 18. A. ANGOT (1972) Compléments de Mathématiques. HENRICI (1964) Elements of Numerical Analysis. on obtient le système des équations normales en effectuant l’opération suivante : [A~A]X = [A'] b. Éditions Masson. D. Dunod. ce qui est intéressant lors de la mise au point du programme correspondant. *http://www.A. LORENTZ (1992) Multivariate Birkhof interpolation. R.S. Éditions Gauthier-Villars. J. MC CRACKEN et W. SAKHNOVICH (1997) Interpolation theory and its applications. HILDEBRAND (1956) Introduction to the numerical analysis. Éditions Dunod. M INEUR (1938) Technique de la méthode des moindres carrés.Ch. on notera que la matrice obtenue [A'A] est une forme quadratique qui est définie positive ~ la matrice est alors symétrique. RALSTON et H. H. H. FIOROT et P. on trouvera le programme surdeter . Au passage.6. Éditions MIR. JEANNIN (1992) C ourbes splines rationnelles. MINEUR (1966) Techniques de Calcul Numérique. P. c qui réalise cet algorithme lequel fournit un calcul d’erreur au sens statistique du terme : il s’agit de l’écart type de chacune des inconnues. DORN (1964) Numerical Methods and Fortran Programming. Ce dernier calcul est explicité au chapitre de la régression linéaire. Sur le Web (*).A. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. expression dans laquelle AT est la matrice transposée de la matrice A.com/guilpin/ 111 . Kluwer Academic Publishers. Mc Graw-Hill. Masson. F. Springer-Verlag. A étant une matrice de n lignes et de m colonnes (avec m < n). N.edpsciences. L'INTERPOLATION Il est facile de montrer que si le système linéaire surdéterminé s’écrit au moyen de la notation matricielle : AX=b. L. Wiley.

Clairaut introduisit le premier la notion de potentiel pour ce genre de problèmes et en 1785 Laplace montra que le potentiel obéissait à l’équation aux dérivées partielles qui porte aujourd’hui son nom. et c’est le but de ce chapitre que de proposer les enchaînements mathématiques propres à éclairer la méthode.s Méthode d’intégration 1 de Gauss-Legendre Ces polynômes sont nés d’une étude que Legendre (1752 1833) entreprit à propos de l’étude de l’attraction newtonienne en l/r2. c’est en électrostatique que l’on se familiarise avec les polynômes de Legendre. comme cas particulier.7 Les polynômes de Legendre. ainsi s’ils sont utilisés comme base de décomposition. +l) pour les fonctions généralement continues. Les polynômes de Legendre 1. Aujourd’hui. +l) qui prennent la valeur +l pour la valeur +l de la variable. les coefficients de la combinaison linéaire ne sont pas corrélés. Nous connaissons l’intérêt qu’il y a de définir une base (complète) de fonctions orthogonales dans le problème d’approximation de fonctions par des combinaisons linéaires. l’établissement des relations exige quelques calculs. en revanche. Les polynômes de Legendre ont la propriété d’être orthogonaux et de constituer un système complet sur (-1. . La solution repose sur l’introduction d’un ellipsoïde homofocal et d’une fonction génératrice des fameux polynômes de Legendre. Les polynômes de Legendre ont connu rapidement une autre fortune entre les mains de Gauss (1777-1855) qui a utilisé leur propriété d’orthogonalité en proposant une méthode d’intégration numérique particulièrement précise. MacLaurin détermina aussi la valeur de l’attraction exercée par un ellipsoïde homogène sur un point situé en son intérieur et sur sa surface. MacLaurin et Clairault (171331765) ont démontré que la figure d’équilibre d’une masse fluide en rotation dont les particules s’attirent mutuellement selon la loi de Newton est un ellipsoïde de révolution. En 1783. dans la classe des fonctions sphériques introduites par Laplace en 1785.1806) est postérieure de deux ans à leur avènement.1. 113 . Définition Les polynômes de Legendre sont des polynômes orthogonaux sur l’intervalle fondamental (-1. comme le sont les coefficients des séries de Fourier avec lesquels nous sommes davantage familiarisés. La technique opératoire est d’une très grande simplicité. c’est-à-dire qu’ils sont calculés une fois pour toutes. mais il faut rappeler que la loi de Coulomb (1736. Legendre étendit le calcul de l’attraction exercée sur un point situé à l’extérieur de l’ellipsoïde. Les polynômes de Legendre rentrent. 1.

et l’on peut par conséquent convenir que les (n. On obtient alors : Jpnm Q. paragraphe 1.(x) +1 -1 Il convient de remarquer que le polynôme Rzn(x) est défini à un polynôme de degré (n .(l) = 1.(x) dz = 0 (7. On peut donc l’exprimer sous la forme : Rz.(s)P.2) soit nulle. mais l’on peut tout aussi bien s’intéresser aux polynômes à coefficient principal réduit.14)) alors. il reste cependant défini à une constante multiplicative près que l’on désigne par K. que lorsque Rzn(x) et ses (n ~ 1) premières dérivées s’annulent pour z = 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Designons par P. À présent nous avons imposé n conditions au polynôme Rzn(x) . quel que soit le polynôme arbitraire Qp(x). Cela nous conduit à écrire que : cependant pour que l’intégrale (7. On peut adopter les polynômes orthonormés.(x)~R~.(s) est le polynôme de Legendre de degré m tel que m # n. on posera : où Rs%(z) est un polynôme de degré 2n que nous allons déterminer. autrement dit. (7. la définition impose que : -1 J +1 P.. on peut préférer la condition P.2) Cette dernière relation va nous permettre d’exprimer les polynômes de Legendre d’une autre façon en procédant à une intégration par parties.(x) le polynôme de Legendre de degré n.1) si P. il faut encore que : Cette condition ne peut être satisfaite.(x) de degré p peut s’exprimer selon une combinaison linéaire de polynômes de Legendre de degré égal et inférieur à p (cf. Pour cela.(x) = K(z .1) premières dérivées de F&(x) ainsi que &(z) s’annulent pour z = -1.1) près . Si l’on remarque qu’un polynôme quelconque Q.1)7L(z + 1)” = K(x2 . il nous est possible de choisir arbitrairement n constantes définissant &(z).1)“.(x)Qp(x) dz = 0.(x) dz = [Q. c’est-à-dire ceux dont le coefficient du terme de degré 114 . pour p < n on aura également : -1 J +1 P. Il y a plusieurs façons « canoniques B de choisir K.

2.-l} 115 .l)n + 2nx2(x2 ~ 1). .-1716) qui fournit l’expression de la dérivée ne d’un produit (u.jxq + ’ ’ ’ + Ud2n’ dz” dz” il suffit de poser u = (x .7.(x) et P+I(~). puisque on peut calculer K au moyen de la formule de Leibnitz (1646. 2”n! dz” ( x 2 .l)n+1.l)"} On peut encore écrire : PTL+1(x) = &$S {(x2 .. l)! &n+l pn+l(x) = 2"+l(n+ On dérive une fois l’expression (x2 . . pour x = 1.1)/2 . p.1)“. 1.+I(x). LES POLYNÔMESDE LEGENDRE le plus élevé est égal à un.l)n et w = (x + l)n pour obtenir la valeur de K.c~~~ d”u d+‘Ju dqv d”v dxn-q . En effet. Quoi qu’il en soit.(l) = 1 = KW& = Kn!2’” ce qui donne : K=--- 1 2%! 2 . w) : dn(uv) ~w~+.+1(x) = &&$ {x(x2 . Relation de récurrence entre trois polynômes consécutifs Nous allons montrer qu’il existe une relation de récurrence entre trois polynômes consécutifs P. (an) ’ et l’on obtient alors l’expression générale des polynômes de Legendre connue sous le nom de formule de Rodriguès (1815) : d” P.(x) = LOn déduit sans peine les premiers polynômes : P()(x) = 1 PI(X) = x P2(x) = (322 . et l’on obtient : P. Cela est une affaire de circonstances et nous aurons l’occasion de revenir sur ce point. P o u r cela partons de la formule de Rodriguès (1794-1851) écrite pour le degré (n + 1) : 1 1 C+l ( ---x2_qn+l.. tous les termes sont nuls sauf le premier et l’on obtient alors : P.4 .6?.

l)! (7. 116 .PApl(x) avec n # 0.-l(2) = 0. en utilisant la relation de Leibnitz : x&+n S} (x2 .. cela donne : soit encore.5) peut encore s’écrire (n + l)Pn+l(~) = (n + 1) {taper + (n + l)P.qn-l . La soustraction de ces deux dernières expressions conduit à la seconde relation de récurrence entre les polynômes et les dérivées : nP. Relations de récurrence faisant intervenir des dérivées Dérivons la formule de Rodriguès par rapport à 2.1)” + 2nz2(22 .l)+l.(z) = xPn(c7~) .) = 11 2+l (n . { d’où une première relation de récurrence entre polynômes et dérivées : PA(x) = xP.1)” + 2n(22 ~ l)+r] .3.+i(z) . (n + l)P. 2” n! dZnpl [(2n + 1)(X2 - V] +Pn-l(x).nPAel(z). La relation (7. il vient : On aboutit finalement à la relation de récurrence désirée : (7.(X) quel que soit n. 1.I)+l dans la dérivée du second terme : [(x2 . Calculons le premier terme du second membre en utilisant la relation découlant de la règle de Leibnitz.5) PA(.s 1 1 dl’-’ [(2n + 1)(x2 .4) donne : (n + l)Pn+l(z) = (2n + l)PTL(x) + (2n + l)zPA(z) . la dérivation de la relation de récurrence (7.6) Ces deux dernières formules sont utiles dans le cadre de l’étude de la méthode d’intégration de Gauss-Legendre. (7. cette quantité est égale à : En définitive.4) Cette expression jointe à Pc(x) = 1 et Pr(x) = z permet donc de calculer aisément tous les coefficients dc chaque polynôme de Legendre F’.L-l(x) + nP.-l(Z).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis on ajoute et l’on retranche 2n(x2 .-l] _ soit encore : Pn+l(S) = .1.(z)} D’autre part.(X) + nP.2n(22 .(2n + ~)CEP~~.q-1 + 2+? .

LES poLmvônnm DE LEGENDRE 1. 1 / I 1.P&) = xP:L(x) + PA(x) ~ P:I-l(X).(x) dz = K” -1 J +1 $(x2 ~ 1)+$x’ . Elle possède 2n racines égales à -1 et +l.1)” dz e t w= / 117 . Propriétés des racines des polynômes de Legendre Un théorème permet d’affirmer que les zéros de chaque polynôme de Legendre sont simples. on voit que R&)(z) est un polynôme de degré n. En poursuivant le calcul jusqu’à la dérivée n ième.(z) a une racine réelle entre -1 et +l..1) racines égales à +l.(x). Équation différentielle dont les P. Le théorème de Rolle montre que Ri..(x) + 2 {xly(x) . qui possède n racines réelles comprises entre -1 et +l. (7.-. t l / / . les racines de P.“)P.7) I 1 I Cette dernière relation est vraie quel que soit TZ. d’où l’on tire : Éliminons Pl’l(x) entre ces deux relations : P..>. la dérivation de la relation (7.(x) = (n ~ l)P. en vertu de la formule de Rodriguès.(z).4.(z) .-.(x)} R.P.5.(z) = 0. 1.6) donne : .6.este à éliminer PAPI (x) l’aide de la relation (7.). Revenons à la fonction I&(Z) = K(z2 ~ 1)“. c’est une équation diffkrentiellc linéaire du deuxième ordre appelée équation différentielle de Legendre.(x) et de ses deux premières dérivées : .(x) sont solutions Derivons une fois par rapport à z la première relation de récurrence (7. Norme des polynômes de Legendre Calculons à présent l’expression : +1 .6) : \ Cette expression ne dépend plus que de F’.7. Ce sont. et l’on peut ajouter que cette fonction a (n . J= Posons -1 J P.p.(x) + xP.1) racines égales à -1 et (n .(n ~ l)P.L(x) + nqpl(x) = (7-L + l)P. + . (1 .2zI374 + n(n + l)P.’ dx 1 avec K = ~ 2%! du = $x2 .5) faisant intervenir les dérivées : ai = %(x.l).. De même.

J prend l’expression suivante : J = (-l)nK2(2n)! +1 s -1 (x2 ~ 1)” dz.1)+2 dz. -1 qui conduit à l’expression suivante : L=E 2.l). 5.l)nP1 dz. .4. .. .1)” dz...1)” dz.l)l dz. expression que l’on intègre par parties. le résultat est une constante qui vaut (2n)!. et dc proche en proche on obtient : J = K2(-1)” +. La première quantité (toute intégrée) a une valeur nulle.i’ -1 Comme (x2 .1)“s jr” . Il suffit d’écrire : u = (2 .1)2 -1 s X”(X” . Il n’est pas très difficile de calculer cette dernière intégrale.J:’ .6.2n 1 . pour cela on pose : +1 L= -1 J’ (x2 .1)” est un polynôme de degré 2n (à coefficient principal réduit) que l’on dérive 2n fois. Alors. on arrive à l’expression : +1 L = c2ni2(n - 1).. en notant par E le signe que l’on déterminera plus tard. on obtient alors : +1 ~ l)n-l: L = [~(CC’ ~ l)‘“]:: - 2n -1 J’ z”(z” . .M ANUEL DE CALCUL NUMÉRIQUE APPLIQUE puis intégrons par parties ce qui donne : Le premier terme à l’intérieur du crochet est nul puisque -1 et fl sont racines. On poursuit ainsi de suite les calculs et. &2(1) 1 x2np2(z2 . (2n + 1) 118 2.2(n .2). Une autre intégration par parties permet d’écrire : +1 L = tn(n . et donc du = 2x dxn(x2 ainsi que du = dx et v = x . 3 .

30x2 + 3)/8 PS(z) = (63~” .5)/16 &(Cc) = (42927 . On les rencontre lors de problèmes de lissage sur l’intervalle de définition (0. de Pc(x) et de Pi(x).com/guilpin/ 119 . Variantes concernant les polynômes de Legendre Il n’est pas bien difficile de reprendre cette étude en changeant l’intervalle fondamental (-1.4. 1.3x)/2 P4(2) = (35x4 .3.1)/2 PS(z) = (52” .7. Les premiers polynômes de Legendre P”(X) = 1 PI(X) = 5 P2(x) = (322 . Il est courant de définir d’autres polynômes de Legendre sur l’intervalle (0. on obtient le résultat suivant : . On en trouve une application intéressante lors du calcul de diagrammes de phase. On trouvera sur le Web(*) 1 e programme legendre. . 5. 1 .6.t (2n + 1) = (2n+ 1) . +l) qui est remplacé par l’intervalle fini (a. 2.edpsciences. et ils sont appelés parfois polynômes de Legendre modifiés.9. Rien d’essentiel n’est changé pourvu que a et b restent finis. . b).. on peut calculer les coefficients selon les puissances croissantes ou décroissantes de la variable 2 des k premiers polynômes de Legendre. *http://www. LES POLYNÔMES DE LEGENDRE Le problème du signe E que nous avons délibérément abandonné se trouve résolu en remarquant que (CC” ~ l)n est une fonction qui a le signe de (-1)” sur l’intervalle (-1.5 En définitive.3. (2n + 1) -1 +1 c%-4 dz = (2n+ 1) s (7. c permettant de calculer ces coefficients. Dans le cas où l’on utilise un calculateur arithmétique.8. Calcul des coefficients des polynômes de Legendre À l’aide de la relation de récurrence (7.. l).7. 1.4). +l) ainsi L s’écrit : L = (-1)" Ensuite.693x” + 3152” ~ 35x)/16.. on entasse tous les coefficients des polynômes les uns à la suite des autres dans un tableau unique à une seule dimension.l). nous pouvons écrire : J = (2n)! 1 yÏ2’“-11.2n 2.315x4 + 105x2 .8) 1. pour des raisons d’économie de place mémoire.702” + 15x)/8 P6(z) = (231x6 .

. opération torijours possible.11.(z) s’écrit : N[G.2hx + h2 = ~O(Z) + hPl(x) + h2P2(z) + . .~k(x)]2 !+=l -1 dn: Ce second membre est minimum lorsque tous les o5k sont égaux à zéro. On note par un astérisque les polynômes de Legcndre à coefficient principal réduit et l’on écrit par conséquent : Gn(x) = P. est la plus petite est le polynôme de Legendre. 1. La norme de G.ek(x).<. Cette notion sert essentiellement à comparer les polynômes de degré 71 entre eux. la norme envisagée étant ccllc du produit scalaire (la fonction poids ctant égale à l’unité). évaluée sur l’intervalle (-1. Fonction génératrice des polynômes de Legendre Nous admettrons le résultat suivant sans démonstration : 1 2/1.(s) un polynôme répondant à la question et décomposons-le selon une combinaison linéaire de polynômes de Legendre.(x) + .(x)] Soit encore : = Il[. ainsi que cette autre expression : 1. ce qui démontre le théorème. on se propose dc rechercher un dcvcloppernent de f(x) sous forme d’une combinaison linéaire de polynômes de Legendre : . (z)] est minimum quand G. Désignons par G. k=l où les c~k sont des coefficients constants. Une propriété importante des polynômes de Legendre Par definition. celui dont la norme.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. fl). + hTLP.(x) + &P. +l) ou éventuellement ayant des points dc discontinuiti: dc première espèce CII quantité dénombrable. sinon ils seraient dcfinis à une constante multiplicative près qui ne permettrait plus de comparaison.10. Théorème .. D’une façon tout à fait analogue a l’analyse de Fourier.: + $wcP. Il s’ensuit que N[G..(X) = PG (x) . Décomposition d’une fonction f(x) en série de polynômes de Legendre On considère une fonction f(x) continue sur l’intervalle (-1. on dit qu’un polynôme de degré n est à coefficient principal réduit lorsque le coefficient du terme de degri: n est égal à l’unité.Parmi tous les polynômes de degré rl à coefficient principal réduit.12..

1. dz. -1 Soit encore : +1 / ~(X&. il suffit de remarquer que lc polynôme est un polynôme de degré n ~ 1. LES POLYNÔMES DE LEGENDRE En multipliant chacun des membres par &(x) puis en integrant sur l’intervalle (-1. -1 n=O p1 et compte tenu des relations d’orthogonalité : +1 f(x)&(x) ce qui donne : Uk = 2k + 1 f(x)&(x) 2 J’ +1 dz = ak -1 s Pk(x)Pk(x) dz = CL~&. fl).(x) que l’on écrit : Le principe de la décomposition est tres simple.(X) dx = c a. Décomposition d’un polynôme quelconque en polynômes de Legendre Considérons un polynôme quelconque dc dcgri: n : QyL(x) = ~u. on obtient : +l cc f(x)Pk(x) dz = c aTLPIL(x)Pk(x) s s p1 7z=o +1 dz. (x)%(x) dz. que l’on se propose de décomposer sur la base des polynômes orthogonaux de Legendre l’. il faudrait justifier l’égalité entre f(x) et son développement selon une étude analogue à celle effectuée à propos des séries de Fourier : il faudrait associer la série à la fonction f(x) et déterminer à quelles conditions l’égalité peut être obtenue. Ses coefficients sont donnés par : .7.:xnmk k=O avec ao # 0. En toute rigueur.13. dkignons-le par II+~(X). ri:.

Calcul de ~lx”P. Cette relation est utile lors de l’étude de la méthode d’intégration de Gauss.1. Position du problème On se propose de calculer numériquement l’intégrale : b 1 = F(t) s dt (7. et il est très aisé d’effectuer cette décomposition en calcul automatique. Par ce procédé.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Il n’y a pas de difficulté à calculer les coefficients /?. donc à partir de ce moment nous sommes ramené au problème précédent à cette différence près que les polynômes mis en jeu ont perdu un degré : nous sommes passé du degré n au degré (n ~ 1).9) lorsque cellc-ci. remarquons que le changement de variable : a+b b . et l’on trouvera sur le Web (*) le programme dcomleg. Méthode d’intégration de Gauss-Legendre 2. a un sens et que les bornes d’intégration a. 1. on obtient : et comme : on peut écrire sous la forme : Il est aisé de déduire : en tenant compte des relations d’orthogonalité. 2.com/guilpin/ 122 . Avant d’entamer ce calcul. nous arriverons au degré zéro.a tz2 +yz *http://www. et b demeurent finies.14. c réalisant cet algorithme.ddx -1 On peut toujours décomposer xn en polynômes de Legendre selon la manière qui vient d’être décrite. bien entendu.edpsciences. en outre F(t) ne comporte pas de singularités notamment aux bornes du domaine d’intégration c’est-à-dire en a et b.

2. +l). le développement en série de Taylor montre que f(z) peut se développer selon un polynôrne de degré n. -1 j=o j=o -1 123 .7. Calcul des abscisses xk Supposons que f(z) soit un polynôme Qn (z) de degré n. LES PoLmôMEs DE LEGENDRE ramène le domaine d’intégration à l’intervalle fondamental (-1. nous pouvons écrire : M = -1 s Qn.2. Pour obtenir ces valeurs. le théorème de Weierstrass est très postérieur à la méthode de Gauss un petit siècle les sépare ~ néanmoins on peut remarquer que. (7. Quoi qu’il en soit. dans le cas où f(z) est continue et possède des dérivées successives continues sur le compact (a.11) montre qu’il y a (n + 1) valeurs zk: à déterminer ainsi que les (n + 1) valeurs Hk qui leur correspondent. Ce polynôme peut torrjours s’exprimer au moyen d’une combinaison linéaire unique de polynômes de Legendre de degré égal et inférieur à n.d~=~~(z)dz.. choisir un critère pour déterminer les zk et les Hk. b) peut être approchée uniformément par un polynôme. un calcul d’erreur fondé sur cette remarque viendra apporter tous les éclaircissements utiles. Soit : n expression dans laquelle PJ (x) est le polynôme de Legendre de degré j et Aj le coefficient numérique de la décomposition.10) a -1 La méthode de Gauss pour évaluer numériquement l’intégrale 1 consiste à : a. On trouvera à la page 46 de l’ouvrage de Crouzeix et Mignot cité en bibliographie la démonstration de l’unicité d’une telle formule d’approximation qui vaut pour toutes les méthodes de Gauss que l’on va rencontrer par la suite.(x)Pn+l(x) dx = +1 J!Pn+l(x) 2 AjPj(x) dz = 2 A. Dans le cas général où f(z) n’est pas un polynôme.10) et (7. à une approximation près qui est donnée par le reste de la formule de Lagrange. le polynôme sera au plus de degré (2n + 1).+r (X)I”(x) dz = 0.11) dans le cas particulier où f(z) est un polynôme. on peut espérer une bonne approximation en vertu du théorème de Weierstrass selon lequel toute fonction continue sur un compact (a. L’examen de la formule (7. En vertu des relations d’orthogonalité. ce qui donne : I=].11) b. adopter pour valeur approchée de 1 l’expression suivante : (7.. on retient comme critère l’égalité rigoureuse des expressions (7. Bien sûr. et on fera en sorte que le degré du polynôme soit le plus élevé possible pour n fixé arbitrairement (n figure dans la relation (7. b). /:i:.11)).(. C o m m e il y a 2(72 + 1) coefficients arbitraires.

Remarque 2 : Puisque t. Remarque 9 : Il est important de constater que les valeurs x1. À ce propos. nous pouvons l’exprimer en fonction directe d’un produit de monômes : P.+r(z).13) 124 . page 131. On a reporté sur le tableau 7.3. Il).4. nous pouvons écrire : (7. 2. présent considerons le polynôme QTL~(z) de degré n.+1(2) = UO. nous savons que toutes les racines dc P. et comme par ailleurs les Hk. +l).3. Calcul numérique des racines xk des premiers polynômes À l’aide de la méthode de Bairstow. on en conclut neccssairement que Pn+i(zj) est nul.n+l fi(X . il est recommandé de l’utiliser. de degré éga.+l (zr) sont réelles.Xj) j==O UO. nous allons calculer les racines des k premiers polynômes de Legendre. la rnéthode de Bairstow va se réveler particulièrement pratique et efficace pour obtenir les valeurs numériques des racines. distinctes et comprises dans l’intervalle (-1. Remarque 1 : Avant dc poursuivre plus avant les calculs. nous obtenons l’expression suivante : Comme cette relation doit être vérifiée quel que soit le polynôme Qn(z). 2.outes les racines de tous les polynômes de Legendrc appartiennent à l’intervalle (-1. d’ores et déjà. Il s’ensuit que les xk sont les (n + 1) racines du polynôme de Legendre de degré (n + 1). il est possible de voir que la précision de la méthode de Gauss sera d’autant plus grande que le polynôme Qn(z) qui approche la fonction f(x) sera de degré plus élevé. Cette limitation est due au fait que seulement 16 chiffres significatifs ont éte utilisés et qu’il en faut davantage pour calculer les racines des polynômes de degré supericur à 13.+l (z) ne possède que des racines réelles et simples. ne peuvent être nuls sinon lc nombre des abscisses zk s’abaisserait. les valeurs numériques des racines du polynôme de degré 13. elles pourront être rentrées une fois pour toute dans un calculateur. Comme ces valeurs sont universelles. Bien entendu: si l’on dispose d’une possibilité d’effectuer les calculs en double précision.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ En introduisant la relation (7.l ou infcrieur à n. ne serait-ce que pour les employer lors de calculs réalisés sur les petites machines portatives. il est bon de les obtenir avec une bonne précision.11) doit donner une valeur exacte de l’intégrale de QTLk (z).~~+~ étant le coeflicient du terme de degré le plus élevé dans le développement de P. +l). ne dépendent pas de la fonction à intégrer et sont donc des constantes universelles. ainsi défini : À Puisque l’expression (7. Calcul des coefficients Hk Puisque le polynôme dc Legendre P.

xi) = &nk(xrc).+~(~) s -1 pn(x) .16) -1 125 . LES PoLmôMEs DE LEGENDRE Le second membre a toutes ses sommes nulles sauf une seule lorsque j = k. nous avons : et pour x = xk nous obtenons : p. (xk) et que par conséquent [p. L’expression (7. Insistons sur le fait qu’ils ne dépendent pas de la fonction dont on cherche à calculer l’intégrale de façon approchée.7. et pour cela calculons la dérivée de P. ~ xi) = ifk i=o HkQnk(a).n+lHlc fi@. considérons l’expression suivante : +1 P.(xk) +lP.P.xk)el s Q. Pour ce faire.(x) .P.+l(xk) = -1 ~ Cette dernière expression permet en principe de calculer les coefficients Hh qui ne dépendent que des polynômes de Legendre et de leurs zéros. (7. expression à partir de laquelle on tire : +1 Hk = Qnk.14) Nous allons procéder à la transformation de l’expression (7.+i(s) . Nous obtenons : +1 L = -1 s Qnk(x) dx = ao. E n vertu de la relation d’orthogonalité et du théorème de décomposition.13) se transforme alors en une expression ne faisant intervenir que le polynôme de Legendre de degré (n + 1) ainsi que son polynôme dérivé : L = HkP. l’intégrale (7.xk) est une racine de p.xk On voit immédiatement que (x .+l(x) dz. ~ J’ x .14) qui n’est pas encore d’un emploi très commode.uk(x) dz.xk (7.+dxk) = aO.n+l fibc i=o ijk . Développons cette expression : dz . Une expression de Qnk(xk) plus commode à exploiter est souhaitable.pn(xk) dz x .(x)-P7L(xk)]/(x-xIc) est un polynôme de degré (n-l).15) est nulle. On obtient en définitive : Hk = 1 ~A+1(4 -1 ~ .

Il suffit de reporter la valeur de (n + l)P. En tenant compte des relations d’orthogonalité.<.. .+ = h. nous obtenons : (1 ~ x.13) et (7. R.+i(s) admet un développement du genre : P.emplaçons n par (n + 1) et x par xk: dans cette expression. on obtient : t .~ 2n + 1 n+l 2 En revenant à l’expression (7. En définitive. on obtient : 2 2n + 1 La relation de récurrence entre trois polynômes consécutifs permet d’obtenir directement ~.+~(xk) = (n + lR(xk).17) pour écrire : (7.MANUEL DE CALCUL N UM É RI QUE APPLIQUÉ Évaluons le premier terme : Comme P. .(Q) n + 1 (7. on obtient la valeur (2n + l)/(n + 1).17) Il existe une autre forme de HI..14).(zk) d ans la relation (7. + h7.n+1 et comme d’autre part xk: est une racine du polynôme.16).~ en remplaqant dans l’expression (7. T s’exprime alors de la façon suivante : +1 T = -1 J’ uO.+1(x) = u”.+ ~20. on peut alors écrire : -1 +1 . on peut écrire : Pn+l(X) = (x . + arr+1. (1 -~“)I?n(x) ~ nP+.ll+lxn + h.~)pL.n+lxn+l + qn+llCn + . Éliminons Cl( x 1 en re 1 es relations de récurrence (7.+1).I’ 1 1 ao.n+l. Hk prend mie forme très simple : Hk = 1 1 2 P.~+~/a~. très utile à connaître parce que très facile d’emploi..(x) -~XE&(X) = 0. .n+lx n-1 + . on note que : ao.~~ en identifiant les termes de degré (n + 1) .n+lxnl?&) d z ao = A n~.14) ..18) 126 .+l(xk) P. par identification.xk)(h~.

. on peut écrire les deux relations : 1 = q 2 H#(yk) = c Hd(a) k=O k=O Le cas des intégrales continues par morceaux ~ c’est-à-dire présentant des discontinuités de première espèce ~ est justiciable de la méthode de Gauss : on calcule autant d’intégrales qu’il y a d’intervalles sur lesquels la fonction est continue. c calculant les Hk. et chacune des intégrales se ramène au cas qui vient d’être présenté. f ” ( 0 ) 7’ 2! c H~Z:.2.1./ $ Hkxp+l k-0 + f’2”+“‘(E) 2 I&X~+~... Calcul de l’erreur commise lors de l’approximation Supposons que f(x) soit une fonction continûment différentiablc sur l’intervalle fini (canonique) (.. b) Nous avons montré que le changement de variable : b-u b+a 2 y=T+-x nous ramène à l’intervalle (. Intégrons terme à terme cette expression..p+2 f ( x ) = f ( 0 ) + $(O) + $(O> + .5. . On trouvera sur le Web (*) 1 e programme r-legend. n’étant pas modifiés.edpsciences.vôms DE LEGENDRE Cette formule est d’un emploi plus intéressant que la relation (7. L’exploitation directe dc la relation (7.11) donne : f’(O) n J-f(0)~H~+T~H~x*+ k=O k=O +. +l).cm ! Hkxp + k:=O .). 2. Retour sur le calcul de l’intégrale définie sur (a.‘+ (2&! On remarque que toutes les dérivecs d’ordre impair disparaissent lors de l’intégration.1.f”“(O) +‘. + 1). .17) non seulement sur le plan de la programmation mais aussi sur le plan du temps de calcul.+ f(24 (0) n . + (2. Yk = ~ 2 2 Les HI. .)j f’““+“(o) + p+2)(<) (2n + 2)! expression dans laquelle J: et < appartiennent à l’intervalle (-1. k=O + . LES Pow. (212 + 2)! k=” *http://www. + (2m. . +l) Par conséquent ~il suffit alors dc calculer : b+a+b-n -Xk.6.+)j. Le développement de Taylor-MacLaurin à l’ordre (2n + 1) nous donne : .7. 2.f”(O) + . Il n’y a pas de difficulté particulière pour obtenir ces valeurs numériques dans la mesure où les coefficients des polynômes ainsi que les racines ont été convenablement placés dans un ou des fichiers. on obtient : +1 I = s -1 f(x) dz = 2 f ( 0 ) + .com/guilpin/ 127 .

. . on obtient en conséquence le système suivant : 71 c k=O Hk = 2 5 Hkxk = 0 k=O k=O . . Toujours est-il que l’erreur prend la forme suivante : I . . comme toutes les fois en pareil cas. +l). En revanche. .m k=O 2 = ~ 2mtl z?L+l _ HkXk . c k=O n h-1 Hkxk =0 r. . la dérivée de S(x) d’ordre (2n + 2) est nulle. Il est intéressant de constater que le système de (2n + 2) équations ainsi défini est constitué de (2n + 2) équations non linéaires dans la mesure où l’on considère que les Hk et les X~C sont les inconnues. k=O 2n+2 .19) expressions dans lesquelles les sommations s’effectuent pour k variant de 0 à n. Dans ce cas il n’y a pas d’erreur mathématique due à une approximation. .0. +l). k=O (7. en définitive.J = en prenant soin de remarquer que : &XA. (n + 1) équations quelconques prises dans le système précédent constituent un système linéaire permettant de calculer les Hk. alors.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si f(x) est un polynôme de degré (2n + 1). .. l’erreur s’exprime de possible de la fonction f (an+2)(<) la manière suivante : ‘TL JJzn+2 Ez (2n+2)!) i -----c 1 2n:3 k=nHkxk’L+2J (7.+2 = sup 1f(2n+2) (x) /p our x appartenant à (-1. . on recherche une majoration la plus raisonnable dans l’intervalle (-1. . si l’on connaît les xk. (7. . 128 .J.20) 2 # ~ 2n + 3 Bien entendu.21) où M27. et l’on a l’egalité : I = . c Hkx.

Méthode de Gaoss 5 points : 6 points : *http://www.459 778 143 10-l 100 10-r 181 10F2 079 1OV” 466 lO-” 483 10-4 731 lO-” 559 10-” 912 10-” 0547 10-” 546 10C7 2.177 0. { > sont directement tirées du du fichier Legendre.738 0.249 999 999 9 0 9 . + 2). Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations. Bien qu’elle soit très intéressante.z’& H~x:~‘~ . elle risque de devenir catastrophique dans la mesure où elle est très surestimée. la méthode des trapèzes et la méthode de Simpson. Le calcul devient très souvent arborescent et rapidement inextricable. comparaison avec d’autres méthodes Nous avons choisi un exemple dont on connaît directement le résultat par quadratures : +1 rlog(l+2)ds+ 0 Voici les résultats obtenus par la méthode de Gauss. Un exemple numérique.183 0.7.edpsciences.1.116 0.293 0.292 0. & . cette expression n’est pas d’un emploi très commode dans la mesure où figure une dérivée d’ordre (2n.com/guilpin/ 129 I = 0.1.465 0. E donne l’erreur mathématique liée à la troncature de la série des polynômes de Legendre.185 0.732 0. Tableau 7.txt sur le Web (*) où figurent les racines et les poids associés des premiers polynômes de Legendre. Table des valeurs numériques de 77 = Degré du polynôme 2 3 4 5 6 7 8 9 10 11 12 13 Erreur mathématique 0.249 999 996 I = 0.Les valeurs du tableau 7.7.457 0. a . LESPOLYNÔMESDE LEGENDRE Dans la mesure où l’on peut obtenir une majoration Mzn+2. quand à la majoration.116 0.

MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b . On tire une valeur de E : E = 7. +l).u 12! z = 0. L’évaluation directe de l’erreur se situe bien dans ce créneau puisqu’elle est de l’ordre de 10-r’ et cet exemple montre bien combien la majoration d’une dérivée d’ordre n peut être pénalisante pour un calcul d’erreur. Effectuons le calcul d’erreur pour 6 points : E= $ .38110-‘$.Par chance.Méthode des trapèzes et méthode de Simpson . Ici. h=O = 7. Remarque : Pour utiliser aisément la méthode de Gauss. il suffit de fabriquer un sousprograrnme dans lequel on rentre une fois pour toutes les racines et les poids du polynôme 130 . Méthode des trapèzes 0. Donc TMi.250 248 062 027 009 9 Méthode de Simpson 0. cela est dû à la majoration de la fonction Mi2. 11 x 8192 On s’aperçoit que l’erreur E est environ 100 fois plus grande que l’erreur observée directement . avec l’écriture choisie.250 0.250 0. En I : = 0.! n.r log( 1 + z) est relativement aisé.381 10p4 .. g = A.r.250 0.250 0. Tableau 7. et que 2 = 2. elle est maximum pour b . 2 appartient toujours à (0. On en conclut que l’erreur est comprise entre 2 10-12 et 0. tandis qu’il faut 40 points à la méthode de Simpson pour obtenir une précision analogue à celle de la methode de Gauss en 5 points.2.250 000 086 000 005 4 000 00107 000 000 138 Nbre de points 20 40 60 100 c . Mi2 = 1 1 10!(2 + 12) 2i2( 1 + . et l’on peut montrer que : [zlog(l + ~)]‘“’ = (-l)TL(n .250 0. Mi2 est une fonction monotone décroissante dans l’intervalle (0. le calcul de la dérivée ne de .y car nous avons dû effectuer un changement de variable 2 = 2 + Zt pour nous ramener à 12 l’intervalle canonique (-1..Calcul de l’erreur concernant l’exemple .0.En 6 points la méthode de Gauss est un peu plus précise que la méthode de Simpson en 100 points.8 1oP. est plus petit ou égal à 11 x 2 x 2ia.12.8 10-s.250 0. la dérivée est 3780 fois plus petite qu’au point x = 1. Alors nous pouvons écrire : dz/ dt = 1/2 et i > b-u 1 Rappelons que. l). l).-&&z.

138873510 2198 0. Racines x Poids Hk 0 232551553230874 0~226283180262897 0.7. txt où l’on trouvera les racines et les poids des treize premiers polynômes de Legendre. M HASKAR (1996) Introduction to the theory of weighted polynomial approximation.edpsciences. Éditions Masson.. F.8. les racines sont deux à deux opposees.44849275103645 10.com/guilpin/ 131 . 2.917598399223 ho.801578 090 733 3 f0. R A L S T O N et H.040484004765 Degré (40 1 13 ho. *http://www.20781604753688 0. A.64234933944033 f0.. W I L F (1965) Me t h d s m a t h é m a t i q u e s p o u r c a l c u l a t e u r s arith.L. World Scientific. Mc Graw-Hill. POLYNÔ MES DE LEGENDRE Racines et poids associés des polynômes de Legendre. des problèmes de précision apparaissent avec des représentations sur 16 chiffres significatifs et des racines complexes apparaissent.métiques.23045831595513 *0.S. M IGNOT (1984) Anulyse numérique des equations diffkentielles. M INEUR (1966) Techniques de Calcul Numérique.. to the numericul analysis. CROUZEIX et A. On donne sur le Web (*) un fichier texte appelé legendre. ANGOT (1965) Compléments de Muthémutiques. il suffit d’ailleurs de rentrer 6 racines et 6 poids associés à cause des symétries. Éditions Dunod. H.9841830547185 de degré 12 ou 13 (ensuite.17814598076194 0. ’ o e Dunod.0921214998377 0.N. H.) .3. HILDEBRAND (1956) Introduction. LES Tableau 7. Éditions dc la Revue d’optique. Éléments de bibliographie A. M.

2) À present nous allons montrer que ces polynômes sont orthogonaux. T. il suffit de poser y = arccos z.+..(x) + T. (8. Application à la méthode de Gauss-Tchebycheff 1. (8. (x) = COS ny. Première définition La relation de definition des polynômes de Tchebycheff est donnée par l’expression suivante : T. sauf pour n = m = 0 l’intégrale vaut 7r. Effectuons le changement de variable t = arccos x.L+. Pour cela. = cos(n .(z) + T7.22Tr.8 Les polynômes de Tchebycheff.+.p.(x) .(x) = cos(n + 1)y = T.L-i(2) COS ny cas y . on obtient : Tr. Écrivons T~~+.(x) = cos(n arccosx) ce qui implique que : TO(x) = 1 et TF(z) = 2.(x) D’où la relation de récurrence cherchée entre trois polynômes consécutifs : TT. s 71171 étant le symbole de Kronecker (182331891). Les polynômes de Tchebycheff (1821-1894) 1.1.T-.sin rby sin y.( x ) P tP ff uons-en la somme : ec t T.(x) = 0. En partant de la relation : COS s 0 nt COS mt dt = 7r/26. soit J: = COS t.1) Ils obéissent à une relation dc rccurrence que nous allons établir.1)y = cosnycosy + sinnysiny.(x) = 2cosnycosy = 2xT. ce‘ qui nous perrnet d’écrire : dt = -sinx dz 133 .(x) et T:-.

2)) nous nous apercevons que le coefficient de degré le plus élevé est multiplié par 2 lorsque l’on passe du polynôme de degré k à celui de degré (k + 1). 134 . La relation de récurrence est alors légèrement modifiée et devient : T. (8. On peut définir la suite de telle sorte que le coefficient de degré le plus élevé pour chaque polynôme soit égal à 1.(x) + 4T. Une propriété essentielle des polynômes de Tchebycheff à coefficient principal réduit 2. c’est le polynôme de Tchebycheff T. Théorème De tous les polynômes de degré n à coefficient principal réduit. Il nous suffit de poser comme relation de définition une nouvelle expression : Tri(x) = & cos(n arccos z).1.3) = 0. Si nous examinons la relation (8.5) 2. Seconde définition Cette suite de polynômes orthogonaux peut être avantageusement modifiée pour le propos qui nous préoccupe. (8. 1. (x) qui approche le mieux l’axe des x sur l’intervalle (.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ et puis 7T COS s 0 nt COS mt dt = +lT~(x?Cz(x) s -1 Jn dx = o si m + n et K coss nt dt = +1T~C4Tn(x) dx 2 .I 2/1-2 -0 s 7 r si n est différent de zéro sin=O.2. Nous allons donc définir une suite polynômes à coefficient principal réduit.+l(x) .-I(Z) 11 va de même de la norme qui s’exprime : si n est différent de zéro 7l (8. +1) au sens du sup du module.4xT.1.4) si n=O. +l) relativement à la fonction poids h qui est une fonction définie positive sur cet intervalle. On voit que les polynômes de Tchebycheff sont orthogonaux sur l’intervalle fondamental (-1.

+i(x) Pour cela.+l(xk) = F ~ sin[(n + 1) arccos X~C] > d’où TA+. ce qui est en contradiction avec le fait que f(z) est au plus un polynôme de degré (n . il suffit d’exploiter directement la relation (B. Les racines des polynômes de Tchebycheff Tn+i(x) On sait que le polynôme de degré (n+l) possède (n+l) racines distinctes et réelles sur l’intervalle (-1.(z) ce qui démontre le théorème.:’ 1) ) sin 2(n + 1) 135 . . il s’ensuit que f(z) est alors un polynôme n fois positif et négatif alternativement sur l’intervalle (-1.6) 4. On en conclut que le polynôme f(z) est identiquement nul et que p. .+i = 0.8. Donc. (zk) et Tn+i(xk). f(zk) est négatif et quand T.5) de l’annexe B. Il change donc (n .(sk) est négatif. LES POLYNÔMES DE TCHEBYCHEFF 2. f(zk) est positif. Démonstration Désignons par pn(z) un polynôme répondant à la question et considérons alors la fonction : Puisque p. On les obtient en écrivant T. Calcul des poids Hk correspondant aux racines xk du polynôme T.(z) et T.1).2. f(z) doit être un polynôme de degré n. ce qui donne : Xk = COS 7r(2k + 1) 2(n + 1) ’ (8.1). possède n extremums alternativement positifs et négatifs sur l’intervalle (-1. Par ailleurs.c4 = g Z(i.1) fois de signe et par conséquent possède n racines.(z) = T. 1. T. .2. On trouve les expressions suivantes : T. on calcule le coefficient K qui est égal à In puisque nous traitons de polynômes à coefficient principal réduit. soit : cos[(n + 1) arccosz] = 0.(xk) est positif. (n ~ 1).. ( 2 ) sont à coefficient principal réduit. f(z) est un polynôme au plus de degré (n . +l). +l). D’abord. Donc : À présent il nous faut calculer Ti&+. Quand T. +l). 3. tous égaux en module à 1 et dont les abscisses sont données par la relation : xk: =cos lwr ( n > avec k = 0.

. il).(xk) = & cos(narccoszk) = & 7r(2k + 1) cosn 2(n+ 1 ) Cette dernière expression. C’est pour respecter cett. Il est bien entendu que la fonction f(z) est rkguli&c~ sur l’intjervalle (-1. 5.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis il vient T.G(Xk) De là on déduit la valeur des Hk : = 271-l (-1)” sirl 42k + 1) . f(x) 6.e tradition que nous désignons par les deux noms accolés la méthode qui nous pcrmct dc calculer rmrnéri<~l~ernent les intkgrales du type : (8. notons-le au passage: conduira à des calculs particulièrement simples. après quelques transformations trigonométriques. Calcul de l’intégrale I = 7 -a $GmdX Le changement de variable : 136 . nous ne croyons pas utile de devoir donner la liste des racines des polynômes de Tchebycheff et des poids Hk qui leur sont. n. puisque les expressions mathématiques qui permettent leur calcul sont trk simples. 1. se réduit à : . associts.2. Méthode d’intégration de Gauss-Tchebycheff Il est usuel d’associer au nom de Gauss le nom du savant qui a laisse son nom à une suite particulière de polynômes orthogonaux.8) que l’on approche donc par l’expression classique : n J = c Hkf(xk) k=O laquelle se simplifie notablement : avec k = 0. ce qui. 2(n + 1) Cette expression montre que tous les Hh sont Cgaux pour ml polynôme donné. Par ailleurs..

posons . soit dz = . la raison en est simple. seuls quelques points de détails vont différer. 5 calculer : supposons <p? f (z )soit continûment difkentiable sur l’intervalle canonique (~ 1. il faudra calculer des expressions du type : Pour cela. LES POLYNÔMES DE TCHEBYCHEFF rmus permet dc nous ramener au problème prtcédent car l’intégrale s’écrit : I= +‘f -1 b-u b+n y+p 2/1L/2 . les racines du polynôme de Tchebycheff de dcgrk (n. Par conskqucnt. dans cette expression. rappelons-le.8. les zk sont. on obtient alors : 7r Qn = J’ 0 COS~ x dz.sin zdz . + 1). +l). . Le lecteur pourra légitimcmcnt s’ktonner du fait que l’on utilise les polynômes de de@ (n + 1) et non des polynômes de degré n. Calcul de l’erreur commise lors de l’approximation Nous dlons reprendre le calcul rkalisé lors de l’étude de la méthode de Gauss-Legendre. on calcule 1 au moyen dc l’approximation : où. On intègre par parties ccttc expression en posant : ‘U = Cos-1 x cc qui donne : du = ~ (n ~ 1) COS”-~ z sin z dz 137 et du = COS x dz et ru = siriz. Soit. c’est pour rester cohérent WCC les expressions établies au chapitre prkcédtnt.î: = COS z. Le développement de Taylor-MacLaurin à l’ordre (2n + 2) nous donne : cxprcssion dans laquelle J: et < appartiennent à l’intervalle (-1.I d7/. +l). Calculons 1 en remplaçant f(z) par son développement. 7.

on obtient en conséquence le système suivant : 138 i . = (n - l)Q+z avec &a = s 0 dz = 0. De là. + (2~~i. ..1)!!5i = (2n (2n)!! 2”n! Revenons au calcul de 1 : I=l&[ x S'2"+2'(E)] f(0) + Ef'(O) .. et l’on a l’égalité : I = J. x2n+2 + g"(o) +. la dérivée de f(x) d’ordre (2n + 2) est nulle.+ 7T s 0 cosnP2 x dx d’où la relation de récurrence : 7r x dz = ?r et Qr = cosx s 0 n&..:'!! +. (2n+ / y2y "..l)Q.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On peut écrire : 7r Qn = (n . Dans ce cas il n’y a pas d’erreur mathématique due à une approximation .')!lT = (2n . on tire que : Q 2n+1 Q271 = 0. .li(2TL+1)(o) + (2n+ 2)! .cos2 x) dx = -(n .+ l)!! f'""+"'(~) ] (2n + 2)! 2n+l(n + l)! L’exploitation directe de la formule d’intégration de Gauss-Tchebycheff donne : J= L’erreur E s’écrit : .+(. =* [f(o) + .1) s 0 COS’~-~ x(1 .. . Si f(x) est un polynôme de degré (2n + l)..

139 . + ‘.10) où M2nt2 = SUP If (2n+2)(x)1 pour 3: appartenant à (-1. + iTn(X) + . Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations. calculons l’intégrale : +1 Cet exemple n’est pas tout à fait gratuit .. . Pour l’instant. Un exemple d’intégration À titre d’exemple. en effet. 8. + fT. seul le dernier chiffre significatif change. Nous reviendrons sur ce point au cours de l’annexe F. ce qui constitue un résultat remarquable.(x) + ‘.(X) + z??z(X) + .2tx + t2 et exp(xt) cos(t&ZS) = Te(X) + +r. la méthode d’intégration de Gauss-Tchebycheff constitue la meilleure façon de calculer les fonctions de Bessel de première espèce. +l) . soit le 16” chiffre. page suivante. . LES POLYNÔMES DE TCHEBYCHEFF Bien entendu.1. Fonctions génératrices des polynômes de Tchebycheff Nous admettrons les résultats suivants sans démonstration : 1 . E(z) donne l’erreur mathématique liée à la troncature de la série des polynômes de Tchebycheff. Nous avons trouvé dans la littérature la valeur suivante : JO( 1) = 0. 9. Je(l) est la valeur de la fonction de Bessel de première espèce d’ordre zéro pour la valeur 1 de l’argument. l’erreur s’exprime de la manière suivante : E(x) = (27y+. on recherche une majoration la plus raisonnable possible de la fonction f(“‘“+“)(<) dans l’intervalle (-1. comme toutes les fois en pareil cas.. donne les résultats obtenus.765 197 686 557 966 4 avec une précision absolue de l’ordre de 10-15. Dans la mesure où l’on peut obtenir une majoration raisonnable M2n+l. Si l’on poursuit le calcul pour des valeurs plus élevées de n.47 10-4”M24. on trouve : E24 = 1.+l(. Toujours est-il que pour n = 12.tx = TO(X) + Krl(X) + t2T2(x) 1 . Le tableau 8. .>! i (2n + l)!! 2n. en définitive. + l)! n+ 1 c“”J O k 1 ’ 1 n x”n+” (8.8. +l).

Comme précédemment.765 197 686 556 966 0 765 197 686 557 967 7 01765 197 686 557 966 2 0. apparemment anodine. Nombre de points J(l) 0>765 239 563 0. Même lorsque tous les Hk sont égaux.765 197 498 111 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 8. Cette modification des conditions. on cherchera à fixer les zk dc tcllc sorte que 1 = J pour ur1 polynôme de degré le plus élevé possible. les zk: cessent d’être tous r-tels à partir de n = 8. cette dernière consiste à évaluer l’intégrale : +1 I= . excepté toutefois pour rz = 9.765 197 686 557 966 4 3 4 5 6 7 8 9 Note importante Il faut faire attention à ne pas confondre la méthode d’intégration de Gauss-Tchebycheff avec la rnéthode d’intégration de Tchebychcff. 140 .1. la méthode est moins précise que celle de Gauss. change complètement le fond du problème tant et si bien que non seulement la solution dépend alors des Hk: rnais encore que les zk: peuvent ne plus être réels.I f(x) dz au rnoyen de l’approximation où les Hk ont été choisis u priori.765 197 687 084 089 0. Quoi qu’il en soit.

nous allous établir urle relation dc rkurrencc rutre trois polynômes consécutifs.. les polynômes de Lagucrre sont donnés par les expressions : LTL(z) = exp(x)$ {eq-X)X”}.(+jg {exp( -X)C} 141 .nL(z) .+l(z) = exp(x)s { . ce qui dorme : Soit : L. (9.cx. nous avons préféré utiliser une formule semblable à celle de Rodriguès pour établir plus rapidement leurs principales propriétés. Par définition. Il suffît d’krire la relation dc d&litiou pour l’indice (r> + 1).+I (CC) devient : Lfl(Lx) = (n + l)L. w). à fait analogue à celle que nous avons adoptke pour les polynômes de Lcgcndre. Relation de récurrence entre trois polynômes consécutifs À partir de la relation de défiuit. L’expression donnant L.tra par la suite de calculer facilemeut les coefficients de l’un quelconque des polynômes de Laguerrc.(z) .s {exp(-X)2?}.exp(-x)x”+l+ (n + 1) exp(-z)X”} . ccpcndaut. Ou transforme cette dernike expression à l’aide de la formule de Leibnitz : g {exp(-:X)?+l} = & {exp(-z)z”z} = 2~5 {exp(-X)x”} + ..9 L es polynômes de Laguerre. ce qui nous permct... Méthode d’intégration ( de Gauss-Laguerre Les polynômes de Lagucrre (1834-1886) sont orthogonaux relativement à la fonction poids exp( -22) sur l’intervalle (0. Ou peut aborder l’étude de ces polynômes d’une façon tout.1) 1.ion.

1).(z) = n exp(z)$ { exp( -2)271P1} . nous allons établir une autre relation très intéressante pour le calcul des coefficients 3. dérivons la relation de définition (9.nL.r. Cela nous sera bien utile pour calculer les Hk de la formule de Gauss généralisée. Les premiers polynômes de Laguerre La relation de définition permet de calculer les deux premiers polynômes.+1(z) a un degré supérieur de 1 unité à celui du polynôme de degré n.(z) = zzexp(z)s {exp(-z)z+l} .(~) . l’aide de la relation de Leibnitz. (9. II vient donc : L+1(z) = (n + l)Lx(z) . -L(x> = -p(z) s {n exp( -2)znP1 . Dans ce but.5. soit : L. ce qui permet d’écrire : L.-1(2).3) = G {exp(-z)?} ~ ns {exp(-z)znP1} À présent. transformons cette dernière expression : x5 {exp(-z)z”-l} On en déduit directement que : L?&(x) = nL. (9.2) montre que le polynôme .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On calcule directement le dernier terme du second membre à partir de la relation (9. soit : La(x) = 1. Ll(Z) = -z+ 1 La relation de récurrence (9.exp( -z)zc”} .2) ~ exp(-X)3?}. Relation de récurrence faisant intervenir la dérivée Hk.l)&(s) + 7?L-1(2) = 0.1) : L+~(X) = =P(:I:)= {nexp(-Ic)27L-1 soit encore. Cela démontre au passage (en utilisant un raisonnement 142 . 2.G(s) + G.(cLz) . Toujours A. Il s’agit de pouvoir exprimer simplement la dérivée L~(Z).n%-l(~) De là nous tirons la relation utile pour déterminer les différents polynômes connaissant les deux premiers : L+~(Z) + (x ~ 2n .

9.(z)Lk(z) dz = 0 J ev-2) & {exp(-x)xnl 00 $ {exp(-x)zk} dz.com/guilpin/ 143 . LES PoLmôMEs DE LAGUERRE par récurrence) que nous avons bien affaire à des polynômes.2002” + 600x’ . Orthogonalité des polynômes de Laguerre Les polynômes de Laguerre sont orthogonaux relativement à la fonction poids W(X) = exp(-x) sur l’intervalle fondamental (0. car L~(Z) et Li (x) sont bien des polynômes donc L.2 + 1 L2(x) =x2-4x+2 l&(x) = -si’ + 9x2 . supposons que nous ayons n < k. On trouvera sur le Web(*) 1 e programme laguerre. 5. par souci d’économie. 2. *http://www. c réalisant cette tâche. 0 Pour fixer les idées et sans nuire à la généralité.r). w).96x + 24 &(x) = -x5 + 25x4 . Ils seront entassés dans un tableau unique. Voici les premiers polynômes de Laguerre : L”(X) = 1 Ll(X) = .r”-‘} . du = 1% exp(x)g { exp( -.edpsciences. 4. selon les puissances décroissantes. et d u = 2 {exp(-x)x”} . Calcul des coefficients des n premiers polynômes de Laguerre Il n’est pas très difficile de réaliser un programme destiné à calculer tous les coefficients des premiers polynômes de Laguerre. = s {exp(-x)x”} . Pour le montrer il suffit de calculer : Ink = J 30 exp(-z)L.6002 + 120.18x + 6 L4(2) = x4 . Effectuons une intégration par parties en posant : u = exp(x)-& {exp(-x)xnl.(s) est aussi un polynôme et ainsi de suite.16x” + 72x2 .

4) En conclusion. exp( -z) en facteur en fin de calcul. A” = ET-L! car ici encore on fait apparaître le terme 2..k. {exp(-2)2?} I’ il dz = n!: il s’ensuit que : I. et ce terme est nul pour z = 0 et :r infini.. CO).. c’est-a-dire I.3. 144 .if puisque la forme est definie positive (carré scalaire).. on arrive à l’expression suivante : I. À prescrit. on voit que : oc. = (n!)! (9. Le calcul de cette intégrale donne : I. donnees dans le tableau 9. les polynômes de Laguerre sont orthogonaux relativement à la fonction poids W(z) = exp(-z) et a l’intervalle (O. Donc reste à calculer : w 1.. il nous reste à calculer la norme de l’intégrale. J’ Il {exp(-z)z”} dz. page 149.. Donc les polynômes de Lagucrre sont orthogonaux par rapport à la fonction poids exp(-z) sur l’intervalle fondamrntjal (0.: car nous aurons besoin de cette valeur pour le calcul des Hk.. Calcul des racines des premiers polynômes de Laguerre On calcule au moyen de la rnéthode de Bairstow les racines des polynômes dc Laguerre.bfANUEL DE CALCTJL NUMÉRIQUE APPLIQUÉ Nous obtenons : d” Ink = exdx)dJ”’ [ {exp(-z)zn} g {exp(-z)z”} = 10 Le premier terme est nul car il contient n: exp( -ZC) en facteur .k = &i>! {exp(-z)z”} dn: où E représente lc signe dc IT. nous en deduisons donc que les racines de chacun des polynômes sont reellcs7 simples et comprises dans l’intervalle (0: CQ). 6.oo). = n! En proccdant par partics. Rkglons tout dc suite lc problème du signe : il est necessaircment posit. cn poursuivant l’intégration par parties. Les valeurs mrmériyues du polynôme de degré 12 sont..

page suivante. Calcul des poids Hk correspondant aux racines xk R.com/guilpin/ 145 .i( 0 1 1 ~ exp(-z) 1 ~ exp-2) dz n: > Les rksultats trouvés sont indiqués dans le tableau 9.5) 8.1. nous fourniswnt les valeurs numériques des Hk dont on donne 1111 tableau 9. LES POLYNÔMES DE LAGUERRE 7. c qui perrnet de calculer les racines et les poids des polynômes de Lagucrrc.3). très faciles à programmer. + 1). 9. Sur lc Wch (*).1.ante d’Euler y = 0.3. Calcul numérique des poids Hk associés aux racines Les deux expressions que nous venons d’établir. Calcul des intégrales du type I = Sexp(-x)f (x)dx 0 Comme d’habitude on suppose que f(z) est une fonction régulière sur (0.edpsciences.5) de l’annexe B dans laquelle 110~1s explicitons le coefficient K. on obtient. est égal à expression dans laquelle. Si nous utilisons la relation de récurrence (9. rappelons-le.577 215 664 90 au moyen dc l’expression suivante : x Y= . Nous K = -(n!)” car le rapport des coeficients de dcgre le plus élevé dc deux polynômes conskutifs -1. Exemple 1 On se propose dc calculer la const. *http://www. 00) ctj l’on approche l’intbgrale au moyen de l’expression : 9.eprenons avons : la relation (B. on trouvera le programme r-laguer . zzk est une racine du polynôme de degrk (n. page 149. : cc qui nous permet d’obtenir deux expressions plus simples : (9. Donc.9.

577 0.2. et nous avons choisi : 10! = 3 628 800. Remarque importante On note une fois de plus que la méthode donne d’excellents résultats. Exemple 2 Il s’agit de calculer la fonction factorielle.999 999 97 9. COS mx peut être assez mal représenté par un polynôme de Laguerre de degré peu élevé. Les résultats obtenus sont donnés dans le tableau 9.2.I= s 0 exp(-x)x’” dz = 10! Puisque la fonction à intégrer est de degré 10. Nombre de points 4 5 6 lO! 3 033 216 3 614 400 3 628 799. si m est « assez grand » . nous savons : cc . Nombre de points 5 Constante d’Euler 0.577 0.577 0. 146 .577 0.3.577 215 215 215 215 215 215 215 409 316 638 683 671 664 927 664 244 6 7 8 9 10 11 9. Compte tenu de l’expression intégrale de la fonction factorielle. Toutefois il convient de se méfier des intégrales du type : I = exp( -x) COS mx s 0 1 dz = ~ m2 + 1 qu’il faut examiner soigneusement. C’est ce que l’on se propose de vérifier.577 0.2. En effet. nous devons obtenir un résultat exact en 6 points négligeant les erreurs d’arrondi propagées par la machine. (CI~ Tableau 9.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 9.1.577 0. D’autres cas bien sûr peuvent présenter des dangers analogues liés au nombre de points où la fonction s’annule.

f'""+"(o) + Le (2n + 2)! f(2n+2) (El > expression dans laquelle x et < appartiennent à l’intervalle (0.f'(o) + fg"(O) + .2ny. seuls quelques points de détail différent. Supposons que f(x) soit continûment différentiable sur l’intervalle fondamental (0.. oo).. + . LE~ PoLwiôïms DE LAGUERRE 10. la dérivée a l’égalité : de f(x) d’ordre (2n + 2) est nulle.. Soit à calculer : CO I = exp(-z)f(x) J’ 0 dz.9... développement de Taylor-MacLaurin à l’ordre (2n + 1) nous donne : x27L+2 f(x) = f(0) + .../ c Hkxp+2. oo). 147 .. L’erreur E s’écrit : Si f(x) est un polynôme de degré (2n + l). Calcul de l’erreur commise lors de l’approximation Nous allons reprendre le calcul réalise lors de l’étude dc la méthode de Gauss-Legendre. Calculons 1 en remplaçant f(x) p ar son développement.+ TL c k=OHkxk 2nt1 (2n + l)! l tf.+~~H~~~ k=O k=O k=O k-0 p+l) (0) +. . il faudra utiliser des expressions du type : M Q 2n+2 = s 0 exp( -x)x2n+2 dz = (2n + 2)! L’exploitation directe de la formule d’intégration de Gauss-Laguerre donne : J=S<~)CHI+~‘(O)CH~X~-~CH~X~+. et l’on I = J.T)..

Pour n. En revanche. comme toutes les fois en pareil cas.. = = l! 2! 2 k=O k=O HkXfi 2rrL-1 = = (arr-l)! (2rn)! c Hk5k 27n 2nt1 Hk. 00).6) en prenant soin de noter que : H&‘+’ # (2n + 2)! k=O Bien entendu... l’erreur s’exprime de la manière suivante : ’ où (9. (n + 1) équations quelconques prises dans le système précédent constituent un système linéaire permettant de calculer les Hk. 148 . à (0. Dans la mesure où l’on peut obtenir UIIC majoration raisonnable Mz~~~. CHk =1 k=O 2 H&I& k=O 2 H@Z. si l’on connaît les xk. on obtient en conséquence le système suivant : Tl.7) hf21L+2 = sup )f@f2) (X) ) p our z appartenant.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Dans ce cas il n’y a pas d’erreur mathématique due à..+~. Toujours est-il que l’erreur prend la forme Suivant>e : (9... on recherche une majoration la plus raisonnable possible de la fonction f (2rr+2) (<) dans l’intervalle (-1. = 12.698 10-7M24..... + 2) équations ainsi défini est constitué de (27~ + 2) équations non linéaires dans la mesure où l’on considère que les Hh et les xk sont les inconnues. E(x) domle l’erreur mathématique liée à la troncature de la série des polynômes de Laguerre. Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations.. en dkfinitive.Xk = (2n. une approximation. alors. on trouve : Ez4 = 3... k=O . +l). + l)! k=O Il est intéressant de constater que le système de (2n.

Sous réserve de cette convergence.000 000 166 849 388 0.512 610 269 776 45 6. Sur sur le Web(*) on trouve le fichier texte appelé laguerre.599 227 639 418 09 13.edpsciences.3. Tableau 9.090 449 222 211682 0.002 663 973 541842 0.151090 379 373 17. txt qui donne les poids et les racines des 12 premiers polynômes.621316 842 445 915 22. on peut être amené à calculer numériquement F(p). on obtient l’expression : F(P) = i s ~(Y/P) m-y) dy 03 0 *http://www.000 203 231592 668 0.000 008 365 055 857 0.020 102 381154 650 0.264 731371055 443 0. Calcul numérique de la transformée de Laplace F(p) la transformée de Laplace de la fonction cc F (P ) = s 0 h(t) est une équation fonctionnelle qui s’écrit : dt.(x)+- 12.377 759 275 873 127 0. les calculs sont réalisables si l’intégrale est convergente.000 000 000 003 062 11.844 525 453 118 77 4. Racines et poids associés des polynômes de Laguerre. Fonction génératrice des polynômes de Laguerre Nous admettrons le résultat suivant sans démonstration : 1-t =Lo(x)+tL~(x)+t2L~(x)+-+tnL. LES PoLYNôms DE LAGUERRE Le tableau 9.116 855 187466 37.115 722 11735802 Poids Hk 12 2. Degré Racines CE 0.006 054 993 319 3 9. En effectuant le changement de variable y = pt.611757484 515 13 0.833 751337 743 36 1.com/guilpin/ 149 . h(t) exd-pt) expression dans laquelle t est une variable réelle (généralement le temps) et p une variable complexe.000 000 001342 391 0. Sans entrer dans les détails de la théorie.487 967 251005 0.099 121044 461 0.244 082 011319 895 0.000 000 000 000 001 8.3 donne les racines et les poids du polynôme de degré 12.9.

(z) 150 = exp(z)$$$ [exp(-z)zn+“(n + Q: + 1 -z)] on obtient : . la méthode de Simpson etc. LE+.(Z) ce qui nous donne : (n + l)L:+.1. en calcul usuel. il faut que sa partie réelle soit plus grande que -1. notamment si la fonction h(y/p) a à peu près l’allure d’un pic entre zéro et Z.8).in tend vers zéro et meilleure est la précision du calcul. Bien entendu. La première intégrale se calcule par la méthode de Gauss-Legendre. les calculs ne sont pas toujours aussi simples. Relation de récurrence entre trois polynômes consécutifs Partant de la relation de définition (9.in est la plus petite racine de L. 13.a. plus le degré n est élevé.(z) = exp(x)&$ [exp(-X)?+“+l] expression qui peut s’écrire sous la forme : (n + ~)L:+. il est difficile de dépasser le degré 12 ou 13. 0 J a L’intérêt est évident dans la mesure où l’on a une très bonne estimation de la queue de la fonction. Appendice : Les polynômes de Laguerre généralisés Les polynômes de Laguerre sont susceptibles d’être étendus en écrivant une formule de définition plus générale : L:(z) = exp(a)$$[exp(-z)zn+rr] avec toutefois une restriction concernant le paramètre <y. Nous n’allons pas renoncer pour autant à utiliser cette technique. soit : P 1 mh(y/p) exp(-y) dy = i T~[(z + a)/@ exp(-z)dz. Il suffit de couper judicieusement l’intervalle (0. D’un point de vue pratique.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ qui se calcule évidemment par la méthode de Gauss-Laguerre. 13. tandis que la seconde intégrale se calcule par la méthode de Gauss-Laguerre en posant z = y .(z) polynôme de Laguerre de degré n servant à l’intégration numérique). Malheureusement.(z) = (n + o! + l)L.in (x. plus X.. écrite pour le polynôme L:+~(X). co) en deux de la façon suivante : F(P) = i J a ~(Y/P) exp(-y) dy + y 0 J a w ~(Y/P) exp(-y) dv a étant déterminé par des considérations sur la fonction h(y/p).

ce qui donne : (n + a) exp(x) 5 z $ [exp( -2)5n+a-1] = (n + o) exp(z) g $$ .(X)]’ = -~L:(X) + (n + cy)exp(x)$& [exp(-x)2?+“-‘] . LES POLYNÔMES DE LAGUERRE En utilisant la relation de Leibnitz. [(n + 0) exp(-x)xn+aP1 .3.(z) .exp(x)ss puis.cm-U-1 exp(x)]&[exp(-z)z’“Pa] x exp( -2)xn+“-l .T(’ on trouve esdéfinitive = ~L:(X) . Dérivons la relation de définition (9.9) (n + l)Lq+&) .9. Orthogonalité des polynômes de Laguerre généralisés Il s’agit de calculer l’expression : (9. -nexp(z)L ~bp(-~)xn+a] .n+Lg1(~). + exp(s)s$[(n + o) Grâce à la formule de Leibnitz. 13.(n + a) exp(-z)L._.(2n + 1 + QI .-l(x) = 0.2.10) J = wexp(-x)P[LE(x)][Lg(x)] dz . 13. on peut transformer la dernière expression : i!a + exp(x)-.z)nL.exp( -2)2n+CY] On obtient alors : [L. nous allons transformer la dernière expression du membre de droite.“(X)]’ = @n(x)] .ns [exp(-z)lçn+u-l] [exp(-z)zn+“] = “+“LE(x) .(x)]’ = ~[exp(x)x-” . Relation de récurrence faisant intervenir les dérivées . 151 .8) : [L./’ 0 = Jexp(-x)x7 & [exp(-x)@“] s [exp(-x)zm+a] 0 dz.s [exp( -x)xnfu] Comme par ailleurs on peut écrire : ~L:(X) = n.exp(-x)3?+“] la relation de récurrence cherchée : (9.(z) + (n + a)L. X X De là nous tirons une relation de récurrence faisant apparaître la dérivée d’un polynôme dont nous aurons besoin pour calculer les Hk : X[L.(n + n)[L:-l(x)].

f(z) est une fonction régulière sur (0.). on simplifie l’expression précédente : [L. 13. Nous obtenons ainsi une forme aisée à calculer pour les HI. . on obtient J = 0 pour n # m. 13.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ En intégrant par parties d’une façon analogue à celle que nous avons envisagée lors de l’étude des polynômes de Laguerre. Si X~C est une racine de L:(x). on établit que : pour [LE(x)]’ = -EL.6.(x) + FL.(z) de degré (n + 1). Reste à calculer la norme : 1 = aexp(-z)zP” s 0 [LE (z)]” dz = n! /exp(-z)zP+” dz.(x) calculer les poids Hk. et l’approximation s’effectue comme toujours au moyen de la relation : expression dans laquelle les xk sont les zéros du polynôme de Laguerre généralisé LE+. 13.-l(x. Calcul des racines de Ln et des poids associés Hk On ne peut pas dresser une table des racines et des poids associés puisque ces valeurs dépendent du paramètre cr.-‘(x).“(x)]’ = ~L.5. Technique de calcul des intégrales du type I = Sexp(--x)x-“f(x)dx 0 Bien entendu. co). où nous n’avons plus à exprimer formellement la dérivée. Une autre relation de récurrence On peut avantageusement utiliser une relation de récurrence portant sur les LE+. 0 ce qui donne : 1 = n!rya + n + 1) expression dans laquelle l?(u) est la fonction factorielle : w ryu) = s exp(-t)t”-’ dt. il faudra construire la chaîne de calculs déjà réalisée pour les cas prccédemment étudiés.4. En effet. Dans chaque cas particulier que l’on sera amené à considérer.

1~.ns exp (-x2/2) .(-1)12-1nKTL-1(X) . .“8. Nous allons en effectuer une étude en tout point semblable à celle des polynômes de Laguerre.~-~.2) = -(-l)RZ&(Z) .x$ exp (-x2/2) .1) 1.‘.10/.]..Y >< ‘._r . (10. il nous suffit de développer l’expression de l(n+r(z).I’~~* La méthode d’intégration de Gauss-Hermite Ce sont des polynômes orthogonaux relativement à la fonction poids gaussienne et sur l’intervalle (-oo. Relation de récurrence entre trois polynômes consécutifs Pour obtenir la relation désirée. le polynôme d’Hermite (182221901) de degré n est défini par la relation : &(Cc) = (-1)‘“exI@/2)~ exp (-332) . K.. /‘ <’r“ .+l(z) = (-l)%+l exp(3?/2)& [zexp (-X”/L)] à laquelle on applique la formule de Leibnitz : soit : ce qui nous permet d’écrire : (-l)“+‘Kn+r(~) = exp(Z2/2) On en déduit immédiatement : (-l)“+‘Kn+&r) soit encore : (10. Pour des raisons qui apparaîtront un peu plus loin._/ .‘:.s>. 1 ( . Les polynômes d’Hermite.. +oo)./> .

Pour ce faire nous dérivons la relation de définition et nous obtenons : K.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2. on peut supposer que k > n : +CC Ink = exp -00 soit encore : s (-x2/2) K(x)&(x) dz. (10. ce qui donne grâce à la formule de Leibnitz : K.-l(X).6x2 et ainsi de suite. Nous obtenons : Ko(x) = 1 ICI(X) = x K&4=x2-1 K3(x)=x3-3x I&(x) = x4 . +CC Ink = (-l)n+k .(x) = (-l)nexp(z2/2)$$exp (-x2/2) + (-l)‘“exp(x”/2)& [-zexp (-x2/2)] .3) 3. c destiné à calculer les coefficients des polynômes d’Hermite dans le but plus précis de calculer leurs racines. 154 . il suffit en réalité de connaître les deux premiers polynômes d’Hermite pour déterminer tous les autres. nous allons établir une relation de récurrence simple entre les polynômes et les dérivées à seule fin d’obtenir une expression de Hk aisément calculable. Orthogonalité des polynômes d’Hermite Les polynômes d’Hermite sont orthogonaux relativement à la fonction poids exp (-x2/2) e t à l’intervalle (-CO. C’est ce que nous allons montrer en calculant l’intégrale Ink. 5.(x) = TX. Calcul des coefficients des premiers polynômes d’Hermite On trouvera sur le Web (*) 1 e programme hermite.com/guilpin/ exp (-x2/2) $ exp (-x2/2) dz. Relation de récurrence entre polynômes et dérivées Dans le même esprit que précédemment.I exdx2/2)& *http://www. Les premiers polynômes d’Hermite Puisque nous bénéficions de la relation de récurrence (10.2). Sans nuire à la généralité. +3 4. +oo).edpsciences.

*http://www. Il nous reste à présent à calculer la norme d’un polynôme. On peut alors écrire : Ink = In-C-1 et de proche en proche on obtient : +03 Ink = n! Or s s exp (-x2/2) dz +CC J s exp dk-n (-x2/2) dz = 0 quand k # n. +oo). foc) car il contient exp (-x2/2) en facteur. c qui calcule les racines et les poids des polynômes d’Hermite.10. réels et répartis sur l’intervalle (-03. page 162. Sur le Web (*). On en déduit immédiatement que les zéros d’un polynôme d’Hermite de degré n sont distincts. il suffit de faire n = k dans l’expression de Ink : +CC In. Calcul des racines des premiers polynômes d’Hermite On trouvera un tableau 10.com/guilpin/ 155 . w est nul sur l’intervalle (-CO.2. = In = n! J exp (-x2/2) dz = n!&. on donne le programme r-hermit . donnant les racines du polynôme d’Hermite de degré 12 que nous avons calculées en double précision. après transformation donnée par la formule de Leibnitz : du = -72 exp(2’/2) s exp (-CC~/~) Dans le cas où n # k. 6. Donc les polynômes d’Hermite sont orthogonaux. LES PoLmôms D’HERMITE Effectuons une intégration par parties en posant : du = & exp (-x2/2) dz soit dk-1 7~ = dz”l exp (-=73/2) et u = exp(2’/2) & exp (-x2/2) soit.edpsciences. le produit u .

page ci-contre. on calcule numériquement sans difficultés les poids Hk associés aux racines zk. on obtient diverses expressions de Hk aisées à calculer. Calcul des poids Hk correspondant aux racines xk Rappelons tout d’abord que ce calcul est effectué dans l’hypothèse où les racines ~k sont les (n + 1) zéros du polynôme de degré (n + 1).1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 7. Remarque : On note qu’il n’y a pas de difficultés pour calculer les intégrales du type : I= /‘:xp(-$)f(x)dx en effet. page 162 les valeurs numériques de ces poids en face des racines correspondantes pour le polynôme de degré 12. Les résultats que nous avons obtenus sont donnés dans le tableau 10. Grâce à la relation (10.3). +co). La relation (B. 156 .5) de l’annexe B s’écrit alors : expression dans laquelle on aura soin de ne pas confondre la constante K avec un quelconque polynôme d’Hermite. 8. Exemple On se propose de calculer une intégrale dont on connaît la valeur numérique. soit : exp (-x2/2) COS(X) dz = 1. soit : En exploitant une de ces relations. Technique de calcul des intégrales du type I = Sexp (-x*/2) f(x)dx où f(Z) est une fonction régulière sur l’intervalle (-00. On trouvera dans le tableau 10. L’approximation se réalise au moyen de la somme : expression dans laquelle les X~C sont les racines du polynôme de degré (n + 1). le changement de variable : nous permet de revenir au cas canonique que nous venons de traiter. On trouve que la constante K vaut n!fi.2.

la relation de récurrence entre trois polynômes consécutifs s’écrit : K*Lfl(X) u) = 2azK. à savoir : xk = x& Les fonctions 02(x. L ES PoLYh&rEs D'HERMITE T a b l e a u 10.(x.000 000 1. et le carré scalaire de l’intégrale vaut alors : 17l. a).000 000 1. expression dans laquelle a est un nombre positif (il s’agit d’une formule analogue à celle de Rodriguès concernant les polynômes de Legendre).B =In 4q2q . -cc 157 .(z.u) = (-l)n exp(az’)$ exp(-ax2).(lç. u) = 2unK.000 000 1.000 043 0. on obtient les modifications à apporter aux expressions des racines et des poids des polynômes correspondants.999 222 1. 2 En remarquant que : .10. Autres notations très utiles Il arrive que des auteurs adoptent une définition légèrement différente pour les polynômes d’Hermite. +oo) ( 7 f(x)’ dz).000 000 143 175 097 099 099 9. constituent une base orthogonale de l’espace L2 qui est l’espace des fonctions de carré sommable sur (-CO.‘(z.p. encore appelées fonctions du cylindre parabolique ou fonctions de Weber-Hermite. Dans ce cas.(z. De même.999 998 1. a). Nombre de points 4 5 6 7 8 9 12 Résultat 0. u) = exp(-uz2/2)Kz(x). soit : K. la relation faisant intervenir les dérivées prend la forme : K.1. u) .2aTX-.

on trouve : -00 J +03 f(x)D&(x.(x. on obtient : ~(X)I?.(X. En rappelant que la transformation de Fourier directe s’écrit : +CC -00 158 J f(x) exp(27rjxu) dz.m!$(a. +co) s’effectue en calculant les coefficients du développement de Fourier correspondant. ainsi que celle de la série associée à la fonction f(x) dans les ouvrages de Arsac et de Bass cités en bibliographie.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La décomposition d’une fonction f(x) appartenant à L2 sur (-CO. 27r) = (-1)” Jz ( F(u) = rL!T(47r)” 112 1 exp (27rx2) $ exp (-2~2~) . expression qui rend les polynômes orthonormés. J Un cas particulier intéressant C’est le cas où a = 27r qui permet d’obtenir des résultats simples lorsque l’on est amené à travailler dans l’espace réciproque de Fourier (cf. .)” et ainsi que c.(x. DC)). = ~‘5 imi(x) exp(-ax2) dz.l.a) dz = c. u)o&(X. chapitre 16). -w k=O -CO puis on procède à J +m a) dz = g ck /o. Nous écrivons : K. soit : On multiplie les deux membres de cette dernière expression par D&(x) l’intégration sur l’intervalle (-oo. = c. On trouvera la démonstration de la convergence des intégrales c. k=O -oo exp(-ax2) dz a) dz =c J 00 +C= ck K*(z)Kk(x) k=O -oo et compte tenu de l’orthogonalité.&(x)o.(x. a) dz = JF C.

10.. 27r) en (J’)~R.(x. 27r) exp(-rz2) TF) Qn(u) exp(-7w2). = (Qn(~.. 2n). Comme tout polynôme d’Hermite peut se développer de la façon suivante : Iq(x. 27r) = 2 ap2p. on en déduit que : (KA(-x.(x) 2~) exp(+z2)) = (-1)‘“6. 27r) exp(-m2)). À présent. I&(x. 2~) exp(-7rx2) TF> j”Ki(u. GWP Nous allons montrer que : K.(x. f(-x)) = (F(u)7 F(u)) dont on trouvera une démonstration dans le chapitre 16 concernant les transformées de Fourier. 159 . et en particulier. on peut écrire : 1 m $ ew-m2) = Pp(u) exp(-nu2) où PP(u) est un polynôme de degré p. on obtient pour sa transformée de Fourier (cJ chapitre 16) : 1 dP x* exp( -Xx2) TF) --exp(-7ru2). LES POLYNÔMES D’HERMITE avec une propriété importante : xPf(x) TE) LF(qu). K.2~) exp(-7rz2). de la relation suivante : (f(x). Il s’agit maintenant de déterminer le polynôme Qn(u). p=o on en déduit que KG(“. en faisant usage de la relation générale de définition des polynômes d’Hermite. Si f(s) = xp exp(-7rx2) 2X) exp(+u2).. Qm(x. 27r). 2~) exp(9rx2)) = 6. La démonstration repose sur les propriétés des produits scalaires dans L2. 2~) exp(-TX’).(x. 27r) = (-l)nK. (27rj)p dup Or. 2~) exp(+x2). Comme la relation de définition permet d’écrire : Ici(-x. il vient : (~L(X. changeons Qm(x.

Soit à calculer : +CX 1 = -CO J exp (-x2/2) f(x) dz Supposons que f(x) soit continûment différentiable sur l’intervalle fondamental (-03. . Calcul de l’erreur commise lors de l’approximation Nous allons reprendre le calcul réalisé lors de l’étude de la méthode de Gauss-Legendre. Calculons 1 en remplaçant f(x) par son développement. seuls quelques points de détails vont différer. par conséquent. On intègre par parties cette expression en posant : 21 = x2n+lx ce qui donne : du = (2n + 1)x2” dz On peut écrire : et u = . 2~) exp(-rx2) ?-. . fco). Le développement de Taylor-MacLaurinà l’ordre (2n + 2) nous donne : f(x) = f(0) + $(O) + g”(o) + . *j”Kh(u. mais on a déjà établi la relation suivante : 1 dp upxp exp( -7rx2) 3 ap . f’““+“(O) + 22n+2 (2n + 2)! f(2n+2) (0 7 expression dans laquelle 2 et c appartiennent à l’intervalle (-00. 2~) exp(+u2).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ on en déduit que : et que.). on a : K&(x. -cc 160 . +co). l’ambiguïté du signe se trouve levée en examinant le terme de plus haute puissance (coefficient uP). (27rj)p dup ce qui permet de conclure que le signe à conserver est le signe plus.exp (-x2/2) . et du = exp (-x2/2) 2 dJ: Q 2n+2 = [-ew-x2/2)x 2n+‘]+z + (2n + 1) Texp (-x2/2) x2n dx. il faudra calculer des expressions du type : Q 2n+2 = -03 J exp (-x2/2) x2n+2 dz = -cc J exp (-x2/2) x2n+1x dz. 10. + j2yy.~ exp( +ru2).

10. LES poLyNôMEs D'HERMITE comme

-cc on trouve que :

+‘=s

exp (-x 2 /2) dz = 6,

Q zn+2

= (2n + l)!!&%.

Par ailleurs QzTL+r étant une fonction impaire, Qzn+r = 0. Revenons au calcul de 1 :

I = v% f(0) + ‘. . + 7$2q[

l)!! +...+

f’““+“‘(E)

(2n+2)!

(2

n

+ y!)

1

L’exploitation directe de la formule d’intégration de Gauss-Hermite donne :

f’“‘(0) n J=S(D)~Hi+...+~~H~x~+..-+
k=O L’erreur E s’écrit : k=O

fPn+2)(<) n c2n+2j! zHkxk”‘“.
k-0

jGq+l) (0)
+ ..‘+ (n + 1)(2q + l)! 5 k=. +...+ f(2n+2)(o (2n+2)!

xkq+l

+ . . + Pc$ . i

(2~7 - l)!!fi - 2 H~Z; k=O

&q2n+l)rl.

kHkxb’“f2
k=O

.

Si f(x) est un polynôme de degré (2n + l), la dérivée de f(x) d’ordre (2n + 2) est nulle, et l’on a l’égalité :

I = J.
Dans ce cas il n’y a pas d’erreur mathématique due à une approximation; on obtient en conséquence le système suivant :

c ï&xka+1 -_ 0
k=O n ~Hk:xkp k=O donc = (2p- l)!!&

je+21

(0

E= (2n+2)!

d%(thz + l)!! - 2 k=O 161

M ANUEL

DE

CALCUL

N U M ÉR I Q U E

APPLIQUÉ

Bien entendu, comme toutes les fois en pareil cas, on recherche une majoration la plus raisonnable possible de la fonction f(2n+2) (5) dans l’intervalle (-1, +l), en définitive, l’erreur s’exprime de la manière suivante :

E(x) = (2T;+;)! i(

dzq2n + l)!! - 2 &7$+2
k=O

(10.4)

Ad&+2 = sup 1f(2n+z) (x) 1 pour I : appartenant à (-00, +~CI). Dans la mesure où l’on peut obtenir une majoration raisonnable Mzn+2, E(z) donne l’erreur mathématique liée à la troncature de la série des polynômes de Laguerre. Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations. Pour 72 = 12, on trouve :
Ez4 = 1,935 10-15M24. Les poids et les racines du polynôme de degré 12 figurent sur le tableau 10.2, tandis que le fichier texte appelé hermite. txt que l’on trouvera sur le Web(*) d onne les résultats concernant les douze premiers polynômes.
Tableau 10.2.

Racines et poids associés des premiers polynômes d’Hermite. X *0,444 403 001944 139 51,340 375 197 15162 f2,259 464 451000 80 *3,223 709 828 770 10 f4,271825 847 932 28 f5,500 901704 467 74 0,806 0,368 0,072 0,005 0,000 0,000

Degré

H
292 983 509 187 391758 069 477 984 713 184 739 523 056 331147 121250 244 966 000 375 975 985

12

11. Fonction génératrice des polynômes d’Hermite
Nous admettrons les résultats suivants sans démonstration : e x p x t - - = Ko(x) + -K1(x) + -K2(2) 2) 1 2 (
t2 t t2 tn + . . . + -K,(x) + '.

n

ou encore si l’on fait usage des fonctions du cylindre parabolique :
exp

(

X2 -T+xt-; 1

t =Do(x) + -01(x)

1

+

-Dz(x)
2

t2

tn +...+ -l&(x) t...

n

Dans le cas où l’on utilise la définition : Ki(x, u) = (-1)7’exp(a22)$ *http://www.edpsciences.com/guilpin/ 162 exp(-ax2):

10. LES POLYNÔMES D'HERMITE on obtient : exp (2nxt- $) = K;(x,a) + $T(x: a) + $(x,a) +. . . + ;K;(x,a) +. . . et en particulier si a = 2~ : exp
4rxt - ~

27rt2 = K;(x,2r) + $Y(x,25r) + ;K;(x:2r) +. . . + FK;(x,2n) 2 >

f.. .

12. Éléments de bibliographie
A. ANGOT (1972) Compléments de Mathématiques, Éditions Masson. J. ARSAC (1962) Fr ansf ormation de Fourier et théorie des distributions, Éditions Dunod. J. BASS (1971) Cours de mathématiques, Tome 3, Éditions Masson. M. CROUZEIX et A.L. MIGNOT (1984) Analyse numérique des équations différentielles, Éditions Masson. H. MINEUR (1966) Techniques de Calcul Numérique, Éditions Dunod. S. THANGAVELU (1993) Lectures on Hermite and Laguerre expansions, Princeton University Press.

163

I l

CaIcuI de quelques intégrales relevant des études IP récédentes au moyen d’un 1 changement de variable

Eu égard à la grande simplicité et à la grande précision de la méthode de Gauss généralisee7 on est fortement tenté de passer en revue le plus grand nombre de polynômes orthogonaux dans le but évident de calculer le plus grand nombre d’intégrales présentant des singularitcs. Tout d’abord il nous faudra définir les polynômes orthogonaux relativement à la fonction poids W(X) sur l’intervalle fondamental fini ou infini (n; b); puis calculer leurs zeros zk ainsi que les Hk associés. Gomme trois polynômes consécutifs de la suite ortjhogonale obcissent à une relation de récurrence (cf. annexe B), on cherche à obtenir les coefficients de ladit,e relation de récurrence ; en règle générale, les deux premiers polynômes sont faciles à calculer. En désignant par W7),(x) le polynôme de dcgre n de la suite orthogonale cnvisagec, on peut écrire une relation de la forme suivante : wn+l(x) - [&(X)X + &(17:)]%(x) + G,(x)VL,(x) = 0

Ensuite, il faut être en mesure de calculer la norme d’un polynôme : I= w(x)W,l(x) J’
u

d

x

car cette quantité intervient dans le calcul des Hk. Bien que le champ d’investigation soit en principe infini, il n’y a que peu d’issues conduisant à des expressions qui puissent être aisknent, traitées analytiquement et qui autorisent le calcul effectif des xk et des Hk. D’une manier-e tout à fait générale, les polynômes susceptibles de déboucher sur des rksultats pratiques relèvent de l’étude des polynômes hypergéométriques encore appelés polynômes de .Jacobi. Nous allons passer en revue un certain nombre de cas typiques dont l’etude se ramène aux cas précédemment abordés.

1. Intégrale de la forme : I = j fodx ()2/1”
Il s’agit donc d’étudier les polynômes Vn(x) orthogonaux relativement à la fonction poids W(X) = &) sur l’intervalle fondamental (0,l). Soit :

165

MANUEL

DE

CALCUL

N U M ÉR I Q U E

APPLIQUÉ

Le changement de variable y = G, soit x = 1 - y’, nous permet de transformer l’intégrale de la façon suivante :
1 vn(l - y2)v& - Y') dy = 0. s 0

Remarquons que l’on peut étendre l’intégrale à l’intervalle (-1, +1) puisque l’élément différentiel est une fonction paire, d’où :
+1

I&(l - y2)Vk(1
J' -1

- y”) dy = 0.

La suite des polynômes Vn(x), lesquels sont des polynômes pairs, n’est rien d’autre que la suite des polynômes de Legendre d’indice pair. En effet, il suffit de se reporter à la formule de Rodriguès pour vérifier que les polynômes de Legendre d’indice pair sont pairs et que les polynômes de Legendre d’indice impairs sont impairs. Il s’ensuit que l’on peut écrire que :
KL+1(1 -X"I = P2n+2(x) = K(Y),

et que

les

racines yk

Sont

données par

l’expression

:

Il convient de rappeler ici que les X~C sont les zéros du polynôme de Legendre de degré (2n+ 2). Comme les racines des polynômes de Legendre sont opposées, on ne conserve que les xk positifs pour calculer les yk. Il nous reste à voir comment les Hk associés aux X~C doivent être calculés. Pour cela reprenons l’expression générale :

H; =

1

l

%+1(Y)

1

v;+dYk) J’ &=i Y - yk dy o

dans laquelle on effectue le changement de variable : y=l-x2, En remarquant au préalable que :
$L:,(Y) =

soit dy = -2x dz.

-&P2nt2(x)~

=

-&G,+,(4

= Vi+l(Y)

l’expression de H* devient :

H; =
Cette dernière expression se transforme en utilisant l’identité : 1 1 22-G
k

1 1 ~- ~.
x - xk x + xk

1

11.

CALCUL

DE

QUELQUES

INTÉGRALES

AU

MOYEN

D’UN

CHANGEMENT

DE

VARIABLE

On obtient alors

H; =
Soit en définitive :

J
0

1

P2n+2 (x)

x + xk

dz

1

H; =
p;71+t(2d

-1

J

+1

P2n+2 (x)

II: - xk

dz = 2Hk

où, n’hésitons pas à le répéter, les Hk sont les poids correspondant aux xk du polynôme de Legendre de degré (2n + 2). En résumé nous avons :

yk = 1 - x;
H; = 2Hk.

1.1. Calcul numérique des yk et des Hk des polynômes V,(x)
Il n’est pas très difficile de calculer ces grandeurs, et le tableau 11.1 donne les résultats du calcul pour le polynôme de degré 11. Sur le Web (*), on trouvera les résultats concernant les premiers polynômes dans le fichier texte vn-x . txt.
Tableau 11.1. Zéros et poids correspondants des polynômes

l&(x).
Hk

Degré

yk

11

0,995 136 433 756 837 0,956 794 043 016 991 0,883 079 894 390 853 0,779 705 097 347 766 0,654 678 756 166 416 0,517 687441268 599 0,379 344 680 233 946 0,250 368 580 202 265 0,140 751142 618 251 0,058 982 630 398 875 0,011378 277 344 275

0,278 503 745 711265 0,273 082 996 692 025 0,262 347 009 574 158 0,246 504 753 620 871 0,225 864 592 161418 0,200 828 288 893 594 0,171883 212 409 773 0,139 592 936 925 331 0,104 586 670 228 415 0,067 549 803 115 903 0,029 255 990 740 224

1.2. Technique d’intégration
On utilise toujours la même relation pour effectuer une approximation de la valeur de 1, soit : J = ,&f;f(yk).
k=O

*http://www.edpsciences.com/guilpin/ 167

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

On peut également calculer les intégrales du type :

h f(x) , I= .I &Ti dx «
qui se ramène au cas précédent au moyen du changement de variable : x - a y== ce qui nous permet d’écrire :

0

Il suffit à présent de poser y$ = a + (b- a)yk pour obtenir la forme désirée, J est alors approchée par l’expression :

.J = dEi2 “,Tf(y$).
k=O

1.3. Un exemple d’intégration
On se propose de calculer :

dz = 413 = 1,333 333 333 333 333.

Les résultats que nous avons obtenus sont donnés dans le tableau 11.2. Tableau 11.2. Nombre de points 2 3 4 5 6 Résultat 1,333 1,333 1,333 1,333 1,333 333 333 333 333 333 333 333 333 333 333 333 333 333 333 032 333 333 333 331

On vérifie que, puisque f(x) est un polynôme du premier degré, les résultats doivent être rigoureux à partir de n = 2. Cependant, nous avons tenu à donner les autres résultats pour montrer que la précision se dégrade avec le nombre croissant de points car apparaissent les inévitables erreurs de troncature qui affectent la précision des racines et des poids associés ainsi que la précision de la somme. 168

11.

CALCUL

DE

QUELQUES INTÉGR.ALES

AU

MOYEN

D’UN

CHANGEMENT

DE

VARIABLE

2. Intégrale de la forme I = J f(x)z/Gdx
0 Il va de soi que nous allons nous intéresser aux polynômes orthogonaux U,(X) relativement à la fonction de base W(X) = G et l’intervalle (0, l), soit :

I
0

I Un(x)Uk(x)G

dz = 0

avec m # k.

Le changement de variable y = fi, soit 2 = 1 ~ y2, nous permet d’tcrire :
1

y2Un(l ~ y2)Uk(l - y”) dz = 0
s

avec m # k.

0

Comme l’élément différentiel est une fonction paire, on en conclut que : +1
-1

s

y2&(l - y2)Uk(1 -y”) dz = 0

avec m # k.

Par conséquent les polynômes yU,, (1 - y”) sont des polynômes impairs orthogonaux sur l’intervalle (0,l) relativement à la fonction de base W(Z) = fi. Il s’agit là des polynômes de Legendre de degré impair qui sont de surcroît impairs. Donc :

de là on déduit que :

On calculera les racines yk de Uzn+i (y)a \ ar t’ d es racines du polynôme de degré (2n + 1). p ir Remarquons que les polynômes de Legendre de degré impair possèdent toujours une racine nulle et 2n racines réelles opposées, donc pour obtenir les yh il suffit de poser : yk = 1 - x;. La racine nulle de P zn+s(z) correspond à la racine nulle évidente du polynôme yUn+1 À présent, calculons les H,$ correspondant aux yk :
1 H;c ’ u;+,(Yd J’ ‘n+l (YY)dy.

(1~ y2).

0

Y ~ Yk

Le changement de variable 2 = fi transforme cette expression en : Un+i(1 ~ 33)X? dy. J: - xk s
0 1

169

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

En notant que :

u;+,(Y) = p’-2xi 2n+364
et que

on aboutit finalement à une expression simple de H; :
P2n+3(2)

H; =

x - xk

dz = 2Hkx2,.

Rappelons que les xk et les Hk sont les zéros et les poids associés du polynôme de Legendre de degré (2n. + 3). En définitive, nous avons : z/k = 1 - XE

H; = 2Hk. x;
2.1. Calcul numérique des yk et des Hi des polynômes U,(y)
On a reporté sur le tableau 11.3 les résultats obtenus pour le polynôme de degré Il, résultats directement déduits de l’étude des polynômes de Legendre. Sur le Web(*), on trouvera les résultats concernant les premiers polynômes dans le fichier texte un-x. txt. Tableau 11.3. Les zéros et les poids correspondants des polynômes Un(x). Degré
Yk Hk

0,982 242 618 777 886 0,930 232 342 038 332 0,847 665 099 712 485 0,740 408 244 072 688
11 0,616 083 601856 242 0,483 525 845 139 551 0,352 154 660 959 083 0,231305 302 178 075 0,010 433 970 271955 0,054 161141423 958

0,004 0,017 0,037 0,059 0,080

191 0,095 977 183 512 452 0,102 724 186 114 703

704 986 489 704 539

357 900 339 359 587

862 669 976 522 896

335 840 674 125

0,129 564 951355 262

0,098 750 243 709 796 0,026 543 841354 487 0,058 619 320 141303 0,083 627 346 047 326

*http://www.edpsciences.com/guilpin/ 170

11.

CALCUL

DE

QUELQUES

INTÉGRALES

AU

MOYEN

D’UN

CHANGEMENT

DE

VARIABLE

2.2. Technique d’intégration
On approche l’intégrale par la même formule, à savoir :

J = c Gf(~k).
tandis que l’intégrale :

n

s’approche par l’expression :

J = (b - CZ)~/~ 5 H;f(Llk).
k=O

où les valeurs y; sont données par la relation : y; = a + (b - U)Yk. Ce dernier résultat est obtenu d’une manière tout à fait identique à celui établi dans le dernier paragraphe à cette différence près que l’on effectue le changement de variable y = a + (b - a)z dans l’intégrale donnant Hi.

2.3. Un exemple d’intégration
Nous nous proposons de calculer :
1

1 =

s
0

x3- dx = rY4PY3/2) = 0,101587 r(w)

3 0 1 5 8 7 3015,

où l?(x) est la fonction factorielle. On donne dans le tableau 11.4 les valeurs trouvées. Tableau Nombre de points 2 3 4 5 6 11.4. Résultat 0,101587 3 0 1 5 8 7 3 0 1 5 0,101587 3 0 1 5 8 7 3 0 1 5 0,101587 3 0 1 5 8 7 3 0 1 3 0,101587 3 0 1 5 8 7 3 0 1 2 0,101587 30’ 587 3 0 1 0

Bien entendu, comme f(x) est un polynôme de degré 3, nous devons trouver un résultat exact à partir de deux points. Ici encore, nous avons voulu montrer l’influence des troncatures et des arrondis sur les calculs. 171

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

3. Intégrales de la forme I = j! dmdx
-1
Sans entrer dans les détails, disons que l’étude des polynômes R,(s) orthogonaux relativement à la fonction poids W(X) = dm et à l’intervalle (-1, +1) relève directement de l’étude des polynômes de Tchcbycheff. Les zéros de R,,,,+l(z) sont donnés par :

k+1 Xk = COS -7l n+2 1 (
tandis que les Hz correspondants sont donnés par :

3.1. Calcul numérique des xk et des Ht des polynômes R,(x)
Dans le tableau 11.5 on a reporté les valeurs numériques calculées pour le polynôme de degré 11. Sur le Web(*), on trouvera les résultats concernant les premiers polynômes dans le fichier texte rn-x . txt.
Tableau 11.5. Les h-os et les poids correspondants des polynômes R,(x).

Degré
f0,965 f0,866 f0,707 50,500 *0,258 60

Yk

HI,

11

925 025 106 000 819

826 289 068 403 784 439 781186 548 000 000 000 045 102 521

0,017 537 233 634 0,065 449 846 949 0,130 899 693 899 0,196 349 540 849 0,244 262 154 1 6 4 0,261799 387 799

936 787 575 362 213 149

3.2. Technique d’intégration
L’intégrale I est bien entendu approchée par l’expression devenue classique :

Il est intéressant dc noter que les intégrales de la forme :

I =

J a

b

~(X)&X - a)@ - x) dz

*http://www.edpsciences.com/guilpin/

172

6. Tableau 11. Nombre de points 3 4 5 6 7 Résultats 0.6. Intégrales de la forme I = J! f (x) @x 0 Ici encore l’étude des polynômes S&(x) orthogonaux relativement à la fonction poids W(X) = et à l’intervalle (-1.. = ~ 2n + 3xk.277 10-l” 0.a TX”.11. Un exemple numérique Soit à calculer : I= -1 J +1 zJ1-ldJ:=O. n et les H* par la relation : 27r H. Sur le tableau 11.2 .97110-i” 0. On vérifie que les erreurs sont de l’ordre de 10P16. CALCUL DE QUELQUES INTÉGRALES AU MOYEN D’UN CHANGEMENT DE VARIABLE se ramènent au cas précédemment étudié à condition de faire usage du changement de variable suivant : b+a xi = ~+ 2 Cette dernière intégrale est alors approchée par : J = 2 Hkf(xi). 3.3.. +l) relève directement de l’étude des polynômes de Tchebycheff.1..166 10-15 0.598 10-16 4.. 173 . nous avons porté les valeurs approchées.555 10-16 0. et qu’elles ne sont dues qu’à l’exécution des calculs. Les zéros de Sri(x) s’expriment au moyen de la relation : xk = Cos2 avec k=O. k=O b .

7. Calcul numérique des xk et des Ht des polynômes s. txt.p.667 439 806 085 0.534 121206 682 0.108 800 727 724 129 0.887 855 645 352 0.edpsciences.043 360 378 833 454 0. Tableau 11.1.398 271993 473 0. on trouvera les résultats concernant les premiers polynômes dans le fichier texte sn-x . Sur le Web (*).2.788 340 161057 0.018 541356 326 165 726 210 434 493 336 683 424 673 756 101 0.a)y ce qui permet d’approcher l’intégrale au moyen de l’expression : soit encore : J = “f.261873 780 008 211 0.(x).073 750 248 299 135 0.(x) On trouvera sur le tableau 11.’ k zkf [a + (b .271909 754 072 704 0.182 332 521001007 0.145 912 283 394 760 0.7 les valeurs numériques correspondant au polynôme de degré 11..019 884 996 920 956 0.995 342 973 018 0.269 967 481134 0. Degré Yk 11 0.072 790 297 726 0.158 723 428 390 0.242 546 154 164 063 0.com/guilpin/ 174 . Les zéros et les poids associés des polynômes S.a)xk] k=O *http://www.005 065 164 245 362 4.215 360 318 131115 0.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 4.958 605 650 752 0. Technique d’intégration L’intégrale 1 est toujours approchée par l’expression : Il est intéressant de noter que les intégrales de la forme : se ramènent au cas précédemment étudié en faisant usage du changement de variable : x = a + (b .

Un exemple numérique Soit à calculer : 1 = -1 Il s’agit d’intégrer un polynôme de degré zéro. Les résultats trouvés sont donnés dans le tableau 11. CALCUL DE QUELQUES INTÉGRALES AU MOYEN D’UN CHANGEMENT DE VARIABLE 4. Masson.L. Éditions Dunod.8. Tableau 11.8. Nombre de points 3 4 5 6 Résultats 3. MINEUR (1966) Techniques de CuZcuZ hmérique. Ici encore les erreurs ne sont dues qu’à l’exécution des calculs.141592 3. Éditions 175 . CROUZEIX et A. et l’on note que les deux derniers chiffres significatifs sont faux.11. Éléments de bibliographie M.141592 3.141592 653 653 653 653 589 589 589 589 792 791 791 791 5.3. MIGNOT (1984) Analyse numérique des équations dijférentielles.141592 3. H.

Au passage nous verrons une application des nombres de Bernoulli au calcul de la constante d’Euler.3) = u exd(l . laquelle sert ensuite de tremplin à la méthode de Romberg.1. bien entendu.. et plus spécifiquement les nombres de Bernoulli. les fonctions sont continues à dérivées continues./.1).1 (12. Ces éléments sont à la base d’une technique d’intégration numérique obtenue à partir de la formule d’Euler-MacLaurin.~14 exp(u) . ou b.1 177 . En outre. Notamment. Méthode de Romberg et autres 1 techniques d’intégration 1. aux extrémités de l’intervalle (0. on voit que : E&(z) = 1. non seulement sont continues.. $wd.12 /. cela signifie que les fonctions périodiques qui sont définies sur une période par les polynômes de Bernoulli. Par dérivation de la formule (12. Formule d’Euler-MacLaurin Les polynômes et les nombres de Bernoulli (Jacques Bernoulli 1654-1705) jouent un rôle important en analyse mathématique. Ces polyômes de Bernoulli possèdent une autre propriété concernant les séries de Fourier : on peut considérer les fonctions périodiques de période 1 représentées sur une période par les polynômes de Bernoulli de degré 4 et noté B4(z).:/ ‘/-: formule d’Euler-MacLaurin. nous ne nous intéressons qu’aux dérivées non nulles. Fonction génératrice des polynômes de Bernoulli Les polynômes de Bernoulli sont les coefficients du développement de l’expression suivante : u exp(uz) exp(u) . mais ont toutes leurs dérivées continues partout. 2 Les polynômes de Bernoulli.1 = z. 1. l). En utilisant l’identité : (-2~) exp( -zu) exp(-u) .1) et par identification directe. </ . Cette propriété relie aussi de près ces polynômes à la fonction dzeta de Riemann (182661866). Le coefficient de rang n de ce développement (a. selon la parité) est en l/nq. on montre que : (12.

4) Bk(x)dx=O s 0 pour k>O. 1 Bl(X) = x .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis la relation de définition (12. on établit que : (12. Voici donc les premiers 178 . Il s’ensuit que les nombres de Bernoulli de rang impair ~ hormis le premier .-x2 + -. exp(u) . On déduit alors que : et B2m+1=0 avec m 2 1. on déduit alors l’expression suivante : Bk(l.1 est une fonction paire. on voit que la fonction : 21 + . 2 2 1. les nombres de Bernoulli sont donnés par l’expression : En faisant x = 0 dans la formule (12.1).-> 2 B2(x)=x2-xf1 6’ 3 x BS(X) = x3 . Les nombres de Bernoulli Par définition. = . On obtient alors : BO(X) = 1. En intégrant la relation (12.2.x) = (-l)“B&) ce qui permet d’écrire : Bk(1) = (-l)“Bk(O).1) par rapport à Z.sont nuls et que seuls diffèrent de zéro les nombres de Bernoulli de rang pair.1) pour obtenir les nombres de Bernoulli.coth.

Bas = = ~ 854 513 138 1 -2 1 30 1 . l’expression (12.$+-~ = 2 $Bn(x) = 1 + B&).1 u3x3 UkXk u2x2 1+ 7+ 7 + 7 +. . u exp(uz) U exp(ux) = exp(u) .30 691 -~ 2 730 3617 ~~ 510 174 611 -~ 330 236 364 091 2730 1. &(x) = xk + xk-lB1 + x”-~C~B~ . + Bk si k est impair. .1 il s’ensuit que : =l+Blu+B2. uzn + Bzn (2n)! ~ + . . Bk cx) Xk Ic! = XT+ ( k .+ 7 + ... + n=O L’identification des termes en u donne : xk-l Uzn ~ + ..12. . si k est impair. > B. si k est pair.. Expression des polynômes de Bernoulli en fonction des nombres de Bernoulli Pour IC = 0. LES POLYNÔMES nombres de Bernoulli non nuls : BO = 1 B1 DE BERNOULLI.+ -g . . si k est pair.+B. .1) nous donne : U exp(u) . FORMULE D'EULER-MACLAURIN = Bfj = Blo B14 BIS Bz2 = = = = 1 42 5 66 7 6 43 867 BS B12 B16 = = = 798 B2. .(x): + B&>$ + .B4 +.1 = exp(u) . + X&+l + xkp4C.... + ~~..~ .1 . ..+B&+.3. + B2n (2n)! l+BIu+B~. .l ) ! 1 De là nous tirons l’expression générale : ‘.

&‘@)(z)] = hk+‘F(“+‘)(z) + . soit : J’ 0 F(2p+1)(x + h . c’est-à-dire l’égalité (12. Additionnons toutes ces relations. 8 ) (2p ~ k)! h h2P-l $2PF1+-+ /+F(2PPl) (X)l = h2Pj7(2P)(x)+ h2P-1 / 0 F(2p+‘)(x + h . . .6) + h ~ t) t2p-1 (2p ~ l)! h2[F”(z + h) . + h’“pqn:) (2P)! h +.t) t2p-” d t .2)! h (4 t2"-2 + h2 J' 0 F(2p+1)(x + h ~ t) (21.7) h” [F@)(s + h) . Nous obtenons les formules suivantes : h[F’(z + h) .+ J 0 0 F(2p+1)(x + h .4.. ( 1 2 .F’(z)] = h2F”(z) + . en nous arrêtant toutefois au même ordre à chaque fois. + h2P Jd2”) (21. puis. ~ 2)! dt. pour l’obtenir.6) par Bi/l! et ainsi de suite. . (12.9) À présent..5) aux dérivées successives de F(z).t) dt.F(x) = / F’(t) dt = ]J”(z + h . puis l’égalité (12. nous allons appliquer la relation (12. + h2p j7(2P+. z On aboutit alors à la formule usuelle : F(x + h) ~ F(z) = hF’(z) + $“‘(x) + .8) par Bk/k!.5) Maintenant.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1.t)t dt. (12. nous allons intégrer successivement par parties l’expression suivante : CC+11 F(x + h) .l).) (2p . .5) par BO. La formule d’Euler-Maclaurin dite formule de la somme Il s’agit d’une méthode d’intégration qui utilise les nombres de Bernoulli.l)! dt.F”(z)] = h3F”‘(s) + . + (2phyk)! F(2P)(x) 1L + h’” On poursuit le calcul jusqu’à l’ordre (217 . (12.t)& dt. en se 180 . (12. nous allons multiplier l’égalité (12.

12) 181 ... En utilisant la relation (12.4) du paragraphe 1..) -B2p] dt.l)(k . on obtient le coefficient de F (k) (x) que l’on désignera par c : B&(k . On en déduit alors que c = 0. [F”(x + h) . .... FORMULE D'EULER-MACLAURIN = 0.] d t E = (2p!) o J h (12.+ J h +.F(x) = -Blh [F’(x + h) + F’(x)] + Bz. En définitive.1. (12.. 0 B2kh2”t2P..+ k . il reste : F(x + h) .Le reste est donné par l’expression : h2P ~ f(2p)(x+h-t) b2p(.12. + (2p)! J h 0 f(2p)(x+h-t) b2p(.+C2~B23. j! ) expression que l’on peut écrire sous la forme : C= lC! 1 l+c~&+c~B2+.11) Évaluation du reste .2k B2p-2h2P-2 2 (217 . + (2p . où Cz est le coefficient du binôme. pour cela on remarque que : B2p-2h2P-2 h2P (2p .k(k-1).) -n.(-J-l) +.10) -4~p=&&p(+%p]. (12..Bk (k est pair).Lk)!(Lk)! +.F”(x)] F(2P4) (x + h) _ F@P-2) t2P-1 +.2)!2! t La dernière parenthèse s’exprime simplement en fonction du polynôme de Bernoulli de degré 2p. nous remarquons que : c = Bk(1) .. nous obtenons une expression canonique qui prend alors la forme suivante : x+h J z f(t) dt = -Blh [f(x + h) + f(x)] + y [f’(x + h) + f’(x)] h2P ~ + ‘. (2P)! h2P Si maintenant on pose F’(X) = f(x). L ES souvenant que B2m+l POLYNÔMES DE BERNOULLI. ...2)!2! t2 = &qBZp 1 dt.t) & + B1h(2p .2) 2! 3! +..l)! [ . .1) + B&(k .+ F(2p+1)(x + h . +B.

MANUEL soit : DE CALCUL NUMÉRIQUE APPLIQUÉ h h f(2p)(x + h . Comme Bzp et BQ. TL.f’ff(u)l + . Appliquons la relation (12.2. ..) dtl 0 h mais : . . autrement dit. b) divisé en n sous-intervalles de longueur identique h.I 0 B&/h) dt = 0. x.. . i=l Remarque : On reconnaît dans la première parenthèse du membre de droite l’expression de la formule des trapèzes que du reste on obtient rigoureusement en faisant p = 1 dans la dernière relation. b) tels que : x0 = a. 182 .11) à chaque sous-intervalle puis effectuons la somme de toutes ces relations. ~2 = a + 2h.5. (i) conservent chacun un signe constant. B2h2 + 7 F’(b) ~ ml (2p . on peut appliquer à chacun des deux termes de cette relation la formule de la moyenne en trouvant un nombre 0 compris entre 0 et 1 tel que : E = $$~fc2pJ(x + Oh)Bapl + l& fcap)(x + Oh) / Bzp (. xl = a + h. = a + nh = b. . En posant pour plus de clarté yk = f(u + kh) avec k = 1.. Application au calcul des intégrales simples Considérons un intervalle fini (a.. on définit des points xk en progression arithmétique sur l’intervalle (a.t)B2p dt + &. nous obtenons : b .2)! [fc2~-3)(b) _ f(2~-3)(~)] a + 4! [j-f”(b) B4h4 ./+2P)(s+h-i)B2. on obtient en définitive : 1. + B2p-2h2P-2 l’erreur étant majorée par E = l%J.yo+yl+y2+-.. 0 (4) dt .~+l 2 f(2P)(Xi). .

+ . et calculons la somme pour m = 13 : alors. elle s’appelle température caractéristique). la constante d’Euler (17071783) est donnée par l’expression : 1 + . = .I expb) . FORMULE D'EULER-MACLAURIN Application au calcul de la constante d’Euler . ‘.exp(x) .. c qui est donné sur le Web (*). On obtient alors sans problème : 1 =log. (n + 3)n! k=l (2k + 3)(2k)! B2k d’où 1+3~ci?2&$ kEl (2k)! . On écrit les relations suivantes : X exp(x) . . . Application au modèle des chaleurs spécifiques selon Debye (1884-1966) En 1912.log.qrn2” Retenons les treize premiers nombres de Bernoulli (non nuls).. 2. + .1 n=O n=.(m) ( ) Cette série ne converge pas très rapidement. Cette dernière expression a fait l’objet du programme argent. + .6. +. Debye a proposé un modèle de la chaleur spécifique des solides qui aboutit au résultat suivant (le modèle ainsi que l’utilisation des nombres de Bernoulli sont présentés dans l’ouvrage de Rocard cité en bibliographie) : 0 où x = U/T (U est une constante dépendant uniquement de la nature du corps considéré. *http://www.com/guilpin/ 183 .Par définition. on fait f(x) = loge(z). LES POLYNÔMES DE BERNOULLI.(m)+y-&-&--k=l y = liliv 120m4 & + .edpsciences. + ‘. aussi lui préfère-t-on un développement asymptotique encore appelé série semi-convergente que l’on obtient de la façon suivante : dans l’expression précédente. h = 1 et ICI = m (entier positif quelconque). . . 1. 0 on déduit que : 2 exp.1 z n=O avec &k+r = 0. on obtient y avec quinze chiffres significatifs exacts en utilisant la représentation des nombres sur huit octets (16 chiffres significatifs).1 Y3 puis on calcule l’intégrale : dy = 2 yn+3 B.1 . _ 1 s exp(y) . On se propose d’établir une table de la chaleur spécifique de l’argent pour lequel U = 215 K. +F x2k+3 3x Y3 du . ’ + (-lPh +.12.

) avec a < a: < b. La méthode de Romberg Quand on calcule une intégrale 1 = 5: f(x) d IL~ p a r 1 a méthode des trapèzes avec un pas h. Autrement dit. Revenons à cette expression de l’erreur : h2Pt2 hn E = (2JT+ 2)! J’ f2p+2(x+hn-t) [n.) -n. la condition assurant la convergence ne sera pas vérifiée car : hn lim ~ = 1 h n+l quand n tend vers l’infini.. si nous appliquons le procédé de Richardson à la suite des In.7. Pour réaliser l’extrapolation. et assurer la condition de convergence. formée par les valeurs Iz.= -~ = x. = 0. on prendra : Malheureusement. Comme l’erreur est un polynôme en hi. tendant vers zéro est une extrapolation du polynôme d’interpolation. = -vf”(:.+. lim. X. = $$. L’idée de la méthode de Romberg repose 2 sur le calcul de 1. On peut alors songer à accélérer la procédure de convergence au moyen d’un des algorithmes présentés au chapitre 2. la suite Inn. b). on obtient la relation suivante : n If = + f(u) + f(b) + nj f(a + khn) k=l avec comme expression de l’erreur mathématique de troncature : E. mais on peut aussi utiliser le fait que l’erreur est donnée par la formule d’Euler-MacLaurin en soulignant toutefois que la fonction f(x) doit être (2~ + 2) fois dérivable sur l’intervalle (a.. pour des valeurs différentes de h. Il faut bien remarquer que la valeur obtenue de In pour en h. et de construire le polynôme d’interpolation de la variable hk passant par les 1n puis de calculer la valeur de ce polynôme d’interpolation pour h. = ~ 2” On vérifie alors que l’on obtient : avec ho = b ~ a. on aura recours à la procédure de Richardson généralisée ...] & 0 et nous notons que cette erreur est un polynôme en h. on calculera les intégrales 1n par la méthode des trapèzes avec un pas donné par l’expression : b-a hz..généralisation qui semble avoir été conçue à cet effet. Pour pallier cet inconvénient.+1 2” ho 184 . on choisit la suite S..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. Si n tend vers l’infini. (. ho 2n+1 2. générée par la méthode des trapèzes. converge vers la valeur de l’intégrale.

240 226 5 0.) 2 k=l avec m = 2n .) = 2.1. En résumé.8. f(a) + f(b) +ef(a+kh.22 8 0.1 Tableau 12.(ho/2n+“+1)TTF 72 (ho/2n)2 . on utilise les relations suivantes : h 0=bpa n ’ hz=. 185 0.239 03 0. LES PoLwvôMEs DE BERNOULLI.12. L’epsilon-algorithme appliqué à la même suite donne le résultat suivant : I = 0. [log. T(k+l) _ (ho/2n)Tf21 .I 0 1%1(1+ xl dz = +x .(/@/2n+k+1)2 ce qui s’écrit encore : 4k:+‘T~~l .1.240 151 L’erreur est E = 0.240 216 00 0.14 1OW”.l 10F5. Sio) = h.235 5 0... Suite initiale 0.240 226 653 .240 225 49 avec une erreur E = 0.240 226 03 0. 1..240 226 5 0 7 et de former la suite des Ik à partir de ho = f .(2)]’ = 0. Un exemple numérique On se propose de calculer l’intégrale suivante : 1 1 = .240 066 6 0.240 226 64 0.240 226 651 0. On obtient alors le tableau 12.Tik) T(“+l) n = : 4’“+1- 1 . FORMULE D'EULER-MACLAURIN Reprenant l’expression de la méthode de Richardson généralisée et en posant : F(O) = 0 nous pouvons écrire : e t F(z.240 224 6 0.240 206 6 0.239 926 0.240 225 87 0.

Quoi qu’il en soit. 2. il existe un certain nombre d’algorithmes très simples qui méritent d’être présentés. Cela signifie que l’on effectue le calcul sur les différents morceaux selon une des méthodes que nous allons exposer. Autres méthodes d’intégration Si les méthodes fondées sur la technique de Gauss sont. Désignons par 1’ l’approximation obtenue : N-l N-l I’.240 226 509 I = 0.240 226 507. d’ailleurs cette fonction peut être continue par morceaux avec des points de discontinuité de première espèce. 4 points 6 points 1 2 points I = 0. d’une façon générale. la sommation des si fournit une approximation de l’intégrale 1. Une intégrale peut avoir un sens bien que la fonction à intégrer présente une apparence de discontinuité de seconde espèce : nous avons rencontré un exemple à propos de la méthode de Gauss généralisée : les singularités étaient alors contenues dans la fonction-poids aux bornes de l’intervalle fondamental. b) a un sens.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si la méthode de Romberg donne un résultat avec un ordre de grandeur meilleur que le résultat donné par la méthode de l’epsilon-algorithme.240228 I = 0. i=o i=o . La valeur de l’intégrale entre deux points consécutifs xi et xi+1 notée si est approchée par s: : si = hf(xi) . 6 et 12 points. Ces derniers calculs ont été réalisés avec une machine fonctionnant avec 10 chiffres significatifs. nous nous intéressons au calcul de : 1 = s a f(z)dz où a et b sont des nombres finis et f(z) une fonction continue possédant des dérivées jusqu’à l’ordre nécessaire pour le besoin des calculs d’erreur. Il est bien entendu que l’on s’intéresse ici à l’intégration numérique des fonctions dont l’intégrale sur un intervalle fini (a. et que nous en ferons ensuite la somme.1. ne serait-ce que pour la réflexion qu’ils suscitent. on obtient encore de meilleurs résultats avec beaucoup moins de calculs en utilisant la méthode de Gauss-Legendre dont voici les résultats en 4. La méthode des rectangles L’intervalle sur lequel s’effectue l’intégration est divisé en N sous-intervalles de longueur égale h = (b-a)/N c e qru nous définit une suite d’abscisses xi en progression arithmétique.= c si = c f(G). les plus performantes. 2.

on désigne par si la valeur de l’intégrale calculée entre deux points consécutifs zi et zi+l . b) 2. X~+I.12. Cette expression va nous permettre d’obtenir une évaluation de l’erreur en effectuant un développement limité de F(Q+~) à l’ordre deux avec l’expression du reste de Lagrange. Nous pouvons écrire : puis : Ei = si . = F(Q)+ hf(zi)+ . elle est approchée par si : s: = . 187 . Nff'(.2. En désignant par 1’ l’approximation de l’intégrale 1 obtenue par sommation des si.F(zi) . La méthode des trapèzes En conservant les notations du précédent paragraphe.kf(G). f(~i) et f(~i+r).si = F(x~+~) . À partir de là. Désignons par F(U) la primitive de la fonction f(x). = i=O . L PoLyrvônnEs ES DE BERNOULLI. nous pouvons écrire : N .) + f(%N) + 2 Ne f(xi) i=l . i=o Cette expression prend une forme plus simple en majorant la somme.ii).L’erreur due à l’approximation mathématique s’écrit : E = II. [f(%+1) + f(G)1 qui représente la surface du trapèze déterminé par les points xi. on obtient une estimation de soit : suivie de celle de E : E = . FORMULE D'EULER-MACLAURIN Estimation de l’erreur mathématique .f'(qi) -F(G) ~ hf(zi) Ei. f(x.F(G) .. soit : E.1'1.hf(zi) = F(xi+h) .l 1’ = c s. où ni est un nombre compris entre ICI et X~+I. soit : où Mr est le sup de la valeur absolue de la dérivée f’(x) sur l’intervalle (a.

s: = F(~i+l) . 12 12N2 où A42 est le sup de la valeur absolue de la dérivée deuxième f”(z) sur l’intervalle (a. [f(Xi+fL) + f(G)] Effectuons un développement limité de F(~i+h) et de f(~i+h) respectivement à l’ordre trois et deux avec les expressions associées du reste de Lagrange. mais le gain est plus conséquent car la formule des trois niveaux étant exacte pour un polynôme de degré trois. b). l’interpolation réalisée est celle d’une parabole cubique. Écrivons la nouvelle valeur de l’erreur que nous appelons Ei : I-3. f(Xo + f(xN) + 2 Nc f(Qi) i=l + 4 N$ f(Xzi+i) i=O . soit : E = -NM2 = (i’~~. la formule d’intégration qui porte sur trois points consécutifs s’écrit : 4 = . Il s’ensuit l’expression de E : Cette expression prend une forme plus simple en majorant la somme. 3.D ans ces conditions..Cette technique va nous permettre de gagner un ordre de grandeur en précision par rapport à la méthode des rectangles. b) qui est maintenant réalisé à l’aide d’un nombre pair de points. puis : N . en constatant que son expression est proportionnelle à 1/N4. ainsi h est donné par l’expression h = ( b .[f(Qi) + 4f(Qi+1) h 3 + f(X2i+2)1 .l 1’ = c 5’: = i=o ..F(xi) . Toutefois. : À partir de là. [f(xi+l) + f(xi)] = F(Xi+tz) . de E. Cela signifie que l’on réalise une interpolation parabolique au lieu de l’interpolation linéaire utilisée dans la méthode des trapèzes. Le calcul de l’erreur nous montrera qu’il en est bien ainsi.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Estimation de l’erreur mathématique .F(G) . .U)/~N. soit : où vi et Ei sont deux nombres compris entre zi et X~+I. soit 2N ce nombre. = si . on obtient une estimation où Bi est un nombre compris entre xi et IC~+I. La méthode de Simpson (1811-1870) La méthode de Simpson repose sur l’utilisation de la formule d’intégration dite des trois niveaux. une légère différence existe dans le découpage de l’intervalle (a.

893 et Md = 10. Effectuons un développement limité de F(xzi + h). (il y a 2N points). lO). i=o Il est aisé d’obtenir une forme plus simple en majorant la valeur de la dérivée sur l’intervalle (a. où Md est le sup de la valeur absolue de la dérivée d’ordre quatre sur l’intervalle (a. on trouve les résultats suivants : Mr = 0. nous écrivons la nouvelle valeur de E. FORMULE D'EULER-MAC%AURIN Estimation de l’erreur mathématique . estimation de Ei : À partir de là.= 25. Prenons un exemple simple : 10 I= /exp(-z") 0 dz. sur l’intervalle (0. : G = si ~ s: =F(%+a)F(zzi). (f(x) + 2hf’(zi) + 2h2f”(2i) + +(Xi) + ~/qo)) . autant il est impossible de savoir quoi que ce soit concernant les majorations des dérivées d’ordre de plus en plus élevé.En adoptant le procédé exploite pour les méthodes précédentes.. M l M4 189 . [f(zai)+4f(z2i+1)+ f(xai+a)].. f(zai + 2h) et de f(x2% + h) respectivement à l’ordre cinq pour le premier et quatre pour les deux autres. = .. b). et l’on voit que .f’“(pi) où pi est un nombre compris entre zi et X~+I. la majoration d’une dérivée d’ordre m conduit à des résultats décevants qui contrebalancent le gain obtenu par la puissance de N (grand dénominateur). = F(X2i + 2h) ~ F(Z22) .. on obtient le résultat suivant : E = zNM4 = BM4.95. [f(X2i + 2h)+ f(zzi)+ 4f(xz+r)]. (p. Les dérivations successives de exp( -x2) génèrent des polynômes qui ont une grosse parenté avec les polynômes d’Hermite (cf la formule de Rodriguès générant les polynômes d’Hermite). b). Il s’ensuit l’expression de E : E = $ ” flv(pi).43. Tous calculs faits.) + 4f(G) + 4hf’(Xi) + 2Pf”(L7Ji) où [i.12. Les quelques exercices que l’on peut mener facilement le montrent fort bien : dans bien des cas.5. M2 = 0. (f(x. Remarque : Autant il est aisé de tirer des conclusions quand au rôle joué par N dans chacune des méthodes. LES POLYNÔMES DE BERNOULLI. ainsi. on obtient : EL = 2hf(zi) + 2h2f’(4 + $f”(z) + ~~“(CC) + $&) . on obtient une E.i et Oi sont deux nombres compris entre x2i et x2%+2.

Méthode de Newton-Cotes (1682-1716) Soit une fonction f(z) continue sur (-1. k=O -l n(xk Le calcul des Hk s’effectue au moyen du changement de variable xk = . Hk = (-1)“-k2 nP&h) d u . .1).” .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3.1. nk!(n . le changement de variable permet d’obtenir : +1 f(x) dz = 7 2 Hkf(a + kh) s -1 avec h = e .1+ %. soit : n +1 rp-x3) J = &k)/ k=O ‘.JI est estimée à partir de l’expression de l’erreur commise en remplaçant f(x) par le polynôme de Lagrange PL(X).j) du sn o j=o 190 .n) du. . Cette expression peut faire l’objet d’une intégration terme à terme à condition de connaître les ay). ce qui donne : Hk = (-1)“-k2 “u(u .)! Rn+2 (u . +l) laquelle possède des dérivées continues sur le même intervalle jusqu’à l’ordre (n + 1) au moins.xj) j#k dz = 2 f(xk)&. L’intégration de Pk(u) entre 0 et n est immédiate.=-1+% On se propose de calculer l’intégrale 1 = Y~(X) d x au moyen d’une approximation J qui -1 consiste à remplacer f(x) par le polynôme de Lagrange donné par la formule de Lagrange.1) s nk!(n ~ k)! 0 0 . k=O L’expression de l’erreur E = 11 . si l’intervalle d’intégration est (a. .b).k + l)(u . (u .k)! s Nous allons transformer Pk(u) en l’écrivant sous la forme suivante : l’exposant (k) rappelant qu’il s’agit des coefficients du ke polynôme. soit : +1 E = -1 s {f(x) -PL(X)) dx > y%+2 nn E = (. (u . Cela est aisé à l’aide des relations de Newton puisque l’on connaît les racines de Pk(u) lesquelles sont les entiers positifs successifs à l’exception de k.y+. On connaît un échantillon de la fonction f(z) constitué de (n+ 1) points yk = f(xk) correspondant à des abscisses en progression arithmétique xl. On calcule au préalable les S” qui sont les sommes des racines à la puissance m.k . .

de prendre la valeur absolue du résultat et d’en effectuer la somme depuis zéro jusqu’à 12. la fonction est soit positive soit négative (elle est alternativement négative puis positive etc. c qui calcule la quantité : Il faut prendre quelques précautions pour calculer cette dernière intégrale. il suffit d’intégrer entre deux entiers consécutifs. Rappelons que le calcul de M n+i est rarement simple. Les premières valeurs calculées sont données dans le tableau 12.529 10-6 5 6 7 8 9 10 0. LES POLYNÔMES DE BERNOULLI.968 lO-’ 0. FORMULE D'EULER-MACLAURIN où A&+i est le sup du module de ~C”+‘)(Z) sur l’intervalle (a. Pour obtenir une majoration de l’erreur. 0 *http://www. dans chaque intervalle constitué par deux entiers successifs. on trouvera le programme cotes-i.2.com/guilpin/ 191 .717 10-5 0.(u) = c a$%“.12.2. T a b l e a u 12. on aura écrit le polynôme de degré n + 1 sous la forme : n+l P.edpsciences.888 10-4 0. L’intégration du polynôme sous le signe somme est effectuée de la même manière que celle de Hk.823 10-l 0. Si le principe que nous venons d’utiliser pour calculer les Hk demeure.). j=o à l’aide des relations de Newton. Sur le Web(*).354 10-7 0. Au préalable. b). la valeur absolue pose un problème que l’on surmonte de la façon suivante : comme la fonction à intégrer s’annule pour les entiers successifs.219 10-a Il est intéressant de s’arrêter sur le calcul d’erreur concernant l’exemple de l’intégrale de Gauss : I= &]exp(-z) dz.973 10-s 0. n Q(n) 3 4 0. c qui réalise cette technique d’intégration suivi d’un autre programme cotes-2.

La comparaison n’a de sens que dans l’étude de cas particuliers au cours desquels on sait expliciter les dérivées et les majorer convenablement. choisissons n = 8. En général.00046. Elle est obtenue pour l’une des valeurs qui annulent la dérivée de g(z). Quoi qu’il en soit.47725 f 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La dérivée d’ordre n + 1 de l’expression sous le signe somme. Désignons par A&+i cette valeur. alors nous trouvons : J = 0.. dans le cas général. on les note a&. E(n = 8) < -Jg5 2 9 et lO@ = 4. 192 .2). d’où 0. les résultats fournis par la méthode des trapèzes et par la méthode de Simpson puisque la première méthode donne une précision en fonction de la dérivée deuxième et la seconde en fonction de la dérivée quatrième. soit : = (-l)“K.2). Cette raison explique pourquoi il n’est pas possible de comparer directement. les six premiers chiffres significatifs sont exacts.. et rares sont les exercices qui le permettent.. notée g(x) est donnée par les polynômes d’Hermite (cf. b) ici (0.. on tire : Pour fixer les idées. en effet nous avons : j7(“+2) = k (n + (n + l)!Jz 2. ici. Ce résultat peut apparaître médiocre. calculés lors de l’intégration de Gauss-Hermite . aussi ne s’attardera-t-on qu’exceptionnellement sur leur majoration. elles donnent des extremums du même ordre de grandeur et l’on trouve : M n+l = 217. et de choisir la plus grande valeur absolue. il est très difficile de calculer formellement la dérivée d’ordre n d’une fonction.477250 155 La consultation de la table donnée chapitre 10 (concernant le polynôme de degré 10) nous montre que seules deux racines nous intéressent dans l’intervalle (0. J = 0. Il est facile de calculer les valeurs de g(ak) correspondant aux racines ak contenues dans l’intervalle (a.6 10-5. pour 7~ = 8. en fait il est dû à la majoration excessive de la dérivée d’ordre (n + 1). iKn+l (uk)] 2’ de là.+z(s)exp Ce sont donc les zéros du polynôme d’Hermite de degré n+2 qui sont les extremums de g(x). Cette opération va être rendue aisée par l’usage des coefficients HI.2). chapitre 10) : = (-l)“+‘Kn+r(x) exp Cherchons le sup de la valeur absolue de cette expression dans l’intervalle (0.

P. Édition Mc Graw-Hill. HENRICI (1964) Elements of Numerical Analysis. Éditions MIR.12. GUILPIN M. HILDEBRAND (1956) Introduction to the numerical andysis. Éditions Masson. B. D. G. DORN (1964) Numerical Methods and Fortran Programming. Éditions Dunod. LES POLYNÔMES DE BERNOULLI.L. Édition Wiley. Éléments de bibliographie A. JACQUES (1975) La Technique Informatique. Éditions Masson. G. CROUZEIX et A. M. FORMULE D'EULER-MACLAURIN 4. HACQUES (1971) Mathématiques pour I’lnformatique. DÉMIDOVITCH et L. 193 . Éditions Masson. Éditions MIR. BESTOUGEFF CH. F. N. A. R. Éditions Wiley. MCCRACKEN et W. Éditions Masson.R.S. H. Éditions de la Revue d’optique. KRESS (1998) Numerical analysis. VALIRON (1955) La Théorie des Fonctions. Y. Éditions Dunod. RALSTON et H. MIGNOT (1984) Analyse numérique des équations différentielles. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. Springer. Éditions Armand Colin. MARON (1979) Éléments de Calcul Numériques. RICE (1969) Approximation des Fonctions. ROCARD (1967) Thermodynamique. J. Tomes 1 et II. ANGOT (1965) Compléments de Mathématiques. BAKHVALOV (1976) Méthodes Numériques.

b. il est encore plus rare de pouvoir exhiber une fonction f qui soit solution d’une équation différentielle donnée. 195 . Ici nous avons choisi le temps comme variable puisque l’exemple retenu est le pendule simple.y). D’autant plus que la nature des conditions aux limites peut singulièrement compliquer le problème à savoir : a. Désignons par 8 l’angle que fait le pendule avec la verticale et écrivons l’équation différentielle à laquelle obéit Q au cours du temps t : d’B(t) dt2 + w2 Sin[e(t)] = 0..) $. mais rien n’est changé en faisant usage d’autres variables.1dans le champ réel Ces types de problème relèvent du vaste cadre de l’analyse fonctionnelle. Ici. il suffit de considérer une des toutes premières équations différentielles rencontrées dans la physique : l’équation du pendule simple dans le plan. On connaît à l’instant t = to la valeur de la fonction inconnue et de toutes les dérivées jusqu’à l’ordre le plus élevé figurant dans l’équation. On connaît les valeurs de la fonction inconnue à des instants différents. Cette équation différentielle ne possède pas de solution formelle connue c’est-à-dire de solution exprimable au moyen des transcendances usuelles. S’il est rare de trouver une primitive à une fonction donnée. Conditions aux limites (ou de tir). Conditions de Cauchy (178991857). Pour s’en convaincre. nous ne cherchons pas à résoudre le problème différentiel dans le cas le plus général implicite que l’on écrit : mais nous nous contenterons d’étudier le cas explicite suivant : g=f(g )..

puis nous procéderons aux généralisations qui permettront l’intégration des équations différentielles dont l’ordre est supérieur à un. cela va de soi. 2. alors l’équation différentielle admet au moins une solution $(x) qui prend pour z = x0 la valeur yo et qui est définie pour ~0 5 z 5 20 + h. Sous la forme explicite.yo1 5 b. 4(x) est continue. En outre. . 196 .~l) . . À présent. alors la solution 4(z) qui prend la valeur yo pour la valeur ~0 de la variable est unique. . que les équations d’ordre supérieur à un. dw -=z dt ’ dz ce qui donne (n . . Rien n’est changé si l’on remplace la condition 320 < Ic 5 320 +a par 20 -a < z 5 20. c’est l’unicité de la solution qui va retenir notre attention. nous donnerons quelques indications à propos du problème aux limites qui ne concerne.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Celui-ci se ramène à l’étude d’un système différentiel de n équations du premier ordre. y) soit continue dans le rectangle ~0 5 2 < ~~+a. 1. Iy . . nous aurons à intégrer l’équation générale suivante : avec la condition que la solution doit prendre la valeur yo pour la valeur ~0 de la variable.= f(y. yz)I < A Iyy1 ~ yzI avec A fini. Les théorèmes d’Arzelà (1847-1912) et de Cauchy-Lipschitz (1832-1903) Il convient de s’assurer de l’existence d’une solution et la réponse est apportée par le théorème d’Arzelà que l’on admettra sans démonstration i Sous la seule’condition que f(~. soit : I. dt ’ . .1) équations lesquelles jointes à . elle est assurée par le théorème de Cauchy-Lipschitz : Si de plus la fonction f(lç. dans le domaine précédemment défini.f(z. h étant le plus petit des deux nombres a et b/M où M = su~lf(~~)l d ans le rectangle considéré. Dans un premier temps nous étudierons les techniques usuelles de résolution des équations différentielles du premier ordre dans le cadre du problème de Cauchy. 2) constituent un système dt de n équations différentielles du premier ordre. en posant successivement : dy -=u dt ’ du -x2. u. Les équations différentielles du premier ordre C’est donc le problème de Cauchy qui seul nous concerne ici. y) est lipschitzienne (cela signifie qu’il n’y a pas de tangente verticale). Enfin.f(x. U.

(b) et yn+r (b) sont égales à la précision que l’on s’est fixé à l’avance. yo) dt. en un point particulier. La méthode de Picard (1858-1941) La technique est intéressante dans la mesure où elle substitue une équation intégrale à une équation différentielle. nous allons nous intéresser à cet aspect. d. On arrête les calculs lorsque les valeurs de y.y0 = J Y0 x0 J fh y(t)1 dt. 20 + h). .. 3. On trouvera dans l’ouvrage de G... Comme elle constitue aussi une méthode numérique simple à mettre en œuvre. si la fonction ~ est régulière. dans lequel la fonction f(z.Y~-~(X) est absolument et uniformément convergente pour x appartenant à l’intervalle (x0. Y~(X) = YO + x0 J f[t. b). il convient de signaler que la série de terme général yy.. y) a les bonnes propriétés. y) est m fi . c’est-à-dire l’ensemble des échantillons de Y~(X) aux points xk.(~) quand n tend vers l’infini est la solution unique de l’équation différentielle dans le cadre des hypothèses énoncées dans les théorèmes d’Arzelà et de Cauchy-Lipschitz.. Valiron cité en bibliographie une démonstration de ces théorèmes au moyen de la méthode itérative de Picard (1890). on calcule Y~(X) à partir de Y~(X) et ainsi de suite.. Nous allons former une suite de fonctions de la manière suivante : z Y~(X) = YO + Y~(X) = yo + x0 s f(4 yo) dt. soit : Y(X) z dz = y(z) ..13. en n sous-intervalles égaux définis par les points xk en progression arithmétique : h=-n b ..~TI~N~ DIFFÉRE~TIELLJB DANS LE CHAMP RÉEL Remarque : Si f (x. Ensuite. b... De plus... La conduite du calcul est fort simple : a. s-l(t)] dt. f (2. Y) elle conserve les bonnes propriétés puisque l’on pourra intégrer x en fonction de y. .a et xk = a + kh. 197 . INTÉGRATION ms ÉCXJ. il faut examiner s’il s’agit d’un pôle ’ me 1 simple ou d’un point singulier essentiel. c. On montre alors que la limite de y. NOUS calculons la fonction Y~(Z) = yo + 7 f(t... On découpe l’intervalle d’intégration (a. x0 J z f[t. Dans le premier cas... . yl(t)] dt.

et On peut aller aussi loin que ce que l’on désire. + SYk’ + . Il suffit donc d’écraser les valeurs au fur et à mesure des calculs.com/guilpin/ 198 . la méthode s’appelle méthode d’Euler. c qui réalise cette procédure. Par suite.edpsciences. Non seulement cette remarque simplifie grandement la programmation mais encore elle accélère la convergence du procédé.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Remarque 1 : Cette belle méthode itérative présente l’inconvénient d’être lentement convergente. il suffira d’effectuer les calculs à un ordre suffisamment élevé pour obtenir la précision souhaitée à l’avance. on est en droit de penser que c’est la technique numérique retenue pour calculer les intégrales qui limite la précision des résultats (elle est fonction du pas h). Lorsque l’on arrête le développement en série de Taylor au premier ordre. puis y2 au point x2 et ainsi de suite jusqu’à x. . Méthode de la série de Taylor Nous allons développer la fonction y(xk+i) au voisinage de y(xk) en série de Taylor en utilisant les notations yk et yk+l : Yk+l = Yk + h2 h3 h y y. sur le plan strictement mathématique. On trouvera sur le Web (*) 1 e programme taylor . c qui met en œuvre cette technique. par dérivation. yk). Les problèmes sont malheureusement plus compliqués que cela. 4. Yk). yi est donné par l’équation différentielle et vaut simplement f(xk. + gY. on obtient : = dxk. On trouvera sur le Web (*) 1 e programme picard. ensuite. Remarque 2 : Comme la méthode est absolument et uniformément convergente il n’est pas utile de conserver la fonction yn(x) intégralement avant de procéder au calcul de la fonction suivante yn+i(x). = b. La technique de calcul est simple : à partir de x0 et yo on calculera y1 au point xi. Précision de la méthode La suite de fonctions étant absolument et uniformément convergente. *http://www.

partir du point A(zo. Pour cela on utilise une propriété géométrique de la parabole selon laquelle la tangente en B à la parabole est parallèle à la sécante AC. Cette procédure montre que l’on itère trois fois la fonction f(z. yo)/ L’ordonnée de C n’est pas la valeur définitive que nous allons conserver comme approximation de l’intégration en zo + h. y(~ + h)] en effectuant une interpolation parabolique. y).edpsciences. > f (50 + W’. go)/21 signifie f (50 + h. Nous pouvons retrouver ce même résultat par voie analytique. Méthodes de Runge (1856-1927) et Kutta (1867-1944) 5. La méthode en trois points Nous allons présenter cette technique de façon géométrique. yo). yo)/2)) La technique de calcul consiste à écrire : UO Ul Uz puis y1 = f(zo. *http://uww. on calcule y2 et ainsi de suite jusqu’à atteindre la borne b souhaitée. On trouvera sur le Web (*) 1 e programme runge . YO + hUo/2) f(zo+h. = = = Yo). yo + . La formule des trois niveaux permet de trouver une meilleure approximation de C en écrivant : so+h / “0 dy= zo+h j“0 f[z.yo+hUl). T~O)P. 1Jo + hf(zo. nous donnons les résultats du calcul en quatre points. Sans s’attarder sur les développements. c’est-àdire en supposant que les trois points A.13. nous calculons au moyen de la méthode d’Euler les coordonnées du point B [Q + h/2.1.hw RÉEL 5. Ensuite. y~) f(B) f(C) signifie f 1x0 + WA yo + V(a. yo + hf (20 + W. On détermine le point C [XO + h. soit : À = YO + Wzo. [Uo + 4Ul + U2]. YO + hf(zo. INTÉGRATION ms ÉQUATION~ DIFFÉRENTIELLE~ mNs LE cH. On peut alors écrire : y1 = y(zo + h) = YO + h. [f(A) + 4f(B) + f(C)] expression dans laquelle f(A) signifie f(ze. Cette façon de procéder est généralisable ce qui permet d’augmenter la précision des résultats. Y(Z)] dz = y1 . B et C sont sur une parabole.com/guilpin/ 199 .yo = . à partir de ~1. y(~ + h/2)]. puis nous verrons ce qu’elle signifie analytiquement et nous proposerons une généralisation à plusieurs points.f [zo + h/2. c qui réalise cette procédure.

< x. YO + Uo/3).Ul + U2). Prince et J. 2.R. . .YO) U3 . annexes H et 1). Les méthodes d’Adams (1819-1892) On se propose de calculer la valeur de la solution yj pour la valeur correspondante de l’abscisse xj. Dormand ont réalisé ces calculs et ont produit les coefficients numériques jusqu’à 16 points. Souvent nous utilisons leurs résultats pour intégrer les équations différentielles. Les abscisses ne sont pas nécessairement en progression arithmétique et l’on les note simplement dans l’ordre croissant (20 < ~1 < x2 < .f (20 + h/3. On peut aussi calculer cette autre suite : uo = hf (XO.Uo/3 + Ul) . On note h.+1 . 6. On calcule les valeurs suivantes : Ul = h. Les méthodes en seize points (ordre 8) Il faut résoudre un système de 285 équations pour satisfaire les conditions d’identification et en 1981.J.Yo + Uo . P. et ceci de la façon suivante : on intègre avec la méthode d’ordre 7 et l’on estime l’erreur à l’aide de la méthode d’ordre 8 qui sert de référence. On retrouve ce type d’intégration dans quelques programmes fournis avec les corrections de problèmes (cf. YO + UoP) . . = hf (20 + h. u3 = V(~O +~. . Il faut savoir que les coefficients numériques sont calculés par identification de la formule présentée et du développement en série de Taylor le plus élevé possible. = x. T étant l’intervalle sur lequel on désire effectuer les calculs et sur lequel la fonction f [x. et y(x0 + h) = Y(Q) + z + F + y + ? . U2 = kf(~o+W. 200 ..yo+R/2). YO + U2) . Ceci permet de calculer aussi le pas d’intégration adapté au type de l’équation différentielle que l’on traite. 5.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.2.x. . en voici deux : 1. < x.3. Les méthodes en quatre points Il existe plusieurs variantes de la méthode. Uz = hf (20 + W3. yo . et y(~0 + h) = y(zo) + z + : + ? + ? .} = T. ul = hf (20 + W’. y(z)] a les bonnes propriétés énoncées dans le théorème de Cauchy-Lipschitz.

f n+l = f (%+1. Méthode de Adams-Bashforth On désigne par Pyn(x) le polynôme de Lagrange de degré v qui interpole la fonction f[z. . INTÉGRATION DE~ ÉQu.1. 1. YYn+1 1 201 .13.. La valeur approchée de yn+r est donnée par l’expression : “n+l Yn+1 = y72 + s f’vn(x) dz..jfn-j j=o et avec n>u. ~ç.~TIONS DIFFÉRENTIELLE~ DANS LE CHAMP RÉEL On suppose que l’on connaît les n premières valeurs qui ont pu être obtenues au moyen d’une méthode de Runge et Kutta par exemple.-j. expression dans laquelle nous allons approcher la fonction f[z. y(x. ce qui signifie que la détermination de ce polynôme nécessite la connaissance de v + 1 valeurs calculées précédemment. y(z)] au moyen du polynôme d’interpolation de Lagrange de degré u. V. on en déduit la valeur de fn+r : f n+l=f( &X+l> Explicitons le polynôme de Lagrange : Yn+l) On peut poser puis : En définitive. On se propose de calculer la valeur de yn+r au point x.-j)] = fn-j avec j = 0.+r). On adopte la notation : Pvn(xn-j) = f[x. 6. y(z)] dans l’intervalle (z.+1 au moyen de la relation : “n+l Ynfl = Yn + s fh ~(~11 dz. la méthode d’Adams-Bashforth a (ZI + 1) pas s’écrit : Y~+I = yn + 2 h&L.

-‘). ‘. comme on va le voir..1) $ . . chapitre 6) pouvait x .. Remarque 3 : La taille des pas hj n’est commandée que par des considérations sur la précision et la stabilité. sous la forme : h Plm(u) = fn + UAff. De là.1) ayf n qui s’exprime avec la notation plus concise : (“‘:-y= de la manière suivante : u(u + 1). j=. cette nouvelle expression qui s’écrit : buj = J 0 ’ Zvj(u) du = j fi u-le du.? de même B. Pvn(u) = 2 aq n(“+. + . Remarque 4 : Comme la méthode existe pour v = 0 (il s’agit de la méthode d’Euler). (u + j . ainsi L. elle peut être obtenue par une méthode à un seul pas telle que celles que nous avons présentées précédemment. 6.U!(u + V . on obtient : . + y 1) pj-..2. il suffit de concevoir un programme qui fonctionne avec un pas variable de 0 à V. .j(z) prend une forme plus simple que l’on désigne par ZVj(z) car. . Cas où les xj sont en progression arithmétique On désigne alors simplement par h le pas.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Remarque 1 : Il faut une plate-forme de démarrage pour appliquer l’algorithme d’AdamsBashforth. en posant u = -.2. s’écrire. Remarque 2 : Rien n’interdit de modifier le nombre de pas au cours des calculs. o kk#j Ic -j =O Par ailleurs. + u(u + 1) . cette expression ne dépend pas de n : k#. et l’on remarque que le polynôme d’interpolation de Lagrange est également le polynôme ascendant de Newton (cf. ainsi l’algorithme devient « auto-démarrant ». chapitre 6) . nous avons vu que le polynôme de Newton ascendant (cf.j ne dépend plus de n et l’on désigne par b.

si bien qu’il n’est plus utile de calculer les différences successives des fn. avec IN T ÉG R A T I O N DES ÉQU.x) Nous pouvons donc écrire : S(x) log.Y~+I).1 .13.~TIONS D I F F ÉR E N T I E L L E ~ DANS LE CHAMP R ÉE L Il y a moyen de calculer directement les rj ainsi que les bvj qui en découlent.z”. puis l’égalisation à zéro de 2 conduit au développement en série de MacLaurin de S(z).(l -z)] da = -’ log. Les expressions à exploiter s’écrivent : yn+l = yn + h k b. la dérivation successive sous le signe somme. l’intégrale est directement calculable : S(z) = ( 1 0 J 1 -X)-O da! = J 1 0 exp[-alog. = L’identification des termes de même puissance en x conduit aux relations : m-l 203 .(l . 0 D’un autre côté. Le développement en série entière de cette expression donne : -1.jfn-j j=o et fn+l = ~(G+I.3. Calcul des coefficients rj et bvj Nous allons montrer que les yk sont les coefficients du développement en série entière de la fonction : 1 S(x) = J 0 (1 -x)-” dcr = -&i. avec n 2 u.-‘) du.(l .x)G = . k=O En effet. et l’on trouve que : %= j(‘“+. 6.

. exprimons Z. 73 et ainsi de suite. l). ~ s 0 k=O 0 k=O 0 À présent. Le calcul des b. Sur le Web (*). De la même façon. on trouvera le programme bashf ort . g (m -T + 1) À partir de cette relation on calcule la suite 71. (y) (5 -!!A) = (Fl)q+.~(X) en fonction de (“‘Y-‘).-l.j(~) : Zvj(czz) .j s’effectue en fonction de b. 72._ l.j + (-l)%‘$p avec O<j<v.. ’ du = (-l)yyy.1 ou (m + 1) autant de fois que cela reste compatible avec le fait que m est supérieur ou égal à zéro.. En particulier. nous savons calculer les b.ZyP1.MANUEL DE CALCUL NUM É RIQUE APPLIQU É soit encore : Cette dernière relation est donc vraie quel que soit m. Intégrons terme à terme sur (0.ZY~l.j(cz) = (-qc?. il est aisé de calculer b. ainsi on trouve : yo=l= quel que soit m positif.-l). à partir de la relation de définition : b. On peut écrire.edpsciences. D’abord. c qui utilise cette technique de calcul. Maintenant.j(~) : Zv-&z) = (-l)jCy’ (“‘v’)s. et l’égalité demeure en remplaçant m par m .com/guilpin/ $ 204 . = ’ lyv(u) du = ] Ufi E du = (-1)” ] Uj “. pour j < v : Zvj(3J) = (-l)jCi (--‘)Z. on calcule iV-i. effectuons la différence lyj(x) .j sans difficulté à partir des yv. *http://www. on obtient : bvj = b. En définitive.j et de yV pour 0 < j < V. elle est vraie pour m = 1 dans le premier membre et m quelconque dans le second.

j=-1 La technique de résolution consiste à séparer ce qui est connu de ce qui doit être calculé par résolution d’une équation implicite : yn+l . La différence provient du fait que le polynôme d’interpolation passe par fn+i = f (x.j+lC4.+~. . . . . Qv+l.hJL. On comprend alors que la nouvelle technique soit une méthode implicite car il nous faudra résoudre une équation implicite pour obtenir la valeur de y.. n . (Le membre de droite est une constante calculable directement. seules les valeurs fk pourk = n + 1. Méthode de Adams-Moulton (1872-1952) Au fond. Cas où les xj sont en progression arithmétique L’expression du polynôme de Newton devient : Q v+l. u.l.y(xn-j)] avec j = O. nous pouvons nous dispenser du calcul effectif des différences successives.n+l.A’&+1 + uiuz. .nbn+d = P[G+~.) 6. . ‘)A2fnll + .13.&) = fn+l + .D. INTÉGRATION DE~ É~~UATION~ DIFFÉRENTIELLES DANS LE CHAMP RÉEL 6. Il prend la forme : soit encore : Q V+l.&) Comme précédemment.)” + n)A”+lfn+l u+k-1 k A"fTLt1 avec u= zPG+l h ’ Ici encore.Y(G+I)] = fn+l. yn+l) = yn + c h. . posons : = i: fn-jL+l. et il reste à résoudre l’équation implicite figurant dans le premier membre égale à ladite constante.n(xn-j) ~1~s = f [z..+1 sera connue.5. + u(” ‘(2.jfn-j j=o avec n > u.-d(rç. Nous posons donc : Q v+~.v devront être connues. il s’agit d’une variante de la méthode qui vient d’être exposée.+l.-j. 205 . gn+i) valeur qui ne sera connue que lorsque la valeur de y. Le gain de la méthode repose sur le fait que le polynôme d’interpolation gagne un degré. cette dernière valeur est inconnue. Le polynôme de Lagrange qui interpole dans le ne intervalle est alors de degré (V + 1).4.+1.

Calcul des coefficients Sj et d.+h!f&~fn “i~](~+.. en réutilisant la relation établit à propos des rj. -1 k=O k#3 De là. à savoir : m-1 m 2 & .. Écrivons 6j et effectuons le changement de variable u .Lj.-‘) . on extrait : Yn+l avec =Yn+h-p I cfn+l .. &+*‘) -1 du=y.dvj. yn+l) = yn + 2 h.j ne dépend plus de n et l’on désigne par d. j=o 6.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La quantité D..~+I -1 J' (u)du=]Esd. L’expression générale à itérer devient plus simple : yn+l .yje1 avec 60=~0=1.6.2 (m -! + 1) = O.&-lf (x.1 = 2 : puis décomposons le dernier membre sous le signe somme : à présent il suffit d’intégrer de zéro à l’infini et l’on obtient : sj = “ii .+1. Nous pouvons également calculer directement la suite des 6.j cette nouvelle expression qui s’écrit (attention au changement de variable qui définit u) : 0 dvj = L+I. .h. Nous allons relier les coefficients ~?j aux coefficients y&..u~i”u+l~~$b+j-~) -1 -1 du.

13.. La méthode des différentiations rétrogrades Il existe une catégorie de problèmes différentiels qui sont particulièrement rebelles aux méthodes d’analyse usuelles. c’est-à-dire que la discrétisation explicite fait apparaître des instabilités. Ce type de problème porte un nom : il s’agit de problèmes raides.1 quel que soit m positif. Bien que les conditions de Cauchy-Lipschitz soient vérifiées. Nous avons d’abord : (u) du = j fi 2 du = (-1)V+1j -1 k=O L+l. Il nous reste à exprimer les d.edpsciences.ZVj+r (x) : Maintenant. c qui réalise l’intégration numérique des équations différentielles du premier ordre au moyen de cette procédure. INTÉGR.j+l(z) = (-l)j+lcj+l en fonction de (::y).. On peut écrire.. + (rm-1 .j+l L’intégration de deux membres sur l’intervalle (-1.I & & du = (-I)“+%+i.+ %-j -Ym-j+1 m . il peut arriver que la structure de l’équation différentielle soit tout à fait mauvais.+i. pour z + v rfJ + v + 1 v+l ( v+l> z+j+1‘ (x) .3 (-l)j+lCj+lb v+1 v+l avec O<~<U.O) permet d’obtenir : d = d _ + v. Ici encore.j en fonction des Sj.7 u 1. on sait facilement calculer les d.j en fonction des &.com/guilpin/ 207 .i +. nous écrivons Zu+ij+i(s) j<u: 1 v+l.v+l .. on n’obtient pas d’approximations numériques convenables à l’aide des méthodes usuelles. c’est-à-dire les méthodes de Runge et Kutta et les méthodes d’Adams. effectuons la différence ZV+l. On trouvera sur le Web(*) 1e programme moulton. 7. Comme précédemment. = . *http://www.~TI~N DES ÉQUATIONS DIFFÉRENTIELLES DANS LE CHAMP RÉEL Le développement puis la factorisation des coefficients qui ont le même dénominateur permet d’écrire : ()=‘y0 m-t1 ce qui donne : + 70 -Y1 +. O=C cm -“k + 1) k”o 0 6.XL).

et il convient de tester les méthodes de Runge et Kutta implicites ou la méthode des différentiations rétrogrades.? On désigne alors par n.. ~n+l) > et n..l. ..l. ces difficultés peuvent être éventuellement contournées en utilisant des méthodes adaptées...x.v où <k = %+1 .(U) de la manière suivante : nvn(u) = Yn+l fi + + 2 Yn+l-j k=l j=l kfJ y$ .+1 .k h . Pour obtenir la valeur de y.(G) = yn+l-k avec k=O.(x) = 2 Cln+l-j fi x ... -g- mzl ( 1 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Lorsqu’on rencontre un problème raide.i h ’ d.+r.. ainsi nous écrivons : JLn(Xn+l-k) = Yn+l-k avec k = O. Le polynôme sert alors à trouver une approximation de yn+r pour la valeur 2 = X.. Nous présentons maintenant cette dernière méthode.(O) = -hf (X~+I.> m=l ainsi que de sa dérivée C&(U). ..v.II: k#. on écrit que : Nous allons expliciter le polynôme de Lagrange dans le cas particulier utile où le pas est constant et vaut h : II. puisque j # 0 : et que q:&L) = -qv?%(u) .(u) la nouvelle expression qui prend la forme suivante : ‘irm(u) = On obtient alors : -gYn+l-j g s j=o en posant : u = X n+l . Nous allons dériver T vn(~) par rapport à U.+1. L’idée consiste à interpoler la suite des yn par le polynôme de Lagrange II.Z)’ llrn 208 - . Développons T~.xTL+1-k . k=o~7x+1-j -%+1-k j=o k#. après avoir donné son expression en fonction de : Qvn(u) = fi (l. k#j On note que.(z) de degré v (n > v+ 1).

INTÉGR.f(z. yn+l) = c u. j=l car qvn(0) = 1. En réécrivant la dernière égalité.~TI~NS DIFFÉRENTIELLES DANS LE CHAMP RÉEL ce qui donne : dAv = . c qui réalise cet algorithme.2 .+I-~.com/guilpin/ 209 .13.~TION DE~ &U.ha. Donc : Dérivons par rapport à u et faisons u = 0 : = -hf (X~+I. j=l avec : et Sur le Web (*). on obtient : soit encore : Formellement.+l. on peut écrire une expression semblable à celles établies à propos des méthodes d’Adams : v S+I . yn+l 1. on trouvera le programme retrogra.~Y. *http://www.edpsciences.

En effet.z )sont continues dans le parallélépipède xc 5 x < x0 + a.211.Z) et g(x. yo. alors le théorème de Cauchy-Lipschitz se généralise de la manière suivante : Si les fonctions f(x. is(xç. alors le système différentiel du premier ordre (ou l’équation différentielle du deuxième ordre) admet une solution unique y = 4( x ) e tz = g(x) laquelle prend pour x = x0 les valeurs $(x0) = YO et +(x0) = ~0 et qui est définie pour x0 < x 2 xc + h.Méthode de Picard .? f(t. z). et si les fonctions sont lipschitziennes c’est-à-dire que : I~(~.~o.Y. a .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8. dz 8. y. Cas du problème de Cauchy En xc. écrivons l’équation résolue par rapport à la dérivée seconde qui soit la plus générale possible dans ces conditions : ~ = L?(X> Y> Y’) dx2 il est alors possible.~~)/<A~Y-~~/+BIz-z~I.= S(T Y. y.y01 5 b et 12 . comme nous l’avons vu précédemment d’écrire : dy -=z d2y dz dz -= dz.Y~.y11 + B Iz .~)-~(x. 20) dt x0 210 . h étant le plus petit des trois nombres a.Nous formons la suite de fonctions de la manière suivante : Yl(X) Zl(X) = = YO + .~01 5 c.YJ) dz .1. 2).dz. et elles en constituent un cas particulier. JY .zo) x0 dt zo + 7 g(t. Y> 2) .a)l < A Iy . Les équations différentielles du deuxième ordre L’étude des équations différentielles du deuxième ordre relève de l’étude des systèmes d’équations différentielles du premier ordre. yl. b/M et C/M où M étant la borne supérieure de if\ et /g/ dans le parallélépipède considéré. dz Il ne coûte rien d’étudier le système général suivant : 2 = f(X. Y. on connaît les valeurs yo et ~0.

. . on obtient : = k(Zk. YO + hVo. . Yn+l (XI Zn+l (xl . yn.La technique de calcul consiste à écrire : uo = f(Xo. YO + hUoP.Yo.yl.) dt 20 zo + 7 g(t. 2. . ~0) .Méthode de Runge et Kutta en trois points . 20 + hRo/2) .a) x0 dt 4x1 . . zk)> et ainsi de suite. . yo. SO = g (20 + h/2. = = YO + 7 f(t. zo + hSo) . ~n. zk) > ensuite. 4so + TO] Ensuite. 4 f (xk. z.Yk. [Ro + WO] . a v e c y. par dérivation.. TO = g (20 + h. 211 . + Tz” + ” ’ h3 . on calcule y2 et 22 jusqu’à atteindre la borne b souhaitée. Yk> zk) 9 (~k. INTÉGRATION DES ÉQUATIONS DIFFÉRENTIELLES DANS LE CHAMP RÉEL puis Y2 (XI = = YO + 7 f(t. puis y1 = y0 + t [VO + ~VO + 21 = zo + . + h2 h2 !Yk + h3 -&tt + ’ ’ ’ zk + 3”. x0 b .zo) > wo = f (xo + h.vl. c . Vo = f (xo + W .-4 dt x0 zo + 7 g(t. à partir de y1 et zl.Yo.Il suffit d’écrire les expressions suivantes : Ykfl zk+l = = = = yk + h h .~o).Méthode des séries de Taylor . &l =g(xo.13. + 32..Yk.Zo). zk).) dt. . YO.Yk. = ~(xk.Y.

20 + Vz) . zo . v. 20 - W2).zo).6 + fi).. = et hg (20 + h. On peut aussi calculer cette autre suite : uo = hf (20. et f n+l = f(G+1.Méthode de Runge et Kutta en quatre points 1. v. = hg (20 + 2h/3. y(~ + h) = y(~) + $ f % + y + ?l z(zo + h) = 2(x0) + : + 9 + 7 + . YO + UoP. v.yo + Uo . 20) > YO.+I = yn + h--&fn-i j=o avec n>v. + . On calcule les valeurs suivantes : vo = hf (x0. YO. 20) > v. z(zo + h) = z(zo) + : + . 20 + Vo . = hg(~o. UI = hf (20 + W. K = hg (~0 + W.~o)> UI = kf (~0 + h/3. e . + .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ d . YO. zo) > Vo =hg(~o. yo.Vo/3 + VI) .Méthode d’Adams-Bashforth dans le cas d’un pas constant Y. = hg (20 + h/3.Zo).YO + UZJO).yo+U1/2.Uo/3 + Ul. YO. YO. YO. U2 =V(~O+ h/‘J. 20 + VI/~. U3 = V(~O + ~. YO + Uo/3.Yo. = et hg (50 + h. U3 = hf (zo + h. y(~ + h) = y(q) + ? + % + + + :. v.UI + Uz. ~0) . zo + Vo/31 . 2.zo). YY. U2 = hf (20 + 2h/3. ~0) . = hg (~0 + h/2. v. YO .Yo.. Yo.+l>&+l ) > 212 .

Remarque : Ici.+l) = z. Sur le Web (*) figure le programme pendul-0.+I) = c QY~+I-~.jf..~n+l) = ~uvj&+l-. j=l &+1 .ha. si le prix du calcul est trop élevé.com/guilpin/ 213 . il y a à résoudre un système non linéaire de deux équations à deux inconnues dont les racines sont yn+i et z. Z.hdw-lg (x.Méthode des différences rétrogrades yn+l .f (x. z. f . on pourra se contenter de l’algorithme suivant : dans lequel on n’a plus qu’à rechercher la racine locale d’une première équation implicite qui donne yYn+l puis la racine d’une seconde équation implicite qui permet de déterminer z.. on le traite de la même façon. y.~n+l).+1. *http://www.+1..edpsciences. Toutefois.hct~g(2. + h DE~ EQUATIONS DIFFÉRENTIELLES DANS LE CHAMP RÉEL j=o h&-j avec n>u. et Qn+1 = g(GL+l.+1.+I . z.Yn+l.+i.+l.+i.g.13. yn+l.+l) = yn. c qui met en œuvre cette technique. z.Méthode d’Adams-Mou/ton dans le cas d’un pas constant Y~+I .+~.hd+lf (G+I. ~n+l. j=l sIci encore on retrouve le problème rencontré lors de l’utilisation de la Moulton. + c hd. g . INTÉGRATION puis Z. + 2 hd.+I = z.Yy..-j j=o avec n > V.-j j=o avec n> u.

A. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. AINSWORTH (1995) Theory and numerics of or-dinar-y and partial equutions.2. La technique consiste à ajuster zo de telle sorte qu’à la limite ~1 la seconde condition imposée soit remplie. volume 7.J. Mc CRACKEN et W. Clarendon Press. 9.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8. Équations différentielles d’ordre supérieur à deux Ce qui a été dit pour le deuxième ordre peut être généralisé sans grande difficulté pour les ordres supérieurs et les algorithmes se transposent de la même manière que celle qui a été présentée pour le deuxième ordre. H. DORMAND (1981) High order embedded Runge-Kutta formula+ Journal of Computation und Applied Mathematics. MINEUR (1966) Techniques de Calcul Numérique. L’ajustement de zo s’effectue par tâtonnements en essayant de trouver deux valeurs Z. F. J. elle admette YO = 4(x0) et y1 = $(a) ou encore yo = $(~a) et ~1 = +(zr). Wiley. Éditions Masson.S. Éditions Dunod. Éditions Hermann. Le problème aux limites On peut rechercher une solution y = $( z ) e t z = $(z) telle que. BACH (1998) Anulysis. HILDEBRAND (1956) Introduction to the numericul unalysis. et pour s’en convaincre. 214 . M. Mc Graw-Hill. Lorsque ce problème de conditions aux limites se présente. Il n’y a plus de théorème d’unicité analogue à celui de Cauchy-Lipschitz. Wiley.L. HENRICI (1964) Elements of Numericul Anulysis. par exemple. J. il suffit de considérer l’équation du pendule. DORN (1964) Numericul Methods and Fortran Programming. On se donne ~0 et ya à ta. par exemple yo = $(x0) et l’on choisit arbitrairement l’autre condition à la même limite pour ~0. fascicule 1 : Équations différentielles. Tome III : Théorie des équations. numerics und applications of differentiul und integrul equations. MIGNOT (1984) Analyse numérique des équations différentielles. J. d’où son nom : la méthode de tir.R. Presses Universitaires de Grenoble. avec dans les deux cas ~0 # 21. BARANGER (1991) Analyse numérique. M. 10. PRINCE et J. DEMAILLY (1991) Analyse numérique et équations différentielles. RALSTON et H. FAVARD (1962) Cours d’Analyse de l’École Polytechnique. 0p. Le problème est plus délicat. CROUZEIX et A. Longman. et zb (qui encadrent la valeur cherchée 20) à partir desquelles on recherche za par dichotomie. Éléments de bibliographie M. on peut l’aborder de la façon suivante : On fixe une condition. D. soit ~0. Éditions Gauthier-Villars. Dunod. Il est bien clair que l’on ne peut pas imposer une seconde condition n’importe comment : elle doit être compatible avec les liaisons du système étudié. P. no 1.P.

b.j~.. Cette remarque induit une conséquence immédiate : les méthodes que nous allons développer peuvent également s’appliquer à la résolution des équations différentielles ordinaires.:./”i‘8 aux dérivées partielles .z “‘.i/. C’est aux nœuds de ce maillage que l’on calcule les valeurs de la fonction faisant l’objet de l’équation aux dérivées partielles.. Ce problème généralise l’intégration des équations différentielles ordinaires lesquelles ne dépendent que d’une seule variable . des dérivées partielles.2. c’est-à-dire ne comportant que des zéros hormis la diagonale et son voisinage. les méthodes utilisées ont toutes en dénominateur commun la réalisation d’un maillage se superposant au domaine D sur lequel on désire effectuer l’intégration numérique.. .”.:.:’.i. Dans ce dernier cas. et ce qui les différencie repose sur la technique de maillage du domaine considéré.modo.. grosso.. ce sont les mêmes techniques qui utilisent les mêmes approximations des opérateurs différentiels. l’autre est implicite. dans les équations.:$y. là où la fonction inconnue varie 215 ./*14::’‘”.‘~. celui-ci pouvant être constant ou variable selon les besoins. c’est-à-dire que les inconnues aux nœuds du maillage sont données explicitement par les équations. le maillage est serré. . Les méthodes aux éléments finis proposent un maillage adapté au type de problème considéré : là où la fonction inconnue varie beaucoup. Il ne faut voir là que des problèmes liés à la géométrie du domaine ainsi qu’à la nature de l’équation aux dérivées partielles. -*_”/.. Fondamentalement./“$‘. i 7:*‘-Kg .yfp. les méthodes aux différences finies. ‘‘i Nous nous proposons d’étudier quelques méthodes d’intégration d’équations aux dérivées partielles du premier et du deuxième ordre dans le champ réel. alors les inconnues constituent un système linéaire qu’il convient d’inverser. il existe alors des méthodes d’inversion spécifiques de ce type de matrices (cJ le chapitre 5 consacré au calcul matriciel)... On voit bien qu’il s’agit de la généralisation de la notion de pas. Les méthodes aux différences finies exploitent un maillage à pas constants (quel que soit le type de coordonnées utilisées) et proposent deux types de résolution : l’une est explicite. figurent. on a affaire à une matrice «creuse ». presque de façon inéluctable.. Hormis quelques techniques très pointues attachées à des problèmes d’espèce et qui sortent du cadre de cet enseignement. Le premier problème qui se pose concerne les domaines ayant un point à l’infini. les méthodes aux éléments finis. on peut dire que. Ce sont les raisons qui expliquent qu’il existe deux types de méthodes numériques pour intégrer les équations aux dérivées partielles : a.:./ Intégration des équations y-’. à partir du moment où nous sommes en présence de plusieurs variables. tandis que le second concerne les techniques à pas variables.=&/.

C’est précisément la méthode retenue dans l’étude de la résistance des matériaux . les cas offerts par la physique sont généralement des formes explicites. B2(x. ainsi l’équation devient : A(x.4A(x. et c’est plutôt l’étude des formes linéaires qui va retenir notre attention. 3. L’analyse de ce cas particulier permet de distinguer trois types d’équations aux dérivées partielles linéaires du deuxième ordre selon les racines de l’équation caractéristique (théorie de Monge (174661818) . Parmi les différentes manières d’imposer les conditions aux limites. Considérations sur les équations aux dérivées partielles d’ordre au plus égal à deux Dans un repère cartésien orthonormé tridimensionnel de coordonnées (z. il est possible d’étudier la propagation d’une perturbation thermique sinusoïdale dans un milieu matériel. Cela conduit à une sorte d’optimisation du temps de calcul et de la quantité de calcul. en revanche.y) . c’est aussi le problème de Cauchy. y) ~ 4A(x. Les conditions de van Neumann (1832-1925). il s’agit de l’équation de Poisson (1781-1840) qui admet comme cas particulier l’équation de Laplace. on note à ce propos que l’on a affaire à des domaines de même type. Les conditions de Dirichlet (180551859). Nous limitons toutefois notre étude aux équations linéaires à deux variables indépendantes x et y (ou t). y. En tout point de la frontière F du domaine. 1. y) < 0 : c’est le type elliptique. l’équation aux dérivées partielles du deuxième ordre la plus générale à laquelle obéit la fonction Q s’écrit de la façon suivante : Ici encore. Généralement ce type de conditions conduit à utiliser une méthode d’intégration implicite. conduit à des études préalables longues et coûteuses qui restent en général du domaine du spécialiste. B2(x. En tout point de la frontière F.Ampère (177551836)) : 1. Y>Z + B(x. nous connaissons la valeur de la dérivée norrnale de la fonction a. y)-4A(x. nous connaissons b. g et g uniquement. Remarque 1 : Les conditions aux limites peuvent dépendre du temps. Par exemple. y) = 0 : c’est le type parabolique. z). nous évoquerons les deux plus importantes : a. y)C(x. Y) où D est une fonction pouvant dépendre linéairement de a.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ peu le maillage est très grand. y)C(x. 2. La recherche d’une solution numérique à l’intérieur d’un domaine D passe par la connaissance de certains renseignements concernant la fonction @. mais. y) > 0 : c’est le type hyperbolique dont l’exemple est l’équation de propagation des ondes (cordes vibrantes par exemple). le prototype est fourni par l’équation de la propagation de la chaleur ou encore de la diffusion. la valeur de la fonction a. B2(x. il s’agit des conditions aux limites (éventuellement à un instant t) : ce sont les conditions sur la frontière F du domaine D. 216 i .y)C(x.

?/b) .@(xb> !h) !/b . Les opérateurs de différence Au domaine D on superpose donc un maillage le plus adapté possible à la forme géométrique de D..@(xb.!/b) Y/. La dérivée partielle en B par rapport à x est approchée par l’opérateur différence première ainsi défini : La dérivée partielle en B par rapport à y est donnee par l’expression : d@(xb.Xb i i s la dérivée partielle d’ordre deux par rapport à y s’écrit : d2@(xbd lyb = & (““@$>y)) Iyb dy ” ~ @(xb. compte tenu des bonnes propriétés de la fonction a. tend vers zéro (ainsi que 2. notre propos se limite aux opérateurs différence première et différence seconde. il faut pouvoir exprimer les opérateurs différentiels en fonction des différences fournies par le choix discret des points (nœuds du maillage). mais il est rare de rencontrer des dérivées partielles au-delà de deux. . Soient trois points tous distincts A(xa.Yb Yb) _ @(xb. Quelle que soit la méthode utilisée. 217 .@(xb.2. Yb) dX Yb = dQ>(xb>Y) ~ @(xb. y). < xb < x. y) qui possède les bonnes propriétés de régularité (continuité. yc) pour lesquels nous avons : 2. INTÉGRATION DES ÉQUATIONS AUX DÉRIVÉES PARTIELLE~ Remarque 2 : L’obtention de solutions générales aux différents types de problèmes présentés dépend de la nature de l’équation aux dérivées partielles.14. etc. calculée en B.) 1 Yc . Yb) . on considère une fonction «bien élevée » @(CC. ~ yb). !/b) 1 xc . Dans un repère cartésien orthonormé à deux dimensions (2. est approchée par l’opérateur différence seconde ainsi défini : @(xc. et yu. < yb < yC. cependant. . 2. &‘c) . ya).YY.@(zb. le cas échéant.Yb) &Y Y11 ~ Ya Yc . B(q.). !/b) _ @(xb: Yb) ~ @(%m xb . mais c’est surtout la forme géométrique de la frontière (qui possède ou non des propriétés de symétrie) qui permet de savoir si l’on doit s’orienter vers la recherche de solutions formelles ou vers la recherche de solutions numériques. !/c .yYn tend vers zéro (ainsi que y. dérivabilité au moins à l’ordre trois.@(%y~) ~ @(xb. yb) et C(x. les opérateurs de différence tendent vers les opérateurs différentiels lorsque xb .xb) ou encore lorsque L/b .x.Yb . Il n’est pas très difficile de voir que. Ici... Yc) .Yb La dérivée partielle d’ordre deux par rapport à x. la généralisation peut se faire sans difficulté.

Yb) . Voyons ce qui se passe à deux dimensions (CJ? Fig. dX !/b) Yb ~ @(x6. ’ d2@(x. 6X2 @(xb. 3 Bord du domaine i 4 + 0 ’ Nous pouvons écrire : X Figure 14. by(l+ b) 218 r . Yb) .2@(xb. Yb) 8X2 “b Yb) + @(&. Valeur de l’opérateur de différence sur les bords du domaine. !h) SY2 Valeur de l’opérateur de différence sur les bords du domaine Il n’est pas toujours simple de faire coïncider les nœuds du maillage avec les bords du domaine quand bien même aurions-nous choisi un système de coordonnées correctement adapté au problème. Y . d2+b. !/b) 6Y ~ @(xc. 6x(1 + a) 2 (Y+?).@(xb. alors nous sommes amené à calculer la valeur des opérateurs de différence sur les points qui sont à l’intersection du réseau formant le maillage et la ligne constituant le bord du domaine.1.Y) dy2 Yb L/b) + @(x6.2@(xb. on obtient des expressions plus simples en désignant par 6x et Sy les raisons des progressions arithmétiques : d@(zb). Yc) . On en déduit que : !eJo= !z~o= 2 (T+Y).1). 14. = Yc) .MANUEL DE CALCUL NUILIÉRIQLJEAPPLIQUÉ Dans le cas particulier où le maillage est régulier (points en progression arithmétique).

j. 3.l. Ic) . j + 1. j ~ 1..2. Sy et Sz les dimensions de la maille élémentaire.. Repère orthonormé.k = & [@(i + l.l M(i. k ~ 1) .j. il mérite qu’on s’arrête quelque peu sur lui et notamment que l’on donne son expression en fonction des opérateurs de différence dans le repère cartésien ainsi que dans les systèmes curvilignes orthogonaux classiques. k + 1) + qi. k)] + & [@(i.j + 1..~TIONS AUX DÉRIVÉES PARTIELLES en généralisant sur la troisième dimension : dz@ sz2 0 2 bz(l + c) 4>5 -ao @6 -@O -+-.j.. dz 62 > 3.. L’opérateur laplacien Compte tenu de son importance.2@(i.. l’orientation du maillage à trois dimensions étant définie conformément à la figure 14. INTÉGRATION ms ÉQU.LQ(i. 219 .j. j. Z)i.j. Repère cartésien orthonormé M(i. j ~ 1. k) Figure 14.j. Il vient immédiatement que : aqx. Ic)] .2. k.. j.1 . k) + @(i . cartésien / X SX Désignons par 6x. Ic) + Q(i. y.-$ . k)i .] + $ [cqi. 14. k) .LQ(i..1.

220 .3.~irr (cj’. k)] z 1 4.. r6fl ct 6~ Irs dimmsions de la mailk Clhmt.Figure 14. x: + 1) + @(i.j> k -.i~.s 3. Coor. 14. Résolution des équations de type elliptique On sc propose dc calculer les valeurs d’une forlction Q ohéissarit 5 une kluation de Poisson : A@( Y) = p(F).j.3).2.rl. 8.rl. + & [Q(i.do. z) Dksigrlolw par CI~.s cu/l%rrd~ique.j..1) ~ @(i. Fig. Coordonnées cylindriques (r.

~TJX DÉIIIV~~ES F. Dans tic nornbrcux cas p( F) = 0.4.e solution aux solutions dc l’équation dc Laplace (kluation sans sec:ontl membre) pour obtenir la solution complète (kyuatiori linbaire). ct nous tlevons résoudre IIIE: équation dc Laplaw : A@(F) = 0.ARTIELLE~ Figure 14. un n o m . fonctions dc Weber-Hermite. Dans lc cas de l’équation dc Poisson. Il suffit d’ajouter c:ett. ths un rcpèrc~ cartésien ortlioiiormt? ct 221 . on lts appelle fonctions harmoniques. 1101x3 étudierons le probkmc nous choisirons 63. 1~:s solutions formelles drviennent cx<:c:pt. dc Bcssel. lorsque le probkne étudik n’admet pas dc symktries simples. INTÉGRATION DE~ RQUAT~ONS .ant 1’6kment de volume. IIOUS connaissons une solution particulib : du ét. = 6y = 6z = h. 1Clallleureuscmcnt. Coorrlonm2e. de Neumann. La recherche de CCL> solutions dais lc cas des symibks usuelles s’t’ffectuc sous la forme dc produits de Laplace et elle aboutit à un bon noml~rc dc fonctions dites spéciales.1. al1trenient dit ccllcs qui jouent un rôle important en analyse : sinus.Criqur. 4. de Mathieu ctc:. Conduite du calcul permettant la résolution numérique de l’équation de Poisson Par raison de simplicités.s. pratiquement dans tous les cas il f’aut avoir recours au calcul nurri&icliie.iorlrlelles ct.ç sph.14. wsinus. Les fonctions qui olkksent à cette CquaLtion portent. fonctions tic Legendrc associks.

Gauss et Seidel ont profité de cette proprikti: pour améliorer la rnkthode de . k) + @(i. La dcrniere relation i:tablic permet alors de calculer tous les points adjacents à la frontière.l. k) + Q> (n-1)(“> j. 4. Au rhe tour d’it. nous compléterons ensuite t par symétrie.1) ~ h”p(i.iel dans un plan perpendiculaire à l’axe de la triode. La grille est constituée dc six fils parallèles à la cathode disposés régulièrement sur le cylindre de rayon T = 0. k) = . lesquels sont les seuls à être modifiks.5.hode exigt environ deux fois moins dc calculs que la mkthodc de Jacob car elle converge beaucoup plus rapidement . k) au point M(a.2. k + 1) + Q +l)(i>j.1.4. il n’est pas trk utile de programmer cette procédure car la mCthode de Gauss-Scidcl en est une importante amélioration.7r/3) e . k) + Q+‘)(j. page ci-contre). Nous choisissons le rnaillage suivant : 68 = 7r/36 et 6~ = O:l cm (cf. Fig. La cathode est un simple fil métallique de rayon négligeable placé sur liaxc du cylindre de l’anode. La réitération de l’exploitation de la formule pcrrnet de proche en proche de modifier tous les points du maillage.j: k) : qi.MANUEL DE CALCUL NU&RIQVE APPLIQUÉ Maintenant.j . nous n’avons donc besoin pour effectuer les calculs que de faire varier l’angle H dans l’intervalle (0. à la cathode qui SC trouve au potentiel zéro. 4. k) + Q(i . Une larnpe triodc est constituée d’une cathode K.1)’ : d”‘(i> j. Comme le probkme admet une symétrie d’ordre six.s par rapport.j. La figure 14.. k + 1) + @(1.re calculkcs et. j. nous n’avons plus besoin de sauvegarder les différents tours d’itbration. k) = g [a+ + l.. Méthode de Gauss-Seidel (1821-1896) On peut montrer que la technique itérative de Jacohi est convergente et ahsolumcnt convergente. exprimons Q(i. on écrit les relations qui font appel aux calculs effectubs au (n . il faut deux tableaux pour mcttrc tn couvre cet algorithme.j. nous ferons usage des coordonnées polaires à. [a+‘)(i + 1. cause dc la symétrie cylindrique. G(i. j.6. j.1.j.krat.ion. L’anode A est un cylindre métallique de rayon 1 cm port6 au potentiel 100 volt. Gs. 14. on peut faire immkdiaternent usage des valeurs qui viennent. k)] D’un point de vue pratique. Gx. 4. k) en fonction des valeurs prises aux points plus proches voisins de hi(i. 222 . d’une anode A et d’une grille G1: Gx. Application On se propose d’étudier les équipotentielles d’une lampe triode que nous prksentons assez simplifik.2 cm. page ci-contre montre la coupe de cette lampe simplifike.3. k) + Q> (“--‘I(i . Ccttc rnét. j. j + 1. On montre que la méthode est convergente. k .j + 1.Jacohi : au cours du calcul. De toute façon. sur la frontière. k) + Q(i.j .l>j.j> k .1) ~ h”p(i.j. d’êt. k)]. Méthode de Jacobi (1804-1851) C’est une mkthodc itérative qui consiste à affecter aux nteuds du maillage une valeur arbitraire de l’ordre de grandeur de celles qui SC situent. On se propose de déterminer la carte du potent. ces six fils ktant rnaintenns au Potent)iel -5 volts par rapport à la cathode. Gd. k) + d’“-“(i.j. Pour ce faire. k) + Q(i. Nous n’avo11s plus besoin que d’un seul tableau dans lequel les valeurs sont « écrasées » succcssivernent.

Nous avons donc besoin d’un tableau contenant 88 valeurs et nous arretons les calculs quand deux valeurs calculées au même point au centre du maillage. Maillage d’une partie du domaine de la triode. Nous complétons par symétrie car sur la droite DF> le potentiel est le même que sur la droite D 9. schématique d’une lnm. INTÉGRATION DES ÉQUATIONS AUX DERIVÉES PARTIELLES Figure 14. et celui de la droite Da est le mCmc que celui de la droite Dl.6.pe Anode K Cathode Figure 14. On trouvera sur le Web (*) 1 c programme triode. Nous calculons le potentiel sur les droites D 1. c qui réalise le calcul des potentiels par la méthode de Gauss-Seidel. Dz.5. 4.com/guilpin/ 223 .edpsciences. *http://www. sont Sgales ü une certaine précision près. 03 et Db. Représentation triode. Technique opératoire On met des zeros partout aux nceuds du maillage hormis aux points A.14.5. GI et K. lors de deux itérations consecutives.

t) ct lr: ca. Résolution des équations de type parabolique (méthode explicite) 5. Nous pouvoiis écrire : mqx. 224 . t) + q:x: .3 coritlitions iiiitialcs.r.2.lClitk est.hr.r.ir ch. au cours du temps) : qz. nous connaissons la valeur de @ CU t.3. t) 6:IJ +D(. du maillage. Le non-respect clc la condition de sta.e est rcniplie : cy valmt 2. t) ~ ‘Lqx. rsfk Nous obtenons alors 1’Pvolution du syskhne au cours du temps. t)] Au temps t = 0.5. l’expression de 1’6qnatiorl dcvicnt : 5. Au temps ht.t ~ qx + 6x. cm tenant compte tics conditious iruposks au systhc @tu&+ (conditions aux limites).1.c quoi : ou ahoutit à uu tl@üsserncnt dc capac‘itb (overflow) qui produit un arr?t de la rriachinc~. très rspidcrncnt ri’irriport. t) ct. tlcux ou trois coordoririCcs d‘cyacc. 5. t) + qx . 4 cm Ci sclori qu’il y a une. Conduite du calcul pour obtenir la résolution approchée de l’équation de diffusion Les valeurs cn chaque point du rrmillagc au temps 1 + ht ne dCpcnd(~rlt que tics vakurs calculks à l’instant. t) ~ qz t + n‘t) ~ q.t h‘t Au moyeu ch diff&ences finies. la maille ~lhncmtaire a la kille a2 . t + 6-t) = 9(Z) t) + g [fD(zr + ch.&r:. Puis nous cfhkuons les calculs au temps 26t par le rr&nc: procéd6.. aiiisi clc suitr. ii11 tclll~>s 3Ot.lcul proposé est st~ablc lorsque la conditiori suivant. : on obtient. t. Problème de stabilité Nous ne pouvons las choisir u’irrlportc~ corumcnt 1~: quadrillage de l’cspac~c~ (x. . t) ~ 2qn. La solut.ollt poiut. cT:cSt. uous calculoris au moyeu de la relation ci-dessus les valeurs en c‘llacluc~ poirlt (111 maillage. ct il est facile tic s’apcrcmY)ir que &tc~ m6tlde u’cst pas itérative (les vsleurs changent. sanctionuC~ irriirl~diatrrll~llt. Maillage pour une coordonnée d’espace et la coordonnée de temps Cornriie prKdcrnrurnt~ nous choisissons un maillage rbgulier. t) at .ion du problCme est &tcrmirlC+ par une suite tl’oph-atious 6lhcmta~ires cffcctui33 CI part.c.c. ct.

raitF ct pour lcqwl il II trouv6 la solutioii sous forme tl’uii d~velol)l>eriierit.Prieur dc la plaque fn fonct. Résolution des équations de type hyperbolique (méthode explicite) Nous rec:lirrc:lions une fonction Q qui prend certaines valeurs sur le hortl d‘un doriiairic ct qui obbit 5. c qui t.mipkrature à l’int. bim agit6 pour qiw l’on puisw admettre que l’briergie &lPc par la plaque nc clmngc pa.1 “C la t~mip6ratim du tlicmnostat ? Il est tout à.ion dc ccttc équation. Nous pouvorls écrire : 1111 rriaillagt rkgulicr~ ct la rmilk 616rncml.~TIONS A~IX DÉRIVÉES PARTIELLES 5. Cornrnc prMdtrnnicnt. plong&.s de fac.14. du temps t (ou notera la symétrie du prol)lèmr) La. 1822).NT&RATI~N DE:S ÉQU. fait intérrssmt dr corripare~ les résultak du calcul riiirn6riqiic rwcc les rk1dtats du c.utlicr l‘intPgrat. noiis m coiis~mmis qw la seule mordonnk: d’mpaw 2. On trouvera sur lc Wcb (*) 1 c progrmm~c chaleur. plaqur est t‘11 cuivre dont le coefficient. î et. de la variatdc clc tcrrips t. c>llc est. nouveau uniforme dans la plaqw. l’kluatiori suivmtr : expressioii dms l a q u e l l e (’ e s t u n e wnstarite appelbr c+kitt ck l’oritlc litm tlms 1~ milieu <onsidk+ (vitesse de phase).4. pour kt. de tliffusion est D = 1. teinp6rdure la plus élevée ut tl6passc que dc 0. nous choisissons bzh‘t.airc~ a la tkllr Au moyen clcs diff6rcncw finks. 6.t. La foiiction tl&mcl tirs trois vari.ori riotable la teinp&dure du réservoir. pork sou nom (Thkorie malytiyue de la cldrur. On sc propow dc dik:rrniner la ~. C‘est ce genre de problème que Fourier a t.joiml’liui. dans un rkrvoir d’eau 5 la température 01 = 10 “C suffisanirricnt grand c:t. en série de sinus et tic cosinus qui. I. Au temps f = 0. trrup~rat~ure uniforme Ho = 90 “C. Application : Refroidissement d’une plaque homogène Une plaqué hmnog~?nc d’kpaisscur i! = 10 cm mt port& a la.raite ce prol~lèrne. Maillage pour une coordonnée d’espace et la coordonnée de temps Cornrnc pr@c~~derrirrierit.tt>les d‘espace 2.ion dc lin distmw z c. ai~.kd formel. l’~~xpression : 32q2. c’est-k-&-c> lorsqiw la. l’expression de l’iquatiorl tlcvicnt : 225 . y. t) 3z” 1 dz@ r2 3t” 6.12 crn”sP1 Au tmut de cornl)ieii de tririps pouvons-nous adrncttrc qiic 1iL tcnipi:mture est 2. L’klimtion sc rkluit alors à.1.

l’kluat. porte son nom (TlGwrie . nous nc wnservons qu(~ la seule coordorm~e cl’csl~ac:c: CE. 1822). Comme prtcklcmment. ai~.1 “C la tcmptrature du tlicwilostat ? Il est tout à fait.tquelle c est une cwnst.joiud’Iiui.4. C’est c’c gtnrc dc probkmc que Fourier a trait6 et.‘.l. c’est-Mire lorsque la tc~mptraturc la plus @lev+e nc tlbpa. intkwaiit~ dc comparer les rksultats du calcul numtric~ue avw lw rkultats du cald formc.i.antc appelée cCkrit. Nous pouvons &rirc : et la maille 6ltmentairc a la taille Au moyen des tliff6rences finies. elle est plong6c dans un réservoir tl’e.12 cn?s.empkdure est. pour lcqwl il a l.ttion. z ct de la variabk~ de temps t. dialeur. L’kpiat.(f2 (yt2 arr” 6.ion dkpentl des trois variables tl’cspaw XT. y. sym6trie du problème). températurc du réservoir.rouvC la solution sous forme d’un dfvcloppcmrrit. pour 6tudier l’intégration de cette 6qu. l‘expression : iS”Q>(z. portbe n la tcmpk.6 pour que l’on puisse adnwt.ion SC‘ rkluit alors à. l’expression de l’équat.com/guilpin/ 225 . en s6ric dc sinus et.ion devient : *http://www.ion suivaritc : c~xprrssion dans l. tic cosinus qui.ru à la température 01 = 10 “C suffisan~mrnt~ grand et lkri agit. On SC propose de d6tc:rminer la.ite ce prol)l?mc~. Résolution des équations de type hyperbolique (méthode explicite) Koils rec~hrrcllons lme fonction Q qui prend certaines valeurs sur le bord tl’lm domaine ct qui ol+it à. . c qui tr.sse que dc 0. Au temps t = 0. Al1 bout dc combien de temps pouvons-nous atlmcttrr que la. La fonct.P de l’on&~ libre tlrtris le milicu corisidér6 (vit. nous clioisissoiis im maillage r&g&X”. Maillage pour une coordonnée d’espace et la coordonnée de temps Comme préréclcmmrnt. nouveau uniforinc dans la plaque.tre que l’éncrgic cklée par la plqur: ne change pas de faqon notalde la.tt. On trouvera sur lc Wcb (*) 1 e programme chaleur .) = 90 “C. 6.csse de phase). hz&.1. à. t. LR plaque est en cuivre tlont le coefficient dc diffusion est D = 1. Application : Refroidissement d’une plaque homogène Une plaque homogène cl’6paissr:ur / = 10 cm est.inalytiquc tic la. t) 1 a2ù.5.edpsciences. tempPrat~ure ?i l’intbricwr de la plaque cn fonction de la tlistancc~ :1: et du temps t (on notera la.urr uniforme 8.

&). . Puis nous effectuons les calculs au temps 26t au moyen de ce qui s’est passé au temps t = 0 et au temps t = St.qx. deux ou trois coordonnées d’espace. t) + r2qx ~ 6x. et ainsi de suite au temps 36t. cette corde est disposée conforrnérnent à la figure 14. Y A LT/ > n x B L c Figure 14. on se propose de dctcrminer les profils successifs de la corde sur une demi-période. c = 300 mspl et (L = 15 cm. Problème de stabilité Ici encore. Nous obtenons par ce moyen l’évolution du système au cours du temps. . et l’on voit ici encore que cette mcthode n’est pas itcrativc : qx.7.2. expression dans laquelle on a posé : Au temps t 5 0. t + ht) = r2fD(x + 6x.Une corde vibrante ABC est fixée à ces deux extrémités B et C. La solution du probleme est déterminée par urle suite d’opérations élémentaires effectuées a partir des conditions initiales. t) . On note que l’on doit retrouver un profil 226 . . à l’instant initial t = 0. le non-respect de la condition de stabilité provoque l’arrêt quasi immédiat de la machine: Application : Profil d’une corde vibrante pincée .3. 4 ou 6 selon qu’il y a une. h = 1 cm. 6. et. Conduite du calcul pour obtenir la résolution numérique de l’équation de propagation Les valeurs en chaque point du maillage au temps t + St ne dépendent que des valeurs calculées à l’instant t et a l’instant t ~ 6t. nous connaissons la valeur de Q en tout point du maillage. en tenant compte des conditions imposées au système étudié.MANUEL. .7. Sachant que L = 100 cm. t . nous nc pouvons pas choisir n’importe comment le quadrillage de l’espace (z: t) et l’algorithme propose est stable lorsque la condition suivante est remplie : <y valant 2. Profil d’une corde pincée. t) + 2(1 ~ T2)4>(X. DE CALCUL NUMÉRIQUE APPLIQUÉ 6. Ici encore. n&. . Au temps 6t: nous calculons au moyen de la relation ci-dessus les valeurs en chaque point du maillage.

J. Tome III : Théorie des équations. FAVAR. On observera aussi la propagation des ebranlements de chaque côté du point A. RALSTON et H.t. Dunod. H. Sur le Web (*). GIRERD et W. Mc Graw-Hill. M C CRACKEN et W.ary and partmr! eguations. Wiley.=ments oj NumericaI Analysis. c qui rcalise la simulation d’une corde pincée. arithmétiques. Wilcy. Dunod.troduction à l’analyse rxumérique des kquations aux dérivées partielles. Volumes 1 and 2. WILF (1965) Méthodes mathématiques pour calculate~urs arithmétiques. AMES (1972) Nonlinear partial differential eguations in engineering. A. J.com/guilpin/ 227 . Clarendon Press. Gauthier-Villars.S.M. P. Academic Press. A. AINSWORTH (19%) Theory and numerics of ordin. Éditions Dunod. RAVIART et J. D. Gauthier-Villars. TVEITO (1998) Introduction to partial d$ferentiul equations : a computational upproach.A. HILDEBRAND (1956) Introduction to the numerical anakysis. Springer.D (1962) C o’urs d ‘Analyse de l'École Polytechnique. THOMAS (1988) In. INTÉGRATION DES ÉQUATIONS AUX DÉRIVÉES PARTIELLES symctrique au profil initial. 7. DORN (1964) Numerical Methods and Fortrun Programm. P.edpsciences. HENRICI (1964) El.kg. J. on donne le programme corde. *http://www. t F. Éléments de bibliographie M.14. KARPLUS (1968) Troi ement des équations dirférentielles ssur calculateurs . Il est intéressant de comparer les résultats avec ceux fournis par la solution analytique. MINEUR (1966) Techniques de Calcul Numérique. fascicule 1 : Équations differentielles.

on se contentera de rappeler 1111 certain nornhre de theor?mcs fondamentaux dont on omettra la démonstration. +l). Il convient alors de rcsoudre l’équation : d”8 1 ae -=--. par Q la température. Nous obtenons : D~“(Z) d’où l’on tire : T(t) = X(z) T’(t) . X(x) T(t) (15.iste-Joseph Fourier (1768 1830) sous le t. Au cours de cc chapitre. Laplace.2) . dc lissage.15 (L es séries de Fourier Les séries de Fourier jouent 1111 rôle important en calcul numériquc~ et OII les retrouve lors des problèmes d’approximation des fonctions. En toute rigueur le calcul pratique des séries dc Fourier n’est pas a dissocier du calcul des transformées de Fourier. Ccpcndant on pourrait tout aussi bien s’int&esser aux fonctions pcriodiques de pbriode 2: c’est)a-dire dans l’intervalle (-1. T(t) n fic e1.itre « Théorie Analytique de la Chaleur ».1) a Posons H(z. dans la mesure où l’on souhaiterait ctudier en mbme temps les devcloppernents en série de Tchebycheff. On se bornera donc ici à etudier les fonctions pcriodiques dc periode 25r puisqu’un changement lineaire de variable permet toujours de se ramener a cc cas. Petit apercu historique L’origine des séries de Fourier remonte à 1822 quand est paru l’ouvrage de Jean-Bapt. On designe par D lc coelhcient dc diffusion thermique dans lc milieu.t) = X(z) . par J: la seule variable spatiale et par t la variable temporelle. C’est en résolvant « lc problème du mur » en regime transitoire que Fourier a fourni une expression formelle constituée d’une somme trigonométrique infinie.rec erc>h cr les solutions sous la forme dc produits dc h. et nous aborderons l‘étude du trPs puissant algorithme de Cooley-Tukey. 1.X”(X) ~ T’(t) ~_~. d’interpolation ct aussi dans les problèmes de filtrage numérique. Il est intéressant de rapprlcr ici les grandes lignes de cc problème ainsi que sa solution. d2J2 D dt (15. On recherche donc la solution de l’équation de la chaleur dans un milieu homogène et isotrope constitué par un mur indéfini d’epaisstur h.

n = 0. 7l dor1c k = 7-lh et l’expression (15. T = T.iales et aux limites. Il reste à appliquer les conditions aux limites ct les condit. nkessaire dc faire intervenir les conditions init.~) + B sin(kz)] exp(-k2Dt). on a T = TO sur les parois du mur c’est-à-dire pour z = 0 et z = h. pour déterminer compktement la solution il est.O) = TO = Acos + Bsin(kh) et Pour simplifier les équations.0 .=n?r avec n . (15. ce sont des combinaisons linéaires des autres constantes A’.TO = L3 sin (7x) exp [.4) s’écrivent : T(t) = A’exp(-kDt) X(x) = B’cos(kz) + C’sin(kz). Au temps t < 0. . . Comme on va lc voir le signe moins résulte du fait physique que la tempbrature ne peut pas croître indéfiniment de fqon spontanke. B’ ct C’.ions initiales : O(0. Une solution de (15. 2 . Les solutions des kquations (15. = A: 6’(h.3. on peut rkaliser un changement d’origine des tcmpérakures poser : TO est la nouvelle référence. comme le second membre est constitué d’une fonction nc dépendant que de t: leur intersection commune ne peut &tre égale qu’à une constante que l’ori désigne par -k?.4) Maintenant.2) est constitué d’une fonction nc dépendant que de z et. t > 0) = Q(O> 0) = r. (15.2. T’(t) + k2T(t) = 0.3) et (15. pour 0 < z 5 h et T = TO partout hors du mur.5) s’krit alors : Q(~C. . et l’on obtient : A=0 0 = B sin(kh) La solution non triviale impose : kh. t) .t > 0) = H(h. avec ..(y)ZDi] 230 . 1 . 1.MANUEL DE CALCUL NUMEIUQUE APPLIQUÉ Comme lc premier membre dc (15. On obtient alors les kquations : X”(X)+ k”X(z) = 0.3) (15.1) s’krit : /3(:1*.5) expression dans layuclle A et B sont des constantes. A’: B’ ct C’ ktant des constantes d’inGgration. 3 . t) = [A COS(~. . Au temps t = 0. .

cn toute rigueur. au membre d<.15.ç < il> donc : (15. ~ TO = T: pour 0 < .1).z. 0) ~ TO = T.iy.. si au temps t < 0./2. les proIn%%% dr paritk ou de symétrie ayant annulé les coefficients des termes en cosinus.6) prend la forme : F(z) = F B. rt-1 (15. il vaut h. qui est.c] exp [-i. sin (7~) ..ns Ic mur s’Ccrit F(z) pour 2 compris entre 0 et h.. On déduit donc la solution gérkale : e(x. On olkient~ : ]Tisin (yz) dz = B. alors la condition (15. Le rncml)rr~ tic gauche est diffkent de zCro quand 71 est impair soit n = 2p + 1.7) D’une façon plus générale. la solution la plus génbrale doit donc s’krire : On remarque qu’à l’instant t = 0 : 0(. t) ~ TO = 4: 2 ij&y siri [(2p + l)i. 0 27T sin(rLz) sin(rrlz) dz 2T sin(. la solution spatiale est donnée pa.6) Multiplions les deux membres dc (15. Orthogonalité des fonctions sinus et cosinus sur une période Il s’agit dc calculer les expressions suivantes : K = L = M = JlI J 0 J cos(nz)cos(m2) dz.8) La somme est le développernent de F(z) en série de sinus. 2. [siIL’ (yz) dz 0 à cause de l’orthogonalité des fonctions sinus (voir le prochain paragraphcl).i. la condition da. B dépend de 11. Compte tenu de la linkarité de 1’6quation (15.r lc dkvcloppemcnt de la condition initiale dans le mur (ici. LES SÉRIES T)E FOURIER Il nc reste plus qu’3 déterminer le coefficient B: et.i 7r=l (15. quant.6) par sin (y:~) c. c’est la fonction «fen%re » qui est une constante dans un intervalle fini et.tj intégrons de 0 à h. nulle ailleurs). En définitive. + ./ls) cos(7rm) dz: 277 231 .?. droite..

calculer les cocBicients a. sin(rbz). Pour cela.b)] /2 sin(u) ski(b) = [CO~((I. multiplions les deux membres de la relation (15.9) nous prkiserons ultérieurement les conditions pour que la fonction et le di:veloppcment trigonométrique propos6 soient égaux mais. 27r).. d’obtenir : ski(a) COS(~) = [sin(a + b) + sin(n ~ O)] /2 COS(U) COS(b) = [COS(Q + b) + cos(u . . à laquelle on associe la skie trigonométrique : Ori susceptible tic représenter la fonction f(z) d arls l’intervalle (0.MANUEL DE CALCTJL NUMÉRIQCJE APPLIQUÉ Pour cela on utilise les formules usuelles dc trigonométrie à.b) = ski(a) Cos(b) ~ sin(h) cos(cI) CO~(U + b) = COS(U) COS(~) ~ sin(a. pour l’inst.9) par COS(~~) ct intégrons sur la périodc : et en tenant compte des relations d’ortliogonalité. 27r. qui nous perrnettcnt. rr=l (15.ant cherchons à.b) ~ cos(u + b)] /2. Supposons que nous ayons l’égalitk : f(x) = 2 + g n. et b.z) + j?j b. L’intf?gration des expressions K: L ct M au moyen des dations prkédcntes suivantes : foiud les égalitks ~ b) = COS(U) COS(~) + sin(n) sin(b) 3.. Série de Fourier associée à une fonction périodique s’intkresse à une fonction f(z) périodique dc pério&.. 71=1 cos(n. savoir : sin(a + h) = sin(a) cas(h) + sin(b) Cos(a) sin(u .. on obtient : (15X] 232 .) sin(b) COS(~.

sauf eventuellement en un nombre fini de points sur une période et.7) est. On divise (a. on obtient : (15. alors sa série de Fourier est convergente et uniformément convergente clans tout intcrvallc où f(. Théorème II Le théor+me 1 est conservé si f(z) est à variations bornees sur un intcrvallc dc pkriode 25~. 4.Soit f(z) une fonction d&iic sur mi intervalle (n: h). 4. qui sont alors des points de discontinuit6 dc première espèce pour f(z) et f’(z). DC la même façon. continue et pourvut d’une dérivée prcnii?rc continue f’(z).1. la somme S.9) par sin( Icx): puis intégrons sur une période . rcstc infbricurc a 1111 nombre M fini. et à variations bornées sur tout intervalle fini. Théorème I Si f(z) est une fonction periodiquc dc pikiode 2~r.15. 233 . S la somme définie par : Si. à variations hornks sur (Ut h).t . Théorème III Appcle thi:or?rnc dc Jordan (1838-1922). < Lcn-l < b. sont calculk au moyen dc la mkrle formule. Définition d’une fonction à variations bornées .2.f(z + 0) + f(z . on dit que la fonction f(z) es. . b) en n sous-intervalles partiels au moyen de (n ~ 1) points t.O)I/L dans le ca.els qw : a < ICI < 52 < 5y < ‘. soit.z) est continue. 1a série trigonorri~t.3.11) 4. multiplions les deux membres de la relation (15. corllrrle ceci explique l’origine du çoeflicicnt ao/2 : tous les ah. LES SÉRIES DE ForrRrER et. Si f(z) est p ériodique de periodr: 27r.~ de la discontjinuitjP (convergence simple). cn tenant compte des relations d’orthogonalite.riqiic (15. convergente pour tout n: et a pour somme f(z) dans le cas dc la continuité et [. Conditions d’égalité de f(x) et de la série de Fourier associée On admettra sans di:monstration les théorèmes siiivants : 4. quelle que soit la décomposition de (u? b)..

En revanche. une pbriode. Sur la parité des fonctions f(x) Si f(x) est.f’(:c) WI skie de Fourier. paire.ossèdrnt. 5. lc dhcloppcmcnt II~: comprend que des termes en sinus.bles eu série de Fourier. pas néccssaircmcnt idcntiqucs c’n dehors de cet intervalle.MANUEL DE CALCUL NUMÉRIQUE APPLIQUE 5. et b. f(~ 1 R6ciproqucmcnt. tcndcnt vers zbro au moins comme l/n.. Quelques développements traditionnels a . 27r). À propos de ce théorème.7r ~ rr< z < 0. Si la strie trigonomhtrique est convergente. 5. Dérivabilité d’une série de Fourier Si a(~) et . si f (x) n’est pas continue. Si la shic trigonomCtriqllr: est convergente et uniformément çouvergcntc.. tcndcnt. la convergence de la série peut Ctrc trks lcntc. on peut.1.f’(~) 1. nc sont.Soit la fonction paire de période 27r définit ainsi : f(x) = r-:x’ si si 0 S:I: < 7r f(x) = 5 .2. 5.. La rkponse est. et tous les arr sont nuls. pas à varktious bornées ct l'on peut trouver des exemples de fonctious contimies dont la si:ric trigonométrique associk diverge en un point parce que la fonction n’est pas à variations borntes. non.) est dhcloppablc cn s6ric dc Fourier. Comme . 27r) où il cxistc pour ces deux fonctions des discontimlith d c prcmikrc C~~~:C:C~.4.f(. a. À propos du théorème de Jordan Si les conditions du théorème de Jordan sont vérifiées. on peut calculer directement UII dheloppement de . une fonction paire.inues ailleurs.3. En cffct.c) est u n e fonctiori c o n t i n u e et. Sur la vitesse de décroissance des coefficients a.uf éverituellement eu un nombre fini de points daus l’intervalle (0. et sorit. 5. l’un des coefficients arr ou h. ou cn tlhluit immkliatement que les coeffkients b. si f’(~) et f”( z ) existent et sont coiitinues sa. alors. Remarque : Deux séries dc Fourier dont les sommes c:oiincidr:nt.x 234 ... corit. Il reste à calculer les cc. Si f(. ct h. la série trigonométrique associée n’admet yu’uri développement en cosirms (fonction paire) j les coefhcierits des termes en sinus sontj nuls. sont nills. lhn au moins des coefficients tend vers zéro CoIIIrIl~ 1/71.~) est ur1c fonction impaire. SC poser la question dc savoir si toutes les fonctions continues sont développa. des discoutirmités de premi&e espèce en nombre fiui sur l’intervalle (0. vers zéro comme 1/srL”7 x eb ) a -t 01s çoutinuc partout sur ime ptriode. toutes les fonctious continues ne sont. mais la série convcrgc lcntcmcut . cependant. tend vers ztro avec l/n et la série dtrivke ne converge pas. ct h. alors la shic dc Fourier est int6grak>lt terme & terme.. sur un intervalle intkrieur à. Quelques propriétés remarquables 5. : 2. alors a.5. alors f(:Z.

il s’ensuit que : 4 %+l = r(‘$)+ 1)“’ avec p = 0. Da.7r) et -1 sur (+r. + sin(Tr) + . b . Approximation des fonctions par une série de Fourier tronquée La première application des skies de Fourier concerne l’approximation d’une fonction f(z). Tome 1. 1. donc les uy1 sont nuls. (cf.ns cette expression E est 1111 nomlw positif aussi petit que l’on veut. 235 . cependant on pourra l’utiliser quand mêrne pour calculer f’(z) . 5 8. Lc d~vcloppement alors est limitk à l’ordre 12..6. Note sur le calcul effectif des coefbcients de Fourier Il n’est pas nécessaire de calculer les coefficients de Fourier au moyen des intfigrales. La démonstration repose sur le théor~mc d’approximation de Wcierstrass selon lequel toute fonction continue sur l’intervalle (0. il n’est pas utile dr fournir 1111 programme qui calculerait directement les intégrales. b) peut etre approchée par un polynôme Pr.2. 5. Bass.15.J.2 de ce chapitre).1/2 si 0 < z < 1.) C . Masson. (:x) tel que : quel que soit z appartenant à (a. On trouvera urle démonstration complète dans l’ouvrage dc . On obtient le d&Aoppcment suivant : f(z) i ~ (sin(f7rz) + sin(l7rz) +. Paris 1961. On trouve no = 7r.Soit la fonction f(z) = 2 . COU~S de Muthémutiques. 6. b). 0). Cette fonction est impaire. et il est plus efficace sur lc plan de la précision des calculs ainsi que du temps d’exécution d’utiliser la transformée de Fourier numCrique que l’on abordera au chapitre 16. p. . 312.Soit la fonction qui vaut 1 sur (0. Donc. LE~ SÉRIES DE FOURIER Les termes correspondant à une valeur de n pair sont nuls. On trouve : d'où La dérivke dc cc dkveloppement n’est pas mi dCvcloppement convergent.

.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 6.. Voici ces relations dans lesquelles j et 236 . . ~(XL) .12) CII écrivant que : dE” y&=0 ct 3E2 w=o.. ’ N r Comrnc f(7r) = f(-7r). On y parvient. il faut utiliser 1111 certain nombre de relations trigonométriques qui s’établissent en se serva. Autrement dit.. soit : N . Nous allons dhontrcr ccttc proposition dans le cas d’m1e fonction éc~lallt. on désire rendre l’expression : 2 E”= 2 l=-N+l la plus pctitc possible. d’une fonction développable en série trigonomktrique. assure la mcillcurc approximation. le développement en série de Fourier tronqué & l’ordre n est celui qui.l -. -1.nt de la formule de Moivre (1667 1754) ct de l’expression de la somme d’une progression géométrique. NT..O.illorlrlée. b) par une skie trigononktriquc et que ccttc S&ic est tronqukc à l’ordre n. .. alors les coefficients du développement trigonométrique sont @aux aux coefficients du d~vc. Nous allons donc approcher f(z) p a r une expression trigonomktriquc dont la forme la plus gh6ralc est : dc telle sorte qu’elle vérifie le critère des moindres carrés.loI>pr:rncnt CII shic dc Fourier. l’ordre 71.1. seules 2N valeurs ~(XL) sont indépendantes. Approximation d’une fonction échantillonnée .e[Ak COS(~~) + Bk sin(kz)] k=l (15. pour 2N+ 1 valeurs zk dc la variable. Pour obtenir des expressions commodes d’emploi..1 N . On a poli6 : CE. valable sous réserve que les conditions de validité de développcmcnt en skrie de Fourier soient vérifiées.ique sur toute la pkiodc. . Autrement dit.> TTT. ~N.Considhons une fonction f(z) périodique de période 227 dont on connaît uniquement 2N+ 1 valeurs yk. au sens des moindres carrks. . Bien entendu ce Worèmr est. +l. x T1 N avec 1 = -N + 1: -N + 2:. parmi tous les dhcloppcmcnts trigononi~triqucs possibles trouyués à. Théorème Si l’on veut approcher au sens des moindres carres UIIC fonction f(z) définit sur (a. Les 2N + 1 valeurs de la variable sont réparties en progression aritlmkt.0.Ao .

ces méthodes privilégient certains points cn leur affcctantj des poids diffkrents. la méthode tics rectangles.pparencr plus de précision.15. on est tenté d’utiliser des nkkhodcs offrant. LES S ÉRIES DE FOURIER k sont des entiers appartenant à (0: N) : k sin(jzl) cos(klrïl) l=-N+I = 0 F sin(jz. Conclusion. 237 .12) par rapport. N CO~(N~.Lorsque l’on effectue le calcul numkrique des coefficients de Fourier de fonctions périodiques.) Ak = . I=-N+l Bk = . On retrouvera rigoureusement le meme procédé lors du calcul des transformkes dc Fourier par les algorithmes appropriks. en a. [=-N+I On reconnaît sans grande difiïculti: les coefficients du d6veloppcment en série dc Fourier calculés par la méthode des rectangles. par exemple. c’est. nous devons utiliser w1e m6t.hode qui affecte à chaque point le même poids : il n’y en a qu’une seule. mais on ne doit pas perdre de vue que lc calcul de toutes les intkgrales peut Ctrc réalis sur n’import. 2 f(z/) sin(kz. À bien y réflkhir.). telles.) sin(kzr) = 0 s i j # k I--N+1 2 N COS(. Remarque très importante . aux coeficicnts Ak ct Bk. on calcule les derivées de l’expression (15.jzl) N cos(kzr) = 0 s i j # k 1=-N t-1 C i=-N+l sin(kzl) = C I--N+1 N cos(kn*~) = N s i k # O:N Compte tenu dc ces relations. la méthode des trapèzes ou la mkthodc de Simpson. On obtient alors les relations suivantes : AN = & F ~(XI) /--N+I et si k # 0.c quel intervalle pourvu qu’il ait la longueur d’une période.

~ 1)t]} dt: *http://www. 8. considérons le dkveloppemcnt tronqub 5 l’ordre n. cela ne change rien à l’analyse prkédemmcnt réalisée. En faisant usa. la notion de pi:riodicit@ au sens strict ne s’applique plus: ccpcndant. Par conséquent7 il suffit dc r(%ranclicr convenablement une fonction cn dent dc scie qui annule la discont. c riialisant la dkmlposition en série de Fourier de fonctions périodiques connues au moyen d’un écllantillonnage déterminb selon des abscisses cn progression arithmétique. ‘. ainsi il n’y a plus de discontinuité à l’origine et ce faux prohlèmc a disparu. + cos[(2n.inuité. dc . On choisit comme nouvelle origine un point où la fonction est.. 2.On a fabriqué une dent dc scie tout à fait analogue à la première fonction développée. On sait très bien obtenir lc développement en série de Fourier des fonctions en dent de scie présentant une discontinuité à l’origine. et il est intéressant de noter le comportements de l’approximation au voisinage de la discontinuitk de la dérivée première.ge de la. Le phénomène de Gibbs (1839-1903) et I’epsilon-algorithme Il s’agit d’étudier le comportement du développement en série de Fourier de la fonction f(x) au voisinage d’un point de discontinuité. Pour cela. lc dCvcloppcment associk f(z) cl ui rst continu tend vers zkro pour la valeur z = 0.edpsciences. cc qui rkout. À prknt nous allons Ctudier le comportement de f(z) au voisinage de zéro.(:l:) = J’ 0 {cas(t) + cos(3t) +. Nous allons nous intéresser A un cas très classiqur constitué par la fonction « rectangle » ou fonction «fente » : (J(“) 1 -l si i $-1 si -7T < c < 0 O<X<T dont nous avons dkj% btabli le dévcloppcmcnt cn série de Fourier. corkinue .f(:r) que nous dPsignons par S.com/guilpin/ 238 .. on déduit que le développement en série clc Fourier de deux fonctions développables est. On trouvera sur le Web (*) le programme echantil . tronqué la skie trigonomktriquc à l’ordre 10. $S. en effet deux solutions pcuvcnt Ctrc apportées à ce problème : 1. propriété de linéarité des intégrales. On a. soit : Bien que g(z) tcndc vers fl. la somme de chacml des deux développcmcnts . notre prolAkne.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Un exemple numérique .(z) : On peut encore krirc : . 7. Cas où la fonction est discontinue à l’origine Dans ce cas.

LES SÉRIES DE E’OLJRIER ct puisque sin(2.l de l’argument.1)t] = msino on obtient. . Nous avons considk+ les termes depuis 5’71 jusqu’à Ss5 pour la valeur z = 0.) sin(2nt) dt = 2 2 sin( t) 7l J’ 2n sir+L/2nj) 0 du eu ayant.n. Pl us on prend de termes. + (-1)” du dbvcloppenlcnt en (271. La courbe reprkeutant S.2. Usage de I’epsilon-algorithme et disparition du phénomène de Gibbs Nous allons appliquer l’epsilon-algorithrnc à la suite des sommes partielles S. (x).1.rouvks sont présentés dans le tableau 15.. page suivmte.999 998 031 On voit que l’epsilon-algorithme fait disparaître le fkheux iuccssantes oscillations au voisinage d’un point de discontinuité. on peut effectuer un dkveloppement lin&6 de sin(u/2n) et remplacer cette expression par SU/~T~. (:E) sont donnés par sin(2nz) = 0. Soit encore : lm zk = !n avec k= 1. 8.1. L’cpsilou-algorithme appliquk à ces quinze valeurs donne le résultat suivant : 0. pour le calculer on peut écrire : ?r/‘h 71 sin( 11. + COS[(272 . posé u = 2nz.. 239 phCnorr&ne de Gibbs et 1~s .. Ou voit sans trop dc difficultk que lc premier maximum est le plus grand . Pour les grandes valeurs de n et les petites valeurs de 5.(X) va cffectucr une série d’oscillations pour un point 5 quclcouquc choisi dans le voisinage de l’ordonnée y = 1.nt) cas(t) + cos(3t) + ‘. +‘i)!(272 + 1) + ” La fouctiou reprksentée par la série trigonornétriquc fait un saut brusque d@passaut de 17 O/c la valeur de g(x).15.. Les résultats t.3. Ainsi quand ‘II tend vers l’infini et :r: vers zéro.. : 3 Les cxtrernurns de S. plus cette anomalie se trouve repoussée sur l’axe des y. on obtient : 2 7r ski(u) d7L = +T)> 77 -i’ U i> où Si(z) est la fonction sinus intkgral que l’on peut calculer au rnoycn série entière suivant : T2r2+l Si(z) = & ~ 2 + Y& r ..

024 1.) tendait vers zéro c:onmie l/n. Il n’en est plus de mCme si la base des fonctions (orthogonales si possihlc) est constitukc de fonctions discont. en skie de Fourier mais qu’au moins une skie dc coefficients (a.999 1. L‘rpsilon-algoritllme tire nkmmoins parti de ces données en calculant les sommes partielles de la série divergente. 8.MANUEL DE CALCTJL NUMÉRIQUE APPLIQUÉ Tableau 15. Palcy et dc Haar.elles que les fonctions de Hadamard. æ = 0 et z = T où f’(z) est.016 1. 1111 pic (1~ Dirac.035 1.035 1>038 1. chaque point.. : Le phénomène dr Gihbs n’est pas propre au dk&qq~emcnt d’une fonction prkentant mlc discontinuité de premitkc espke sur 1me l)asc de sinus et.ions ~c:hantillonn~es sont parfaitement rendues. à l’intervalle (0: 7r) : la dbrivée s’bcrit : le rnembre de droite est divergent alors que le membre de gauche est nul partout sauf aux points n: = -T.990 0.ait un développement.1. Si l’on dérive chacun des deux mcmhres.019 709 731 733 562 519 556 728 834 054 265 047 814 349 421 045 437 581660 560 117 708 447 325 920 Sur le Weh (*): on dorme lc programme Remarque epsi12. ~NOUS avons pris pour exemple la fonction qui vaut -1 pour z appartenant à l’intervalle (-T.025 1.2. 0.r convcnablemcnt ur1c discontinuitk.040 1. Les points de discontinuitk ne sont plus la source d’oscillations.008 1. C’est hicn ce qur donne l’cpsilon-algorit. Walsh. c qui mont.038 1. *http://www. ct les fonct.. de cosinus.re ce gcnrr: dc calcul. Retour sur les fonctions f(x) présentant des discontinuités Nous avons dit que la fonction f(z) admctt. on voit que lc seconde membre est une skie divergente puisque e’cst une série de terme en cos(krc) ou sin(kz).(.hlrle. dc discontinuité quelle que soit la hsc de fonctions continues utilisée et le d~vcloppemcnt continu nc peut en aucun cas représentc. ou h. Lc prol&me est inhPrcnt à. 0) et -tl pour z appartenant.edpsciences.inues t.com/guilpin/ 240 .

10. alors : f(x) = 7 + g a.a + b7. COS(TLWZ) 1.) + i: h. On peut. 9.I = 6. 2 2. En posantj ti = 27r/T.. nous procPderons d’abord ü l’extension dc la pkriode yut l’on désigne par T au lieu de 27r.13) b. les cocfficierits deviemlcnt : T + 5 b. [COS(~~) II =l 7t=1 COS(~.edpsciences.9)) nous Q[] = d” (1.=1 ct. = g 7 f(z) sin(nwz) dz. n=l (15. = (signe dc u)Ja. 0 À présent. Représentation des séries de Fourier avec un terme de phase Dans bien des applications.15.j 71=1 241 ..> II = 1 *http://www. Écriture du développement sous forme complexe Comme c’est à partir de cette étude yut nous allons établir les transformbes de Fourier. la série s’écrit. LES SÉRIES DE FOL~RIER et. COS(%) obtenons par identification : b. c qui permet de calculer f’(z:) eu exploitant le développement cn série.com/guilpin/ 2.) + siu(nr) sin((pT1)] En rapprochant cette expression du dévcloppemcnt (15.. écrivons les cosimis ct les sinus en termes complexes : COS(?LWIc) = exp(jnwz) + exp(-jnwrr:) 2 exp(jnwz) ~ exp(-jnwz) sin(rwz) = w qui dorme pour f(:r) l’expression : f(r) = $ + -gu. et notamrncnt en &~ctricitb.x..iliser urlc autre forme pour le dheloppemcnt en série dc Fourier (qui rend plus fa& d’emploi la uotion d’impbdancc par exemple)...ahle d’ut. = cl. soit... l‘on trouvera sur lc Web (*) lc programme dirac .j exp(jnwz) exp(jnwz) . . alors prkfbrer conserver uniyuemcnt~ ou les sinus ou les cosinus ct faire apparaître à l‘intérieur des expressions un terme dc phase. : f(x) = 2 + 2 dl2 cos(nx ~ pll) = $ + 5 cl. sin(nwrc). il est souhait. sin(prL) cl.exp( -j??hJX) + exp( -~TU.

. 242 . R. ct les coefficients sont donnCs par l’expression : Il faut bien noter que ces dernières expressions n’apportent rien de plus que les preccdentes du point de vue du calcul. + 1) points d’abscisse cv.jnwzr) dz 0 Si l’on rcmarquc que l’on obtient (a. b) à l’int. est le polynôme de Lagrange L.1. Le polynôme qui passe par les (~2.)/2 à partir de (n. Nous recherchons une approximation g(z) de la fonction f(z) dans cet intervalle de telle sorte que sup If(z) . on t. L’erreur commise &(x) est donnce par l’expression : où 7 appartient à l’intervalle (. 11.14) Les coefficients sont alors donnes par les expressions suivantes : ars ..jb. = 1 / ’ 2 T. Pour l’amour de la simplicité et en faisant usage d’une transformation linéaire classique. la série trigonométrique s’écrit : Cc c. + jb.ervalle canonique (-1.MANUEL DE CALCLJL NUMÉRIQUE APPLIQUÉ Soit encore : (15. .appelons rapidement quelques résultats fondamentaux relatifs à l’interpolation par des polynômes. 0 f(x)[cos(nwz) . C’est ce qui est convenu d’appeler l’approximation au sens de Tchebycheff. Approximation des fonctions au sens de Tchebycheff Les problèmes d’approximation au sens dc Tchebycheff ne sont pas à dissocier dc l’étude des séries de Fourier.(z) de degré n. mais elles servent d’introduction commode aux transformces de Fourier. b).)/2 CII changeant n en -n. +l).(z) dc degri: n.g(z)1 soit lc plus petit possible.j sin(nwz)] dn: = $ / f(z) cxp(-.rouvc des formules plus faciles d’emploi cn posant : Alors. exp(jnwz). Examinons le cas où g(z) est un polynôme P.jb. ramenons l’intervalle (a.. Soit une fonction f(z) continue à dérivées continues sur un intervalle (a. + 1).

~[COS(Q)] = cpi CO~(~Q) + En cc=(Q) = Q(Q). On peut écrire : Q(Qi) ou cncorc : 243 . Donc. il est possible d’opérer dc la facon suivante : toute puissance de 2: notée zk. (x) sous la forme d’un polynôrne de Tchehycheff : Posons alors 5 = COS(&). . nous allons kcrire l’erreur minimum E.. tronqué à Les coefficients pk sont donc les coefficients du dkveloppement l’ordre 72.n.1. k=O Po = & 2 k=O CO~(~Q~). ce qui nous imposera le choix des abscisses. Pour des raisons pratiques. nous avons : et pour les valeurs 2i+17r Qt=-n. en skie de Fourier.2. formrllemcnt : Il nous reste alors à calculer les coefficients pk. d’obtenir une formule fournissant l’erreur minimum au sens de Tchebychcff. à savoir : cY=cos ( 22+17r ~r1+12 > a v e c i = 0. k=O Eu égard a la définition des polynômes de Tchebychcff.3. on prut krirc : tn se souvenant que pour les valeurs <y~. Ces valeurs reportées dans l’expression du polynôme permettent. LES SÉIUES DE FOURIER L’erreur sera rendue minimum cn utilisant la propriété essentielle des polynômes de Tchehychcff.15. dc la fonction paire ~[COS(Q)]..+12’ nous avons : Q(Qi) = cpi. Pour cela. infkieurs & k. peut s’exprimer au moyen d’une combinaison linéaire de polynômes de Tchebycheff dont les degrés sont égaux et.

15) est donnée par l’expression : T(W) on obtient. Ensuite on rctournc à l’espace direct. k=-nr (15. Pour fixer les idees nous allons etudier un filtre sans contrainte.) et cos(nwJ) dépendent directement des arguments de l’espace direct ct de l’espace reciproque. filtre passe-haut.%-t) ’ T ( w ) = e Ahexp(jkw&). On Ctudie donc l’action du filtre sur un signal sinusoïdal que nous écrirons : f(t) = exp(. car pour ce qui concerne les séries de Fourier cette distinction.illonnages. l’intkgrale calculée sur une pcriode 27r/St : in/ht 1 = J -/Jr JT-*fN(w) . 6t représente l’intcrvallc de temps entre deux ~cliant.16) Très souvent on SC donne une fonction de transfert T(w). k=-M (15. la fonction de transfert en w du filtre (15. pointant fondamentale. la fonction de transfert T_A~N(W) soit la plus voisine de T(w) au sens des moindres carrés. Par définition. dans l’espace réciproque de Fourier. M et.T(w)lL dw. Autrement dit ~ il convient de minimiser. donc : = @ct) w(. Application des séries de Fourier au filtrage numérique D’un point dc vue très simple. Nous reviendrons plus en détail sur ces espaces. coefficients qui viennent ponderer les valeurs des echantillons : a(t) = 2 Akf(t + kht).jwt).15) où Q(t) représente la fonction filtrée à l’instant t. On prut dire qu’un filtre linéaire est tout simplement un ensemble fini de coefficients Ak qui dépendent.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 12. ct filtre passe-bande pour faire reférence aux applications radioclectriques). L’etude des filtres numériques lineaires peut passer par la notion de fonction de transfert. uniqucmrnt de l’opcration que l’on souhaite réaliser mais certainemcnt~ pas de la fonction f(t) a filtrer. N sont deux entiers positifs. le filtrage numérique est une opcration linéaire que 1’011 réalise dans l’espace reciproquc: de Fourier dans le but de modifier lc spectre dc fréquences ou de nombre d’ondes (filtre passe-bas. et il s’agit alors d’exprimer les coefficients Ak correspondant à un filtre dont. Il s’ensuit que les Ak sont tels que : 244 . est peu perceptible dans la rncsure ou les fonctions sin(nw2. c’est-a-dire z et w.

15))) e nsuite. w2 5 lwl < 7r/& Tous calculs faits. Aussi. équation (15. 2n Un bon exercice consiste à représenter lc filtre théorique ainsi que la fonction de transfert approchée pour N = M = 20 (cf. on trouve les coefficients suivants : Ah: = 7T 2k [7r” ~ k26t2(w2 . Application à l’étude d’un filtre passe-bas a .16) dans la dernièrt intégrale.1. il est possible d’écrire : dl aA.Il est préfcrable d’utiliser un filtre constitué d’une fonction continue afin de reduire les oscillations données par l’approximation. LES SÉRIES DE FOURIER et. 1 d’orthogonalité : +TT/Ot . b. Il reste a WiSt a v e c Au = ~ Ii- A/i = . 245 . Ce filtre se définit de la façon suivante : 0 5 lwl 5 Wl f-4 I /WI I n/bt Comme c’est manifestement 1111 calculer les termes en cosinus : T(w) = 1: T(w) = 0. d’appliquer ce filtre à une fonction présentant des irrégularités (courbe expérimentale entachée d’erreur).I -T/& T(w) exp( -jkwSt)dw. pourra-t-on choisir un filtre du type suivant : Wl I /WI < wz T(w~={~+cos(d3}:2 T(w) = 0. Les Ak sont les coefficients de Fourier du développement de la fonction de transfert T(w). les termes en sinus sont nuls. 12. +r/h‘t A. = 2 En faisant usage de la relat.2 k 2iT Deux remarques s’imposent : .ion c Ak exp(jkw&) . a.I exp[jw(m on en déduit que : + k)&]dw = zLTn..WI)21 [sin(kw&) + sin(kwr&)] avec Au = (w2 + wl)St . en reportant la relation (15. cos(kw16t) b .Nous allons porter notre attention sur un des filtres les plus simples à réaliser : la fonction «fenêtre » dans l’espace réciproque de Fourier.T ( w ) exp(jmw&)dw. Les Ak sont indépendants de M et N. filtre symétrique.k.15..

elles font. Calcul des séries de Fourier à coefficients approchés dans L* Dans certains cas. Nous reviendrons sur ces aspects des problèmes cn abordant 1’Rtudc des transformées dc Fourier..ion 00 fz(t) = c CLr. ici. Dc retour dans l’espace direct. b). Par ailleurs. mcsiire où l’intcrvülle dc définition (a. À propos du développement des fonctions non périodiques Il est parfaitement 1i:gitime de développer cn série de Fourier (au sens large) une fonction f(z) non p62riodique dans la.. cos(nC). donc ~1 est aussi petit que 1’011 veut. *http://www. c qui ri:alise le filtrage de données numériques entachées d’crrcur. En ce qui concerne les fonctions non p&iodiyues définies sur un intervalle infini. le calcul d’une série au moyen de ses coefficients est un protGmc mal posé dont on trouvera 1’6tude dans l’ouvrage de Tikhonov citk cn bibliographie. Oii trouvera sur le Web (*) lc programme filtre. Il existe une restriction importante dans la mesure on l’on ne pr. rcr ct de la fonction <X fenêtre 8 T(w) qui est.2. l’objet de traitements spbziaux appelés transformations de Fourier. 14. que la fonction de transfert est sym6triyue ce qui peut donner l’illusion de calculer imc fonction de corrélation. il est convenable de dire que lc développement en s6rie de Fourier const.com/guilpin/ 246 . 71-O Dans la m6triyue de L".edpsciences. soient enta&& d’erreur ct que l’on ait : c. le produit simple de deux fonctions est transformé en produit dc convolution. Remarques sur les opérations mathématiques réalisées lors du filtrage L’q+rat. Cette derni6rc rcmaryuc prend tout son sens quand on passe à la programmation qui se rbduit au calcul du produit de convolution dc fonctions p&iodiqur:s.itue un prolongement analytique dc la fonctjion f(z) en dehors de l’intervalle (a. n=n Supposons que Ics coeficicnts a. Dans l’espace réciproque de Fourier nous avons réalis6 lc produit simple de deux fonctions qui sont la transform& de Fourier de la fonction f(t) à filt. 13. cos(nt). Voici un exemple concernant une série convergente : fi(t) = 2 ar. Notons hicn.12. les coefficients différent de : avec cg = ao. + n A la place dc fl (t) on obtient la fonct. 1111 filtre passe-bas. 6) (1st fini et que la fonction Sat)isfait aux conditions légitimes du d6vcloppemcnt. = a.ion de filtrage que nous venons dc réaliser traduit une convolution dans liespacc direct.iit pas se servir du d6vclopprment en dehors de l’intervalle de définition de la fonction.

examinons la dist. 15. T IKHONOV et V. BASS (1961) Cours de mathématiques. A. 247 . ANGOT (1972) Compléments de muthématique. ARSÉNINE (1976) Méthodes de rc’solution des problèmes mul posc’s au sens de Hadamurd. Éditions MIR. Éditions Masson. LASSER (1996) Introdu&on to Fowier series. tlom& par l’expression : Cette quantité peut être faite aussi graudc que l’on veut : la sCrie diverge pour t = 0.ancc entre les fonctions fi(t) et fz (t). Elle est. R. M. Éditions Mass~. J. Éléments de bibliographie A.15. Moscou. LES S ÉRIES DE FOURIER À présent. Dckkcr...

Arsac a ramené le même calcul à 3/4 d’heure tandis que l’utilisation de l’algorithme de Cooley-Tukey a permis d’effectuer la transformation en 45 secondes. en résolution des équations de convolution. Ce n’est pas pour autant qu’il faille négliger l’apport considérable dc la théorie qui a fourni notamment un catalogue de solutions formelles de problèmes. Extension des séries de Fourier au cas où la période est infinie L’idée consiste à isoler une partie de la fonction f(t) sur un intcrvallc fini (-T/2. le rôle des transformées de Fourier dans les problèmes de traitement de fonctions &. Sur cc sujet. En calculant les intégrales au moyen de la technique des rectangles pour une fonction échantillonnées en 2048 points il fallait. en cristallographie. En posant : on obtient le développement : f(t) = !$ + 5 [a.. en analyse harmonique.. Il ne faut pas oublier qu’ils ont eu des prédécesseurs meconnus qui ont ceuvré tout à fait dans la même direction et il est probable que l’idée originale de cet algorithme soit due à Carl Rungc (185661927) et à KOnig. et d’une facon générale.hantillonr~ées s’est notablement accru. +T/2): puis à procéder à son développement en série de Fourier.Kintchine). Cependant. Le calcul des fonctions sinus et cosinus au rnoyen de relations de récurrence rnentionnées par J. on trouvera un petit aperçu historique dans l’ouvrage de E.1) 249 .16 1 Les transformées de Fourier Depuis la vulgarisation des algorithmes rapides (1965).. sin(nnt)] n=l (16. dans tous les problèmes où il y a avantage à travailler dans l’espace réciproque. Oran Brigham cité en bibliographie. avec une calculatrice de la fin des années 60. cos(nfB) + b. en thcoric des probabilités (fonctions caractéristiques). Les transformées de Fourier trouvent leurs principales applications en optique. en corrélation (théorème de Wiener (189441952) . le strict calcul numérique posé par un problème n’ayant pas de solution formelle connue était une entreprise à la fois très longue ct très coûteuse. et enfin à faire tendre T vers l’infini et à examiner le résultat. 1. environ 3 heures pour obtenir la transforrnée de Fourier. cn traitement du signal.

que 6w A d w c t q11c CL=62 alors on peut krirc : f-(t) = .M.3) Soit encore : Si. I’ À f(z) sin(nRz) dz..(x) cos[w(n: . 250 . on peut dire que (2 est l’a<:croissrment dr: w pris cntrc deux valeurs consécutives.4NlrEL D E C A L C U L hrU. ou peut considérer que 62 est l’accroissement Sw dt: w. 7 dw i.. l’on fait I’hypothk~ que : tT/2 1 cc cc 1 -+ > s 0 lirn - T -T/a I’ f(z) dz = 0.f(z)dz+$$+j”. / -T/z O ..12~) dz h. pour T tendant vers l’infini.2) s’krit alors : +T. sin(wt)] cl=62 (16.a f(t)=. 7 cos(wt) -n +CC / f(x) COS(~~) 00 +CC dz + sin(wt) / p(z) sin(wz) dz ~00 du. Lc développement (16.l( z C)[ S ( wn:) COS(~~) LECI -+/a + sin(wz) cos(wt)] dz.t)] dz. 0 -00 (16.W@RIQIJE APPLIQIJÉ f(x) cos(n. COS(~~) + h. = . Ces formes dc dhcloppcmcnt corrcspondcnt aux dhcloppcmcnts CII shic dc Fourier de fonctions offraut « un spectre continu » encore appelé « spectre de bandes >>. présent.2) Dans cette nouvelle représentbion.!. On peut encore écrire : f(t) = . cela nous pcrmct d’obtenir une autre forme du dkvcloppcmcnt : f(t) = ff + k F R [CI . posons w = nR.4) C’est lc dbvcloppcmcnt cn iutkgrale de Fourier de la fonctiou f(t). (16.. Autrement dit.

--l-/2 conventions que prk&hmncnt.jwt) dw +m G(w) = & / f(t) exp( -jwt) clt.. -cc d’où En effectuant une extension A l’infini. 1 avec c. Intégrale de Fourier en termes complexes Partons du développement en sh+ dc Fourier en termes complcxcs : f(t) = CC~.1. nR = w : et &ù + dw = (2.5) On peut. = T s En conservant les mnmes f(x) exp(-jnk) dz.. cependant. exp(jnRt). Bien tics talks tic trzmsformées de Fonricr utilisent cette notation. on prkfbc utiliser tics formrs plus 251 .1. Il s’agit dans ccttc dernière forme d’une des exprc3sions les plus employi+s appelks l’une transfornk: dc Fourier directe. encore poser : f(t) = )‘G(w) exp(. nous obtenons : (16. exp(jwt). l’autre transformbc dc Fourier réciproqur. on krit : f(t) = A 1 c.

Définition L’cspacc L1 est l’espace fonctionnel des fonctions intégrablcs en module.) dt = G (&) . 252 .” dw G(w) = Les équations (16. Relation entre différentes définitions Les tables d’intégrales dc Fourier utilisent généralement une uotation plus concise qui ne fait pas usage du facteur 257 : +CC Q(w) = f(t) . 2.6) fonctionnelles.ant les expressions suivantes : f(t) = /G(x) exp(2~jwt) -33 +. Il est evident qu’il faut se tenir à un choix pour effectuer les calculs.1. (-27~jw. If(x)1 dz existe.6) sont des equat~ions / f(t) cxp-27rjwt) dt (16. tandis que l’espace L2 est l’cspacc fouctjionnel des fonctions de carre somrnable. +oO Si *f(x) appartient à L’ alors l’intégrale .i’ que l’on peut ikrire encore : Q(w) = 7f(t)cxp -30 exp(-jwt) dt. Remarque : Rien n’empêche de choisir des signes opposes dans les exponeritielles pour definir les transformées directes et réciproques.2. Conditions d’existence des transformées de Fourier dans les espaces L1 et L* 2. /’ -cx +30 +oO s f"(x) dx (011 s Si f(x) appartient à L2 alors l’intégrale ~(CE)~*(X) dz) existe. 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ symCkriqucs eu adopt. soit : f(t) = /C(:i) exp(-2Qwt) dw -x +Z= G(w) = s -00 f(t) exp(2Tjwt) dt.

L’espace L1 des fonctions sommables au sens de Riemann n’est pas complet puisyw la limite d’une suite de fonctions intégrablcs au sens de L1 n’est pas n6cessaircmc~nt une fonction int.1. pour la fonction f(z) ü valeurs récllcs ou complexes. que l’on doit lui substituer la notion d’intkgrale au sens de Lebesguc (1875 1941). un survol rapide de la t. LES TRANSFORMÉES DE FOURIER Dans ce paragraphe.I’ If(x)1 dz = h (fi fini). C’est k Henri Lchesguc (18751941) que revient le merite d’avoir découvert la nouvelle intégrale en 1902. Disons tout. Les rnathérnaticiens ont trouvé une définition plus génkrale dc l’intégrale de Riemann afin que L’ soit toujours ml espace vectoriel.11 sens de Riemann. et.7) Ici..16.i f(x) exp(2njTjzt) dz 253 . le cas dc fonction discontinues nc comportant que des discontinuitk de prcmike espèce. ce qui lui confkre un intéret de tout premier plan lors dc I’étudc des séries de Fourier et des développements en skies dc fonctions orthogonales. d&nics qui ne sont pas intégrahles a. 3. Quoi qu’il en soit. le physicien rencont. La transformée de Fourier dans l’espace L1 On dit que f(z) appartient à l’espace L’ si. 3. complet au sens de la norme L1. Insistons toutefois sur un point csserkiel : lorsque l’intégrale de Riemann est rkellerncnt calculable.rant en gCnkra1 <t de honncs fonctions ». 2. nous dksirons rappeler les résultats t.héoriqucs essenticls. Nous ne parlerons pas davantage de cette intkgrale qui passe par la notion d’intégration dc mesures abstraites.it.ions parfaitement. elle donne lc mêrnc résultat que l’intégrale de Lebcsgue. il s’agit d’un élargissement de la classe des fonctions intégrables. Théorème La transformée de Fourier +C= F(t) = -CU . C’est. (16. dc suite que la notion d’intbgralc de Riemann ne suffit plus pour l’ttudc de tels problèmes. b. Il faut bien reconrlaître que l’usage pratique des transform6es dc Fourier passe exceptionnellement par les considérations qui vont suivre. on a : +LX .6). Le lecteur intércss6 trouvera des d&eloppcments et des exemples dans les ouvrages citts en bibliographie : cn particulier. des exemples de fonctions bornées qui ne sont pas intégrables au sens de Riemann. Non seulcmcnt l’espace L1 devient un espace complet mais aussi L2.2. Conclusions a. que la limite d’une suite de fonctions intégrablrs n’est pas nécessairement une fonction intkgrablc ni au sens de la convcrgencc simple ni au sens de la convergence uniforme. Voici pourquoi : lc point essentiel repose sur le fa.hkorie doit. Il existe des fonct.kgrable. Le prohkme fondamerkal repose sur les conditions d’existence de 1’intCgrale dc Fourier qui est l’une des expressions (16. Au fond. la norrne est celle de la convergence en moyenne. permettre d’éviter quelques pièges que l’on peut rencontrer dans la théorie des fonctions khantillonnées.

f(O) est une coristantc et la fonction constante n’appartient pas à L’. .I -00 If(z)1 dz = .leur de t.f Ll . = 0 nc prtsentc pas beaucoup d’inthêt. (16. Si f(z) appart.jzf(z) : 2-irjz.appclons que l’on note : f (xl 1. F(t) à changer . I)artout une dkrivke F’(t) Imrnke qui est la transformée de Fourier de 2~.F. de plus F(t) est bornée uniforrnhent : IF(t)1 < I. = 0. 2. aussi à. donne : (16. (16. La translation qui consist. si f(z) ainsi que sw n. dkrivhs a. Continuité de la transformée. si 0. bien noter que le cas particulier ~1. Propriétés essentielles dans L1 R. La T. prerniàres ou encore 6. En effet.9) 4.I’ -<xi f(z) exp(27rjzt) dz < +Oc . En effet.e r. alors F(t) admet.10) Il faut.MANTJEL r]E CALCIJL NUMERIQUE APPLIQUÉ existe si f(. F ’ ( t ) . Donc F(t) existe pour tout t. on a les inégalitbs suivantes : +CC .2.f(x)I 3.ppartjicnrirntj à Si f(x) est dériva& n fois.z).f(). La syrnktrie donne : f(x) 3 F ( t ) exp(2rjty). 5.jm) 3 F(t . est linéaire. L1. 254 .8) exp(-2r.r en (z . d ors : . Si i(z) appartient 5 L1 sa transformhe de Fourier F(t) est uniforrriémcnt continue pour toute va. si a # 0.z) appartient à L’. La dilatation d’abscisse.Ir/) donne : f(x -Y) 3. ct.l (z) r_F.ient à L1 et si la fonction XI(:~) appartient.

1 . P(z) I = 1 .pparticnt à L2 si l’on a : +CC . +1/2) ski(&) 7’6 ts= 0 ailleurs 7r-t 7r(l + t”) (= 1 si Ic appartiern à (a. alors nous avons 1’Cgalité dc Parseval (1755 -1836) : +^c> /’ I~(:I$ c1. a partir de F(t).2. (16. 255 . -Ix (16. /’ f”(:x) dz = if]‘.’ d t . cependant la transformée dc Fourier inverse existe si l’on prend la valeur principale au sens dr Cauchy. Si f et F appartiennent ensemble à L1. 3. -oc. +l) 25 0 ailleurs ski(&) ( > ’ I= 7rt 4.r appartjicnt a ( .11) Il faut alors des propriktts dc continuitk pour dCterminer .3. LES TRANSFORMÉES DE FO~R~ER 7.12) c’est-a-dire que l’intégrale existe. La réciprocité dc la transformée de Fourier pose un problème dklicat.f (2. Du point de vue du physicien: l’Égalité de Parseval nc fait que traduire lc principe de conservation de l’bnergie. F(t) n’appartient pas à L1.]n*l s i .7) est prise au sens de Lehesgue. Exemples de fonctions transformées de Fourier l’une dans l’autre f(x) exp( -7r. que .‘) exp(-27474) &fi F ( t ) 4=-G fi exp( 4”) 1 f(x) 1 = 1 si z appartient à (-1/2. b) f (xl I= 0 ailleurs 23 sin[&(h ~ u)] iTt cxp[j7rt@ ~ u)] Dans ces deux derniers cas.out point. l’intkgrale (16.r = i. 8. En effet.f(I ” )en t.F(t). et sa valeur n’est pas modifiée quand on change les valeurs de f sur un enscmhle dr mesure nulle.) à valeurs rklles ou complexes a. Les transformées de Fourier dans l’espace L* On dit.16.

en spectroscopie.9(z) = . l’ohscrvation d’une raie est le produit de convolution du profil donné par la source lumineuse ct de la fonction d’appareil qui a permis l’observation. Les autres propriétés rencontrées dans l’espace L’ restent vraies dans l’espace L2 à savoir : la linéarité. à L’. toutes les mesures expérimentales sont les rRsultats du produit dc convolution du signal fondamental et dc la fonction d’appareil. c’est-à-dire que h = f *g = g * f.(z) définie par l’int6grale : +X2 h(z) = . 256 . Ch démonstrations reposent sur les propriétés des suites de Cauchy. Il faut respecter certaines conditions pour que cette intkgrale existe.~NuEL DE CALCUL NTJMÉRIQUE APPLIQUÉ Propriétés fondamentales Si f(z) appartient à L2.13) qui est notée d’une faLon plus concise : h = f * g. la translation. en prcmièrr approximation. 5. Supposons qur les fonctions f(z) et G(t) appartiennent.M. Par exemple. la dilat. Produit de convolution dans les espaces L1 ou L2 C’est un problème qui joue un rôle important cn physique ct en traitement du signal.! * f(?/)dlr: ~ Y) dz/ (16./’ G(t) exp( -j27rzt) dt. on peut dknontrer que F(t) appartient aussi à L2 et que nous conservons l’égalit6 de Parscval : +CC J’ -30 . Notarnment. assurée notamment quand p et g appart. Définition On appelle produit de convolution de deux fonctions f(z) et 9( z) une fonction h. dc telle sorte que : +33 F(t) = / f(x) cxp(j27rzt) d z et . L’existence est.1.atlion d’abscisse. la fonction d’appareil est constiti& de la «fonction fente > (triangle isocCle).f”(Lc) an: = +Oc .iennent à L1 ou L’.I’ -31: F2(t) dt. 5. Si l’on utilise im spectromètre à fentes. Remarque : Le produit de convolution est commutatif.

l’une et l’autre fonctions conticnncnt exactcmcnt la même information. + G G 5. On résumera les opérations ainsi : f(x) 3 g(x) yl-i f *9 3 f.I -430 .3.2 f(w) exd2Wy) h dt +CE h(x) = J G(t)F(t) exp-2jdx) dt. La démonstration est encore plus simple si f(x) et G(t) appartiennent à L2 .1. Transformées de Fourier et produit scalaire Lc produit scalaire de deux fonctions p(x) et g(x) est défini par l’intégrale du produit des deux fonctions : (f(x). on obtient : +CC h(x) = ct par suitje : . 1’Cgaliti: dc Parseval n’est rien d’autre que l’expression du principe de conservation dc l’hcrgic. G(t) exp(-2jKtz) +LX s pc. Remarque sur le sens de la transformée de Fourier Du point de vue de la physique. on sait que les transform~cs de Fourier g(z) ct F(t) appartiennent % L2. dn: (= /f(x)g*(x) -cIcI d 2 si les fonctions sont complcxcs).4.16.ons g(z) par sa transformée de Fourier dans 1’intAgralc (16. 5. F F(t) G(t) F. Sur la symétrie et la parité des fonctions Si la fonction f(x) possede certaines propriétés de symétrie il en va de même de sa transforrnée dc Fourier F(t). Le tableau 16. 5. g(z) est bornée et l’intégrale définissant le produit de convolution cxistc. F(t)] appartenant & L1.g(x)) = /i(x)g(x) -!x. 257 . Rcmplac. il s’ensuit que h(z) est la transformkc dc Fourier dc G(t) F(t). h(x) ét.ant une fonction bornée et la fonction [G(t) . Par ailleurs.13) : En inversant l’ordre des intkgrations.2.g 111-. LES TRANSFORMJhS DE: FOU~~I~~ Alors. la connaissance de la fonction f(x) est stricteruent équivalente à la connaissance de la fonction F(t) . page suivante donne les principales correspondances. Il s’ensuit que la transformte de Fourier transforme un produit de convolution en un produit simple de transform@es de Fourier. cn effet.

par-tic imaginaire impaire partie imaginaire paire . -x . partie imaginaire impaire partie réelle impair-c . ces fonctions admettent chacune une transformée de Fourier désignée respcctivernent par F(u) et G(u). partie imaginaire paire F(t) rklle paire imaginaire impaire imaginaire paire réelle impaire complexe pair-c complexe impaire par-tic reclle paire . -00 -00 IlOuS allons en déduire quelques propri+% sur le produit scalaire des fonctiorls appartenant à L2. La linearité de l’opération d’intégration nous permet d’ecrire : +CO /.1.. --m -cc La combinaison de ces deux relations jointe a l’egalitt: de Parseval +CC /’ f(x)g*(x) dx = /P(i)(:‘(t) -00 258 IIOUS dorme : dt.jG*(t)] dt.MANUEL LIE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 16.F(. + G(t)] [F*(t) + G*(t)] -00 et +CC -00 dt. I’ [f(x) + jg(x)] [f*(x) ~ jg*(x)] dz = J.F(t) + jG(t)] [F*(t) . f (xl réelle paire réelle impaire imaginaire paire imaginaire impair2 complexe paire complexe impaire réelle quelconque imaginaire quelconque partie réelle paire . partie recllc impaire rkllc quelconque imaginaire quelconque Si f(x) et y(x) appartiennent à L2. C omme nous avons l’cgalité de Parseval : /’ f(x)f*(z) dz = / F(t)F*(t) tlt.[f(x) +y(~)] [f*(x) + g*(z)] dz = r.

G(t))> (f(x)> s(x)) = P-t).x).i’ +a J’ -cc il s’ensuit : (f(-x + u). g(x) d‘une part.g*(x)) = Tf(x ~ su)g*(x) dz = ~r(t)G*(t)exp(2Tjtu) -00 -cc également une dt. -cia exp(2xjtu) dt. iious ~VOI~S les relations : tm . LES TRANSFORMÉES DE FOURIER L’exploitation dc cette dernière égalité 6x1 liaison avec la convolution donrw expression intéressante concernant une forme de produit scahire : (. G(t)). krirc : (f-x + u). Par ailleurs.orls exp(2. eu remplac. . g(x)) = lmf(x .ant g*(x) par g(x) on change G*(t) en G(-t). g(x)) = /F(t)G(t) -(w Si l’on fait IL = 0. (f(:~).x + u) exp(2rjtx) dz = F(-t) exp(2njtu). G(t) d’autre part jouent des rôles syrrktriqucs. on peut. g(x) exp(-2rjtz) dz I * = G*(-t). nous ohtcnons : exp(-2njtu) dt (f(u ~ x). on obtient l’cxprcssion : U-x). f(-.2 En rappelant que : +CC s -00 g*(x) exp(2Tjtx) dz = +m / -cc [. Comme f(z). g(x)) = /i(x . g(x)) = (F(t). G(t)).16. f(-x) exp(2njtx) dx = F(-t) et. 259 .rjtu) dt. t par -t dans la dernière @alité. G(W)).u)g(x) dz = /R’(t)C(i) -00 soit. ~IN -00 exp(-2rjtu) dt. compte de la réciprocité des transformations de Fourier. remplac. encore : (f(u .f(x. d’aprh le théorème de translation sur l’axe des abscisses.g*(x)) = /i(x ~ u)g*(x) dx = /i’(-t)G*(t) pc. on a les autres relations : (f(x)> g(-2)) = P’(t).u)g(x) dz = /‘ii)G(-t) Maintenant. g(x)) = (F(t). F(t).u).

6. il faut préciser que les fonctions f(z) ne peuvent être connues que sur un intervalle fini (-a/2. Le fait de prendre davantage de points n’apportera rien en prkision et cela ne fera qu‘accroître le temps dc calcul. +1/(2h)l et son pas d’échantillonnage est T = l/u.. En revanche. on supposera que la fonction f(z) est. Le calcul des khantillons de la transformée de Fourier F(t) se fait. Malhcllrel~senlent. les équations fonctionnelles (16. Chapitre 10). soit (2n+l) leur nombre ct l’on notera (zk. lesquelles ont kt. En effet nous avons procédé à l’extension de l’intervalle dc définition des fonctions périodiques pour parvenir & l’étude des transformks dc Fourier. alors: dans l’espace réciproque. fonctions rattachées aux polynômes d’Hermitc (cf. On démontre qu’aucune information n’est perdue en opérant de cette sorte. Il va de soi que les algorithmes que nous allons décrire pcrmcttront dc calculer les co&icients des développements cn skie de Fourier. 260 . +u/2). On calcule donc ~TL points dans l’espace réciproque. 7. selon 1me progression arithmétique de raison T. mais l’expérience montre que les temps de calcul sont prohibitifs et qu’il faut trouver des algorithmes cxtrknernent élaborés pour parvenir à des temps de calcul raisonnables. D’arcs ct dkjà% on est en mesure de dire qu’il n’y aura aucune différence entre une transform@e de Fourier calculée nurrkriqucmcnt et la skie de Fourier.6). Nous reviendrons cn détail sur ces problèmes. Lc pas d’khantillormage est h = a/(2n) et la période de la fonction f(z) est a. Par ailleurs. l’approximation dc fonctions de L’ au moyen des fonctions du cylindre parabolique. Nous allons donc examiner le problème sous cet aspect en accordant notre attention aux fonctions khantillonnées. Sur le calcul numérique des transformées de Fourier Il existe quelques fonctions dont on connaît la transfornkc de Fourier. donnée par un ensemble d’échantillons qui sont pris CII progression arithmétique. il nous faut rappclcr les propriktés essentielles des fonctions échantillonnées et dc leur tra. mais maintenant nous ne sommes cn mesure que de traiter numériquement les fonctions définies sur un inkrvalle fini. la densité d’information recueillie pouvant ntre manipulée est finie. Cas des fonctions échantillonnées Puisqu’il s’agit esscnticllcment d’un point de vue pratique.MANUEL DE CALCUL NUMÉRIQCJE APPLIQUÉ Certaines de ces relations sont utilisees dans les paragraphes kvoquant. o/k) les couples de points représentant la fonction. a.k rkmies dans des tables. la période de la transformke de Fourier F(t) est T = [-1/(2h).nsformée de Fourier. 2n points en progression arithmétique sont nécessaires et. Avant d’cntrcprcndre à proprement parler l’ktude des algorithmes fondamentaux. En apparence il sufit dc calculer nurnkiquement les intégrales (16.6) n’admettent pas tolljours des expressions littérales de transcendances élémentaires.illonnage h. Ceci est dû aux impérkfs de naturc physique et humaine : le temps d’observation est limité et.. il existe un probkmc beaucoup plus délicat qui est celui de déterminer convenablement la période d’échant. Un autre prohlèmc SC pose lorsque l’on a affaire à des données expérimentales composées d’échantillons ~ lc plus souvent distribués selon une progression arithmétique. b. suffisants.

pkriodiques.16) sin[(p + l)&] = 2 COS(@~) sin(pO0) .. il suffit de calculer au depart seulernent Ao = cos(00) et 13” = sin(&) puis d’utiliser les formules de récurrence : 261 . k-71 (16. Cette façon de procéder rcvicnt à décomposer une fonction en une somme de deux fonctions. = f ( .n h ) S 1L + jh c f(M) sin(2z7kht).16) ne sont pas uniques.2 . il y a moyen de diviser le temps de calcul par trois environ en effectuant la remarque suivante : L’argument dc base des sinus et cosinus est : 0.15) ktaicnt simples à calculer mais qu’cllcs exigeaient un temps de calcul considérable.f(-qh) e t T.n. en posant F(t) = FR(~) + jP~(t): cela nous permet d’écrire : FR(t) = h 2 rk cos(27rkht) FJ(t) = h c Sk sin(2xkht).15) Remarque : Nous avons dkjà dit que les relations (16..1 71-l F(t) = h c f(M) cos(27rkht) Il est plus commode de poser : rq = f(qh) + f(-&) s q = f(qh) . Quoi qu’il en soit. et l’on peut trouver des relations de récurrence tout à fait analogues..-1 = -f(-nh). LES TRANSFORMÉES DE FOURIER 8.cos[(p . Cornrne l’appel des fonctions de bibliothCque SIN et COS dcmandc 1111 temps important.) = 27rht. il est beaucoup plus astucieux de calculer ces fonctions au moyen des relations de rkurrence du type : COS[@ + I)@l] = 2 COS(@)) cos(p@~) . l’une paire et l’autre impaire . ce qui fait que les argurnents des sinus et cosinus sont en progression arithmktique de raison 00. il est indispensable d’affecter & chaque point d’échantillonnage le rnêrne poids pour obtenir le même résultat quel que soit le point choisi pour définir le début d’urlc pkriodc.sin[(p .6) au moyen de la méthode des reckanglcs . Calcul par un algorithme ordinaire Il s’agit ici de calculer les intégrales (16. Cependant. On approche F(t) au moyen dc l’expression suivante : 71-l F(t) = h c f(W) exp(27r-jkht).l)O”] (16. avec q=O:1.1)00]. Les relations (16. la raison en est la suivante : comme les fonctions sont. k=l (16.14) Dans le cas où f(z) est une fonction rkelle.16.. nous pouvons kcrire : 71 .

on a la transformée inverse : f(kh) = T c F(qh) exp q=-n (16.21) quels que soient les entiers pi et pz.) Il s’agit d’un algorithme que l’on désigne souvent sous le nom de FFT (fast Fourier transform).15) et (16.15) et (16. on écrira sirnplement : f(x) = T C F(lh) exp(-2nj2ht). 262 .18) . dans les relations (16. et l’on va observer une lente dégradation de la precision des valeurs calculees pour les sinus et cosinus.)exp k=-n (16. q=-n+p2 (16. 9. La transformée de Fourier réciproque ne présente pas plus de difficulté à calculer.17). elles mettent en ouvre toujours une soustraction.1.19) Par ailleurs.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Quelles que soient les formules de récurrence utilisées. L’algorithme de Cooley-Tukey (1915. On s’aperçoit que le calcul des transformées de Fourier fait appel à des valeurs numériques qui sont strictement liées à la nature de l’échantillonnage.jg) . La transformée de Fourier discrète Il suffit de reprendre les formules (16. on aura les égalités suivantes : F(mr) = h k=-n+pl c f(kh)exp (16. Réciproquement. si la fonction f(z) est périodique de période a. si l’on fait a: = mr.17) e n p récisant que les points qui doivent être calculés sont ceux qui sont en progression arithmétique de raison T ou dc raison h selon l’espace que l’on considère.17) D’une faCon genérale. 1=-n (16. on obtient : F(mr) = h c f(kh) exp(2njkhmr) mais comme T = 1/(2nh) il est plus commode d’écrire : F(mr) = h C f(kh.20) f (kh) = T ny F(qh) exp (-2~. 9. Donc. les fonctions f(z) et F(t) sont des fonctions complexes de variables réelles respectivement zr et t. C’est pourquoi il est utile de les calibrer de temps en temps: c’est-à-dire d’utiliser les fonctions dc bibliothèque tous les 1024 points par exemple et de calculer les points intermédiaires au moyen des relations de récurrence.

et pi = p2 = 0.. Les transformées de Fourier respectives de u et ‘v sont désignées par U et V. (N). Comme dans le cas du calcul des fonctions trigonomctriqucs.. II~IE poserons : WN = exp(2nj/N). et nous avons toujours besoin de N operations complexes pour mener à bien les calculs. LES TRANSFORMÉES DE FOURIER Comme cela est sans intérêt. il suffit donc de poser : n = 2nh = 1. Puisqu’on ne calcule qu’un nombre fini de points de la transformée. chacune de ces fonctions comprenant N/2 points. Il s’ensuit que : h = l/N.La transformée de Fourier d’une fonction quelconque cormue en N points est une combinaison linéaire d’une transformée de Fourier de deux fonctions issues de la première et ne comportant que N/2 points chacune. On designe par u la fonction constituée par les échantillons d’indice pair et par v la fonction constituée par les échantillons d’indice impair. +a/2) soit transformé en un intervalle dc longueur unité: soit l’intervalle (-1/2. Pour démontrer cette proposition. 9. c’est-à-dire que l’on va effectuer une transformation linéaire des abscisses de tcllc sorte que l’intervalle arbitraire (-a/2. Normalisation de la transformée de Fourier Pour obtenir la normalisation. Calcul de la transformée de Fourier au moyen de la technique de partage Théorème . on préfère travailler sur une transformée de Fourier normalisée. jusqu’à présent. on choisira un nombre N de données qui est une puissance de deux. nous n’avons pas amélioré la technique de calcul. Il faudra se souvenir de cette opération lorsque l’on désirera effectuer une interpolation dans les transformées de Fourier.2. et l’on posera N = 2’“. T = 1: T = N = l/h. Il est bien entendu que l’on conserve l’ordre des échantillons dans la fonction f (cc). nous allons étudier un algorithme qui rend le temps de calcul non plus proportionnel à N2 rnais à N log. Par ce procédé.3. Rappelons que T est la période de la transformée F(t). il est plus commode d’écrire en indice lc numcro du point c’est-à-dire que l’on notera désormais : F(mr) = F. nous allons décomposer la fonction f(z) en deux fonctions.22) Il faut bien reconnaître que. l’une constituée des indices irnpairs fzk+i et l’autre des indices pairs fzk. +1/2). N = 2n. Maintenant. on obtient leurs 263 .16. les transformées de Fourier discrctes normalisées s’tcrivent sinplement : (16. 9. et f(kh>) = fi. P our des raisons qui deviendront évidentes par la suite.

b. par conséquent 11011s po~lvons dire que : Comme par ailleurs nous avons : Wk+N/2 N nous obtenons la relation (16. il s’agit de savoir à quelle place (indice) il convient de mettre la donnk d’indice k. Il n’y a plus qu’à substituer les expressions de U et V. c’est le cas du Pascal. puisqu’il va de soi que l’on va calculer chacune des transformées U et V par le même procédé. seize.22) : Si à prkcnt nous revenons à l’expression de F dans laquelle IIOIIS séparons les partics constituées par les indices pairs et les indices impairs.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ expressions cn utilisant les relations (16. a. et il faut une autre relation pour obtenir l’autre moitie.. lesquels ont été pris dans l’ordre séquentiel. Autrernent dit. du PLl. Il y a deux rnéthodes usuelles qui permettent dc rkaliscr Ckgamment cette tâche à savoir le tri direct et le tri par inversion de bit.23) Cette expression ne permet de calculer que la moiti6 de la transforrnée de Fourier. + VjW. du C. : (16.24) À présent on comprend l’int6rCt d’avoir choisi pour N une puissance dc deux. ce qui donne 2Fk = U. Si l’on dispose d’un langage récursif. nous pouvons écrire : N/2-1 NFk z c .. Mise en œuvre de l’algorithme Il y a plusieurs réalisations pratiques possibles pour utiliser cet. un tri prkalable des données initiales afin de commencer les calculs de transforrnées par les fonctions contenant deux ~lkncnts. (16.. 9. Polir cela. algorithme...24) : ~FA+N/~ = uk.y=0 QV$" + N/a-1 c ")=Cl ujT/liN"+-l)k'. Si l’on nc dispose pas d’un langage récursif c’ktait le cas du FORTRAN ct du BASIC ~ il est indispensable de procéder à.4..vjw.. Donc le problème qui se pose est celui de la disposition convcnablc des khantillons au départ. il suffit de remarquer que les fonctions U et V sont pkriodiques de @iode N/2. 264 . ~ ct dans la il n‘y awra pas dc difficultks particulières mesure où lc temps de calcul n’est pas prohibitif pour réaliser un programme car le tri des données initiales se fera par appel récursif. puis cn poursuivant par les fonctions à quatre ékmentsT puis à huit.

6. 1. La manière dc l’exploiter sur un cnscrrlblc de huit donntes numérotées de un à huit est presentee dans le tableau 16.. page suivante.2. La façon d’opérer est schématisée sur lc tableau 16.Le tri direct . et il suffira de retrancher ou d’ajouter une unité pour exploiter à notre convenance l’un des deux algorithmes que nous venons de présenter. N ~ 1.(O) I&(O) Rs(1) l&(O) R*(l) I&(2) I&(3) Indices finals 0 4 2 6 1 5 3 7 + + + + + + + 8/2 8/4 8/4 8/8 8/8 8/8 8/8 b . il suffit d’intervertir l’ordre des chiffres binaires representant le nombre k avec m bits et l’on obtient ainsi la représentation binaire du nombre j. LES TRANSFORMÉES a DE E'~URIER . -~ ~~~ -. Tableau 16. 9. 2. Exemple Nous avons huit données numérotées de zkro à sept et nous obt. Pour obtenir l’indice j.3. Ccttc méthode s’applique pour k = 0.enons UIE représentation binaire sur trois bits.5. Certaines donnees conservent le même indice.tion de récurrence suivante : j = RN(k) = &(AI . Il faut donc rn = log. ccttc donnée sera placée a l’indice j : nous allons donner la correspondance entre k et j CII faisant l’hypothèse que le premier indice est zéro ct le dernier N ~ 1..2. on considère encore que les indices commencent a la valeur zero et se tJermincnt donc a la valeur N . 265 . 9. . Il est simple de passer d’une numérotation à l’autre selon que la première dom& à la valeur xero ou la valeur un. Désignons par 4 l’exposant de deux qui permet d’encadrer le nombre k dc tcllc sorte que : alors nous obt.16. .Pour des raisons de simplicitk.Dans l’ordre séquentiel on considère la donnée d’indicc k.2.Tri par inversion de bit . Indices initiaux 0 1 2 3 4 5 6 7 q = 0 q=o q=l q = l q=2 q=2 q=2 q=2 I&(O) Rs(1) Rg(2) h(3) h(4) h(5) &(6) Rx(7) = = = = = = = = 0 R. 3. (N) bits p our exprimer tous les indices de la fonction échantillonnitc dans le système binaire.2(j) + & et l’on prendra au dkpart : RN(O) = 0.1.iendrons la valeur de j au moyen de la rela. Remarques générales 1.

Nous avons retenu une méthode non récursive agrémentée d’un algorithme de tri direct des données. Il convient alors de noter que le module de la transformée de Fourier est correct. Programmes de calcul des transformées de Fourier On trouvera sur le Web(*) 1 es sous-programmes df ft0.23) et (16. Dans ce cas il ne semble pas habile d’attendre d’être en possession de toutes les données pour effectuer le décalage d’abscisse avant d’entreprendre lc calcul effectif de la transformée de Fourier.22): il ne faut pas diviser les données par N lorsque l’on calcule la transformation réciproque. on SC trouvera également en présence d’un déphasage de T. 3.3. Par conséquent. Lors du calcul de la transformée directe. dans l’espace réciproque. 2. Nous ne l’avons pas retenue pour la raison suivante : lorsque l’on traite des données échantillonnées au cours du t. Il est très facile de se retrouver en présence d’un fâcheux décalage de T lors du calcul des transformk dc Fourier. La plupart. 5. Ces programmes nécessitent quelques commentaires. des programmes exigent cette façon de procéder. Indices initiaux Décimal 0 1 2 3 4 5 6 7 Binaire 000 001 010 011 100 101 110 111 Binaire 000 100 010 110 001 101 011 111 Indices finals Décimal 0 4 2 6 1 5 3 7 10. C’est pour cela que la transforrnée de Fourier directe que nous proposons tient compte de ce décalage. *http://www. h ct df f tinv0. 4. et l’on aura les points suivants jusqu’à la demi-période 1/(2h) ensuite viendront les points de la demi-période -1/(2h) jusqu’à zéro non compris. les résultats de la transformée de Fourier directe sont donnés à partir de l’origine. le premier point calculé est celui correspondant à l’origine. C’est pour les raisons expliqués au cours du paragraphe préckdcnt que la transformée de Fourier réciproque effectue les calculs à partir de l’échanti!lon correspondant à l’origine. Généralement ceci est dû au fait que les donnkes ont été mal numérotées au départ : il faut que le premier échantillon se trouve à l’origine. Comme le rnontrent les relations (16.com/guilpin/ 266 . le calcul successif des transformée au moyen des relations (16. Autrernent dit.24) irnpose la division des résultats par N. h pour calculer les transformées de Fourier.emps: la première donnée qui se présente correspond à l’abscisse normalisée -1/2 et non pas zéro.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 16.edpsciences. Cette opération a été rkalisée au cours du tri et non pas après les calculs (les opérations sont linéaires). 1. Quelle que soit la manière retenue. si l’on utilise ce prograrnme avec des données numérotées à partir de l’origine.

e de transformées de Fourier.riques intervenant dans les calculs sont des sources d’incertitude qu’il ne faut pas négliger. on a tout intérêt à cc que l’annulation. (Elle peut évidemment devenir nulle avant le bord. Cela constitue 1111 bon test de mise au point. on revient dans l’espace initial au moyen de la transformée rkiproque.. on rnodifie le pas d’échantillonnage h pour s’assurer de la nullité de la fonct.T/2 0 +T/2 ” h. il est indispensable d’avoir présent à l’esprit la figure 16. et l’on doit retrouver les données initiales (à partir de l’échantillon correspondant à l’origine). c’est-à-dire au bord du domaine (-0.5. Au fond.lN h = 1/T a = l/r r = l/a. 6. dans l’espace normalisé. Lors de la mise au point d’un programme de transformkes de Fourier. pour une expérience donnée. Un problème fondamental : quelle doit être la période d’échantillonnage de la fonction f(x) ? Rappelons que la taille de la période d’échantillonnage h de la fonction f(z) va dtterrniner la t.. 5) et non It l’intérieur pour la bonne raison qu’il est.ion F(w) au-delà de lwOI. divergences qu’il est souhaitable dc trouver de quelques ordres de grandeur de l’erreur de troncature affectant les nombres traités en rnachinc. 5). Par ailleurs..1. Avec 0 + cl/2 2 . afin d’obtenir une bonne période d’échantillonnage dans l’espace direct. +O. il est raisonnable de réaliser simultanément la transformée directe ct la transformée réciproque qui n’admettent que peu de différences. Ajoutons que la taille du domaine de définition de f(z) déterminera la taille dc la fréquence d’échantillonnage r dans l’espace réciproque.aillc du domaine de représentation de la transformée de Fourier F(t) dans l’espace réciproque. Ainsi. dc se souvenir que le calcul rapide des fonctions trigonomét. T = l/h. chaque fois que l’on trait. après avoir obtenu la transformée directe. inutile dc rkaliser des calculs qui n’apprennent rien sur la TF. 11. +O. Dans ces 267 .1. s’effectue au bord du dornainc (-0.5. Détermination expérimentale de ho On effectue un échantillonnage à la période h puis on calcule la transforrnée de Fourier F(w). n’est pas un problème banal : il n’est pas question d’effectuer url échantillonnage de n’importe quelle façon quand bien même ne serions-nous pas intkressés par la partie dc la transformée de Fourier au-delà d’une certaine valeur de l’abscisse fh~. car on observera de toute façon des divergences par rapport aux données initiales. La déterrnination dt la période d’échantillonnage h. LES TRANSFORMÉES DE FOURIER Espace direct Espace réciproque ~ 42 Figure 16. N = TII-. Il y a deux façons de procéder avec une fonction f(t). = a. Cependant.16. Pour que F(w) appartienne à L1 ou L2.) Si tel n’est pas le cas. ce procédk permet d’apprécier de façon tangible les erreurs qui viennent altérer les résultats. laquelle a fait l’objet d’un enregistrement continu. il est nécessaire qu’au moins elle soit.1.. 11. nulle à l’infini. il convient. Bien entendu.

périodique et. auront une amplitude très attémicc ~ au moins 20 dB par octave. (-wo: +w~) soit 2~0 ct que la fréquence d’échantillonnage est : 7”() = -: N il s’ensuit que la <~bonnc pcriode » d’échantillonnage ho est donni:e par l’expression : h>U = & 0 c’est la période d’echantillonnage dc Shannon (1916 ).illonnage est fixée aux environs dc 45 kHz.i!!fANLJEL DE CALCLJL NUMÉRIQUE APPLIQUÉ conditions. C’est réellement cc problèrne qui est traité dans la réalisation d’un disque numerique. Il s’ensuit que le signal ne doit pas comporter de fréquences superieures à 22. Quand cette condition est remplie. La transformée de Fourier de g(t) notée G(w) est continue. si elles existent.On isole une période n de la fonction f(t) dc l’espace direct cn la multipliant par une «fonction porte » r(t) : g ( t ) = f(t) r(t). I~OIIS sin( 27rTw) = 2$Jlw . tirons : 11. soit : R(w) de là. La fréquence d’échant. On impose ho Dans cc cas. il est indispensable de procéder au filtrage du signal avant de 1’~c:hantillorlner ne devra pas comporter de frcquences supericurcs à : 1 W”=2ho’ sous peine de voir apparaître dans le spectre des «battements » avec la fréquence d’échantillonnage. cchantillonner à une fréquence au moins deux fois plus grande que la plus grande fréquence apparaissant dans le signal à traiter pour ne rien perdre de l’information contenuc dans le signal. 268 et il . Autrement dit j il faut. definie numériquement pour les valeurs w = Icra : G(w) = F(w) * R(w) (produit dc convolution). où R(w) est la transformée de Fourier de la fonction porte. Shannon a montre que l’on pouvait elfectuer une interpolation rigoureuse G(w) dans l’espace réciproque de la fonction F(w) au moyen de la relation : 2wrl Démonstration .2.5 kHz ou tout au plus ces frcqucnces. OII deduit que l’étendue de l’cspscc réciproque est.

12. Définition On considare la suite de fonctions : fil (X. notée 6(z). si a < 0 ct b > 0.5 ct 45 kHz vont battre avec la fr6quence d’échantillonnage et recouvrir le spectre qui a été obtenu entre 0 et 22. Quelques propriétés a- +X. par cxcmple. n La distribution de Dirac.Dc nGme. Nous verrons. C’est ce que certains auteurs appcllcnt le « repliemcnt du spectre ». :r > 1 71 1 =n s i O<:r:<-. R. J car S(Z) est nulle partout sauf cn z = 0. 269 . supposons alors qu’il existe. on peut écrire : b f(x)S(x) dz = f(0).!(X) par construction).ransforrnées dc Fourier des distributions t. La distribution de Dirac (1902-1984) La distribution de Dirac joue un rôle intbressant dans l’étude des transformi-rs de Fourier. la fonction de Dira(:.1. f(x)S(x) dz = f(0) 6 . Y(t) est encore appelée la fonction échelon unité. L’intégrale dc la fonction de Dira(: est notée Y(t) : Y(t) = -00 clic vaut 1 si t > 0 ct 0 si t < 0.l = 0 si n: < 0 et. 12.(~) lorsque n tend vers l’infini. On comprrnd très bien que toutes les frkquences comprises entre 22. c’est-à-dire 15 kHz. 12. 6(x) est. 011 comprend tout le danger qu’il y a à effectuer un échant. ou plutôt entendrons. la dbrivée de la fonction de Heaviside est. .5 kHz. et l’on consultera avec intérêt l’ouvrage d’Arsac sur les t. dans lc signal urle fr6qwnce de 30 kHz. est la limite de flZ.cmpérkes.16. une frsquenct rbultant du battemrnt de cette fréquence avec la fréquence d’échantillonnage. LES TRANSFORMÉES DE F~URIE~< Si tel n’est pas le cas.éciproquement.illonnage sans connaître la plus grande fréquence composant le signal et qui soit non n&&yahle en amplitude.i S(z) dz. encore appclke impulsion unité car sa surface est @ale 2 1 (cornmc toutes les fonctions f. Elle s’appelle fonction de Heavisidc (1850~ 1925) ou 6chclon unité.2.

a) S.u)] Si z5 fi cos(2nuv) F(v).ion a. on obtient : .u)f(t) exp(-2njvt) dt = F(n.Théorème . +CC 1 exp(2njvt) -00 2.(z) étant la fonction 6(z) qui a subi la translat.) 270 .t)?i(t . f(t) alors : +CX I d(t)f(t) et J’ exp(-2rjvt) dt = F(0) 6(t .u) dt = s . 6(z) joue le rôle d’élément unit6 : T*f = f Par exemple. Remarque : Considérons la fonction id(t) à qui l’on fait subir deux translations symétriques +a : is(t-u) ib(t En additionnant membre + u) a z exp(-2Tjav) 1 25 a exp(2Tjnv) à membre. La transformée de Fourier de la fonction f(z) = 1 est la fonction de Dirac. [s(t + u) + s(t . Rkciproquement : s dt = 6(y) +CC J’ d(v) exp(-2Kjvt) dv = 1. d .Dans l’algèbre de convolution.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c .I f(t)S<y(x ~ t) dt = f(z .Transformée de Fourier de 6(x) et propriétés connexes 1. +Oc +CC f(x .

la transformée directe s’écrit : f(u.Y) = /II -cc f(u. (ou à la période T. Transformées de Fourier multidimensionnelles Il n’y a pas de difficultés à traiter des transformées de Fourier à plusieurs dimensions.).nF. y) exp [2-irj(w + ~y)] dn: dy ainsi que la transformée réciproque sous réserve de son existence : +CC G(~. s(t .kF.kT.16. LES TRANSFORMÉES DE FOURIER 12. 271 . avec k entier est sa propre transformée de Fourier. Nous allons nous intéresser aux transformées à deux dimensions dont l’intérêt évident concerne le traitement des images. On en dkduit ensuite la formule de Poisson : laquelle permet d’écrire : 2 d(t . k=-oo 13. 71) = 71 G(z.).:).k) = F exp(-2Tjtn).) = f(t)Te F b(t ~ kT. quoique d’autres applications soient également bien utiles. car les grands principes que nous avons évoqués à propos des transformées de Fourier à une dimension demeurent.k). TX=-00 . La fonction « peigne B de Dirac encore appelée sha(t) On peut montrer que la fonction (distribution) Cr=-. 2 f(kT. Soit f(t) la fonction que l’on désire échantillonner dont la forme échantillonnée s’appelle Q(t) et dont la transformée de Fourier est F(v) : Q ( t ) = T.: 2 d(t .) : sha(t) = T. II) exp [-~T~(ZU + ~y)] du dv. Dans un espace cartésien à deux dimensions.)G(t k=-x La formule de Poisson permet d’écrire : Q ( t ) = F(v) * E S(u .3. 77=-03 k=-cc La fonction sha(t) permet de représenter la fonction d’échantillonnage d’une fonction quelconque à la fréquence F.

réédité aux Éditions Jacques Gabay. fini et rectangulaire dans un espace c:artt%ien. SCHWARTZ (1965) Méthodes mathérnutaques pour les sciences ph~ys~ques. puis on cha. BRIGIIAM (1988) Tht: fast Fo717+r transform an.ransformée dc Fourier Sur lc Web (*) . DELOUIS (1973) Exploitation des spectres obtenus par‘ transformation dc Fo~urier. Ainsi on calculera toutes les transformkcs de Fourier ligne & ligne suivies dc toutes les t. J. LEBESGUE (1903) Leçons SALT 1 ‘intégration et la rcchwrche des fonctions prirrtitiws. GauthierVillars. Prcmtice Hall.ransformées effectuées colonne à colonne.ngr converiablemcnt les signes exac’tcmerit de la même manière que C:C qui a étC: fait & propos des transform&s à imc dimension.d its upplications. Éditions Dunod. 14. La transformCc réciproqnc dfftinv2. BASS (1971) Cours de rnuthémat~gurs. Il s’ensuit que l’on pourra ut. on trouvera le sous-progra.nnne dire& à deux dimensions. *http://www. df f t2 .éorie des distributions. Tome III. H.insi que la t&le des cosinus II~ sont à calculer yu’une seule fois pour chacune des deux dimensions.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Il est possible encore d’Ccrire : Dans la pratique: le domaine D d’int@ration est.edpsciences. Éléments de bibliographie J. Thèse de Doctowt d’Etat. ARSAC (1961) Trunsformntion dr Fourier et th. Cela nécessite un arnenagement dc la t.ransformée de Fourier à une dimension en cc sens que les adresses des éltments a. L. Paris. c est obtr:nur en modifiant. h cpi r6alise la t. 0. ce programme dc la fapn suivante : on supprime la normalisation. Éditions Masson.iliser l’algorithme dc Cooley-Tukey cn effectuant un maillage du domaine D qui comporte 2” points sur l’axe des 5 et 21r’ points sur l’axe des y. Hermann. H.com/guilpin/ 272 .

C’est Hadamard (1865-1963) qui le premier a mis en Cvidcncc ce type de problèmes. nous écrivons donc : soit entaché d’une erreur et cg = a. systèmes linéaires mal conditionnés et équations de convolution La r&olution mlmérique de certains probltimcs mathématiques peut amcncr 1111 type particulier d’ennuis lié à l’instabilité des solutions vis-à-vis de faibles variations des donnbr~s initiales..a.. Ce chapitre doit énorrnérnent à l’ouvrage de réf&ence écrit par Tikhonov (1906 1993) et. bibliographie). Un exemple de problème mal posé : le calcul des séries de Fourier à coefhcients approchés dans L* Considérons II~I~ série de Fourier convergente que nous écrivons : f(x) = F arr cos(nz) et supposons que chaque coefficient ~ ~ évidemment) .(). + &I?l La fonction f(z) est donc remplacée par la fonction y(z) : 00 273 . E/T~ (à l’cxccption dc ~0 c n . Grosso modo. C’est bien cc type de problPme qui est bvoqub par les météorologistes quand ils disent qu’un battement d’aile de papillon peut provoquer mi cyclone n’importe oa..rc à r&umcr la philosophie sous-jacente. Ar&nine aux Éditions dc Moscou (c. la solution approchée dc ce type de problème n’est pas unique dans 1~s lirnites dc prkcision que l’on s’est fixé et devient difficile à interpréter.jouter que ces problèmes ont fait l’objet d’une récente actualité au cours du développement de la thkoric du chaos. dans une première approche dc ces problèmes. La lecture de ce livre demande une solide connaissance en mathematique. On peut a. En d’autres termes. la lecture des exemples et l’usage des programmes sont amplement suffisants.17 Initiation aux problèmes mal posés : équations intégrales. Cependant.icles originaux. des variations des donnkes aussi Petit)es que l’on vcwt peuvent amener des variat.f.ions aussi grandes que l’on veut de la solution. ct l’on trouvera en bibliographie ses art. 1. et nous avons sculcment cherché dans ce chapit. dits mal posés aujourd’hui.

la mesure de l’écart du second membre s’effectue. Si la solution n’est qu’une solution approchée. D’autre part. Considérons l’équation fonctionnelle suivante : J K(z.u~ de la convergence uniforme (F est l’espace des fonctions Lm) : p. t) devenant K(z. par exemple. d). b).z2(t)j pour t appartenant à (a. les coefficients diffèrent de : par conséquent. Mentionnons au passage que l’équation de convolution est un cas particulier de cette équation fonctionnelle. par exemple. c L’écart de la solution z(t) peut être mesuré. t)/ax également continue. b) et U(X) une fonction connue de l’espace U.itue un problème mal posé. si la distance entre les fonctions f(x) et g(z) est d onnée par la norme de la convergence uniforme. expression dans laquelle z(t)es t une fonction inconnue de l’espace F des fonctions continues sur (a.Q. Ajoutons une hypothèse supplémentaire sur le noyau K(z. dans la métrique . 274 . dans une métrique quadratique pu.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Dans la métrique de L2.(. le problème devient bien posé.U2) = J [~I(X) d 1/2 t&)]”dz . t) qui est connu : c’est une fonction continue en IC qui possède une dérivée partielle dK(z. 3) = sup jzr(t) . que nous écrivons (U est l’espace des fonctions de carré sommable L2) : PcL. t)z(t) dt = U(X) pour z appartenant à (c. -t). L’équation intégrale de Fredholm (1866-1927) de première espèce L’équation de Fredholm de première espèce const. K(z. Remarque : Si l’on choisit la norme de la convergence en moyenne quadratique. nous avons : cette quantité est aussi grande que l’on veut.(zr. En effet : 2. Er est aussi petit que l’on veut.

b). elle est solution de l’équation : r K(z. 22) puisse être arbitrairement grande. u2) = Irl {l [iK(z. et l’on se propose de rechercher une solution voisine de zi(t). (zi . b. s Maintenant.(.(zi.17.u)] COS[~(~ .L. on peut alors écrire : b K(z. INITIATION.)o> cette expression peut être rendue aussi petite que l’on veut pourvu que w soit suffisamment élevé. Considérons la fonction za(t) = z1 (t) + IT sin(wt).~a) . z2) = suplzl(t) . supposons que l’on connaisse un second membre approché peu différent de ui (x) dans la métrique L2.(zl. Cette dernière expression montre que I et w peuvent être choisis de telle façon que la distance p. S est un infiniment petit positif. Supposons que pour un second membre ~~(5) nous connaissions une solution exacte zl(t) . montrons que le problème est un problème mal posé. La conclusion peut s’énoncer de la manière suivante : la recherche d’une solution dc l’équation intégrale ne peut pas être déterminée par la condition : expression dans laquelle : a. Calculons maintenant la distance des solutions correspondantes : p. Ici le problème n’a pas été modifié par le choix de la norme.t)sin(tit) dt] 2 d. et cet écart pourra être arbitrairement grand. 275 . l’operateur intégral est désigné par A. t) sin(wt) dt + ~I(Z) = Ut s Cette expression permet de calculer la distance de [~I(X) ~ us(z)] : ILu(u1. Remarque : Rien n’est changé si la norme pz (zi . sin[w(b . on calcule alors : = Irl [q . À présent.~~~ PROBLEMES MAL POSÉS : ÉQUATIONS INTÉGRALES. mais ce n’est pas une loi générale. ~2) est remplacée par l’autre norme pu.z2(t)l = suplFsin(wt)I = lrl pour t appartenant à (a. t)q(t) dt = ~L~(Z). ce qui permet d’écrire formellement AZ = u à la place de l’équation intégrale.a)]] 1’2.

étant.ion qui peut êtIre par exemple la régularité des solutions. on dit alors qu’il s’agit de problèmes essentiellement mal posés. Méthode de régularisation À prC:sent IIOUS envisageons le cas où F la classe des solutions possibles n’est. Même dans le cas où l’on est en préscncc d’lm second rnembre approché 7~. Le problème est stable sur les espaces U ct F. (uI..z. Tikhonov a proposé mie mbthodc de résolution fondee sur la notion d’opérateur régularisant. le problème est bien posé sur les espaces U et F si l’on varific les conditions suivantes : 1. Il va dc soi que l’on travaille dans des espaces m6triqucs ct que la distance est. De plus on suppose que le second membre u. . VU appartenant à U. 2.~~ appartenant à I: te1 WC Pu(%. Dans lc cas contraire..~> est connu à S près tel que ~L.. on dit que lc problème est mal posé. Pour cc faire. même si A est un opérateur absolument continu. Notion de problèmes bien et mal posés Résoudre le probl?mc linéaire AZ = U. Par définition. uCL1)) < S. Naturellement on rechrrchc la solution approchée dans la classe QJ de z pour laquelle la distance p.:~.u~) < C?(E) entraîne HVCC z1 = X(74) Kz(~1.MANUEL DE CALCUL NUMÉRIQ~JEAPPLIQUÉ 3.nt à F. 2. plus compacte. Par définition. il existe une solution z appartenant à F. suggérée par le type de problème trait& Supposons que la « solution » soit dkfinie: et qu’à tout u appartenant à U corresponde lule solution unique z = V?(U) appartenant à F.Uap) < ~5. 3. La solution est définit de faCon unique.~2) i 6 et ZJ = !R(ua). c’est trouver sa solution z = ?Y?(U) à partir des données initiales U(X). Quelques remarques 1. Le rôle de la troisième condition est fondamental pour l’exploitation des méthodes numériques. la classe QJ est en g6n6ral trop vaste ct il faut introduire une contrainte c’est-à-dire un principe de sélection sur les solutions possibles. on dit que le problème de la recherche d’une solution est stable vis-à-vis des données initiales si VJE > 0..~) < 6. Supposons que l’équation AZ = u soit mal posée dans l’espace des fonctions F. (u. il existe C?(E) > 0 tel que : p. 4.1.zz appartena. la solution exacte et uarl 6tant la solution approchée).(Az. 4. Notion d’opérateur régularisant L’opérateurA-’ n’est plus continu sur AF et l’ensemble des solutions dc F n’est plus compact. et A.(u. on exploite une information supplérnentairr sur la solut.. ainsi les variations du second rnembre de l’équation AZ = u sont susceptibles dc sortir des frontières de AF . La recherche d’une solution approchée d’un problème mal posé est g6néralement non univoque. AP1 ne sera pas en génPra1 1111 opérateur contiml sur U et la solution ne sera pas stable. rnalhe~lrellsement. on sait que la solution : 276 . u. IL~ ct ~2 appartenant à U et z1 ct ..

La construction d’opérateurs régularisants est fondée sur le principe variationnel qui minimise une fonctionnelle stabilisatrice O(Z) non négative continue et définie sur un sous-ensemble FI dense partout sur F.) < S1 tel que l’inégalité : On note que nous ne faisons pas l’hypothèse d’un opérateur univoque. Quel que soit E > 0.~ pour l’équation AZ = U. et il existe d’autre part S(E) 5 61 tel que si us E U et p..On dit que l’opérateur R(u. tend vers z. de telle sorte que. u. 277 . E > 0.end vers u. Il existe 61 > 0 tel que R(u.. équation dans laquelle le paramètre rkgularisant est lik à l’erreur entachant les données initiales ‘ut. En général. o!(6)]. si uap t. Pour pallier cet inconvénient.[.:. En outre: cette fonctionnelle est telle que l’ensemble des éléments z de FI pour lesquels C?(Z) < 6 quel que soit. on définit un opérateur rkgularisant qui dépend de S. 6)) et ~6 est un de ces éléments. Revenons à notre fonctionnelle stabilisatrice O(Z) définie sur l’ensemble FI de F et désignons par F~A l’ensernblc des éléments de M sur lequel C!(Z) est défini . cela entraîne : On choisit comme solution approchée la solution ZJ obtenue au moyen de l’équation ~6 = R[U~.:. quel que soit. 0.ug) < b(E).. on peut substituer un paramètre de régularisation notk (v ((Y > 0). Il existe d’une part Q fonction dc S tel que. R(u. d) soit. dans les métriques appropriks. Il nous reste donc à chercher des opérateurs régularisants et à définir le paramètre a connaissant l’erreur 6 entachant le deuxième rnernbre. n’approche pas la solution z. À la place de 6. On cherche la solution approchée dans l’ensemble M de F te1 q11e : comme la solution n’est pas continue en 6. Mini quel que soit 6 t (O. on ne peut pas retenir un élément arbitraire dc M. il peut cxistcr un ensemble {R(us. qui permet d’apporter une définition plus commode. Définition .~ > 0 est un compact sur FI. il existe &(E. 6) est rkgularisant dans le voisinage dc u = u. a!) est défini quel que soit (1 > 0 et pour tout YJ E U tel que : b. L’exploitation du principe de sélection consiste à rechercher les klérnents dc FIS qui minimisent la fonctionnelle 0( 2).Sl) ct pour tout ug tel que 2. c’est-à-dire que S tend vers zéro cela doit entraîner que z.. Nous n’allons pas rentrer dans les détails de l’obtention d’opkrateurs régularisants dont nous donnerons quelques exemples en nous lirnitant aux idées générales.(u. INITIATION AUX PROBLE~~E~ MAL ~0sÉs : ÉQUATIONS INTÉGRALES. a.. nous pouvons écrire : F~A = M n Fl. M est très grand ct c’est notre principe de sélection variationnel qui va nous permettre de choisir un ou plusieurs éléments de M qui dépendent continûment de 6.:.17. s’il possède les propriétés suivantes : 1.

mais encore qui assurent la condition : On peut introduire formellement la fonctionnelle Ma(z) ug) et chercher l’élément z. il faut qu’il existe un paramètre Q et un élément z. b) muni de la métrique : pour Ic appartenant à (a.2. il est possible de montrer que. le parametrc cy qu’il convient de déterminer se présente comme une fonction de 6. tels que non seulement Ma(~. il est équivalent de chercher à minimiser R(z) sur FI avec la contrainte : Ce problème se traite au moyen de la méthode des multiplicateurs de Lagrange (1736-1813).4 qui suit.Si F est muni de la métrique : pour ~1: appartenant à (a. Théorème important (sans démonstration) Si un sous-ensemble 4 de F admet une métrique P+(~I. 20) 5 p (de centre 20) soit compacte dans F.z~): il est possible de montrer que. nous minimisons la fonctionnelle suivante : cependant. 4. il est possible de choisir l’ensemble 4 des fonctions continûment dérivables sur (a. D’une façon générale. est domk par l’application dkm certain opérateur R[us.. McX( z. Il est tout à fait équivalent de considérer que z.Exemple 1 . appartenant à 4 qui minimise la fonctionnelle : a . plutôt que de chercher à minimiser la fonctionnelle stabilisatrice n(z) sur F~J. susceptiblc de constituer le minimum sur FI et alors. b). il existe alors un élément z. 278 . ~2) qui majore la métrique PF(z~. Autrement dit. ~6) s’appelle fonctionnelle lissante. Le choix de la fonctionnelle stabilisatrice est guidé par la nature du problème à traiter et cela sera mis en évidence sur les exemples que nous présenterons.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Dans le cas général. ug) atteigne sa borne inférieure. b). a(S)] dkpcndant de tel que : où Q se détermine au moyen du résidu comme on lc verra dans le paragraphe 4. sous réserve que la sphère p+(z.

on écrit l’équation d’Euler associée à la fonctionnelle lissante Me (z. En outre. ug) = 6. 4.17.3. b . INITIATION. sk(zr) sont constants. b) ( esp ace de Sobolev (1908&1989) IV. alors.) muni de la rnétrique : expression dans laquelle les qk:(z) qp(z) > 0. espace des fonctions continues sur (a. la solution sera approchée par les fonctions les plus lisses jusqu’k Les stabilisateurs s’appellent dans ce cas stabilisateurs d’ordre p.(Az. et si les fonctions des coefficients constants 2 0.. est muni de la métrique : PF(Zl. avec toutefois et comme la solution régularisée z.&) = SUP 121(x) .x)I on peut choisir l’ensemble 4 des fonctions de carré sommable qui admettent des dérivées jusqu’à l’ordre p sur (a. u).Exemple 2 . Si l’on désigne par {fk} un système complet de l’opérateur A*A (vecteurs propres) et par {Xk} les valeurs propres associées. On montre qu’elle se met sous la forme : A*Az + az = A*u.z de 4. On peut alors prendre comme stabilisateur la fonctionnelle : Q(Z) = 1142~ Puisqu’il s’agit d’un problème variationnel. où A*A est un opérateur auto-adjoint. on peut mettre A*u sous la forme d’une série : et z sous la forme : expression dans laquelle les {bk} sont donnés par les expressions : . Recherche de la solution régularisée sous forme d’une série On suppose ici que A est un opérateur complètement continu de F dans U.Si F. est compact dans F. On aura donc : sont des fonctions continues connues > 0. on parle alors de stabilisateurs d’ordre p à cocfficicnts contrainte l’ordre p. et que U et F sont des espaces hilbertiens. tels que Ilzl1 5 d. b).z2(. on suppose que le sous-ensemble 4 de F est aussi un espace hilberticn qui est muni de la métrique majorantc 11~11 p our laquelle l’ensemble des éléments . minimise la fonctionnelle Aabilisante 0(z) avec la p.~~~ PROBLÈMES MAL POSÉS : ÉQUATIONS INTÉGRALES.

2. Application à la résolution approchée des équations intégrales de Fredholm de première espèce R.MANUEL DE CALCUL NUMÉRIQUE APPLIQUI? 4.à q&)z”(t) + ql(t) dt < a 280 . 3. t)z(t) dt = u(x) J pour x appartenant à (c. Choix du paramètre de régularisation Il n’est pas évident de connaître la fonction a(S) pour laquelle l’opérateur R[u(s. nous allons utiliser 1111 stabilisateur du premier ordre dans l’espace de Sobolev W2.evenons à l’équation de Fredholm de première espèce : b K(x. on va opérer dc la façon suivante : 1. cependant. Pour obtenir la solution. On connaît la valeur 6 d’après la relation : Alors. On calcule le résidu T-I.. On va choisir une suite de valeur de cy qui sont en progression gkométriquc. Q(C?)] soit effectivement régularisant.4. ucs) 4. Pour valeur de CC. au moyen de la relation : rk = /A&&~.+ q ui minimise la fonctionnelle lissank wq. et à appartenant à l’espace L” des fonctions de carré sommable. c’est-à-dire au moyen dc la condition : D’un point de vue pratique. on connaît 1me valeur de 6 caractkkmt l’imprécision générale et il nous faut trouver une valeur correspondante de (Y choisie parmi les valeurs possibles. Nous cherchons la solution z. t)z(t) dt . (6 w). afin de déceler plus rapidement les ordres dc grandeur. La méthode donne l’idée concernant la façon dont il faut choisir Q~. d). soit : Qk = @q” et pour chaque cyk on calcule la valeur de la fonction z. on peut estimer cv d’après le résidu. on choisit celle pour laquelle on vérifie l’égalité : 5. qui minimise la fonctionnelle : Ada(z) u) = JiJ d b K(x. On estime 6 l’erreur sur le second membre. En programmation1 il est commode de procéder par tâtonnements de faCon conversationnelle. 5.

. INITIATION Aux P R OB L ÈM E S MAL P O S ÉS : ÉQUATIONS I N T ÉG R A L E S. b.~k.zl.). b).1. n. ainsi la solution Z(X) est calculée pour les valeurs en progression arithmétique .2. cn utilisant les opérateurs de différences première et deuxième : 281 . et nous notons zk la valeur inconnue z(x~). 5. = a + kh avec k = 0. on connaît les valeurs dc la solution aux bornes de l’intervalle (a. cc qui constitue deux contraintes à imposer A la solution approchkc.. p uisse appartenir à la classe expressions auxquelles il faut ajouter la condition : où Y(X) est une variation arbitraire dc Z(X) telle que Z(X) + U(X) des fonctions admissibles. alors poser ~‘(a) = z’(b) = 0. X)K(Y. a t)z(t) dt = hk Kk. d b(x) = K(Y. Résolution numérique Comme chaque fois en pareil cas. Puis. h) et il faut que la fonction U(X) s’anrmle à ces cxtrémitCs. Il est possible de montrer que la solution régularisée est dom& par la résolution de l’équation intégra-diffkrentielle : b H(z. xM/) d’y> .N s a avec : d H(x.I y1(x)z’(x)u(x)~~ = 0. On peut satisfaire cette condition de deux manières : a.rapeze. u=o l’cxprcssion du second membre représentant formellement une technique d’intégration usuelle (t. t)z(t) dt . Généralement on adopte ur1 maillage uniforrnc dc pas h sur l’intervalle (n. Simpson..t) = J K(Y. Nous pouvons également écrire quelques expressions utiles pour la formulation du problèrne transposi: sur le plan nurnérique : b J’ K(xk.. . rectangle. . on peut. 1. on procède à un rnaillage du domaine sur lequel on dksirc effectuer la résolution dc l’équation intégro-différentielle. t) dZ/.. . si ces valeurs ne sont pas connues.17.

La solution est connue analytiquement. parmi les vcctcurs X qui vérifient l’inégalité : 1/2 avec : [Z] = 2 2.i’ K(x. 5. Si l’on ne connaît pas zo et z.. il faut résoudre chaque fois un système linéaire pour urle valeur dc o... il existe une classe de systèmes linéaires qui sont indiscernables cntrc eux pour un niveau d’erreur connu.com/guilpin/ 282 .1 inconnues à partir du moment OU l’on connaît ~0 et. b) = (-1. Y)~Y) dz/ = 4x1 -1 avec K(z. Il se peut également que la matrice A ait un déterminant très proche de zéro. Pour déterminer la solution. c qui résout ce problème dans lequel les intkgrales sont évaluées au moyen de la méthode dc Simpson. j=l i i *http://www. . y) = (1. On trouvera sur le Web (*) le programme f redh-1 .. . et l’on posera z-1 = ~0 et z. On obtient donc un système dc n .2. 6.1. Exemple numérique On se propose de résoudre num&iquement l’équation de Fredholm de première espèce suivante : +1 . dans ce cas.+l = z.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Ainsi. . Ceci assure que les dérivées nurnériques en a ct b sont nulles. On va rechercher la solution. on pose ~‘(a) = z’(b) = 0: et ces conditions seront irnposées en écrivant le système pour k = 0.l). . nous ne serons pas en mesure de savoir si le systknc est rkllcment dégénéré ou non.0 ~ Y)X e t u(x) = [sin(7rx)]” s i O<y<x s i x<y<l sur l’intervalle (a. n .1 équations à n .2. n. on peut utiliser la méthode du résidu. appelée solution normale.. z.. nous pouvons écrire un système d’équations aux différences finies : pour k = 1. 1.edpsciences. Nous considérons ici les systemes d’équations algébriques pour lcsqucls dc petites perturbations du second rnernbre peuvent induire des variations inacceptables de la solution. Quoi qu’il en soit.. comme les calculs sont effcctu6s avec une précision finie.Y) = (1.2.0 ~ x)~ K(x. et l’on la comparera aux résultats numériques : u(y) = zii’[sin(nx) ~ 3 sin(3Tx)]. Résolution d’un système linéaire mal conditionné Soit AX = B un système linéaire le plus général. Ici encore.

A) = [AX . Q se déterminant par la condition : [AX. On trouvera sur le Web (*) 1 e programme regul.t)z(t) dt = U(Z). Le produit de convolution devient un produit simple dans l’espace de Fourier : lT(t)*z(t) = u(t) d’où 3 K(w) ç(w) = w(w) +m avec : (a(w) = . Nous avons rencontré un tel problèrne lors du lissage de diagrarnrnes de phase binaires dont les données sont expérimentales.I’ K(CE . INITIATION AUX PR~BI~MES MAL rosés : ÉQUATIONS INTÉGRALE~. On peut encore écrire : AZ = u. 7. Le problème se résout très facilement en termes de transformées de Fourier sous réserve que les fonctions appartiennent à l’espace L1 ou L’. Résolution des équations de convolution C’est une équation de toute première importance en physique dans la mesure ou le signal observé u(t) est le produit de convolution du signal émis z(t) et de la fonction d’appareil K(t).edpsciences.17. cn astronornie etc.I -cc f(t) exp(2?rjwt) dt. L’application de la méthode des régularisants nous conduit à minimiser la fonctionnelle lissante : ~cx(X> ~cbp. ici encore. ~ u& = 6. Nous nous proposons de résoudre l’équation : +C= . c’est-à-dire de calculer z(t) connaissant K(t) et U(z).com/guilpin/ 283 . Ce sont des problèmes classiques rencontrés en spectroscopie. Remarque : On peut traiter d’un système linéaire surdétermine mais dont les équations normales sont mal conditionnées. c qui résout les systcrnes linéaires mal conditionnés par la méthode des régularisants. Sans entrer dans les détails.$ + a[X]“.u. *http://www. on obtient le système linéaire : (ATA + cd) = ATuap expression dans laquelle AT est la matrice transposée de A. n se trouve déterrniné par le résidu. et 1 la matrice unité d’ordre identique à celui de A. Généralement.

Q) tend vers zkro quand Q + 00. en revanche. relativernent sirnple à identifier : elle est duc aux «hautes fréquences )). la résolution de l’équation de convi)lution est p. il n’y a rien à reprocher à une telle facon de faire .+oo). QI) est une fonction paire de d. 0 < f(w. +co). 6. En revanche. a) appartient à l’espace L2. ceci étant essentiellement dû au rôle des hautes fréquences. Présentation d’un opérateur régularisant Pour neutraliser l’influcncc des hautes fréquences.trfaitcmcnt rkaliséc. a) obéisse aux conditions suivantes : 1.1. Désignons par O(U) la transformée de Fourier de à.O) = 1. on va se heurter à un problème mal posé. Un exemple de fonction f(w. l’écart de w(t) par rapport à zéro peut être aussi grand que l’on veut. f(w. quand bien mknc la transformation inverse existerait notee w(t). d w . P(U... f(w. 7. Cependant. si l’on introduit dans le second mcmbrc une crrcur relative gaussierme de l’ordre de un pour mille ~ il s’agit d’un bruit très faible note à ~ ~r1 ors les rkultats deviennent complètement l aberrants : au lieu de trouver des résultats cntrc 0 ct 1 approxirnativernent. f(w. 5. on peut multiplier la fonction à inverser ~(w)/K(w) par un facteur stabilisant f(w. f(W) QMW) appartient à l’espace L2.2. si l’on doit s’attaquer à la rkolution numérique d’un tel probkmc. Ceci montre que la résolution numérique des équations de convolution ne peut pas donner de résultats corrects si l’on ne prend pas la bonne méthode d’analyse car les donmks cxpCrimentales sont toujours entachkes d’erreur. f(w. cy) tend vers zéro quand /w/ + 00. on obtient des valeurs oscillantes entre -26 et +34 et une quinzaine d’oscillations. 7. on adrnettra sans dérnonstration que l’opérateur suivant est rkgularisant : I”OJ(w a)w(w) iiU) cxp(-27rjwt) R[u. 2. 0).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Sur le plan formel. le sup de chacune des fonctions étant égal à un. 3. Il est facile de s’en convaincre en choisissant deux fonctions arbitraires. K(w) 7. une fonction gaussiennr g(t) et imc fonction triangle tri(t) p ar exemple: dont on réalise lc produit dc convolution SU(~). pourvu que les fonctions appartiennent aux bons espaces. quel que soit Q: > 0. 4.I’ -30 pourvu que la fonction f(w. la transformation invcrsc de Q(w)/K(w) peut nc pas exister. et quel que soit u: > 0. a(S)] = . Si l’on utilise d’une part une machine dont la prkision est de 10 chiffres significatifs et d’autre part Ja transforrnation de Fourier portant sur 128 points. f(w. L’origine des ennuis est. Ainsi..(t). dans la métrique LZ 011 L”. quel que soit Q! > 0. pour tout w différent de zéro. a) est définie quel que soit <y > 0 et quel que soit w t (-00. c’est-à-dire que cette intkgrale peut diverger.a) 5 1 quels que soient Q > 0 et w E (-oo. a) f(w’ a) = K”(w) + ~M(W) = K”(w) + ~M(W) 284 K( -w)K(w 1 K2 (WI .

où cy 2 0 et où hf(w) est une fonction paire. Moscou.si.s partielles et leur . *http://www. Princeton University Bulletin. INITIATION AUX PROBLÈMES MAL POSÉS : ÉQUATIONS INTÉGRALES. Éditions MIR. . En dkfinitivc. On trouvera sur le Web (*) le programme dconvol.es ~162 dérivée. H A D A M A R D (1902) S uf les prohlèm. ENGL et C.J.~(T+). Il est possible de montrer que le résidu de la fonct. HADAMARD (1932) Le problème de Cuuchy et les tiqmtions aux déri~uées pu&ielles linéaires hyperboliques. contjimleT strictement positive pour w # 0 ct positive ou nulle si w = 0.dumard.17. TIKHONOV et V. &Y(t) = +CC 1(2(w) + cYM(w) ’ J’ ici encore. ce qui entraîne qu’il existe un nombre unique Q tel que : à condition toutefois que 6 < /-I. GROETSCH (1987) In*verse and %Il-p»sed proOlerns.W. la solution rkgulariséc s’krit : K(-w)“(w) exp( -&jwf) dw. Acadernic Press.qnification physique. Cette forme introduit des stabilisateurs d’ordre p.edpsciences. c qui réalise cet algorithme. Q pouvant être dktermini: par le résidu. J. On peut choisir pour M( w) une forme polynomialc que l’on krit : M(w) = -&w2j. Hermann./=0 expression dans laquelle les yJ sont. 49-52. ARSÉNINE (1976) Méthodes d e résolution des problèmes mal posés CLU sens de Ho.com/guilpin/ 285 .ion régularisée est une fonction strictement croissante de la variable Q. 8. A. Bibliographie H. . des constantcs positives (kvcntucllcmcnt nulles sauf Tu). p.

~ Recuit simuk (minirnum dkme fonction). Mayer qui l’utilisa pour la première fois cn physique statistique. Ce problème s’appelle aussi probkme du drapeau américain. 18. Fig.Inversion d’une matrice carrée. ~. s’était posi: le même problèrne.1788) comme illustration historique d’une méthode de Monte-Carlo. Avec le développement des calculateurs arithrnétiques. Le problème de Buffon Sur une feuille de papier nous traçons des paralléles équidistantes séparées par la distance 2~. Alors. page suivante).18 Introduction aux méthodes de Monte-Carlo Les mt%hodes de Monte-Carlo sont apparues comme moyen de recherche durant la Seconde Guerre Mondiale afin de simuler le comportement des neutrons dans les matériaux fissiles. La paternité de cette idée revient à J.Rksolution locale de l’équation dc Laplace. lors de sa convalescence après blessure. Après avoir présenté lc célèbre problème de Buffon (1707. . nous donnerons deux générateurs de nombres pseudo-aléatoires que nous utiliserons dans quelques applications classiques à savoir : Calcul d’une intégrale définie. On pose EM = 2 que l’on suppose inférieure à FM (A1 compris entre E et I).1. 1. il faut premierement que :x: < 1. Soit 1 le milieu de EF. car durant la guerre de Sécession (1861-1865) un officier américain. la probabilité pour que M sur El soit compris entre 5 ct I : + dz est : 287 . Le problème consiste à calculer la probabilité que l’aiguille rencontre une des parallèles (cf. et nous jetons dessus une aiguille de longueur 21 telle que 1 < (L. la feuille de papier étant rernplacéc par le drapeau américain qui comporte des bandes équidistantes. Nous plaçons cette feuille sur un plan parfaitement horizontal. Désignons par M le milieu de l’aiguille et par EF la perpendiculaire aux parallèles passant par U.E. il est très facile de réaliser quelques simulations de ce type à l’aide de générateurs de nombres pseudo-aléatoires. Pour que l’aiguille coupe la parallèle AB.

st cflktivernent mont. La prcrnière dktermination selon cc procédé remonte & 1850 et fut réalisk par Wolff qui. la rclat.1. 011 cn déduit une dktermination expérimentale de T.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Figure 18.159 6. Il est très simple dc sirnuler ce genre dc problème avec une machine arithmétique à condition de pouvoir disposer de nombres aléatoires obéissant à une distribution donnée. 2. comme on mesure p qui est lc rapport du nombre n dc cas où l’aiguille coupe urle droite et du nombre total dc lancements. soit : aigu EMQ’ où Q’ est E M Q ’ = arccos - z 01 La probabilité pour que EMQ soit plus petit que EMQ’ est alors : p“ 2 2 z = . avec 5 000 lancers de l’aiguille.est le coefficient de normalisatjion car EMQ’ est compris entre 0 et 5. la probabilitC dp de réaliser l’kkncment recherchk est dom& par lc produit des probabilités. Le probl~rne de BlL. Il reste à intbgrer le long de EI c’est-à-dire de 0 à 1: pour obtenir la probabilité p. Générateurs de nombres pseudo aléatoires à distribution uniforme On peut obtenir dc bonnes tables dc nombres aléatoires 5 distribution rectangulaire (appelée aussi distribution uniforme) en prélevant dans le numéro de tekphonc des abonnés pris dans 288 .flon. Au Palais de la Découverte ü Paris.arccos t 0 7l . ccttc expérience c. Comme (1~~ et p2 sont T des probabilités indkpendantes.it que l’a~qzr.k: le point dc AB tel que Q’M = I. Nous pouvons écrire : Dans le cas où l’on choisit 1 = CL/~.ion précédente se simplifie : Lc nom de Buffon est. resté attaché à cc problème car ce fut lc premier à en donner la solution correcte. Il faut deuxièmement que l’angle aigu EMQ soit plus pet. obtint la valeur 3.ée et.

Avec l’apparition des calculateurs modernes. Pour que le modula ‘rn fonct. a et b de taille convenable.ion de récurrence : k Z+I = ak. = 223 a = 125 661 b = 95 783. Attention en machine cc nombre est négatif. u E 1 r~~odulo p pour chaque facteur premier p de m. Ainsi lc seul facteur premier dc m est 2. nous avons vkrifié que l’hypothkc de la distribution uniforme n’etait pas contrcditc par les donnkcs gknérées. Le prockdk est coûteux car lc calcul d’un grand nombre de chiffres demande un énorme travail prsalable.Cons d’utiliser le générateur : en arithmétique flottante. b et m sont premiers entre eux. uniquement les y premiers chiffres dc la suitc7 il n’est pas possible de dbterminer lc Q + le quel que soit y. INTRODUCTION AUX MÉTHODES TIF: MONTE-CARLO l’ordre alphabétique la suite des chiffres à condition toutefois d’en ôter lc prtfixe. on sait parfaitement calculer de trCs longues suites de chiffres exacts de ces nombres. c. 2. divisé par ( -2’i1). En quoi ces suites générées sont-elles aléatoires? Elles le sont.if.st. la nkessit@ de pouvoir gkkrer des suites dc nombres pseudo-aléatoires s’est.18. mais: de plus. On peut kgalcment obtenir des suites intkressantes en choisissant. ainsi quand on rencontre un k. y compris la transcription qui doit gtre sans faille. 289 m . Remarque 1 : Il y a deux fa. Ces chiffres compris entre 0 et 9 sont apI>roxirnativcmcnt akatoires & distribution rectangulaire. Nous avons retenu : k. il suffit de choisir b impair et a = 4k + 1. Ainsi la période de la suite générée est m. Une très bonne mPthode duc à L<:hmer-Greerlhergcr (1951 et 1961) onsiste à former la suite c à partir dc la rclat. Remarque 3 : En utilisant le test du x”. important de noter que les chiffres des nombres transcendants tels que e ct T n’ont aucune périodicitk. 3. Alors on sait que l’arithmétique entière est effectuée rnodulo m = 2”l. car lc premier bit contient un 1. k entier quelconque. gi‘nérks par (-2”l) et l’on obtient des nombres compris entre -1 et +l. Remarque 2 : Nous avons vérifié expérimentalement que la période etait bien 2’i’. Maintenant. n = 1 modula 4 si m est un multiple dc 4. Ces conditions sont très faciles à réaliser sur un calculateur binaire en arithmétique entière. On peut obtenir des rksultats semblables en prélevant les chiffres successifs figurant sur les plaques mineralogiques des automobiles immatriculées en France pourvu que l’on nc s’intéresse qu’à ceux précédant les lcttrcs. ils sont répartis aléatoirernent selon la loi rectangulaire. Prenons le cas classique de la représentation sur quatre octets. dans la mesure où connaissant. les chiffres de nombres t. il faut choisir des nombres ko. Ensuite chaque k.ionnc dès les premkkes récurrences. Il s’agit alors dc cri:cr une suite de nombres telle que la periodicité générée soit très grande devant la taille dc l’khantillon à prtlever.ranscendants tels que e et T. il suffit alors dc lui ajouter (-2”l) pour le ramener dans les entiers positifs. Par ailleurs. Il est. négat. pour satisfaire les autres conditions.. On peut aussi ne former que des nombres positifs compris cntrc 0 et 1. tr& vite manifcstk. + b modulo avec les contraintes suivantes : 1. on divise les k.

141507...com/guilpin/ 290 . on trouve T = 3. *http://www. il faut multiplier le nombre d’épreuves par lOO.. c qui effectue le calcul de T selon cet algorithme.25.140 2.edpsciences. Il est tout à fait simple de dénombrer les points A qui tombent dans le cercle de centre 0 et rayon unité. autrement dit.718 281828 459 045 235. Dans le plan. on vérifie bien sur cet exemple que la précision varie comme l/fi et que le générateur dc nombres pseudo-aléatoires se comporte bien. Si N est le nombre de tirages de couples Ei et & ct si Q est le nombre de points A situés à l’intérieur du cercle unité. 4. (1. on voit que la probabilité de tomber dans le cercle est donnée par : P= surface surface du cercle ----. -l). Elle donne des résultats tout à fait semblables a ceux fournis par le générateur de LehmerGreenberger. Pour N = 1000 000. Calcul de 7-r Il est très facile d’obtenir une valeur approchée de T en effectuant une simulat. x1 = T = 3. on trouve T = 3. elle vaut 0. et b. le point aléatoire A de coordonnées <i ct & obéit à une distribution uniforme dans le carré de sommets (-1. pour N = 100 000 000. on obtient aisknent urle valeur approximative de T au moyen de la relation : Il ne faut pas se méprendre sur la portée d’une telle méthode.. On trouvera sur le Web (*) le programme calculpi.25.141592 653 589 793 238. .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Une autre technique pour obtenir une suite de nombres pseudo-aléatoires consiste à générer la suite suivante : xi+1 = 2i + xi-1 modulo 4 avec x0 = e = 2. on trouve T = 3. et pour N = 1000 000 000. . On obtient des nombres pseudo-aléatoires à distribution uniforme sur l’intervalle (0. +l) que l’on note ci et &. Pour cela.141603 5. 3.l) en multipliant zi par 0. Calcul d’une intégrale définie On désire calculer l’intégrale d’une fonction f(z) entre les bornes finies u. On vérifie bien que pour diminuer l’erreur d’un ordre de grandeur. seul son intérêt pédagogique est à prendre en considération car la précision relative varie en l/fi. On suppose que f(z) est une fonction continue par morceaux. 1) et.ion analogue à celle liée au problème de Buffon. il suffit de tirer deux nombres aléatoires indépendants à distribution rectangulaire sur (-1. T-Q du carré 4 N Comme pour N donné on sait dénombrer Q.

ce qui a pour conséquence que l’intégrale est estimée par la quantité (b .. On tire deux nombres aléatoires indépendants à distribution uniforme l’un sur l’intervalle (a. À présent nous allons présenter un autre estimateur de l’intégrale qui exploite des connaissances plus fines. Première approche : simulation géométrique (intérêt strictement pédagogique) On note X. on effectue la transformation : 7j = a + (b .a)<. et Xmin les extrcmums de f(x) sur (a.!?). Nous effectuons N tirages que nous notons [i avec i = 1. INTRODUCTIONAUXMÉTHODES DE MONTE-CARLO 4. ~1) est uniformément réparti dans le rectangle de sommets (a. 4.p). o) et (b. b). .. on effectue la transformation : q = a + (b ..2.a)(/3 . . b).a)(< + 1)/2. Ensuite.o) = $ On aboutit en définitive à l’expression : b f(x) dz = $(h .b).0.û). N. N est lc nombre de tirages de couples < et q. J #qui constitue une approximation de l’intégrale. b). il s’agit d’effectuer la somme algébrique des aires.. et Q est le nombre de points A situés entre le graphe de f(x) et l’axe des 2.18. Remarque : Pour tirer des nombres pseudo-aléatoires entre a et b. Si l’on part d’un nombre < compris entre -1 et 1. l’autre sur l’intervalle (cr.. On peut donc écrire : J n 291 b .6 est positif aucun problème ne se pose. On désigne par a et p deux nombres tels qlle Ck 2 X. Attention. on part d’un nombre < compris entre 0 et 1. il convient ôter une unité à Q. 0 n note < et q ces deux nombres. On voit que la probabilité de tomber dans la surface algébrique de la fonction f(x) est donnée par : h f f (xl dx aire algébrique P= surface du rectangle = (b a a)(/3 . la grandeur : est un estimateur de la moyenne de la fonction f(x) sur l’intervalle (u. Si .1. Le point figuratif A de coordonnées (<. et si 17 est négatif et qu’il figure entre le graphe de f(x) et l’axe des 5.. . Si N est un nombre grand devant l’unité. on effectue le calcul de l’intégrale de If(z)l... Si l’on ne réalise pas cette opération. Deuxième approche La méthode que nous venons de présenter est très sommaire. Soit < une variable aléatoire distribuée uniformément sur (a.a)fa. et .0 < Xmin.

17 = entier {6<} + 1. 4.. et à chaque nombre on affecte arbitrairement un déplacement dans une des six directions. *http://www.edpsciences. on parviendra à la limite du domaine. orr peut convenir que : 1 déplacement vers la gauche. Soit < un nombre pseudo-aléat. 6 étant exclu.com/guilpin/ 292 . Il est ai& de fabriquer ces nornbres pseudo-aléatoiws. K) chacun de ces chemins se terminant tôt ou tard sur la frontière du domaine. Il est compris entre 0 et 1.oire obtenu par l’algorithme de Lchmcr-Grccnbcrger. Pour réaliser un chemin.te technique est beaucoup plus efficace que la précédente dans la mesure où elle fait appel à beaucoup moins d’opérations. 6 dkplacernent vers l’arrière. c qui rkalisc ces divers calculs sur des cxcmplcs simples. k). K) zz i=l À présent. Il est possible de montrer que le potentiel en (1. on note le potentiel V. 5 et 6 qui sont kquirkpartis. (1. J. de cc point. Intégration de l’équation de Laplace en un point On souhaite intkgrcr dans le dornaine D l’équation de Laplace : #V + d”V + d2V dx2 dy2 dz2 o dans un repi‘re cartésien orthonormé tridimensionnel dans le cadre des conditions de Dirichlet (on connaît. K). il appartiendra à une répartition uniforme entre 0 et 6. J. j. Comme nous l’avons dkjrt fait au cours du chapitre 14. il suffit de procéder a un tirage au sort de six nombres indépendants 1. J. Sur le Web (*). Une méthode de Monte-Carlo pour calculer le potentiel V au point particulier (1. 3. K) est la moyenne des V.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ cet. 5 déplacement vers l’avant. 2. V sur la frontke de D). Nécessairement au bout d’un nombre fini d’opk-ations. JT K) consiste à décrire une suite de N chemins tous issus du point. il reste à déterrrrirrer la façon dont on décrit un chemin dans le maillage. On doit pouvoir atteindre chacun des plus proches voisins d’un point donné quelconque hors la frontike. et l’on recommence un nouveau chemin issu de (1. on trouvera le programme intmonte. Dès lors que l’on a atteint un point de la frontière. 3 déplacement vers le bas. J. 2 deplacement vers la droite. 4 déplacement vers le haut. Par exemple. Il suffira donc d’en prendre la partie entik-c et d’y ajouter 1 pour obtenir la suite des points du chcrnin. Si on lc multiplie par 6. on superpose au domaine D un maillage cubique dont les nccuds des mailles sont notés par les triplets (i. 5. soit encore : V(I. Avec le maillage que nous avons retenu il existe six plus proches voisins.

En effet.es : b. On répète ces opérations jusqu’à ce que l’on trouve un nombre & correspondant à la ligne T tel que &..l bjo+b.. Puisque l’on sait résoudre l’équation de Laplace par une méthode de Monte-Carlo. INTRODUCTION AUX MÉTHODESDEMONTE-CARLO 6. on traite toutes les lignes selon cette proc6dure ce qui nous fournit l’inverse (approchée) dc la matrice A.7~Lj 293 . on désignera par /?lk ces nouveaux éléments.a . De ~CLIX choses l’une : ou bien ce nombre est inf&icur ou égal à l’élément fl. Dans le cas général. pour la ligne j : b . les compteurs dc lignes correspondant donc à l’inversion de la ligne j. Désignons par p.: détail.ant chaque élément par la somrne des précédents sur chacune des lignes. Souhaitant trouver l’inverse dc la ligne j de A.o + b. d. c. on peut dkcrire le processus a.28. On tire 1111 autre nombre aléatoire <1 indépendant du premier. j=l c’est-à-dire que les bii peuvent être interprétés comme des probabilités. b.< Dorénavant.i. il suffit d’écrire la loi des mailles sur un ensemble convenablement choisi de points pour obtenir un syst.. et l’on opère avec la ligne m de la même façon que précédemment. À prescrit.2 e + bi . Inversion d’une matrice carrée d’ordre n À y regarder de près.j=l bij = ~2.lo b. auquel cas on ajoutera 1 au compteur de la ligne T.70 + bj I + b. 2 0 et c bLj < 1. soit m cette colonne. inconnues.j. b. . n étant lc nombre de nœuds du maillage. Sans entrer dans 1.. on est en droit de penser qu’il est possible d’inverser une matrice également par une mét)hode de Monte-Carlo. la r&olution de l’équation de Laplace par les techniques du maillage est équivalente à la résolution d’un syst@me linéaire. qui sont telles que les Pléments de la matrice B = 1~ A (où 1 est la matrice unité) obéissent aux inégalités suivant. S’il lui est infkrieur ou 6gal on cherche la première colonne où l’élément lui est strictement supérieur ou égal. On effectue les opCrations de (a) à (d) N fois. Pour cela nous allons modifier toutes les lignes en remplac. 110~1s allons voir qu’il y a moyen dc décrire des chemins (selon un processus markovien) dans les lignes et les colonnes de la matrice B qui nous permet de calculer successivement les lignes de A. la rnatricc A ne se présente pas sous la forme indiqu& Alors on choisit des coefficients Yij tels que : avec 7rij>O c t c 7r.i3 < 1. ou bien il lui est supérieur.ion rectangulaire sur (0.ème linkaire de rz Cquations à n. on commence par tirer ~111 nombre aléatoire & à distribut..l+b. soit. 1). Il est possible de montrer que l’on a : Pour terminer. S’il lui est supérieur on ajoute une unit6 au compteur de la ligne j.l. > &. qui va conduire à l’inversion de la matrice.. Nous allons simplement donner la technique de résolution dans 1111 cas particulier de matrices A d’ordre n.

On tire un vecteur 23 par le même procedé puis 011 calcule la probabilité de transition : P = exp(-PdF) avec LIF = f(z. des erreurs propagées dans les calculs. Notons qu’il revient au même de minimiser une forme quadratique : F(T *http://www. pour ce qui concerne leur choix.6’u « petit » Remarque 2 : Pour passer de *J à zj+r. Si p > Seuili. On opère alors successivement sur les variables dans l’ordre 2. c. 1 e programme matmonte. . ) dans un certain domaine D. une «descente trop lente » est source d’instabilité. E D. l aP l Cette procédure appelle quelques remarques : Remarque 1 : Au départ. y) = 0 et g(z. le vecteur de composantes 2%: yi. on a intérêt à ne changer d’état que sur une seule composante à la fois.. zi. d. L’algorithme se présente sous la forme suivante : a. aussi bien lors de la génération des nombres pseudo-aléatoires que dans le calcul de df et f(X).f(~J-l).A. il s’agit de la résolution d’un système de deux équations non linéaires à deux inconnues f(z. et l’on poursuit les opérations N fois (boucle sur b). Remarque 3 : N et pu dépendent. y) = 0. Remarque 4 : Il faut veiller à ne pas « descendre trop vite ».MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On trouvera dans l’ouvrage de Yu. Toutefois. b. y. Sur le Wcb(*). YY). 011 conserve le dernier état. on représente par 2. 7. c qui réalise cet algorithme sur une fonction présentant un minimum absolu. c réalise l’inversion des matrices du type A particulier selon la technique développée dans ce paragraphe. Ici. y. et l’on effectue N calculs identiques à b. z. 294 .edpsciences. nous risquons de rester dans un minimum local dont on ne peut plus sortir (p < Seuilr). on augmente /3 qui suit une loi du genre : pn = /?InPl/3c. sinon. Pour des raisons de commodité d’écriture. L’arrêt des calculs s’effectue lorsque af < Seuilz. z.com/guilpin/ Y) = f%> YY) + g2b. Shreider cité en bibliographie le développement de cette technique. . Ensuite. Méthode du recuit simulé : recherche du minimum absolu d’une fonction On recherche le minimum minimorum d’une fonction f(z. On trouvera sur le Web (*) le programme recuit. il faut choisir ..7) . On tire un premier vecteur (initial) aléatoire 20 au moyen du générateur de LehmerGreenberger tel que 2. Il convient de choisir un compromis pour choisir pa et N selon la fonction à minimiser.

Si l’on remarque que la distribution de 1 . Il est donc très facile d’obtenir des nombres pseudo-aléatoires à distribution exponentielle.exp(-X2x) F(x) = 0 pour z > 0 pour x < 0. on écrit alors : log. lrt 295 . alors l’expression se réduit à : rj = -$ log. Somme de n nombres à répartition uniforme sur (-0. D’après ce qui précède.5) : 77 = C. Simulation d’autres lois de distribution Il est assez simple d’obtenir d’autres lois de distribution à partir de la distribution uniforme. elle s’écrit : 0. donc pour obtenir 5 il suffit d’inverser la relation précédente à condition toutefois que cela soit possible. 8. La loi de répartition est : F(z) = 1 .5 (a(t) = exp(2njtz) sin(7rt) dz = ~ . on peut générer une suite de nombres pseudo-aléatoires à distribution sinusoïdale en utilisant la relation : < = arcsin( [ est évidemment entre -1 et +l.18. Si tel est le cas. nous utilisons la notion de fonction caractéristique (voir le chapitre 21 consacré à cet effet).(<) [ appartenant à (0.<) = -X27 soit encore : 77 = -$log. nous allons étudier diverses techniques permettant de la générer. Distribution sinusoïdale Par exemple. Supposons que la variable aléatoire < admette la loi de répartition F(z). 8.1.(l . & .l). Soit Q(t) 1 a fonction caractéristique de chaque &.0.5.3. Distribution normale Eu égard à l’importance de cette distribution.5).5 est la même que celle de < puisque < appartient à (0. l). INTRODUCTIONAUXMÉTHODES DE MONTE-CARLO 8.(l . Distribution exponentielle De la même façon.Pour obtenir la distribution de 7. on écrit : 8.2. on peut générer des nombres pseudo-aléatoires à distribution exponentielle qui peuvent alors permettre la simulation du comportement des neutrons dans une réaction nucléaire (distance entre deux chocs successifs). La variable TI = F(J) est uniformément répartie.

296 .0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La fonction caractéristique de q est donc a(t)“. par conséquent. on doit adopter un autre procédé pour générer notre suite de nombres gaussiens.~ 6 de là on tire : [ 1 7r2t2 = -~ ’ 6 12 avec a2 = ~ . 12 = Bexp g(x) = & exp -2 ( 1 avec g2 = 2 . on obtient : avec f12 = n . Il est aisé de voir que le nombre Ç = ~a + rn obéit à la loi de distribution : g(x) = &exp [-(x2J)2]. Soit 70 un nombre aléatoire généré par ce procédé donc obéissant à la loi normale reduite. Si les nombres pseudo-aléatoires < appartiennent à l’intervalle (0. elle s’écrit : en passant aux logarithmes. à savoir : g(x) = Bexp (-i7x2a2) soit encore : g ( x ) = B e x p -& ( 1 En définitive. l).5 pour se ramener au problème précédent. Au cas où les queues de distribution de la gaussienne jouent un rôle préponderant dans la simulation. 12 On voit aisément que si l’on effectue la somme de 12 nombres aléatoires on obtient la loi normale réduite. on obtient : 1% [f(t)1 = 72 loge 7 [ 1 sin(7rt) indefiniment . 27rn La transformation inverse donne la fonction densité de probabilité. il suffit d’effectuer le changement 7 = < . expression 7r2t2n sin(x) comme ~ est une fonction qui tend vers zéro quand x croit précédente se comporte comme : log[f(t)] = n log 1 . il est facile de générer des nombres à distribution gaussicnne avec une moyenne et un écart type choisis à l’avance.

HANDSCOMB (1967) Les méthodes de Monte-Carlo. Éditions Dunod. Éditions Masson. Distribution gaussienne à queues soignées On part de l’idée suivante : soient deux nombres aléatoires indépendants ~1 et 72 obéissant chacun à la loi normale réduite. n’est rien d’autre que la variable x2 à deux degrés dc liberté (chapitre 22) dont la loi dc distribution s’écrit : P(c < z) = 1~ exp (-g) c’est la loi exponentielle de coefficient X2 = 0.18. En se référant aux propos de l’alinéa b du paragraphe 8.5 dont nous venons de simuler la rcpartition (voir aussi la loi du &).l) indépendants pour obtenir deux nombres aléatoires à distribution gaussiennc v1 et Q indépendants (distribution normale réduite). Par ailleurs. DURAND (1961) Solutions numériques des équations algébriques. dans le plan. sin2 (27r&). il suffit alors de poser : avec Ii appartenant à (0. Il suffit de tirer deux nombres aléatoires à distribution rectangulaire <i et (2 sur l’intervalle (0. The method of the statistical trials. FISHMAN (1996) Monte-Carlo : concepts. avec & appartenant à (0. d’où l’on tire : m = JJGiX2W2742) 72 = ~~CO~(2~l2). Éléments de bibliographie E. SCHREIDER (1966) The Monte-Carlo Method. HAMMERSLEY et D. 1).M. J. G. algorithms and upplications. INTRODVCTIONAUXMÉTHODES DE MONTE-CARLO 8. A. 9. 297 . Pergamon Press.2 (concernant la distribution exponenticllc). OM). Tome II. d’un point M d’argument 4 = (OX. Cet argument 4 suit une loi uniforme indépendante de la longueur de OM.l) . La somme des carrés de ces variables. Nous allons exploiter ces deux remarques pour calculer les nombres indcpendants Q et va à partir des deux nombres indépendants distribués uniformément <i et <a.C.4. 71 et 772 peuvent être considérés comme les coordonnées.= tari(4) = tan(27r&) 72 soit encore : $ Cos2 (27r&) = 7. Springer-Verlag. soit Ç = $ + 72.

cette face peut être déterminée à partir du moment où l’on connaît la 299 .. Pour se convaincre de cette réalité. Certains problèmes. C’est ainsi que l’on préfère envisager l’usage d’un autre procédé d’analyse qui sera sans doute beaucoup moins fin mais qui fournira les résultats globaux que nous attendons. 1. C’est un ouvrage de référence. exigent une modélisation très complexe qui. le problème est bel et bien irréaliste. ce qui nous intéresse c’est savoir quelle est la face présentée par la pièce à la fin de l’expérience. Ces équations ne sont jamais justiciables d’un traitement analytique et seul l’aspect calcul numérique pourrait être envisagé . A priori. laquelle pourra évoluer en fonction des connaissances supplémentaires que nous acquerrons sur le système étudié (cf. La lecture de l’ouvrage de J. Une facon classique de présenter les problèmes consiste à examiner les fluctuations d’une grandeur autour d’une moyenne. peut conduire à un ensemble d’équations. connu aussi pour sa rigueur epistémologique. bref. dans les meilleurs des cas.1 9 éments de calcul ÉI des probabilités Même au niveau très élémentaire. la recette journalière d’un parcmètre. on doit se rendre à l’évidence : le temps de calcul est prohibitif. en voici des exemples : la masse d’un corps au moyen de n mesures.. la trajectoire d’un navire entre deux ports. Bertrand (182221900) cité en bibliographie est fortement recommandée tant elle est agréable. et il nous suffira de dire qu’il s’agit d’une causalité fictive. Dans notre présentation. examinés sous l’angle de la physique traditionnelle. Il s’agit du fac-similé de la seconde édition française de 1907. Il faut bien insister sur le fait que l’étude des phénomènes aléatoires (mot latin ayant trait au jeu de dé) ne présuppose pas l’abandon du déterminisme. les ensembles canoniques en mécanique statistique). Introduction et notions fondamentales Nous nous proposons d’examiner de quelle manière on peut étudier les phénomènes présentant un certain caractère dû au hasard (mot d’origine arabe ayant trait au jeu de dé). il suffit de considérer le simple jeu de pile ou face. particulièrement connu à l’étranger. Il est d’une lecture très aisée et ne nécessite en mathématiques que les connaissances correspondant au niveau du DEUG première année. les probabilités conditionnelles. il n’est pas utile de rechercher une définition très subtile du hasard. la trajectoire d’un avion entre deux aéroports. Si l’on fait abstraction de l’hypothèse selon laquelle la pièce pourrait rester en équilibre sur la tranche. le calcul des probabilités est toujours truffé de pièges et de colles qui font que cette discipline est souvent redoutée. l’espace mémoire démentiel.

1111 nornhrc 300 (19.MANUEL DE CALCUL NUMÉRIQUE APPLIQUti position initiale de la pike. Par conskquent. possibles : la pièce peut prkscnter face ou pile. on dit que lc système est exhaustif. Les événements sont équiprobables a priori.pport du nomhrc de cas favorables rn et du nombre dc cas possibles n. etc. et cela constitue un événement.1) compris entre 0 et. on parlera a. rugositb etc. Calcul direct des probabilités C’est le cas que l’on rencontre lors de l’ktude de systèmes qui peuvent etrc décrits a priori et qui possèdent les propriétés suivantes : 1. Peu importe la facon dont la piRcc est parvenue sur l’une des faces. pour des raisons de symétrie. Cela signifie qu’un as de coeur ne peut pas Ctre un roi de pique. Lorsque la propriété 1 est vérifik. on dit. sa dcnsitk.1. 2. Ainsi. L’intkêt de définir un système exhaustif repose sur la possibilité d’ktudier tous les problèmes classiques de jeu de hasard où l”équiprobabilit. ou encore les probabilites de chaque événement sont a priori égales. les forces mises en jeu pour la larlrer. Da. aucun des événements ne se manifeste plus que les autres : il n’y a aucune raison pour que les ~vk~emrnts aient des poids différents. on peut dire que la.ns lc cas présent. 2.lors de probabilité empirique d’un événement (ou probabiliti: statistique). Il s’agit par exemple du tirage d’une carte dans un jeu de trente-deux cartes. probabilitit est la mesure numérique de la possibilité de la raalisation cffectivc de 1‘évi:ncment. À l’événement. 3. que le système est complet. et il y a essentiellement deux façons de traiter le probkme : a. pas apparaître rnsemblc. deux 6vénemcnts sont. le problème prkcnte toutes les qualités pour etre modPlisé selon les r+glcs classiques et donc de constituer un problème déterministe ordinaire. sa forme. Point besoin d’être un grand clerc pour se rendre compte que cette conception conduit incxorablemcnt à une impasse. car le problème ainsi envisagé devient immkdiatemcnt inextricable. C&e notion va s’kclairer dans les paragraphes suivants. 11 s’ensuit que la probabilité dc l’événement A que nous notons P(A) est alors le ra. a. Les évtncments sont incompatibles entre eux : ils ne peuvent. Lc problème essentiel de la théorie des probabilitk repose sur la mesure cffectivc de la probabilité. soit : P(A) = F On voit. Sans entrer dans les querelles de définition.tmosphère dans laquelle elle sc déplace. c’est-à-dire la densité dc l’air. Par définition. la resistancc de l’air.pparaître la propriéti: « évidrntc )b que P(A) est. lorsque les trois propriétés sont vérifikes. on dit qu’un cas est favorable si son apparition entraîne la réalikion de l’~v6nement en question. 1 . est associée la probabilité de cet événement. seul le rtsultat nous intéresse. on est en mesure d‘effectuer a priori une évaluation directe des probabilités (calcul direct) : on effectue une mesure de la probabilitk au moyen d’expCriences sur un(‘ population.é des événements est assurke d’avance. plus un certain nombre dc renseignements 1iCs à l‘a. b. Évaluation de la probabilité 2. Un évkncment et un seul se manifeste à la fois. Cela veut dire que. et d’autres renscignemcnts lik à la surface sur laquelle est censk s’immobiliser la pike par exemple nature du matériau. force est d’abandonner cette mkthode ct d’utiliser les voies offertes par la théorie des probabilitk.

Par exemple. plus improbable que n le nombre d’épreuves est grand. ne. 6.oires soient discrètes ou contimIes.IT& 2. Cc thi:orème que nous dérnontrerons plus loin est l’cxprcssion de ce qui est appel@ la loi des grands nombres. On réalise ainsi une mesure cxp6rimentale de la probabilité. C’est l’cxp&ience qui révèle l’absence de sym@trie.. quel que soit E > 0 aussi petit que l’on veut. la variable aléatoire X désigne lc nombre présent@ par la face d’un dé normalement numéroté.2.7 PROR. et lion parle dans cc cas dc probabilité empirique ou statistique. tend vers X0 en probabilit6 si. Cette difficulté se trouve réglitc par l’intermédiaire du théorème de Bernoulli : Soit un nombre 7 > 0 aussi petit que l’on veut. toute variable dont la valeur est fixée par la réalisat. 4.git d’envisager l’étude des cas où la propriété de symétrie a disparu : c’est le cas. Somme et produit d’événements. On appcllc fréquence de A le nombre d’cxpbicnccs oi~ l’tvanement A est apparu divisi: par lc nombre total d’expériences effcctu&s. tout un ensemble de problCmcs que la probabilité soit connut directement ou empiriquement.ion d’une Bprcuvt appartenant à. les valeurs possibles de la variable alCatoire X sont 1: 2> 3. Nous venons de définir une variable aléatoire X qui est discrète. la probabilitk pour que la diff&ence entre la fréquence d’apparition dc l’Cv&cment et la probabilité de cet Mmcment soit infbrieure à q> tend vers un lorsque lc nombre n des épreuves augmente indéfiniment. nous venons d’introduire une notion nouvelle de la convergence : la convergence en probabilité : On dit que X. À présent apparaît 1111 sérieux problème : la probabilité statistique change d’une série d’cxp&icnces 2 l’autre. Par cxcmple.lculs. du dé pipé.~RII. 4: 5 ct. la probabilité de vérifier l’inégalité tend vers 1 quand n tend vers l’infini. ou plutôt une série de n expériences. ÉLÉMENTS DE c. Probabilité empirique d’un événement ou mesure de la fréquence relative Plus simplement il s’a.. Ainsi. À l’occasion de l’énoncé du théorème dc Bcrnoulli. Théorèmes fondamentaux Ces notions ct théorèmes vont nous permettre de réduire une cxpkrience relativement complexe en sommes et produits d’événements $ partir desquels il sera aisé d’effectuer des ca. Il est tout à fait possible de définir une variable aleatoire continue en disant qu’elle peut prcndrc toutes les valeurs à l‘intérieur d’un intervalle D fini ou infini. Il s’agit dc mettre en œuvre une méthode indirecte qui peut s’appliquer à. Il nc faut pas confondre la variable aléatoire avec les valeurs effectives que ccttc variable est. Notons qu’un écart import~ant peu cxistcr mais il est peu probable. une catégorie déterminée est appelée variable aléatoire. 301 . par exemple. que les variables aléat. susceptible de prendre. Notion de variable aléatoire Par dkfinition.19. il suffit de penser à la longueur de la trajectoire suivie par un avion entre Paris ct New-York : toutes les valeurs sont possibles à lïntéricur du domaine D.4~~~1. 3. et d’autant.

2.Problème no 1 .Ils ne peuvent se réaliser simultanément. (Rien n’est changé si on ne remet. par exemple.1. B) est un événement C consistant en la réalisation simultanée des événements A et B.Problème no 2 . nous savons calculer les probabilités correspondant à la somme et au produit de deux événements. en revanche. On numérote les résultats en donnant un indice à P et F. 302 . Par exemple. On peut tout de suite remarquer que. ou bien un as lc second coup.Sur les trois lancements de la pièce.Sur les trois lancements de la pièce. Exemples d’application Nous allons utiliser ces deux notions pour décomposer en « éléments simples » quelques problèmes de probabilité relativement complexes. le tirage de deux boules blanches dans une urne contenant n1 boules blanches et n2 boules noires (avec nl > 2 et n2 # 0). La somme de deux événements A et B notée (A + B) est un événement C tel que l’événement A se réalise. l’extraction et d’un carreau et d’un roi constitue deux évknements compatibles. en effectuant deux tirages consécutifs en remettant la première boule tirée dans l’urne. Avant d’aborder cet aspect du problème. ou bien l’événement B ou encore les événements A et B. On dit que deux événements sont indépendants si la réalisation de l’un ne change pas la probabilité de réalisation de l’autre. On considère le problème suivant : on joue trois fois de suite au jeu de pile ou face et l’on note le résultat P ou F selon que l’on a obtenu pile ou face. a .Événements indépendants . on désire obtenir au moins deux fois pile. L’événement se note : À partir de cette décomposition. il sera facile de calculer les probabilités correspondant à la réalisation des événements étudiés dans la mesure où.) 4. Il s’agit du ET. pas la boule dans l’urne. d . le tirage d’un as en deux coups dans un jeu de trentedeux cartes : on peut tirer un as le premier coup. ou encore tirer un as le premier coup et un as le second coup.La réalisation de A ne dépend pas de la réalisation de B ou de sa non-réalisation. et cela peut aider l’écriture des événements. Par exemple. L’événement qui nous intéresse est l’événement E ainsi défini : b .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 4. l’événement contraire à P que l’on note P est F.Événements incompatibles . b. Définitions a. cette carte ne peut être à la fois un cceur et un pique. il convient de rappeler deux définitions : c . toutefois. Le produit de deux événements A et B noté (A . Il s’agit du OU inclusif. si l’on tire une carte dans un jeu traditionnel. 011 désire obtenir exactement une seule fois pile. dans ce jeu.

Corollaire 1 .Si A est indépendant de B.Corollaire 2 . si la probabilité de A ne dépend pas de la réalisation de B. s’ensuivent deux corollaires pratiquement évidents : a . = P(A) Il s’ensuit les corollaires Dans le cas où A est indépendant de B. On réalise l’expérience suivante : on tire une première boule que l’on place dans la boîte no 1 sans en prendre connaissance. B) = P(A). 4. P(B/A). Théorème des probabilités totales La probabilité de réaliser l’événement E constitué par la somme des événements incompatibles A et B est égale à la somme des probabilités de ces événements. ne connaissant pas l’événement B. 303 . alors la probabilité est P(A) = 1/2. sinon. alors B est indépendant de A.Théorème . Théorème des probabilités composées La probabilité du produit E de deux événements est égale au produit de la probabilité de l’un d’eux et de la probabilité conditionnelle du second. A. i=l b . puis on tire la seconde boule que l’on place dans la boîte no 2 sans en prendre connaissance. en ignorant le contenu de la boîte no 1. on notera : P(E) = P(A + B) = P(A) + P(B) . On considère les événements suivants : L’événement A : la première boule tirée est blanche. En revanche.Si les événements Al. La probabilité de tirer une boule blanche. on a : P(A/B) suivants : a . .Théorème . Rappelons que deux événements sont indépendants. si l’on sait que l’événement B s’est réalisé. . . On appelle probabilité conditionnelle de A relative à B. on peut prendre éventuellement connaissance de la boule contenue dans la boîte no 2.19. la somme de leurs probabilités est égale à l’unité. dans le cas de l’événement A.La somme des probabilités d’un événement et de son contraire est égale à un. ils sont dépendants. AL. b .3.La probabilité de deux événements indépendants est égale au produit des probabilités de ces deux événements. L’événement B : la deuxième boule tirée est blanche. La notation devient alors : P(A) = 2/3 e t P(A/B) = 1/2. forment un système complet d’événements incompatibles. ÉLÉMENTS DE CALCUL DES PROBABILITÉS 4. est P(A) = 2/3. Commentons cette proposition. À présent. soit : c P(AZ) = 1. et l’on note P(A/B) la probabilité de A calculée sachant que B s’est réalisé.4. calculée sous la condition que le premier ait lieu : P(E) = P(A . On rencontre aussi d’autres façons d’écrire : P(AIB) et P(A si B). Prenons un exemple : une urne contient deux boules blanches et une boule noire.

é pour que ce soit précisement la cause Hi qui 1”ait produit ? On suppose que l’on connaît les probabilités d’intervention de chaque cause Hk.. : sachant que A s’est produit. enfin. par respect dc la tradition nous utilisons le mot cause. cependant. C’est pourquoi. seul le premier Ctudiant est reçu.) = P(A)P(Hk/A) = P(Hk)P(A/Hk) pour k = 1: 2. Comment ces probabilités se trouvent-elles rnodifiées par la réalisation de l’événement A? Il nous faut donc trouver P(Hk/A) pour chaque cause.J. Le problème que l’on pose alors est le suivant. . être réalisc en amenant le 11 et lc 12 : telles sont les causes de succès. H. nous pouvons ccrire : ~(HI.. les probabilités des causes sont P(H. L’événement A est : il a gagné. n.). en utilisant la formule des probabilités totales. La démonstration est sirnplc.. Ceci peut.bfANUEL DE CALCUL NUMÉRIQUE APPLIQUlt 4.5. . Le premier a la Probabilit>é pi = O:7 d’obtenir l’examen. Un étudiant a été reçu. . P(H. sa nature philosophique. on obtient : P(A) = 2 P(H. soit encore en tenant compte dc la derniere @alit@ : P(Hk/A) = P(H. qui sont antérieurs à l’tvcnemrnt A et qui constituent 1111 @@me complet d’évencments incompatibles. . on obtient : P(HdA) = Exemple . Un joueur prend le pari d’amener avec deux dés un point supérieur à 10. . lesquels forment un système complet d’evénements incompat. le second la probabilité ~2 = 0. il serait plus raisonnable de parler d’antécédent que de cause.HJ.6. A) = P(A H E . seul le second étudiant est rec. Donnons un exemple d’après . et J. Avant l’expérience.u.Deux étudiants passent l’examen de MPA. Formule des probabilités totales Il s’agit dc calculer la probabilitc d’un évcnement A pouvant avoir lieu simultanément avec l’un des evénemcnts Hi ~ Hz.ihles. Hz. . 304 . . avec l’un des événements HI. Le mot cause tient tt la formulation historique ct non 5. et on cherche a posteriori la probabilité sachant que l’événement A s’est effectivement réalisé.)P(A. les deux Cttudiants sont recus . Bertrand.jet : « Les causes sont pour nous des accidents qui ont accompagné ou précédé un événement observi: ». . quelle est la probahilit.. on retient les causes (antccédents) suivantes : Hi : Hz : HC3 : H4 : aucun étudiant n’est reçu . 7=1 4. Trouver la probabilité que ce soit le premier. Bertrand dit à cc su. P(Hz).). . . A priori.A-P(A/H~) P(A) P(Hk)P(A/Hk) n . Formule de Bayes (1702-1761) (théorème des causes ou des antécédents) Envisageons à prcsrnt que l’événement A se produise obligatoirement. H. A priori ces probabilités sont conmies.6. L’ensemble des événements {Hk} peut être considéri: comme la «cause » de A.

ÉLhENTS DE CALCUL DES PROBABILITÉS Il n’y a pas de difficulté à calculer les probabilitts attachées à ces causes : P(HI) = (1 ~ Pi)(1 ~ p2) = 0:3 x 0. 5.4 = 0. et les probabilités des causes deviennent : 0.39. . On se trouve alors dans le cadre d’un système complet d’cvenements incompatibles.p2) = 0. Les probabilités conditionnelles restent proportionnelles entre elles.O P(A/Hz) = 0. Lois de répartition des variables aléatoires La description complète d’une variable aléatoire. et ils peuvent Ctrc obtenus par une autre voie. Seules les deux hypothèses H3 et H4 sont compatibles avec la réalisation de l’evenernent A P(H31 + P(H41 n’est plus égal à 1 puisqu’on Cent ml renseigncmcnt dc plus : l’événement A s’est réalisé.61.28 P(i&) = (1 .18 Remarque : On verifie bien que la somme des probabilités est égale à 1. 305 .0.pr)pz = 0.7 x 0. les deux premières causes deviennent impossibles. est rccu) lices aux P(A/H1) = 0.4 = 0.6 = 0.28 + 0.7 x 0.O P(A/‘&) = 14 P(A/H/i) = 1.18 = 0. il suffit donc de calculer Q tel que o[P( H:i) + P(&)I = l! donc : 1 a = P(Hx) + P(H4)’ puis P(Hx/A) = C@(H~) et P(Hd/A) = C#(H~).19. qu’elle soit discrète ou continues impose la connaissance de l’ensemble des valeurs susceptibles d’être prises par la variable akatoirc mais aussi du poids attaché à chacurle des valeurs (ou probabilité).42 P(I&) = pl(l .12 P(H2) = plp2 = 0.6 = 0.28 P(H’3’A) P(H4’A) = P(H3)P(A/H:<) + P(H4)P(A/H4) J’(fW’(A/&) = P(H:3)P(A/H3) + P(H4)P(A/H4) = 0.28 + 0.3 x 0. Les probabilités conditionncllcs causes Hk s’ecrivent : dc l’événcmcnt observé A (ml étudiant.18 Il faut bien comprendre cc que signifient ces calculs. 0.18 = 0.O Une fois l’événement A réalisé.

mais on utilise aussi la densité de probabilité ou distribution. k=l La connaissance de la loi entre le poids attaché à chacune des valeurs possibles de la variable aléatoire et ces mêmes valeurs possibles constitue toute l’information nécessaire à la description de la variable aléatoire. . On note : P(X < x) = F(x). . il est commode d’employer une autre description en utilisant la fonction de répartition ou répartition. Cas de la variable discrète La somme des probabilités attachées à tous les événements est égal à 1. . Souvent. 5. Ses propriétés essentielles sont : a. La rigueur voudrait que la répartition soit introduite au moyen de l’intégrale de Stieltjes (1856&1894). mais cela n’est point nécessaire pour le propos qui nous préoccupe. 306 . c. Définition La fonction de répartition est la probabilité de l’événement X < 2. On a alors : pli = 1.2. Cas de la variable continue La répartition demeure une approche classique.TZ fini ou non ~ chaque valeur zk ayant la probabilité pk de se réaliser. on aime bien utiliser un certain nombre de grandeurs associées à la variable aléatoire telles que les caractéristiques de position et les moments. F(+~I) = 0. la connaissance de F(x) ou de f(y) suffit à caractériser la variable aléatoire étudiée. c’est une caractéristique universelle de la loi entre les {zk} et les {pk} que les variables soient discrètes ou continues.Q.1. La répartition permet de connaître la probabilité pour qu’une variable aléatoire tombe dans un intervalle donné. 5.) . F(z) est une fonction non décroissante de x b. F(+co) = 1. z~. Dans les cas ordinaires. . 2.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.3. La variable aléatoire discrète X prend ses valeurs sur l’ensemble fini ou infini (~1. En pratique. Par conséquent le lien entre la répartition F(x) et la densité de probabilité f(y) est réalisé par l’intégrale de Riemann : z F(x) = s -00 f(y) dy. laquelle en première approximation est la dérivée de la fonction de répartition.

~BILITÉS 5.Encore appelée espérance mathématique d’une variable aléatoire.5.(Xi . Il est plus utile de définir les moments centrés d’ordre k de la variable aléatoire centrée X*. Ces deux dernières grandeurs permettent de comparer une loi de distribution donnée à la loi normale (Gauss-Laplace).4. Comme on le verra plus loin c’est aussi le moment non centré du premier ordre.) P(X < = P(X > m. Le moment centré d’ordre deux s’appelle variante D(X) = ~2. Par définition.5. linéique). en assimilant pi à un poids ou f(x) a une densité massique (volumique. 307 .UI = 0. -03 Il s’agit de moments tout a fait semblables à ceux de la mécanique.La valeur moyenne . 5. c . ~3. de la variable aléatoire telle que : m. la variable aléatoire centrée X* est la variable aléatoire X qui a subi un décalage 3d’origine égal à son espérance mathématique ml : X” =X-ml.) = 0. caractérise l’asymétrie tandis que p4 caractérise l’aplatissement. surfacique.La médiane . On écrit alors : +cO mk(X) = M[X”] = Cpi~: O U = . 2=1 On vérifie sans peine que le moment centré d’ordre 1 est nul : . Les caractéristiques de position a .Le mode .19. Les moments Par définition. Cette grandeur est attachée à la mesure de la dispersion.C’est la valeur la plus probable de la variable aléatoire. Les moments centrés s’écrivent : OU pk = mk(X*) = M[X*k] = cp. et l’on appelle écart quadratique moyen ou écart type la quantité g(X) = Jo(x).ml)” = s(x -02 ml)kf(x) dz./' i=l X”~(X) dz. Le moment d’ordre 3. ÉLÉMENTS DE CALCUL DES PR~B. on appelle moments non centrés d’ordre k l’espérance mathématique de la variable X”. soit encore le maximum de la densité de probabilité dans le cas l’une répartition unimodale d’une variable aléatoire continue. b . Elle est définie ainsi : +nO M(X) = CPkXk ou M(X) = s X~(X) dx k=l -cc selon que la variable est discrète ou continue. c’est l’espérance mathématique du carré de la variable centrée.C’est la valeur m.

MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 6. aussi la probabilité recherchée que l’on désigne par P. la probabilité cherchec est celle pour laquelle X n’appartient pas au segment Al?. En d’autres terrnes. on porte le point M d’abscisse m. on se donne une valeur t > 0 arbitraire et l’on se propose de calculer la probabilité P que le module de la variable (X ~ ni) soit supérieur à t fois la grandeur 0. (xz ~ rn)2 > t”a” et l’on peut écrire que : 4 + c > t2a2 c’pi: avec C’p7 signifiant que la sommation porte sur les valeurs extericures au segment AB. on peut écrire : ~T~=A+L?+C Par ailleurs. Écrivons D(X) = o2 : On peut encore écrire la décomposition suivante : 02 Z Z ou encore i= j+f+T. Sur la droite 0x. En définitive. Fig. on obtient : u2 2 pt2a2 soit PL& En conclusion.Tchebycheff On considère une variable aléatoire X de moyenne m et d’kart type g. Sur Oy on porte la densité de probabilité (cf.1). -00 A B C+C+C XE(A-oc) XE(W.W quelle que soit l’expression. L’inégalité de Bienaymé (1796-1878) . et cela quelle que soit la loi de distribution. Cette inégalité de Bicnaymé-Tchebychcff trouve une belle application dans la demonstration du théorème de Bernoulli. on voit que la probabiliti: d’un écart supkrieur à ta décroît comme lit*. On recherche donc P( iX . hors lc segrnent AB : d’où CT’ > A + C.m > to). lc point A d’abscisse (m -ta) et le point B d’abscisse (VI + ta).B) Xt(A. 308 . blaia c’est. 19. Par ailleurs.

P. Paris. Masson. Le théorème de Bernoulli On se propose donc d’étudier la convergence en probabilite de la moyenne empirique u/n. n croissant autant que l’on veut. la probabilité pour que la fréquence v/n diffère de sa valeur moyenne d’une quantiti: dont le module est au moins égal à E. tend vers zéro quand n tend vers l’infini quel que soit E > 0. dc la convergence en probabilité. HURON (1962) Probabilités.ITÉS 7. On verra au chapitre 20 que des considérations sur la loi binomiale donnent les résultats suivants : D ! 0n xi!!! n avec ~+y= 1. et l’on aura : En définitive. Erreurs. DELTEIL et R.~BII. VENTSEL (1973) Théorie des probabilités. vers la moycnnc théorique p. 12e édition. Éléments de bibliographie J. JAFFARD (1996) Initiation aux méthodes de la statistique et du calcul des probabilités. E. R. On utilise l’inégalité de Bienaymé-Tchebycheff en posant : avec E > 0 arbitraire. Éditions MIR. Armand Colin. fi sera aussi petit que l’on veut. D’où tz& c?Y P9 Soit S un nombre positif tel que n > &. Chelsea. H. B~REL. 8. rappelons-le. Calcul des probabilités. Il s’agit. BERTRAND. Moscou. 309 .19. É ÉMENTS L DE CALCUL DES PR~B. New-York fac-similé de l’édition francaise de 1907.

par exemple. Dans le cas où la probabilité dans la loi binomiale est très petite devant l’unité. :~:. c’est ce qu’on désigne par schéma de Bernoulli. on effectue un passage de la variable discrète à la variable continue. sans pour autant que le nombre d’épreuves soit très grand ~ le produit X de ces deux nombres est proche de l’unité .. CLpkq”-” si l’ordre n’a pas d’importance. Nous avons alors effectué des tirages non exhaustifs dans une urne à deux catégories. 2. 1. /Y ”. autrement dit. La loi binomiale.La 10 i d e po i s SO n /:/. Celle-ci admet naturellement la loi de Gauss-Laplace comme loi asymptotique dans le cas où le nombre d’épreuves devient très grand.loi binomiale. C’est cette seconde forme qui va faire l’objet de notre attention.20I.-tx~i. On note d’abord que les tirages sont indépendants les uns des autres. schéma de Bernoulli On effectue une série d’épreuves qui donnent lieu chacune à une éventualité parmi deux éventualités.on débouche sur la loi de Poisson. X étant très nettement plus grand que l’unité.Si 1 a et la loi de Gauss-Laplace Les fondements de la statistique reposent sur la connaissance fine de quelques lois de distribution dont la principale est la loi de Gauss-Laplace. on considère une urne qui contient P boules blanches et Q boules noires. donc (n . Par exemple. puis on la remet dans l’urne et ainsi de suite. chacune des éventualités ayant une probabilité constante. _. pkqn-” si l’on spécifie l’ordre dans lequel les cas favorables et défavorables doivent se succéder . On réalise n épreuves consécutives.. elle entre aussi pour une part active dans l’étude des files d’attente et de la fiabilité. Ainsi la probabilité est donnée par l’expression : n! pk = k!(n k)!P k ’ n .:i-=‘. on note sa couleur.=’ -/:~ct“J . Cette loi est utilisée lors de l’étude des «événements rares » qui sont..k) soient défavorables est donc : 1. on dit aussi tirages avec remise dans une urne à deux catégories. Cette dernière découle directement de l’étude de la loi binomiale : elle en exprime alors le comportement asymptotique lorsque le nombre d’épreuves devient extrêmement grand (supérieur à 100 pour fixer les idées). les phénomènes observés par les compagnies d’assurance (sinistres) .”:-.k ’ 311 .> : L-. Choisissons comme éventualité favorable le tirage d’une boule blanche dont la probabilité est p. On tire une boule. La probabilité pour que k d’entre eux soient favorables.

Il s’agit là des deux résultats essentiels de la loi binomiale . et comme on va lc voir. De là ou déduit : m2 = n(n . + cp-kpk + . est une loi asymptotique de la loi binomiale avant d’admettre elle-même la loi de Gauss-Laplace pour asymptote. elle constihe un art.iques de position. Seul le deuxième moment va retenir notre attention : Faisons t = 1 : Q”(l) = n(n ~ l)p2 = n7.l)p2 + np = npq + n2p2 Or le moment centré d’ordre deux s’écrit : ~2 = m2 ~ mf = npq. k=O En faisant t = 1.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ c’est aussi le terme de rang k du dheloppernent du binôme de Newton : (p + y)” = $1 + npp + . seuls ces deux premiers moments figurent dans la loi de Gauss-Laplace.2 . k=O Si l’on dérive les deux membres donnant a(t) par rapport à t. elle aussi.p”. Le moment d’ordre zéro s’écrit en fonction de Q(t) de la manière suivante : Q(1) = 2 Pk. 312 . on trouve : CD’(l) = n p = CkPk k=O = M ( X ) = ml. Calcul des moments On écrit lc binôrne sous la forme légkrement modifiée : a(t) = (y +pt)n = CPkP.rjXl. Avant d’entreprendre l’étude de cette loi. l’écart type a pour expression : (T = m. Les dérivations successives dorment des expressions fournissant tous les moments successifs après avoir fait t = 1. on obtient : a’(t) = np(q + pty = 2 kP&‘.ific:c commode pour effectuer le calcul des caractCrist. c’est-à-dire le mornent d’ordre un. étudions la loi dc Poisson qui. k=O on Q(t) s’appelle la fonction génératrice des moments .

20. L A

LOI

BINOMIALE,

LA

LOI

DE

POISSON

ET

LA

LOI

DE

GAUSS-LAPLACE

2. Loi de Poisson
Nous envisageons lc cas où p (ou 4) est très petit, devant l’unité et où n est très grand sans toutefois l’?tre suffisamment pour que l’on retrouve directement la loi normale, le produit p doit être de l’ordre de grandeur de l’unité. Reprenons l’expression dc Pk :
n,! k n - k = n(n ~ l)(n - 2). . (n - k + 1) l & P (1 -PI”> pk = /qn - k)!P q k!(l -p)”

soit encore : p, = w(,w - P) (n,p ~ 223) . (~LP ~ kp + P)
k k!(l ~ p)"

(1 ~ PlrL,

ou bien : p,x np(n,p~p)(np-2p)...(np-~p+1ï) k k!(l - p)k Posons X = np, il vient : P = X(X-p)(L2p)...(X--kp+p)
k /C!(l - p)" ( 1-x
7-L

(l- !Tfy .

rr,
1

Comme X = n,p est de l’ordre de l’unité, il est grand devant p qui lui-même est, petit devant l’unité ; ainsi le numérateur du second membre tend vers Xk et (1 - p) k tend vers un. Il s’ensuit que, puisque n est grand devant k, nous pouvons écrire :

Or (1 ~ i) ” t,cnd vers exp(-X) quand n tend vers l’infini (résultat classique d’analyse). D’où l’expression de la loi de Poisson :

Pk = ; cxp(-A).
La loi de Poisson dorme la distribution d’une variable aléatoire discrète qui peut prendre les valeurs entières non négatives (0, 1,2,. ,n, . ). On dit que la variable X est répartie selon la loi de Poisson si sa probabilité est donnée par l’expression de Pk, quel que soit le paramètre X.

2.1. Propriétés essentielles de la loi de Poisson
Ayant effectué un certain nombre d’opérations sur la loi binomiale, il est indispensable de vhifier que la loi de dist,ribution proposke est bien normalis~c, c’est-à-dire : xr=, Pk = 1. En effet : exp(-X) = exp(-X) 2 4T = exp(-X) exp(+X) = 1. k=O ‘! 313

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

a - Moment du premier ordre ml = M ( X ) = CkPk =Fk-exp(-A) =exp(-A)Ekk=O
cc

k=O
Ah-1

'!

k=O

Ic!

ml = X exp( -A) C ~ =

x.

La moyenne de la variable aléatoire X qui prend les valeurs entières non négatives et qui suit une loi de Poisson est égale au paramètre A. b - Moment du deuxième ordre
m2 = 2 k2Pk = Xexp(-A) k=O

Par le même procédé que celui que nous venons d’utiliser pour calculer le moment du premier ordre, après avoir posé K = k - 1, nous obtenons :
m2

= Xexp(-A)

1

O3 ( K + l)XK
K,

=Xexp(-X)

K=O

Les deux sommes dans la dernière expression ont été calculées, il suffit donc de reporter leurs valeurs :
m2

= Xexp(-X)(l + A) exp(+X) = X2 + A.

Comme la variante D(X) = m2 - m:, on en déduit que : D(X) = o2 = x Donc le moment centré du deuxième ordre est égal à la moyenne, tous deux étant égaux au paramètre A. Remarque 1 : On dit souvent que la loi de Poisson est la loi qui régit les événements rares, et l’on trouve une application importante dans l’étude des séries chronologiques, l’étude des files d’attente ainsi que l’étude de la fiabilité. Remarque 2 : Soit & la probabilité pour que X > k, elle s’écrit simplement :

&= -&,&&.
m=k j=o

c - Processus de Poisson - On considère une suite d’événements {E3} qui se succèdent dans le temps. Durant un intervalle fini de temps 7, le nombre k d’événements est aléatoire, et l’on désigne par ?rk(r) la probabilité d’observer k événements pendant l’intervalle de temps 7. La variable aléatoire discrète X attachée aux événements {Ej} est construite de la façon suivante :
a. À

b. X augmente d’une unité lors de l’apparition d’un événement. c. X conserve sa valeur tant qu’aucun événement ne se manifeste.
314

t

= 0,

X

=

0.

20. LA

LOI BINOMIALE. LA LOI DE

POISSON

ET

LA LOI DE

GAUSS-LAPLACE

On définit alors un processus de Poisson de la manière suivante : 1. nk (7) ne dépend que de 7 et non de l’origine des temps 70. 2. Durant un intervalle de temps infiniment petit dr, la probabilité d’apparition d’un événement E est proportionnelle à d-r, et l’on désigne par dri(d-r) = T dr cette probabilité. 3. La probabilité de voir apparaître deux événements ou plus dans l’intervalle de temps infiniment petit dr est infiniment petite par rapport à dr. 4. Si 71 et r2 sont des intervalles de temps sans intersection commune, alors les probabilités Tu et Tu sont indépendantes. Compte tenu de ces conditions, la probabilité de n’observer aucun événement durant le temps infiniment petit dr est : d7ro( dr) = 1 - T dr.

À présent, on se propose de trouver la loi de distribution rk(r) de la variable aléatoire X, c’est-à-dire la probabilité d’obtenir exactement k événements durant l’intervalle de temps fini T. Découpons l’intervalle de temps T en n sous-intervalles égaux de telle sorte que Ar = $ soit de l’ordre de dr. La probabilité d’observer un événement dans chaque intervalle est donc rAr et la probabilité de n’en observer aucun est 1 -rAr. Comme les événements sont indépendants dans les intervalles de temps disjoints de longueur A , on peut considérer les n intervalles élémentaires comme n T expériences indépendantes pour chacune desquelles un intervalle élémentaire a la probabilité rAr de voir apparaître effectivement un événement. La probabilité pour que k des n sous-intervalles aient vu se réaliser un événement est par conséquent donnée par la loi binomiale :
7rk(T) = c; (;)k ( 1 - z>“ç On pose a = TT-, on obtient alors :

KiTI, = ci (!t)” (l- yk.
Il nous reste à étudier le comportement de Tk(r) quand n tend vers l’infini. Pour cela, il suffit de reprendre le calcul déjà effectué lors de l’établissement de la loi de Poisson, et avec la même technique, on trouve : nk akeëa ~. = )y

Donc, la variable aléatoire X suit une loi de Poisson de paramètre a.

Remarque : Au lieu de considérer le temps T, il est possible de s’intéresser à une distribution
de points sur la droite ou dans le plan qui obéiraient aux mêmes propriétés que celles qui ont été définies à propos du temps. Il en est de même des points répartis dans l’espace. d - Application de la loi de Poisson - Une petite route de campagne est fréquentée par 120 voitures par heure en moyenne. : 1. Calculer la probabilité RI pour que la route soit fréquentée douze fois en cinq minutes. 2. Calculer la probabilité Rz pour que la route soit fréquentée au moins une fois en cinq minutes. 3. Calculer la probabilité R3 pour que la route soit fréquentée au moins sept fois en cinq minutes. 315

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

Le calcul de X s’effectue sur cinq minutes, on trouve alors :

Il s’ensuit que : R = exp(-10)1012 = 9,48 10p2 ; 1 12! R2 = 1 - P. = 1 ~ exp( -10) = 0,999 954 6 : R3 = 1 - P. - PI - PJ - pi3 ~ P4 ~ F’, ~ Pc, ; &=l-exp(-10) lO+~+$+~+$+$

1

=0,86990.

3. Loi de Gauss-Laplace
Il nous faut rechercher la valeur asymptotiquc dc Pk lorsque n devient infiniment grand. C’est la formule de Stirling qui va nous permettre de développer les factorielles, donc la fonction à laquelle nous allons nous intéresser est log,(Pk). Il y a alors deux façons de parvenir a nos fins. On développe log,(Pk) au deuxième ordre cc qui conduit à des longs calculs un peu fastidieux. Il est alors ncccssaire d’user de la formule de Stirling très complète : n! = rP cxp(-n)JG(l + &7L) avec 1 n=,, + 12

Un second procédé, moins rigoureux mais plus simple, consiste à choisir le maximum de log,(Pk) comme point autour duquel on effectue le dSveloppcment cn strie de Taylor, ce qui a pour but de faire disparaître la dérivk prcmièrc dudit dcvcloppement. Dans cc cas. l’approximation : log,:(n!) E n!log,(n) ~ n sera suffisante. C’est cette méthode que nous présentons. On part donc de la relation : log,(Pk) = nlog,(n) - n - klog,(k) + k - (n - k) log,(n - k)

+ (n - k) + klog,(p) + (n- k)log,(q).

À

présent, on cherche le maximum de cette expression, il est donné par : 4 log,(Pk) = 0 = ~ log,(k) - 1 + 1 + 10gr:(n ~ k) + 1 ~ 1 + log, f ,

0

on obtient alors :
(n - k)p = kq,

d’ou :

lc = np.

C’est la valeur la plus probable, mais on a déjà vu que c’était aussi la rnoyenne ml de la loi binomiale. Calculons maintenant la dérivée deuxième :

316

20. LA ~01 BINOLW~LE,

LA

LOI

DE

POISSON

ET

LA

LOI

DE

CAUSS-L.~PLACE

d’où le développement en série de Taylor :

il s’ensuit que :

ou encore, si k devient une variable akatoire continue, la probabilité élémentaire dP = p(z) dz que la variable zc soit comprise dans l’intervalle (2, z + dz). est donnée par l’expression : p(x) dz = P,,l,x exp ~

(k - ml)2
2s

dz.

La probabilité pour que la variable 2 soit plus petite que la valeur X s’écrit :
X P(x < X) = pmax

exp ~ -00
J (

(cc ~ m1)2 2s 1

dz,t.f

Il reste à normer la distribution : +oO 1= -x De là on tire : Pk dk = P,,,, -x +m (k-m)2 2s dk = d%P,,rax.

En définitive, on obtient : 1 Pk = ~ a&G (k - ml)” 202 > pour lc cas discret, et

pour le cas continu.

Cette loi joue un rôle privilkgié dans la mesure où dc nombreuses distributions admettent la distribution de Gauss-Laplace comme loi asymptotique.

3.1. Propriétés essentielles de la loi de Gauss-Laplace
La loi est normalisée puisque nous venons de faire en sorte qu’il en soit ainsi.
317

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

a - Moment du premier ordre

ml = & Jxexp (-(xig)2) dx = & T(x+m)exp (-$) dx
=
*-Fexp

(-$) d z

+ & /xeiw(-$) dz. -00

-03

La première intégrale vaut m et la seconde est nulle puisque l’expression sous le signe somme est impaire. Donc : ml = m. b - Calcul de la variante +CC 1 D(x) = ~ J (x - m)‘exp a&G -CO (- (x ioy)2) dx = $ TX2 exp(-x2) dx 0

Nous allons intégrer par parties cette expression en posant : u=x dw = x exp( -x2) donc : D(x) = $ [x exp(-x2)]lm + $ / exp(-x2) dz = c2.
0

du = dx w = -a exp(-x2)

Remarque : Dans les problèmes d’évaluation de la précision, on définit la grandeur h = &
qui est appelée mesure de la précision (cf. sur ce sujet, la théorie des erreurs ou incertitudes). c - Relation de récurrence entre les moments centrés - On pose : +CC 1 m, = ~ / (x - rn)” exp (- (x iUy)2) dz. afi -cc On effectue le changement de variable suivant :

ce qui donne :

tq exp(-t2)
318

dt = Kq

-cc

J

T-~ exp(

-t”)

dt.

20. LA LOIBINOMIALE, L’intégration par parties permet d’écrire : +CO mq = Kp -03 tq-‘t exp(-t2)

LA LOI DE

POISSON

ET LA LOI DE

GAUSS-LAPLACE

J

dt +a>

= Kq
[{ donc : mq Si l’on remarque que : =

- ;P exp( -t2)

1 -cc

+rl-1 ~
2

+CC J -cc tqp2 exp(-t2) dt 1 ;

(q - wwqq

2fi

+co tqp2 exp(-t2) J -03

dt.

mq-2 = (afi)q-2 +mfJ-‘eXp(-t”) & fi
on trouve en définitive : mq = (q - 1)02mq-2. Comme on connaît les deux premiers moments centrés me = 1 et mr = 0, il est aisé de former la suite des moments centrés :

J

m2 = a2,

m4 = 3c4,
tous les moments centrés d’ordre impair étant nuls.

m6 = 1506,

d - La dissymétrie - Elle est donnée par l’expression :

L’étalon étant la courbe de Gauss-Laplace, 6 = 0 pour cette dernière. e - L ‘aplatissement - Il est donné par une expression qui est telle que la loi de Gauss-Laplace ait un aplatissement nul :

f - Fonction de répartition de la loi normale - Il s’agit de calculer la probabilité de trouver une variable J: dans l’intervalle (a, b), sachant que sa distribution obéit à une loi gaussienne :

P(u < x < b) = Q(b) - @(a) = ~ ]exp (-‘” iJj2) dt. g&
a
319

MANUEL

DE

CALCUL

NUMÉRIQTJEAPPLIQUÉ

Comme cette expression dépend de 0 et m, on prkf6rc qui conduit à la loi normale rkduitc. On pose alors : y on aboutit alors à la relation : .x - n-2. = - * c-r

utiliser la variable cent& rkduite, ce

d,=(T

On tabulc la loi réduite (m = 0; 0 = 1). soit :

on peut encore écrire :

De plus on a : a+co) = 0; @(+co) = 1. En outre: on vérifie que Q(X) est une fonction non décroissante car la fonction de distribution est définit positive. On trouvera sur le Web (*) 1 c sous-programme gaussleg . h qui permet dc tabuler la loi normale r6duit)e. g - Ecart le plus probable - On considère 1111 intervalle de largeur 2E centré sur la valeur moyenne, tel qu’il y ait la probabilité 0,5 que l’événement étudié tombe dans cet intervalle. On appcllc écart probable, l’écart ayant la largeur E. Dans le cas de la loi normale, on trouve : P(lX-ml

<E)=0,5=24>

E 00

- 1.

car :

@(-y) = 1~ Q(y) ; E = 0,75 0 CT

donc : Q ce qui dorme E = 0,674~~.

h - Application numérique - Lorsque p et 4 ne sont pas trop proches de zéro ou de ml, et à la condition que n, soit grand, on peut utiliser la loi de Gauss-Laplace pour évaluer les probabilités des «jeux » relevant du schkma dc Bcrnoulli. *http://www.edpsciences.com/guilpin/

20. LA LOI BINOMIALE,

LA

LOI

DE

POISSON

ET LA LOI DE

GAUSS-LAPLACE

Exemple no 1 - On joue 800 fois à pile ou face, et l’on demande qucllc est la probabilitk pour que pile sorte moins de 360 fois (10 % inférieur à la moyenne). n = 800; soit < la variable réduite : p = q = 0,s; rn = np = 400: u = Ji@j = 102/2:

E=

360

-400

1OJz

=

-2,828427125

il s’ensuit que (attention, ici. < est nkgatif) :

Exemple no 2 - On réalise 1000 parties d’écart{;, quelle est la probabilité de retourner le roi plus de 140 fois? n=lOOO; p+;: q = i ; m =
r~p =

125;

(T = m = 10,458 ;

soit < la variable réduite :

E=
il s’ensuit que :
i

140 ~ 125 = 1,434 274 3 3 1 10,458

P(x < <) = ~ &
grosso modo entre 7 et 8 chances sur cent

jexp(-2)

dy=0,076,

i - Une application de la loi des grands nombres - La probabilité d’amener une face bien détermink d’un dé non pipi: est CI priori p = 1/6. On étudie lr rapport entre lc nombre de fois n où sort la face choisie et le nombre d’épreuves N. Combien faut-il d’épreuves pour que la différence entre ce rapport et la probabilit,é a priori soit inférieure à E = 1OF” en valeur absolue avec une probabilité supérieure à 7r = 1 ~ IOV”? La condition à remplir est donc :

Ire approche - L’inégalité de Bicnaymé-Tchebycheff valable quelle que soit la distribution permet de rkpondre à la question :

soit encore :

P(IX - ml < t a ) 2 1~ p

321

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

Dans le cas précis, p = 1/6, q = 5/6, u = fi, $ = lOC”, puis :

&=tu=t

P4 N J

===+

t2 = !!!? = 106
Pq

d’où

N = ‘3 = 1 4 I()l1 épreuves. &2 ’

L’inégalité de Bienaymé-Tchebycheff donne un nombre d’épreuves obtenu par une majoration excessive puisque cette relation ne tient pas compte de la distribution effective de la variable aléatoire. Dans le cas où la loi de distribution est connue, le nombre d’épreuves sera très inférieur à cette première détermination. 2e approche - Compte tenu de l’ordre de grandeur du nombre d’épreuves, il est tout à fait légitime de faire usage de la loi de Gauss-Laplace. On calcule alors l’écart réduit :

on a alors : P=&rexp(-z) -0 d’où On obtient : N = 2,8 106 épreuves. Q(p) = 0,4999995 e t p = 4,5. dt=29(P)=l-lO@

4. Changement de variable aléatoire dans les lois de répartition
Soit y = 4(x) une fonction quelconque à dérivée 4’(x) positive et continue par morceaux sur le segment (0, L), à valeurs sur (a, b) (cf. Fig. 20.1, page ci-contre). Soit 77 = 4(E) une variable aléatoire, elle-même fonction d’une autre variable aléatoire <. On se pose la question de connaître la probabilité de trouver dans l’intervalle (y’, y”) sachant que l’on connaît 5” P(x’ < < < x”) = s 2’ p<(x) dz.

Soit x = @(y) la fonction inverse de y = 4(x), sur l’intervalle (a, b) avec 0 < 2 < L. On a l’identité des événements :

E
et

{Y’ L rl <

Y”}

EIVY’) I E L WY”)) E {x’ < < 5 x”}
322

20. L A

LOI

BINOMIALE,

LA

LOI DE

POISSON

ET

LA LOI DE

GAUSS-LAPLACE

I I I

III III II’ II’ .

Figure 20.1. Changement de variable dans les lois de distribution.

0

X’

La probabilité de l’événement < est donnée par : x” P = J 5’ pc(z) dz =
WY”)

J *(Y’)

pc(x) dz = P(x’ I < < 5”) = P(y’ 277 < y”).

Avec le changement de variable x = Q(y), on obtient la probabilité attachée à la variable q. En tenant compte du fait que dx = Q’(y) dy, on peut écrire :
Y

II PC(X) dx =

P(Y’ 5 ~5

Y”)

=

Y’

J

Y’

J
Y

II PEP(Y)IQ’(Y) dy =

Y’

J
Y

II Pu dy,

c a r 4’(x) = & e t En définitive, on obtient la distribution désirée :

Q’(y) =

1 qÏ(q =

1 Jqqy

Pr7(Y)

= Ps[Q(Y)I~,,~(~~~
{= 0

1

si a 5 Y 5 b
si y < a et y > b.

Remarque : Pour éviter les omissions lors des changements de variable dans les fonctions de distribution, il suffit de penser à manipuler non pas la distribution f(x) mais la probabilité élémentaire dP, c’est-à-dire dP = f(x) dx pour que x soit compris entre x et x + dz, ainsi, en effectuant le changement de variable x = g(y), on obtient :

dP = f(x) dx = fbMl$ dy = fMyY)Idb) @/ = h(y) dl/.

323

piricwl process. LEWIS (1969) L’analyse statistique des se’ries d’e’vénements. ROZANOV (1975) Processrus uléutoires. alors : il s’ensuit. Springcr. Moscou.W.x I [p<(-x) +pc(x)] dz = +” -. COX ct P. la. la loi de probabilitt: que nous venons de trouver est deux fois t. On écrit. Éditions Dunod. VENTSEL (1973) Thborie des probabilités.A. 5.I. Cet exemplr nous sera de quclquc utilité lors de l’étude dc la distribution du . V.d En dkfinitive. VAART et J.MANUEL Exemple DE CALCUL NUMÉRIQUE APPLIQUÉ On cffcctue le changement dc variable y = x2 dans la loi normale r6duitc : On a donc : x = fi.’ pc(x) dz + .‘Z I /’ .W. ROTHSCHILD et N. 2 $ = Q’(y) z 1 2fi Attention.” P(y’ < r/ 5 y”) = P(-x’ < < < -x”) + P(x’ 5 < < x”) = J -1. Éléments de bibliographie (1970) Étude statistique des dépendances. et 1’011 note la fonction inverse Q = 4. Éditions MIR.rop petite car : -. Y. que : 1 Y T(y) = ~ x 2*txp C--J. LOGOTHETIS (1986) Probahility distributions. Wiley.R.d em.& à rn degrés de liberté. A. Éditions MIR. Moscou.A. WELLNER (1996) Weak convergence an. densité dc probabilité s’écrit : et 4Y) = 0 s i y<O. MVAZIAN 324 . S.r’ . Moscou. H. D.I z p<(x) dz = J .

on écrit : CD(t) = . Si la variable aléatoire est continue sur un intervalle fini ou infini. on peut écrire la transformation inverse : s Q(t) 325 exp(-jtz) dt. Quoi qu’il soit. Si la variable aléatoire est discrète (k entier appartenant (-00. En général. la fonction caractéristique est donnée par l’expression : Q(t) = M[exp(jtz)] où M[ ] est l’opérateur moyenne. on écrit : Q(t) = E p(k) exp(jtk). En effet. la méthode offre un indiscutable intérêt tant théorique que pratique. +co)). . il peut être plus simple de traiter ou bien de la fonction de distribution ou bien de la fonction caractéristique. Q(t) est une fonction périodique de période unité.21 1 La fonction caractéristique Certaines opérations mathématiques sont plus commodes à réaliser dans l’espace réciproque de Fourier que dans l’espace direct (propriétés des espaces duals). on se persuade des limitations pratiques de cette méthode en consultant une table d’intégrales de Fourier : il y a peu de cas de figures. Cela dit. il ne faut pas fonder trop d’espoir sur cette conception. c’est une technique parmi d’autres techniques. En théorie des probabilités. aussi allons-nous y consacrer un chapitre. Il s’agit de la transformée de Fourier de la densité de probabilité. Définition et propriétés Soit < une variable aléatoire. 1. Il ne s’agit simplement que du développement en série de Fourier de la probabilite. et si l’on désigne par p(z) la densité de probabilité.I p(z) exp(jtz) dz.

-kdk)(O). n.3. 1. k=l 326 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. pk=j pour k = 1. . . compte tenu de la relation : M[exp(jt<)] = 2 j” vtk + M[&J?+~] &. . a?. On peut donc calculer les moments pk = M[zk] à partir des dérivées de la fonction caractéristique de la variable aléatoire. . .(t) qui est le produit des fonctions caractéristiques de chacune des variables aléatoires indépendantes El. . 1. .2... Propriété de la fonction caractéristique La somme des variables indépendantes : t = El+12 + . Calcul des moments Considérons le développement de exp(jtz) : k=O si les moments pk = hf[xk] existent pour k = 0. .1. ... . ?Dz(t). 12. on trouve : po = <f>(O) = 1. 2. . +Ch)]= fihl(eXp(jtxk)].2. on peut alors écrire : avec : Ainsi. n+ 1. alors. k=O . +En a une fonction caractéristique de la forme : CD(t) = @l(t) . Théorème (sans démonstration) Une distribution de probabilité est déterminée d’une manière univoque par sa fonction caractéristique. . Cela découle de la relation de définition : M[exp(jtz)] = M[expjt(zl + x2 + . 1. In.

admettra comme fonction caractéristique (après changement de variable) : +CO J -00 p(x) expj:t dz = -00 J p(z)expjhzdz=@ ce résultat étant obtenu par application directe de la définition.lorsque n est grand devant 2n 0n t. Si par hasard @ 4 admet un développement du genre 1 . 327 t2 .5.2. + x. Dans le même esprit. Ic = 1.cx . La transformée de Fourier inverse va transformer ce produit simple en un produit de convolution. En particulier. [ ( )1 Q i . on s’intéresse aux logarithmes de la fonction caractéristique : Q(t) = l%P(t)l.ct> dt -cc +Y expression dans laquelle &(t) est la transformée de Fourier de @k(t).21..t) . n. .4.) n admet comme fonction caractéristique : Dans bien des cas. 1. Cas particulier de la somme de deux variables indépendantes La fonction caractéristique de la somme de deux variables indépendantes est donc le produit de chacune des deux fonctions caractéristiques.. Quelques autres propriétés importantes Soit une variable < de densité de probabilité p(z). ayant la densité de probabilité np(ny). la fonction @(t) s’écrit : e(t) = nlog. La fonction caractéristique de cette variable s’écrit donc : +‘X a(t) = J p(x) expjzt -m +CO dz. La variable [In. LA FONCTION CARACTÉRISTIQUE 1. la moyenne < d’une somme de variables indépendantes de même densité de probabilité p(z) : 2 = I(x1 + x2 +. @z(t). . nous obtenons : P(X) = / rI. dans le cas de la dernière variable [. on aura toutes les chances de montrer que 5 obéit à une loi gaussienne puisque la fonction caractéristique sera gaussienne. soit : a(t) = a+(t) .

c. 0 si y E (0. : Il s’ensuit que les variables (32 ont une densité de probabilité de la forme Y Pj(Y) = & exp C--l 2 &(Y) = 0 Compte tenu de ce que : +oO l?(z) = J tz-’ exp(-t) dt (fonction gamma). qui sont toutes les deux normales (gaussiennes) centrées et réduites. +co) si y E (-co.+oo). b. gaussiennes centrées réduites.6. Donner la fonction de distribution de 7 = <i + <a. qui est la somme des carrés de variables aléatoires. puis la fonction caractéristique de la variable 7 = [i + [2. Généraliser le calcul précédent du §b en considérant la variable puis en déduire le théorème d’addition des moyennes (écart type élevé au carré). On désigne par ml et m2 les moyennes respectives et par g1 et 02 les écarts quadratiques moyens. Calculer la fonction caractéristique de chacune d’elle. puis la distribution. &(Fijij 328 . + E. et le théorème d’addition des variantes 2.f : +CC pk(x)exp(jtx) dz = +03 1 y/- J 0 +oO xp1j2 exp(-x) dz = I’(1/2) 1 = (1 . de la variable aléatoire : xi = l$.2jt)-i’2.2. En déduire la fonction de distribution de q. Chacune de ces variables gaussiennes variables à une densité de probabilité de la forme : T~(X) = &exP X2 2 c--j avec x E (-co. on obtient la fonction caractéristique de la variable <. La distribution du x2 On se propose de rechercher la fonction caractéristique.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. Soit deux variables aléatoires indépendantes & et &. + .O). indépendantes. + E. Exercice a. Les variables indépendantes sont toujours gaussiennes mais ne sont plus centrées réduites. .

Éléments de bibliographie 2+r(7+) x n/2-1 exp ( -. Dunod.2jt)-“‘2 pour t t (-00. avec 1 A = 2’W(n/2) d’où l’expression de la distribution du x2 à n degrés de liberté : 1 dx) = 3. 329 . LUKACS (1964) Fonctions caractéristiques. ROZANOV (1975) Processus aléatoires. +co). +oo). Krieger publishing company. PETIT (1995) L ‘outil mathématique. Robert E. à n degrés de liberté : ca(t) = (1 .. Y.2jt)-1L’2 A étant un coefficient de normalisation. VENTSEL (1973) Théorie des probabilités. il n’est pas utile de calculer la transformée de Fourier inverse.21. 2> M. LA FONCTION CARACTÉRISTIQUE Il s’ensuit que la fonction caractéristique du xz. Pour obtenir la fonction de distribution. Moscou. Masson. H. Éditions MIR. FISZ (1980) Probability theory and Mathematical Statistics. E. Donc la densité de probabilité du xi s’écrit : pour I : E (0. Moscou. Éditions MIR. pour cela il suffit de remarquer que : +CC A s 0 $14-1 exp exp(jtz) dx = (1 . R.

tandis que la loi de répartition s’écrit : Ln(z) 1 x = 2n/2r(n/2) J 0 n/2-1 y e x p -y ( 2 > dy pour 2 E (0. il s’agit alors de la loi du xi à n degrés de liberté. Lorsqu’on aborde l’étude de la corrélation et de la régression.I 0 P-l exp(-t) dt. 331 .... La densité de probabilité de la loi du xt à n degrés de liberté est donnée par l’expression : 1 pn(z) = 2n/2r(np) &2-1 exp -z ( 2> pour z E (O..st.._” .+ca). nous allons effectuer quelques rappels concernant la fonction I’(z) (fonction gamma ou fonction eulérienne de deuxième espèce) qui est étroitement liée à la loi du xi : r(m) = (m .1) fi 2’” +CC ryz) = . .:.l)! lY(1/2) = fi I?(n + 1/2) = et : 1 x 3 x 5 x .-.._::= ::. La loi du xi Nous avons établi au précédent chapitre la loi de distribution d’une somme de n variables gaussiennes centrées réduites.“‘“-.. (2n . et la loi de Student L’étude des critères de conformité va nous conduire à étudier la distribution d’une somme des carrés de n variables gaussiennes indépendantes (centrées réduites). 1. Ce chapitre est donc destiné à la présentation desdites lois qu’il convient de bien manipuler pour exploiter correctement les données expérimentales.:_s. l’évaluation des intervalles de confiance conduit inévitablement à l’étude de la distribution de Student qui est la distribution d’une variable gaussienne (centrée réduite) divisée par la racine carrée de la moyenne d’un ~2 à m degrés de liberté.-. indépendantes. ces deux variables étant indépendantes.-i. élevées au carré et nous nous proposons d’en étudier les principales propriétés. +co). Auparavant.22 La loi du x2 .

edpsciences.com/guilpin/ de tabuler la loi du xfT. h qui permet degrés de liberté. on obtient : 0 1 cc (2u) n’2-1 exp( -u) du = ~ s u7’/2p1 exp(-u) du = 1 r(nP) 0 1. on a donc : e x p -i dy.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. 2n/2+2r(n/2+2)= = 2+qn/2) Comme on a : D (X~L) = on en déduit : m2 (xi) ~ M2 [Xi1 ? D (xn) = 2n.1. > dy. On donne sur le Web(*) 1 e sous-programme khi2.2r(11. le même changement de variable que celui effectué dans le paragraphe précédent permet d’écrire : d’où : 1. Calcul de la valeur moyenne Nous voulons calculer la moyenne de la variable xk : 1 "(x3 = p/2r(n/2) m s yy 0 71/2%1 exp ( -. Vérification de la normalité de la loi Il s’agit de calculer L. à m .3.(w). on calcule le moment d’ordre deux que l’on note x m2 m2 : y (xi) = 2TL.2) 1 s 0 0 (m+L)m. *http://www. Calcul de la variante D (xz) Au préalable. ( 1 0 Effectuons un changement de variable u = y/2.2.

r4. en faisant n = n + m dans les relations établissant la loi du xi dans le paragraphe précédent.. à m degrés de liberté en variable centrée reduite.n + rrl). LA LOIDUX~ ET LA LOI DE STUDENT 2. Il est aisé de généraliser : Théorème ..2] Y(“+“)‘2-1 -4) ((!J j on en conclut que la distribution d’une somme de deux variables indépendantes obéissant chacune à une distribution du x2 respectivement à n et m degrés de liberté est encore une distribution du x2 mais à m + n degrés de liberté.66. +m) . Distribution d’une somme de deux variables aléatoires indépendantes obéissant chacune à une distribution du xi On considère une variable 0 qui est la somme de deux variables aléatoires indépendantes obéissant à une loi du x2 l’une à n degrés de liberté. 3. P(Y) = 2(“+. en rappelant que M[x] = m et D[z] = 2m (cr = 6) : x .21. l’autre à m degrés de liberté : La fonction caractéristique de 0 est donc : alors.22.Une variable qui est la somme de m variables aléatoires indépendantes obéissant chacune à une distribution du x2 obéit encore une distribution du x2. on en déduit : +oO A avec p+"")/2-1 J’ exp exp(jtz) dz = (1 ~ 2jt) P(n+7n)/2 1 A = 2(‘r”+“1)/2r[(n Il s’ensuit que la fonction de distribution s’écrit : + m)/2] .m y= on obtient : Pm(YY) = J%i’ 6 2”12r(m/2) (Gy + m)mj2-1 exp i 333 . La loi du xk à m degrés de liberté tend asymptotiquement vers la loi de Gauss quand m tend vers l’infini Exprimons la loi du xz.

quand m tend vers l’infini : log. Comme indépendantes nous avons : PT(t) =Pc(x) .[p.y log.(y)] = Cste + : log.(y)] d’où : avec A On reconnaît la loi normale réduite. P our cela on va rechercher la répartition PT(a) pour que f(z. on peut convenir que ces fonctions sont définies sur (-ca. L ( y > + y . tous calculs faits. A priori et sans nuire à la généralité.floge ( m-2 2 > m-2 m-2 +. PV(Y) dx dy. = Cste .. ~~(y) étendue au domaine f(z. SS f(z..v)<a 334 . y) < 0. On désigne par J+(X) et ~+(y) 1 es fonctions de distribution de ces deux variables.PTl(Y) les variables sont On cherche à expliciter p7(t).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Passons aux logarithmes : log. Soit : PT(a) = P&$ .(2) .f. y) < (Y. = & 4.[p.F log. Cette répartition ne sera rien d’autre que l’intégrale de pc(z) . Nous avons donc : et nous voulons obtenir la distribution pT(t) de la variable aléatoire T.(m) . Distribution d’une variable aléatoire fonction de deux variables aléatoires indépendantes On considère la variable aléatoire r qui est une fonction de deux variables aléatoires indépendantes x et 7.loge(m) + 2 loge 2 lf1J m i 2 F en remarquant que : log. ( 1+* 1 =-jL$+. +a).

ï PE(U. > -00 Application au rapport de deux variables indépendantes .1. dans ces expressions.La variable Q est donc un rapport : Q = XlY.2. le jacobien de la transformation devient : 8(Xc.p. intéressant à savoir : 2) = Q(y) Le jacobien de la transformation s’écrit : alors on effectue un changement de variables très et x = UV. v) . Cas particulier no 1 Dans le cas où l’on peut écrire z = c&(y). v) P. L A LOIDU x2 ETLA LOIDE S TUDENT 4.. s s -CO -00 Remarque importante . 4.P.v dans ce cas.(o) devient : a P. [W’(v)] # du = ] pt(u) du.(+ du . .(v)v du. Ainsi.P.Y) =v -=21 21 Lqu.(Q) = s -cc du +CC s -ca P~(U. alors on effectue un changement de variables très intéressant à savoir : v = @(y) et 335 x=u+w. seule. et l’on effectue le changement de variables : y=v et y=u.~) . P. +03) : II&4 = +j%d .v) 0 1 / / d’où : CY PT(a) +a = du PE(U . -cc En effet une densité de probabilité ne peut pas être négative et.Il convient de prendre garde aux signes de la distribution au cas où la variable q de distribution ~+(y) est définie sur (-oo. la variable u change de signe en franchissant la valeur zéro.(V)V du.22. Cas particulier no 2 Dans le cas où l’on peut écrire z = Q: + Q(y).

336 . 5.+oo). Il sera aisé d’appliquer les résultats du paragraphe prccédent lorsque nous connaîtrons la Pc(Y) = & exp distribution p.Donc la variable cv est une somme. La distribution de Student (W. Il) 0 1 = -=l l 1 -00 JJ dv -cc +CX P~(U . on a alors : a!=x+y on effectue alors le changement de variables : y=u et 2=7l-U dans ce cas. Gosset) (1876-1937) C’est la distribution de la variable aléatoire : expression dans laquelle < est une variable gaussienne centrée réduite (indépendante de x2) de loi de distribution : Y2 2 (k).(v) du. le jacobicn de la transformation devient : 8(X> d’où : PT(Q) = N 1 -1 Y) qu.(y) de la variable q = de variable : Il convient pour ce faire d’effectuer un changement x = my2 pour x E (O.P~.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Le jacobien de la transformation s’écrit : 1 8(X> Y) a(? u) =O 1 1 1 Tvdv dy dy Ainsi. PT(a) devient : Application à la somme de deux variables indépendantes .~1 . On retrouve le résultat que nous avions établi à l’aide de la fonction caractéristique.

d=wml2) -00 337 .)] d y . v) P. soit : exp (-$1 La distribution devient donc p. Vérification de la normalité de la loi Il s’agit de calculer R. en définitive.] -h+l)P dt. +co) 5. LA LOIDUX~ ETLA LOIDE STUDENT On peut écrire : y = !D(z) LG = Q(y) W(y) = 2my. on a donc : .(y) = p[Q(y)]V(y) P.+i h.1. o soit Y ’ m 2u m ) ( ion trouve alors : m7n/2 m&G2’n/2-1r(m/2) +CC s 0 l+c p7n(t) = 0 la quantiti: sous le signe s n’est rien d’autre que I’[(m + 1)/2]. on trouve : p (t) = r[(m + 1)/2] m *l?(m/2) t 2 p(7n+1)‘2 ’ + ii 1 [ pour t t (-cm. La distribution pm(t) de la variable t s’écrit alors : (my2)7rL/2-1 exp (-$1 2my = 2”L!J~1~m.(Y) = 2m.(co).(v)v du = mm/2 dz+“+T(m/2) x exp on pose : mm/2 &G2m/2-11T(m/2) Tymexp [-“” (I+ .(m) = Y(m + 1)/21 J’>o [l + .2) pour 2 E (O.2)y”“P1 +CE Pm(t) = J’ 0 p<(t .+m).2r(m.~.22..

. il suffit de poser u = y2.I[l + u](m+l)P expression dans laquelle B(z.um + 1)/21 +co 6rw) o Les mêmes changements de variable utilisés pour vérifier la normalité de la loi conduisent aux résultats suivants : J[ 1+g 1 t2 (m+l)/z dt* D(x) = m fir(m/2) $???) m 1 m 2m=-----’ m-2 .2 m -. y) est la fonction eulérienne de première espèce qui s’écrit : donc : *m(m) = mm + l)Pl r(wr(w) = 1.(a) = . nous obtenons : *. ainsi du = 2y dy et l’intégrale se transforme : 1 du= r[(m+1)/21B 4z(m/2) 1 m+l 2’ 2 J. r[(m+1)/2] /m . Calcul du moment du deuxième ordre Il nous faut calculer : qt. = .1 2 On en conclut que : (T= Jl(m + 1)/21 r[(m + 1)/2] r(3/2)r(m/2 .3.1) =m fir(m/2) .2. Calcul du moment du premier ordre Le résultat est nul car la fonction sous le signe somme est impaire. 33% .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Posons y = et. 5.rb + 1)/21 +cc &r(m/2) Jz(m/2) o sb+ y J- 2 (m+1)/2 dy = 2rKm+ 1)/21 +O” -1 o Jy y [l +y 1 2 -(m+l)l2 dy maintenant. firw) ’ rb + wi 5.

La fonction caractéristique de 7. 2 + 2 .. n)K.2 m ..~ log. s’écrit : le produit des fonctions caractéristiques donne une fonction que l’on peut écrire d’une façon simplifiée : A(m. 2 .com/guilpin/ 339 . 2 2 ( > ( > ( 1 . 1. h qui calcule les valeurs de la distribution de Student quel que soit le degré de liberté m.2(x).1og.1og. Soit T = em + qn une variable aléatoire somme de deux variables aléatoires indépendantes obéissant chacune à une distribution de Student respectivement à m et degrés de liberté. Nous avons (en prenant la transformée de Fourier réelle car la distribution de Student est symétrique) : n qt) = 2rlKm + 1)/21 +sca cos(ty) &r(m/2) fir(m/2) o [l + y2](m+1)/2 dy Km’2(t)’ qt) = . La densité de probabilité s’écrit : rb + WI 29m(x) = fir(m/2) ’ 1 + 2’ [ m 1 (m+l)P ’ En passant aux logarithmes.l m . il suffira d’effectuer un développement de MacLaurin (au voisinage de zéro). 6.22.2(x)Kn. LA LOIDUX~ ETLA LOIDE STUDENT On donne sur le Web (*) 1 e sous-programme student . 7.+ .2 m + l . M a lh eureusement. Soit (a(t) la fonction caractéristique de trn.f loge(m) *http://www. 2 2 m .l ( > ( > m ... La distribution d’une somme de deux variables aléatoires indépendantes obéissant à une distribution de Student est-elle encore une distribution de Student? La réponse est non.2 m-2 m .l m . on trouve : log.wm + 1)/21 ’ Z ’ r m ( 1 Xfi + 2 1 1 expression dans laquelle Km. le produit de deux fonctions modifiées de Bessel n’est ni une fonction modifiée de Bessel ni une somme de deux fonctions modifiées de Bessel.2(2) est la fonction modifiée de Bessel de troisième espèce.edpsciences. La loi de Student à m degrés de liberté tend asymptotiquement vers la loi de Gauss quand m tend vers l’infini Comme la loi est symétrique.-log. il s’ensuit que la transformée de Fourier inverse n’est pas une distribution de Student.l .(x)) = Cste + 2 1% 2 m .(6.

H. Éditions MIR. L OGOTHETIS (1986) Probability distributions. AÏVAZIAN (1970) Étude statistique des dépendances. m-1 ~ ~ . Dunod. Wiley.ilO& (Y) +1og. Moscou.$ expression dans laquelle K est une constante numérique que l’on détermine par normalisation de la distribution. LUKACS (1964) Fonctions caracté%tiques.(W . Moscou. ( > = Cste + ~log~(~)~~log~~[‘ini-. h%(m) (m . VENTSEL (1973) Theorie des probabilités. 340 .~)]-~log~(l+~). V.2> mfl . la loi dc Student tend vers la loi normale.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ soit encore : log. (F) + ilog. on peut écrire : h. On pourra aussi s’en convaincre en consultant directement les tables numériques. ROZANOV (1975) P rocessus aléatoires. 8. Y. Moscou.(%(~)) = log. E. ROTHSCHILD et N.(z)) = Cste + F log. Éditions MIR. On en déduit : I~~(Z) ===s K e x p -g ( ) On reconnaît la loi normale et par conséquent la constante K vaut & Quand le nombre de degrés de liberté croît. Éléments de bibliographie S.(G. y> .2 1% 1+. Quand m est grand devant l’unité. Éditions MIR.

Désignons par 4(t) 1 a fonction dc rkpartition de la variable aléatoire X toute seule.q) = P(X < E. il n’en est rien et il convient de tenir compte de leur interdépendance. page suivante) et cela revient à dire que F(I. 341 . la probabilité de vérifier simultanément les deux inégalités : X<C e Elle est définie par l’expression : t Y < q. . ces propos se généralisent au cas de 7~ variables aléatoires X1. X. 23. 7) est la probabilité de se trouver dans le quadrant hachuré de la figure c-contre.oute seule. dont le point figuratif appartiendra à un espace à T-L dimensions. JqE. . L’apport essentiel de ce chapitre sera l’étude de la matrice de covariance ct de la matrice dc corrélation. Bien entendu. X2.1. Définition On appelle fonction de répartition d’un système de deux variables aléatoires X et Y.1. Généralités Il s’agit de gén&aliser un certain nombre de notions afin de les étendre aux systèmes de plusieurs variables aléatoires ct plus spécialement aux systèmes de deux variables aléatoires qui vont retenir notre attention lors de l’étude de l’analyse de corrélation-rCgression. 2. 2. .1 23 Systèmes à plusieurs variables aléatoires 1. ct par $(q) 1 a fonction de répartition de la variable aléatoire Y t. Système de variables aléatoires. Fig. Il est alors tentant de penser que les proprii:tés du système dépendent uniquement de celles de chacune des variables .Y < rl) (cf. fonction de répartition On considère deux variables aléatoires X et Y qui pourront éventuellement fîgurcr l’abscisse et l’ordonnée d’un point du plan. .

F(b. 7) 1. à deux dimensions.1. r/) = F(-CO. B. Cette probabilité peut s’exprimer en fonction de F(z. Il s’agit en fait de trouver a < cy < b et c < 0 < d qui représente la probabilitk de tomber dans le rectangle : P(cq p) = F(b. y) qui à son tour s’écrit comme une intégrale double : z F(?Y) ?4 f(w P) da d/J. +m) = 4(E) F(+mrl) = v477) F(fc0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Y l Figure 23. 5. C et D les quatre sommets du rectangle dont les côtés sont parallèles aux axes.P). F([. 2. +oo) = 1. 3. C’est une fonction non décroissante des deux arguments : s i <>a si 72 P =+ F(E.c) D = (qc). F(E. d) ~ F(a. Propriété de F(g. 2. 2. p) appartienne à un domaine rectangle parallèle aux axes Soient A. -CO) = F(-CO. Probabilité pour qu’un point aléatoire (a.3. = SJ’ -00 -00 342 .d) c = (b. 7) 2 F(c-u> VI ==+ F(t. 4. c).2. A = (a. v) 2 F(rl. d) B = (b. Fonction de répartition. -CO) = 0. c) + F(a. d) .

mo. Soit : f(ylx) = ‘$(y) En revanche. Dans le cas contraire on dit qu’elles sont dépendantes ou liées. on dit que les variables aléatoires sont indépendantes.1. coefficient de corrélation Par définition lc moment non centré d’ordre (k. Le problème fondamental est dc savoir quelle est la dépendance mutuelle des deux variables (ou l’absence de dépendance).j 343 .5 = ïbf[x”y”]. Autrement dit. soit encore : f(T Y) = 4(x)+(Y).23. On peut encore écrire : rnk. et l’on écrit : 1*1k.s = y ~X~y. La dépendance de X et de Y est mie propriété mutuelle des deux variables. quel que soit 2. on a : f(~Ix) # $(Y) pour tout 2. y). la fonction de rkpartition f(z. covariance. Caractéristiques numériques. car la loi de répartition de chacune des variables ne dépend pas des valeurs prises par l’autre. si : f(ylz) = $(y) cela entraîne f(ziy) = d(z). si f(z..r). Quand X et Y sont des variables indépendantes. est le produit des fonctions de repartition de chacune des variables X et Y . Y est l’espérance mathématique du produit ~?y’. 4. SYSTÈMES À PLUSIECJR~ VARIABLES . On peut dire que deux variables sont dependantes quand elles ont une tendance plus ou moins marquée à varier simultanément..~L&~T~Hw~ 3. On dit que la variable aléatoire Y est indkpendante de la variable alkatoire X si la loi de rkpartition de Y ne dépend pas de la valeur prise par X. Réciproquement. cela constitue un critère pour juger de l’indépendance des variables. alors les variables aléatoires X et Y sont indépendantes et. Le moment centré s’écrit : en désignant par x0 et y0 les variables centrées : xO=x-mlJ Y0 = Y . Variables aléatoires liées et indépendantes Rcvcnons au cas de deux variables aléatoires X et Y. s) du système de deux variables X et. Dans ce dernier cas. si Y dépend de X. y) est le produit de deux fonctions indépendantes C#I(Z) et $(y).

1 = M[x”y’] = M[x] = M[:I/] et D. décrit la liaison de X et de Y. il s’agit de la covariance que l’on krit : Ce moment mixte K.Non seulement Kc.0 = Af[xlyO] m 1/ = rn(j. = mz.y reste faible même si X et Y sont i%roitcment litcs.s = .. on a alors : +CG K X.q.î ~ mi. Remarques importantes a . cy = yj).] = D[y] = 0. porte WI nom particulier. on dkfinit le coefficient de corrélat. D’un point de vue strictement pratique.. indépendantes. c’est-à-dire pour caractériser uniyuernent la liaison des variables.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ expressions dans lesquelles piy = P(z = zi.Y ~ I’ (x ~ m. Autrement dit. Pour pallier cet ennui. Pour ce qui concerne les moments mixtes.oircs alors Krx:. seul le premier .o = M[x$y~] = M[xi] = D[z] = ~7.y = 0.ant ml.1...rl caractkrisc la liaison de X et de Y mais aussi la dispersion dc chacune des variables.5..Z mk. seuls les moments d’ordre 1 ct 2 sont utilisk : soit : m . si une des variables s’karte peu de sa moyenne (faible variante).~ = M[&.: D. Si X et Y sont des variables alCat.joue vraiment un rôle import. y) = 4(z)+(y).)“(y -M 11 ~ mJ.] = M[?/. Ainsi.? = SJ' -x +CL% et pk. puisque f(x. 4.xky.J. S’il s’agit de variables aliktoires continues. = rr~~).y(x. il en résulte we Kz.)qb(x) ~ dz r(g ..)$(r/) dy = 0. 110us écrirons : +C..rées.f(:q y) dz dl/..ion des 344 .).1 = Af[xlyl] dont la forme centrée s’écrit : : ceci est simplement la moyenne du produit des variables akatoircs cent.. y) dz dy (x ~ m.

Dans chacun de ces deux cas.. Attention. pour y fixC: dans le cercle. Quand une des variables croît.1 I T:z. Considérons deux variables alhtoires X et Y réparties uniformhnent à l’intérieur d’un cercle dc rayon R centré à l’origine des coordonnées. Dans le cas dkme relation fonctionnelle linhire exacte. b . si X et Y sont indépendantes.y par l’kcart t. la corrélation étant positive ou négative.. pour toutes les variables prises deux à deux. On définit alors : &. les coefficients sont naturellement les Pléments d’une matrice carrée d’ordre n. X2.. Jm) ou encore si IC = R: y = 0.ype de chacune des variables. mais une relation linéaire. 345 . la proposition réciproque est fausse.. Les variables sont dépendantes puisque.r et og. SY S T ÈM E S À PLUSIEURS VARIABLES ALÉAT~IR~~S deux variables X ct Y eu divisant Kz.23. possible de t. Lc fait que r’s. Y sont des variables indépendantes.Le coefficient de corrélation caractérise non pas une relation quelconque entre deux variahlcs. X. Kz.Jm.rouver IIII exemple sirnple qui moutre que des variables X et Y non corrélées sont cependant dkpendantes.:. Ici encore.y = 0. la covariance et la corrélation SC calculent. Généralisation au cas de plusieurs variables Il n’y a pas de difficultk à étendre ces résultats au cas de plusiews variables aléatoires XI.y r:. Si la loi de dépendance linéaire est quelconque. soit a.r. = 0. La densité de probabilité s’écrit : f(z. Si les variables sont au nombre de n. ainsi. y) = p pour 2’ + y” < R2 e t f(:r. l’autre suit une loi linéaire au sens des probabilités ct le coefficient dc corrélation indique le «degré » de cette dépendance linéaire.l/ soit nul signifie non pas que les variables soient indépendantes mais qu’cGs ne sont pas linéairement dépendantes. .y < +1. Exprimons la covariance : elle est. on a : autrement dit lorsque Y = aX + h. nulle puisque la moyenne de z et. La normalisation dr la densité dc probabilité donne la valeur dc 11 : +CC l= -x JJ +CC j-(x: y) <1:x: dy = -00 JJ pdz d y ==+ p=&. Il est. alors il y a n2 coefficients de covariancc et n2 coefficients de corrélation. y ) = 0 ailleurs. z ne peut pas prendre n’importe quelles valeurs: mais seulement celles comprises dans l’intervalle (. cela ne signifie pas que X ct. la moyenne de y sont nulles.y = d> fl:rclJ on notera que ce rapport est adimensionnel. alors IIOUS avons : . . 5. alors I’. Nous allons démontrer ces résultats au paragraphe 6.y = 0). Si deux variables aléatoires X et Y ont un coefficient de corrklation nul (TT. .

= kfj..1.) est alors donnée par l’expression : et la forme continue : M[g(X. Moyenne d’une somme de variables aléatoires Il 11011s faut calculer MIX A Y] dont. Mlx + y] = C(xiPi) + fJ(yiPJ) ? 11 j=l M[X + Y] = M[X] + M[Y]. k.1. l’expression s’écrit : Or CyT1pii n’est. la variancc de Xi. qui est. D’autre part. 5.) la probabilité pj que la variable Y prenne la valeur yj.. et pij la probabilité pour que X = zi et Y = Y.~n. Matrice de covariance Notons ses éléments /CL.Y) = X + Y e t g(X. y) une fonction de deux variables offrant les bonnes qualit& usuelles de régularitk.. Nous allons utiliser ces expressions en écrivant : g(X.~.~2. elles prennent respectivement les valeurs ~1. Soit g(z.~.Y1. Quelques théorèmes importants Soient X et Y deux variablts al6atoires quelconques.f(x. Matrice de corrélation Notons ses Ckmcnts T.Y 6.S.Y) =X. Elle est évidemment syrnétrique puisque le produit est une opération cornmutativc : kjc.. D’oh les cxprcssions qui suivent : . Y)] = sJ’g(x.. y).Y2. que la variable X prenne la valeur 2. y) dz dy expression dans laquelle ~(CC. p...2. rien d’autre que la probabilitk p. y-.. ? J m .MANUEL DE CALCUL NU&RIQUE APPLIQUÉ 5..i = D.. y) est la densité de probabilité des deux variables aléatoires X et Y. 346 .. La moycnnc dc la fonction g(zi. et Cy=. Elle aussi est évidemment symétrique et : 6. ..

Xi]. = M[X ..y = 0. ?=l 6. Ce théorème est susceptible d’une genéralisation simple : M I1 2xi i=l =CM[X. 347 .3. Après avoir posé 2 = X + Y.. SYSTÈMES À PLUSIEURS VARIABLES ALÉATOIRES On démontrera évidemment le même théorème en ce qui concerne les variables continues. Si les variables sont indépendantes.]. Y] ~ m. = X” + Yo.m. Insistons sur le fait que cette relation est indépendante du fait que les variables aléatoires soient indépendantes ou non. Variante d’une somme de variables aléatoires Nous allons calculer D[X + Y]. nXi = i=l fiM. M[X . Y] ~ mEM[Y] .)] m. K z. = M[X .. = M[X] Le développement de l’équation donne : et m. On obtient alors les expressions suivantes : D[X + Y] = D[Z] = M [Z. On note alors que la variante de la somrne de deux variables aléatoires est la somme et de leur variante respective augmentée de deux fois la covariance.) (Y . ii... Y] = M[X]M[Y] + Kz.m.. Ici encore il est intéressant de généraliser à une somme quelconque : Li=l r n J %=l i 7L n Li=l 1 i=l j=l et l’on remarquera que la variante de la somme de variables est égale à la somme des variantes de chacune des variables si celles-ci sont toutes indépendantes. = M [X.u. on passe aux variables centrées que l’on indice avec un zéro : 2. Moyenne d’un produit de variables aléatoires Il nous faut calculer M[X Y] dont nous obtenons l’expression à partir de la covariance : Kcz.M[X] + m. = M[Y].m.] = M [Xi] + M [Y.2. et la moyenne du produit est égale au produit des moyennes.m.23. 6. Kz. On généralise ce théorème au cas d’un produit de n variables aléatoires indépendantes : M = M[X Y] ~ M[X]M[Y] I1 i=l 71. Y”] = M [(X ~ m..] + 2M [XoJ$] = D[X] + D[Y] + 2Kz.

.y)(m~.J.y)2..)] b b am. Y] + (m. D[X.Yo] En remarquant que my = ~TL.$z.. 61 = D[&l D[yOl. L)[X. ou peut écrire : D[X .4. Puisque X et Y sont des variables independantes.M[Z] + K:..~rn.m. Variante d’un produit de variables aléatoires Il nous faut calculer D[X .) . Dans cette dernière expression. en tenant compte du fait que KL.?J = MIXo. or1 obtient : D[~O...7. + Kz.] = M [(Z .m. Kz. Y] = rr~..)2 + Kz.y)M[X = M [Z”] ~ mi = M [X”Y”] . = M [(X - m. Y] = M[X’]M[Y”] . + Kz.m.Jz] avcvcc m. à partir de la covariance on peut Ccrire : K x.m.m. il en est de même de X2 et Y” .2m. .D[Y] + rniD[X].2(m..1. 7. on voit apparaître la covariance.m.y)2 = M [X”Y”] ~ 2(m. .M[X] + arn~ Reportons cette valeur dans l’expression du coefficient de corrblation : Il reste à exprimer gy : On en conclut que T. ~ b)] = uM[X”] ~ mn.Y] =M [Z” +m..~ = +1 si a est positif et -1 si a est nkgatif..~ + = M [(X ~ 7~) (Y ~ m.. Y] = M [X”Y”] ~ (ml. la dernière expression se simplifie.M[X] - nm. pour cela posons 2 = X Y : D[X Y] = D[Z] = M [Z...MANUEL DE CALCUL NTJMÉRIQUE APPLIQUÉ 6.II = 0. Y] = D[X] D[Y] + ml. Propriétés du coefficient de corrélation (démonstrations) Si les variables aléatoires X et Y sont liks linéairement : alors le coefficient de corrélation vaut *l.) + (m..y + K. En effet..2m. alors. soit : Si les variahlcs sont centrées. 348 .Z] = M [Z”] + mz . Dans lc cas particulier où les variables sont indépendantes.q + K~~. + K. (nX + arnz = uM[X2] - = aD[X]. Y].c~r~~y D[X . = M[X .

. W . A... calculons la variance dc la variahlc 2 = aX + bY. Armand Colin.. puis a = CT~ et a = -D~. Éléments de bibliographie E.r. * ~:r~yKr.2c‘s. clic s’écrit. VENTSEL (1973) Théorie des probchilités. + 2a. H . H. HURON (1962) Probabilités.L. Faisom à prksent b = CT. : D[Z] = D[aX + bY] = a”D[X] + b’%[Y] + ZnbK. R. 12’ klition.]. À cet. tenu du fait que D[Z] > 0: nous devons avoir : . EDWARD~ (1984) A n i n t r o d u c t i o n t o lénear rqression ad çorrelataon...!. Moscou.. Emxm.[l h r. FISZ (1980) Probability theory and m. B~REL. Cornptc = 2+.y L 0 ce qui s’krit encore : et par conskqucnt : 8. Éditions MIR. M. il s’agit de montrer que ~T~. DELTHEIL et R. Paris.. nous obtenons : D[Z] = 2a:a.athematical statistics.~I 5 1 quelle que soit la liaison entre les variables aléatoires X ct Y.&.te fin. Frecrnan.o. 349 .ra. Krieger. S YSTÈMES À PLUSIEUHS VARIABLES ALÉATOIRES Maintenant.

par exernple. Il ~KIL~S faut donc définir cc qu’est une population parente.24 1 Critères de conformité 1. La variable aléatoire < attachée au lancement prend les valeurs zéro et 1111 tandis qu’il y a 216 configurations ou observations possibles. 135 configurations donnent. 351 .out.ain lot : bien d’autres conditions peuvent influencer la dispersion : l’cxpkience du tireur. La loi est propre au système qui est soumis à un ensemble de conditions rkcllcs d’observations. la mf%orologie. Les conditions sont donc constituées par toutes les feuilles de tous les arbres du parc. l’on s’intéresse ri. Donc mie population parente est définie par des objets sur lesquels on pratique la mesure d’une certaine grandeur. on peut s’intkresser à la longueur des feuilles des arbres d’un parc. à ccllc-là... Une certaine mesure effectuée sur le système est alors caractériskc par la variable aléatoire <.ant de tester la validité des hypothèses formulées lors de l’ktude d’une population parente.ive dc trouver l’événernent J: dans l’intervalle AZ. d’autre part la mesure effectuée est sujette à des fluctuations incontrôlables .oire touchant aux mesures effectuées sur Mit système. Généralités Cc chapitre a pour objet. elles peuvent être mesurées au millimètre près. c’est-à-dire de la loi permettant d’obtenir la probahilitt object.ions une somme supérieure ou égale à 12. en nombre fini. on jette trois dés dc couleur différente mais par ailleurs parfaitement identiques. Par exemple.es les feuilles de tous les cherles du parc ou encore toutes les feuilles dc tous les peupliers. Il faut bien noter que l’ensemble de toutes les observations (réalisations) possibles est. D’une part les objets sont trPs bien définis (ensemble de conditions) et. Les valeurs possibles de la variable aléatoire X seront. Toutes les feuilles ainsi définies constituent une population parente. On appelle population parcntc l’ensemble de toutes les observations possibles qui pourraient Ptre réalisées pour un système soumis à 1111 ensemble de conditions. Une autre population parente pourra être t. il est assoc? une variable aléatoire. accompagnée de sa distribution p(t). une somme inférieures à 12 et 81 configurat. L’étude du caractère stochastique d’un système réel (physique) conduit à l’étude dc la loi de distribution dc la dispersion aléat. en conséquence. Par exemple. d’un point de vue pratique. l’étude de critères permett. diffkrent de l’ensemble des valeurs possibles de la variable aléatoire <.. on peut kvoquer la dispersion du tir d’url certain canon alimenté par des munitions d’un cert. À chaque valeur fixée de < correspond plusieurs voire lule infinité d’observations possibles . et. la somme présentée par les faces supérieures : on compte zéro si la somme est inférieure à 12 et 1 si la somme est supérieure ou @ale à 12.

De facon pragmat. L’aboutisscrnent de la rechcrchc des éléments stables sera donc urlc loi qur l‘on dira stochastique par opposition à loi causale. Au cours de ce cha. IIE: C A L C L I L NTJMÉRIQUE APPLIQUÉ Gk&ralemr:nt les populations parentes étudiées sont finicy mais on est.c : 1.al l’échant~illon. 5. Une fois obtenue la rcprésenta.t lc nombre TZ d‘observations constituant l’échantillon est appc~l6 la taille dc l’échantillon. etrc intl6pendant drs autres. c. on trouve le programme histog . c’est cc qu’on appelle l’indépendance stochastique. on rcclierclie la borne infkkurc z.ntjillon ohbit. « raisonnahlcrncnt » rendre compte de 1s loi c~xpbrimcntale obtenue. 2. Représentation des données numériques. de l’khantillon doit être fa. on compte dans chaquc~ sous-intervalle le nomhrc~ rn+ d’individus qui y tombent La courbe représentative des rrl. Pour ce faire on va procbdcr à une reprtkentation graphique des données groupbes que l’on obtient en comptabilisant le nombre dc donn~cs appartenant à ur1 petit intcrvallc..2. on op?rc de la manière suivant. La dispersion dc la mesure obtit. On retrouve ici une g~ntralisation dc la notion d’incertitude en physique. ct cela 2. Un échantillon est un prélèvement fini à l’intk-icur d’une population parente. on verra corriment contrôler la qualit dc 1‘Cchar~tillon prélrv6.tion de la dcnsit. la borne sup~ricurc x.~ dc l‘ensemk~lr nous définit l’intcrvallc de représentation notC 1 . Histogramme On se trouve cn présence d’un échantillon dc taille N prelevé au hasard dans une certaine population parcrite.. À partir de cettcl rcpr6sentation.k tic probabilitb. Cette notion peut alors SC r@vPler commode dans l’tlahoration d’une théorie matliCmat.VUli’l. tenté d’imaginer des populations parcntcs infinies qui sont des extrapolations pour ml nombre infini d’observations possibles.pit. elle donne urlc rcprésenta. }.k al&toirc apparaissant dans la si:ric finie des mesures.h~A. laquelle accompagne irkvitablement la réalisation de la mesure. Il est.k cn fonction de k s’appelle ur1 histogramme. Ceci signifie corrblativement que l’on cherchera aussi à.edpsciences. Sur le Weh (*)... nous allons chcrchrï à déterminer les propriétés réellement stables qui caractérisrntj le phbnornène étudik. r> + 1..com/guilpin/ 352 . une loi stochastique ~ la plupart du temps gaussienne. *http://www. Stochastjique est 1111 mot d’origine grecque ~~ 0 oro~ctor+ ~ qui signifie lc dcviq celui qui coqjrcturc. on divise l’intervalle 1 en k sous-intervalles égaux de telle sorte que k soit.. Le pri?lèvement.iclue. des {z. 3. l’échantillon @tant caract&isé par un ensemble de mwurcs que l’on note de connaître la loi dc distribution à laquelle oKit { X i } i = 1.lf et. ou peut obéir. fondament.tion de la densité de probabilité 2 laquelle l’écha. Pour cr~la~ on peut utiliser la règle approchée : k = log.ique.re.it au hasard ct chaque éléments de l’échantillon doit. on rechcrchc III~~ cxprwsion analytique pouvant. bliminer tout le côt. compris cntrc 8 ct 25. c qui réalise 1’histogr~~mnIc d‘une série de nombres al6atoircs à distribution gaussienne. 71.

cl. on doit alors rejeter l’hypothbc H. Après avoir détermini: la valeur numérique ‘II: on calcule la probabilité pour que la variable alkatoire U puisse effectivement dépasser V. l’unité.23. C R I T È R E S D E C O N F O R M I T É 3. Si l’hypothèse est correcte. statistique. on veut savoir si l’on peut ou non adopter cette hypoth&e H et avec quel degré dc wrtit.)” que l’on pondère par lc coefficient ci. ci tient compte des valeurs relatives des écarts quaclratiqurs a ap. Désignons par z: la valeur particulikc prise par la variaMe albatoire U dans une expkicncc bien dét. En effet j la représentation de la loi expi:rimentale est int. = o/p.ion de U dkpend de la rkpartition dc 2. donc de clkfinir une mesure de la conformité que rien n’empkhc d?s maintenant de désigner par U.léatoirc Ctudiée :I. c’est-k-dire proportionnel à l/pi. pour n grand devant.. Un autre Cchantillon donnera une loi expi:rimentalc plus ou moins diff&cnte. Il se trouve fort heureusement que. Force est de remarquer que U est une variable albatoire dout la loi de rkpartition sera u pr%ori lik à la distribution de la variahlc a. Donc.imement li& à l‘échantillon bt. mais cela n’tst pas aussi simple que les apparences lc montrent. Nous allons voir deux mesures de U. l’importance étant plus grande si api est petit. elle apparaît alors comme peu vraisemblable. et surtout avec quelle probabilité. Ce prohkmc devient caduque si l’on 6tudic toute la poplllation parcnt. ainsi qu’un suivant.udié. et lc problème dc fond consist. prol)al)ilitP r~xpérirncntale de tomber dans le mkne intervalle. Soit P cette prohabilitb. alors. La recherche d‘une loi thborique consiste donc à forrnulcr une cert~ainc~ hypothk H c:t) l’or1 veut savoir si cette hypothèse est conforme aux donnk:s rxpérimcntalw En fin dc compte. rt.ille 1) dr: l’échantillon.ale et de la loi théorique rcposc uniquernent sur la taille restreinte de 1’~chantillon (nombre rbduit d’observations). indique alors urle diff&encr essentielle entre les deux répartitions thkorique ct. il existe des karts entre la loi expérimentale et la loi thknique. 6gal. il n’y a plus qu’une sculc loi expériment. Le xide Pearson (1857-1936) On désigne par pi la probabilité théorique de t. 353 . dans certains cas: la loi de rkpartition de U a des propriktk simples: et. examiné la répartition cxpérimerkalc~ on est en nicww de pressentir une loi analytique susceptible de reprksenter théoriqucmrnt l’enscmlk des données tic l’écliantillon. la. Cc dernier cas de figure montrerait alors que l’hypothke H devrait etre rejet&.ion dc U est déttrmink par la loi tic répartition tic :I: et par le nombre n. Conformité entre une répartition théorique et une répartition expérimentale (ou répartition statistique) Apres avoir soigneuscmcnt. 4. on choisit la somme des car& des diffkw~crs (p. la loi dc répartit. ccttc loi ne depcnd plus de la. Il s’agit. Alors notre problème dc conformitk consiste & savoir si la valeur calcul&: ~1 s’explique par lc hasard ou encore si la valeur ‘u est trop grande et. Pour la mesure de U. Choix de la mesure de U La prcmke difficulté rencontrée pour choisir une mesure dc U repose sur le fait que la rkpartit. Inévitahlcment. C’est la raison pour laquelle: on pwnd c. lc problème concernant la conformité dc la loi expkimcnt.alc possible.c à pouvoir dire si ces fluctuations sont dues au hasard ou non. Si P a une valeur « t.erminke.rop petite ».ornhcr dans l’intervalle i: ct par p.ude. dc la ta. loi de répartition des z. -$.

soit CII consultant une table figurant à la fin de tous les manuels. Le critère du x2 ne permet pas de dire qu’une loi est meilleure ou pire qu’une autre. et si les écarts persistent.it à une loi du x2. Dans cc cas. 443). Simplement. lors du processus de calcul. Remarque 6 : Le test du x2 est à rapprocher de la preuve par neuf. La preuve par neuf ne dit pas quand l’opkration est juste.Vérification d’un générateur de nombres aléatoires gaussiens À partir d’un générateur de nombres aléatoires à distribution uniforme. Autrement dit. il est possible de montrer que la fonction de répartition de U ne dépend pratiquement pas de la fonction de repartition F(z). 5 14. on est certain que l’opération est fausse. les deux derniers nombres identiques. et k le nornbre d’intervalles de regroupement. il y a lieu de vérifier si possible l’expérience. si 0 est infkricur à 0. En revanche. Cela signifie que l’on prend le risque de rejeter à tort l’hypothèse H avec 5 charms sur cent.. Dans le cas contraire. Remarque S : La variable U obCit à une loi du x2 à rn degrés de liberté lequel est déterminé par le nombre d’intervalles de regroupement k moins le nombre de contraintes auxquelles est soumise la loi. Il en est de même du x2. 4. on rejette l’hypothèse H avec 0 chances de la rejeter à tort. s’il y a une erreur: l’erreur est modulo 9. il faut regrouper certains intervalles pour qu’il en soit ainsi. si la preuve par neuf ne donne pas. Remarque 2 : 71 est le nombre d’observations indépendantes de la variable alCat.1 Annexe H. Un exemple . l’hypothèse H est vraisemblable c’est-à-dire qu’elle n’est pas en contradiction avec les données exp&imentales. On peut aisément trouver plusieurs lois tout à fait acceptables qui peuvent rendre compte correctement de la statistique d’un échantillon donnk. Si tel n’est pas le cas. Remarque 5 : Parler de probabilité très petite n’a pas grand sens si l’on ne SC fixe un seuil de signification cti. p.MANUEL DE CALCTJL NUMÉRIQUE APPLIQUÉ Si l’on choisit N = 72. PL i=l u est la valeur numérique de la conformité. Notre hypothèse H est donc la loi de Gauss-Laplace. on se propose de fabriquer un générateur de nombres aléatoires gaussiens.. mais uniquement du nombre d’intervalles de regroupement k qui a servi à construire l’histogramme. il y a lieu de chercher une autre loi. nous savons que les données expérimentales ne sont pas en contradiction avec les différentes hypothèses formulées. ni de n. Nous avons généré 4 096 nornbres aléatoires gaussiens en choisissant la 354 . D’où : m=k-p-1. Il est nécessaire d’obtenir un nombre minimum de plusieurs unités ~ voire une dizaine ~ dans chacun des intervalles de regroupement.oire 2. Remarque 4 : Il n’y a pas de difficulté à calculer la probabiliti: 0 de dépasser la valeur numérique U. si les deux dernieres opérations sont identiques cela signifie que l’opération peut être correcte ou encore que. Dkm point de vue pratique. Remarque 1 : La loi thkorique dépend dc 1-1 parametres inconnus que l’on va chercher à déterminer. elle dit seulement quand elle est fausse.1. Si cette probabilitt: B est très petite. on dit que U obi.05. et l’on a : & (Pi -PJ” u = r2. On trouvera plus loin une démonstration de ces affirmations (cf. Ces contraintes sont constituks par le nombre de paramètres inconnus p figurant dans la loi théorique auquel il convient d’ajouter la valeur 1 car il y a une contrainte implicite qui est la normalisation de la loi de distribution. soit en ayant programrné la loi du x2 à m degrés de liberté.

2.169e-2 p=3. Cela signifie que l’on choisit de rejeter la loi avec 5 chances sur cent de la rejeter à tort.620 -2. la valeur de u peut se situer dans deux domaines : le domaine des valeurs possibles u < xl-. p la probabilité théorique de tomber dans l’intervalle.096 -2.438e-3 p=8.144 -1.925e-2 p = 3.395e-3 p* = l.167e . Nous avons alors obtenu la valeur de u = 7. Remarques sur le seuil de signification Le choix du seuil de signification cy est guidé par les conséquences qui pourraient découler du rejet à tort ou de la conservation à tort de l’hypothèse H. D’un point de vue pratique. CRITÈRES DE CONFORMITÉ valeur moyenne 6.094 3.442e-2 p* = 1. expressions dans lesquelles <y est le seuil de signification.1 p=6.618 3. et le domaine des valeurs improbables u > xf-. rn le nombre d’occurrences.519e-2 p* =3.001 e . 4.174e-3 p* =9. Comme le montre le tableau.766 e . après avoir calculé U.092e-4 p” = 9.1 p = 1. x est l’abscisse du début de chaque intervalle.191 -0.0 et l’écart type 2.2 p* =3. 0. le seuil de signification le plus répandu est 0.180 e .7132 1.174e ~ 1 p* = 1.4 p’=4. les données expérimentales ne la contredisant pas.05 et un écart type de 1.868e ~ 1 p* = 1.904e-2 p=1.037e-4 p=3. on rejettera l’hypothèse H avec Q chances sur cent de la rejeter à tort . la probabilité dc dépasser la valeur u est. Ainsi. on opérera selon l’un des cas de figure suivants : a.665 2. 355 . Tableau k=O k=l k=2 k=3 k=4 k=5 k=6 k=7 k=8 k=9 k = 10 k= 11 k= 12 k = 13 k = 14 m=4 24.815.172e-2 p* = 3.237O 0. k est le numéro de l’intervalle de regroupement. le nombre de degrés de liberté est 12.2 p=1.417e-3 p=1.7153 -0. nous avons effectué les regroupements sur 15 sous-intervalles.766e-4 m = 18 ri-1 = 48 m = 130 m = 294 m = 481 m = 667 m = 765 m = 724 7-n = 4 9 8 = 267 = 141 m = 41 m = 13 m=4 m m x= x = x = x = 2 = 2 = 5 = x= x = x = x = x = x = x = x = -3.05.570 Dans ce tableau.684e .601.24.239l 0.178e ~ 2 p* = 1. Il n’y a aucune raison de rejeter la loi dc Gauss comme hypothèse H. Alors dans cette dernière éventualité.174e ~ 2 p* = 7.205e-1 p=1.2 p=6. Les résultats obtenus sont présentés dans le tableau 24. et p* la probabilité empirique.768e ~ 1 p* = 1.1. comme l’hypothèse à tester est la loi normale.628e ~ 1 p* = 1.189 1.683e-1 p=1.1 p* =6.98.142 2.0 (nous avons ajouté chaque fois 12 nombres aléatoires à distribution rectangulaire donnCs par la technique de Lehmer). On dit aussi que l’hypothèse H est tout à fait vraisemblable. En l’absence de toute considération sur les risques encourus.882e-1 p = 1. on trouve que les nombres pseudo-aléatoires gaussiens ont une moyenne de 6.. Expérimentalement.1.216e .169e-2 p = 3. p=8.668 -1.207e .

Là encore. Estimateurs La formulation d’une hypothesc H conduit à exprirner une certaine loi dont on recherchera l’éventuelle conformité.5 2. l’unité (71 est le nombre d’cxpcricnces indépendantes). chercher dans la table de p(X) la probabilité correspondante. il suffit de : a. on rejettera l’hypothesc H avec o chances sur cent de la rejeter à tort.~ 5 u < XT& et les domaines des valeurs improbables u < . Donc : tu = sup IF(z) -F*(z)/. 0 2 2 0 . Il faut bien préciser que ces estimations sont des variables aléatoires et nous *http://www. Estimation des paramètres d’une loi inconnue.. b. il est possible de montrer que la répartition de v ne dépend pas de F(z) à condition toutefois que la taille de l’échantillon n soit très grand devant. Les paramètres intcrvcnant dans la loi devront être estimés à partir de l’échantillon. autrement dit on se méfie des valeurs de u qui se situent dans les queues dc distribution.O 0 . La probabilit.0 p(X) 1. Dans la dernière cvcntualité.~ ct IL > x~~. à condition toutefois que les écarts soient dus uniquernern a des facteurs aléatoires. calculer 21 puis TI&.cs ct trop grandes de U. Ici la mcsurc de la conformité ‘U est le sup du module dc la différence entre les répartitions theoriquc F(z) et cxperimentale F* (CE). 5..-m hz1 Voici quelques valeurs dc p(X) : x 0.o 1. Dans la dernière éventualité.J$.~. 6. maximal entre les deux répartitions soit non inférieur à la valeur obscrvi‘c.com/guilpin/ 356 . Bien entendu.e dc l’incgalité TJ~ > X est donnfe par l’expression : 30 !Ix2 p(X) = l. l. 9 6 4 0.edpsciences.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b. Remarque : On notera l’abscncc de degré de liberté dans l’expression dc cc critère. Il s’ensuit qu’il est plus «optimiste » que le précédent critère. : c.C (-1)‘exp (-2k2X2) = 2x3l)“:+‘exp (-2k”X”). c sur le Web (*) calcule les valeurs dc ccttc distribution. Critère de Kolmogorov (1903-1987) Il s’agit d’un critcrc de mesure de la conformité (ou de la non-conformitc) qui présente un grand inti:rct dans la mesure où il est très simple d’emploi.. Le programme kolmogor . on peut avoir des raisons particulières dc SC méfier des valeurs de u trop petites et le domaine des valeurs possibles devient u > xi et le domaine des valeurs improbables u 5 ~2. C’est la probabilité que l’ecart. on peut aussi avoir des raisons de se mefier à la fois des valeurs trop petit. 71 est une variable aléatoire. on rejettera l’hypothèse H avec Q chances sur cent dc la rcjctcr à tort. 0 0 1 Pour utiliser le critère de Kolmogorov.27 0 .5 1. Le domaine des valeurs probables dcvicnt x:>.o 0.

mais il convient alors dc le vkifier . On dit alors que l’estimation est consistante . . Pour obtenir une estimation. que fi. converge en probabilité vers m. . Par conséquent. toutefois on peut d’ores et déjà dire qu’il s’agit dc la formule mathématique utilisée pour effectuer le calcul de l’estimation. . et désignons par ‘rn et D respectivement la moyenne et la variante. il faut employer un estimateur. et l’on SC contente seulement des deux premières. on leur irnpose donc certaines contraintes dont les trois plus importantes sont les suivantes : 1. 3. on dit que l’estimateur est non biaisé. l’cstimateur ü doit converger vers a en probabilité. Bien sur. on ne choisit pas les estimateurs n’importe comment et il est souhaitable que quelques contraintes judicieusement choisies nous aident à déterminer des estimatcurs les plus «performants » possibles.. 2..ition dépend de celle dc X . n’. toutes deux inconnues. la notion d’estimateur va se prkiser dans les lignes qui suivent. Ces remarques nc suffisent pas à concevoir des estimatcurs intéressants et utiles.Nous définissons la rnoycnnc au moyen dc l’expression : IC=I En vertu de la loi des grands nombres (théorème de Bernoulli). et que la moyenne de la moyenne est encore la rnoycnne.x1 i x2. elle dépend aussi du paramètre inconnu a ainsi que du nombre n d’cxpkriences. . nous avons une très grande chance de trouver la moyenne expérimentale proche de la moyenne théorique (thkorème de Bernoulli). et l’on parvient à corriger l’estimateur afin que sa nouvelle expression ne soit plus biaisée . lorsque cette condition est remplie. z.24. À présent.1. .~~ ~3. Par exemple.Cas de la moyenne .. En ce qui concerne la variante de rn : on 357 . puis un estimateur Ü du paramètre n qui est une grandeur associée à la variable X. souvent. a . 6. . D’une façon générale: on peut considkrer une variable aléatoire X qui prend les valeurs . Le plus souvent le biais dépend de n. est urle fonction des {zk}. . C ÈRES RIT DE CONFORMITÉ n’avons pas accès à la valeur exacte de chacun des paramètres et nous devrons nous contenter de l’estimation du paramètre considéré. on peut souhaiter avoir les estimateurs pour lesquels les erreurs sont les plus petites possibles . Il s’ensuit. La plupart du temps. a est une variable aléatoire dont la loi de répart. on souhaite que M[a] = a. . supposons que l’on réalise n’ expériences ayant fourni chacune une moyenne m. On peut écrire : voit alors que l’estimateur n’est pas biaisé. il n’est pas possible de satisfaire simultanément ces trois contraintes. j = 1. 2. c’està-dire que o(a) soit rninimum. z. Toutes les estimations possibles de a le sont à partir des valeurs {zk}. à cc slljet on se souvient que si n est élevé. Application à l’estimation de la moyenne et de la variante Rcvcnons à notre variable aléatoire X à valeurs 51. Q. l’estimation ?71. on désire que l’estimation centrée possède la variante la plus petite possible.

-y(Xk . xi converge en probabilité vers M[X2] tandis que m2 converge en probabilité vers m2. on peut encore écrire : i xk=. la variante de ti est alors minimum. pour cela nous allons transformer D : soit encore : À présent. nous allons voir que l’estimation est biaisée. Maintenant. cxk. Donc D converge en probabilité vers M[X2] .Cas de la variance . En posant y& = xki . on obtient alors : la dernière somme affectée d’un signe moins est nulle car les y& sont des variables aléatoires centrées indépendantes pour lesquelles j est différent de i (il n’y a pas de termes au carré). alors on peut choisir l’origine des abscisses pour chacune des expériences en mk. étudions la moyenne de D au travers de cette dernière expression dans laquelle on numérote les expériences (on fait K expériences dans lesquelles chaque échantillon contient n individus. il est possible de montrer que si X obéit à une distribution gaussienne.fik. k=l Comme D est égal au moment du deuxième ordre non centré moins le carré de la moyenne.vii)2 k=l avec fi=i. les Kn individus sont tirés au hasard indépendamment les uns des autres) : Comme la variante est indépendante du choix de l’origine. D’où : 358 .L’estimation naturelle de la variante est la variante statistique : 1 n D = .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ il faut connaître la loi de répartition de X pour pouvoir conclure. Cela n’est généralement pas vrai avec d’autres lois de répartition.fi2 et par conséquent l’estimation converge correctement en probabilité (estimation consistante). Notamment. b .

l’estimation ne donne pas un D minimum. P. P. 12” édition.1. H. En revanche. DAGNELIE (1973) Théorie et Méthodes Statistiques. Krieger. DELTHEIL et R. Armand Colin. Publications de l’Institut Français des Pétroles. G. On corrige aisément en prenant l’opératgur D*=O. Éléments de bibliographie S.VENTSEL (1973) T héorie des probabilités. la moyenne de D n’est pas égale à 0. CRITÈRES DE CONFORMITÉ Donc. B~REL. SAPORTA (1978) Théories et méthodes de la statistique. Éditions MIR. HURON (1962) Probabilités. Tomes 1 et 2. Paris. Remarque : Ceci justifie le fait que de nombreux ouvrages donnent : n . et l’on dira que D est un estimateur biaisé puisque l’on commgt une erreur systématique en l’utilisant. Les Presses Agronomiques de Gembloux. E. 7. TRAYNARD (1969) Les principes de la statistique mathématique. AïVAZIAN (1970) Étude statistique des dépendances. On démontre sans peine que ce nouvel estimateur est consistant puisque ~ n _ tend vers 1 quand n tend vers l’infini et qu’il n’est pas biaisé. DAGNELIE (1998) Statistique théorique et appliquée. R. FISZ (1980) Probability theory and mathematical statistics. de Boeck. 359 . Erreurs. Moscou.24. Moscou. R. M.l 0x k=l comme estimateur de la variante. dans le cas général. GauthierVillars.E. RISSER et C.

elle prend des valeurs qui sont influencées par . La dépendance linéaire s’écrira sous la forme : 7 = (az + b) + 6. 1. Si par rnalheur la liaison entre deux variables est de type curviligne. la variable aléatoire rl est une mesure entachée d’incertitude. Les deux variables X et Y ne sont pas aléatoires Y est complètement déterminé par la connaissance de X. 361 .25 Étude des dépendances dans le cas linéaire Notre étude se limite au cas de deux variables aléatoires dont la dépendance est linéaire.1. Dépendance de la variable aléatoire q et de la variable non aléatoire x (schéma de régression) Ici. Par exemple. Voici 1111 exemple simple : l’âge d’un arbre en fonction du nombre de ses anneaux. Quoi qu’il en soit. on étudie le comportement de la variable aléatoire dépendante 7 en fonction de la variable non aléatoire 2. le but ultime est l’usage de la méthode des moindres carrés appliquée au calcul des paramètres de la « droite de régression » quel que soit le schéma de dépendance lineaire que l’on ctudie. Les types de schémas de dépendance linéaire 1. Le risque principal se fonde sur l’utilisation d’estimateurs qui peuvent devenir biaisés lorsque les conditions requises d’applicabilité de la méthode des moindres carrés ne sont pas toutes vérifiées. à ce moment aucun élément aléatoire ne rentre en jeu. on peut chercher alors à se ramener au cas lineaire par un changement de variables adéquat. 1.2. Il s’agit alors d’une dépendance fonctionnelle classique qui prend la forme : Y=aX+b.2: mais aussi par des facteurs incontrôlables. À première vue cela peut paraître en désaccord avec la théorie des incertitudes mais ce schéma se rencontre chaque fois que l’on aborde un problème de dénombrernent. Ici encore il n’y a pas de difficultes à généraliser les résultats au cas d’un système dépendant linéairement de n variables puisqu’il suffit d’en effectuer l’étude en combinant deux à deux les variables.

on ne recherche qu’un schéma en moyenne pour x.permet la détermination de la température du plasma émetteur. $ ( 3) 4.L’analyse de la structure fine des bandes d’émission d’une molécule diatomique ici H Al . 6 doit vérifier un certain nombre de conditions : M[S] = 0 e t D[6] = g2. Le coefficient de la pente ü s’appelle coefficient de régression de y en x.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ expression dans laquelle les termes entre parenthèses expriment la dépendance non aléatoire et S exprime le résidu.47 3.823 Exemple . La mesure de la pente de la droite permet de calculer T. Tableau 25.1.176 3. on porte en abscisse J’(J’ + 1) et en ordonnée la valeur y. J’ 5 11 12 13 14 15 16 17 18 xi = J’( J’ + 1) 30 132 156 182 210 240 272 306 342 yj = l o g .1 ( s. alors.. Sur un graphique.37 3.941 2. La théorie permet d’établir que : lot& ( 23 > = -gJ(J’ + l). durant ses premiers travaux.j = log. cela signifie que y(x) est la moyenne de 7 pour une valeur donnée de x. Il s’ensuit que la valeur moyenne de 17 est une fonction linéaire de x : y = as + b. Dans ce schéma. A est un coefficient connu attaché à la molécule ktudiée. c’est-à-dire une loi de variation de la moyenne conditionnelle M[qj x ] en fonction de x. c’est l’expression aléatoire de q. 362 . Pour cela on mesure la surface relative Ij de chaque raie à laquelle un produit de nombres quantiques J’(J’ + 1) est associé.196 3. expression dans laquelle Sj est calculé pour chaque raie j. 1 on a porté les résultats. Sur le tableau 25. cette dénomination doit être prise comme un simple nom générique. elle est historiquement liée aux travaux de Galton (1822-1911) ~ considéré comme un des fondateurs de la méthode statistique ~ qui avait constaté que.333 3.196 2. La droite ainsi définie porte le nom de droite de régression.980 2. . la pente de la droite en question était négative d’où l’idée de régression.

en effet S est centrée. Remarque : Le cas où les variables 17 et [ sont simplement entachées d’erreur ne rentre pas tout à fait dans ce type de schéma bien que ce soit celui-ci qui soit appliqué. Dépendance de la variable aléatoire q et de la variable aléatoire [ (schéma de corrélation) Les deux variables étudiées dépendent d’un ensemble de facteurs incontrôlables qui rendent fondamentalement aléatoires les variables étudiées 77 et <. Dans cc schéma. la grandeur 17 se décompose en deux parties : 77 = (üf + 6) + s. Cela peut entraîner des ennuis dans le calcul des estimateurs qui risquent de perdre leurs bonnes propriétés évoquées au chapitre 24. ÉTUDE DES DÉPENDANCES DANS LE CAS LINÉAIRE La variable xj n’est pas du tout entachée d’erreur certaines fluctuations incontrôlables qui confère à cette Ce type de schéma s’applique encore même si la fluctuations comparées à celles qui affectent la variable tandis que la variable y. Ici encore on s’intéressera à la loi en moyenne et l’on écrira : Y(x) = ax + 6. variable x3 fait l’objet de très faibles yj. et S. 363 .] = 0 et M[i?. Si l’on fait l’hypothèse d’une liaison linéaire entre 77 et <. soit encore Y(x) = n/r[q][ = x]. alors on est assuré de l’indépendance.] = 0. Remplaçons z et y dans l’équation de la régression : qui se transforme : 7 = a< + 6 + (6.25. . 1. Il y a une contrainte supplémentaire : cette décomposition doit être effectuée de telle sorte que les variables S et 5 soient non corrélées. Cela impose que M[@l = 0. En effet désignons par 6. Si la distribution de ces deux variables 6 et < est gaussienne.7 est sujette à variable un caractère aléatoire. on voit que le résidu est corrélé avec [ puisqu’il dépend du paramètre ü à estimer. les erreurs qui entachent les variables x et y. On peut écrire : et l’on ajoute : Ad[&.as.3.) . expression dans laquelle 6 exprime le résidu avec comme caractéristiques : M[S] = 0 et D[b] = a’. il n’est donc pas nécessaire que < le soit.

f:Ci est l’élément central de la Suit)e des yj. indkpcndance stochastique des résultats d’observation (l’échantillon a bien étk tire au hasard) : 2. x2.~. Pour s’assurer que les estirnateurs issus de l’analyse de corrélation-régression sont tout à fait convenables.. . Indépendance stochastique des résultats d’observation Il s’agit de vérifier que les échantillons ont bien Cte prélevés au hasard.)] = y D[p(n)] = y 364 . On abandonne les éléments qui sont @aux à IC. si.. on doit. est inférieure 5 z . homogénéité des varianccs conditionnelles . on va forrner une suite de deux caractères arbitraires. La valeur empirique dc la médiane Tr. Il s’ensuit que la longueur X de la plus grande sous-suite doit avoir une valeur « pas trop grande comparée à n ». On désigne par p le nombre total de sous-suites.7 ordonné par valeurs croissantes. Il est clair que I-L et X sont des grandeurs qui dépendent de ?z ct on les notera : pu(n) et X(~L). de 0 soit uniquernent de 1. Fondements de l’analyse de corrélation-régression La détermination des coefficients ü et b s’cffcctue selon la méthode des moindres carrés. les distributions des variables sont gaussiennes. .) obéit à IUIC loi normale dont la rnoyenne ct l’kart type sont donnés par les expressions : M[p(n. Désignons par x1. x3.ypiqucs de l’analyw dc corrklation-régression peut se rarnener à l’étude de l’ind~pcndan<:e sto&astique des séries dc rkidus (~5~). si n est pair. car les sous-suites ne peuvent pas Ckre trop 101~gucs si le tirage est dû au hasard.. L’étude de 1’indCpcndance stochastique des exp@ricnces évoquks dans les schémas t. On propose plusieurs méthodes de vérification de l’indépendance stochastique des tirages. Il importe de vkrifier que l’échantillonnage n’a pas été dirigé. L’idCc du test.) /2 si n. vkifier que trois conditions suivantes sont. on forme une autre suite yj constituk par l’ensemble des x.. ». 2. repose sur les remarques suivantes : la suite dc 0 et de 1 est constituCe de sous-suites formkcs soit ur~iquemrnt. On doit s’assurer que l’observation de l’expérience no i est bicn indépendante de celles qui ont. 3.MANIJELUE CALCUL NUMÉRIQUE APPLIQUÉ 2. et yj s’appcllc l’ordre statistique de rang j.rrrCi on place mi 0. À partir de l’échantillon initial des xj. À partir de la suite des x3. c’est-à-dire : jr a . on peut montrer que /L(T~.llons reprendre en dktail ces trois points.1. Il apparaît comme IIIIC question de bon sens que /L doit avoir une valeur «pas trop faible cornparéc à n. Si l’hypothèse d’indépendance statistique est vraie. est irnpair.. disons 0 rt 1. été effectuées auparavant et qu’elle n’influence pas non plus les observations suivantcs. l’échantillon extrait de la population parcntc ktudiCc dans l’ordre où ils apparaissent. clic est supérieure on place un 1.Test de la suite formée à partir de la médiane de l’échantillon YTL+l 2 ( y: + y. CC. remplies : 1. Nous a.. Si la valeur dc zk. Cette nouvelle suite s’appelle suite variationnelle.

679 1.705 1.721 1.2.Application à une suite de nombres pseudo-aléatoires .712. aussi prbfère-t-on utiliser les rkultats suivants (d’aprks S.71 1. Tableau 25.734 1.676 1.727 1>688 1.715 1.733 1.701 1.724 1.69 1.Le tableau 25. Ici encore la philosophie demeure la même et l’on comptera le nombre de sous-chaînes PL(~) ainsi que la longueur de la sous-chaîne la plus grande X(n).692 1.1.685 1.721 1.736 1.715 1.781 1. D’un point de vue pra.706 1.edpsciences.686 1.696 1.742 1.Test des suites ascendante et descendante .3 (logd~) + 111 1 où PE définit l’opération troncature (partie entière).748 1..683 1.728 1.706 1.696 1.728 177 1. Nous avons trouvé x. Le cas d’égalitk est kart@.724 1.. c qui rFalise ces simulations ct ces calculs.702 1.723 1.663 1. Par ailleurs.2 donne la hauteur d’un échantillon de 100 personnes prélcwks au hasard parmi des conscrits.707 1.687 1. Comrne dans le cas précédent. 1.709 La lecture des dormécs s’effectue ligne par ligne.698 1.tiquc on devra *http://www.722 1. le nombre de souschaînes est 56 et la sous-chaîne la plus longue a la taille 6.com/guilpin/ 365 .776 1.721 1.727 1. de 1 à partir de la suite donnk par l’échantillon initial. On rejettera l’hypothèse tl’intl~p~~rldarlcc stochastique si l’une des inégalités n’est pas vtrifiée avec rnoins de 10 chances sur cent de rejeter la loi d’indi:pendance à tort.701 1.711 1. tirage au On peut donc conclure qu’il n’y a aucune raison de repousser l%ypoth&c d’un hasard.682 1.665 1.711 1.702 1.663 1.746 1.712 1.723 1.716 1.725 1. On compare chaque ékment au suivant immédiat: s’il est plus grand on place 1111 0 et s’il est plus petit on place un 1.68 1.711 1. Aiivazian) : p(n) > PE .735 1.722 1.722 1.698 1.(n + 1) .708 1.693 1. c .716 1.706 1.719 1.709 1.69 1.. OII calcule : p(n) = 40 et X(B) = 9.713 1. b .692 1.9Sj/m [ X(~L) < PE [3..708 1.25.729 1.692 1.708 1368 1.723 1.~IRE La distribution de A(*n) est.694 1.678 1.714 1.701 1. de dkceler une tcndancc de dkviation progressive de la moyenne dc la distribution. quelque peu plus cornpliquéc.703 1.72 1.Ce test permet.] = 1.765 1..723 1.74 1.73 1. Il s’agit donc de s’assurer du bicn-fondé de l’indkpendance stochastique du tirage.693 1.746 1.719 1.716 1.741 1. On trouvera sur le Wcb (*) lc programme teststat .726 1.724 1. on forme une suite de 0 ct.704 1.719 1.717 1.704 1.713 1.705 1.736 1.744 1. ÉTUDE DES DÉPENDANCES DANS 13 CAS LINÉ.

on forme la demisomme de la moyenne des carrés des différences entre chacun des éléments et son suivant immédiat. On mesure la «déviation éventuelle B au moyen de la grandeur : r(n) = $fj il s’agit en fait de la demi-moyenne des carrés des écarts ramenée à l’écart type.Application à une suite de nombres pseudo-aléatoires .Ce test ne concerne que les données qui obéissent à une distribution normale. on rejettera l’hypothèse d’indépendance stochastique avec moins de 10 chances sur cent de rejeter la loi d’indépendance à tort.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ vérifier les inégalités suivantes : 327~ . On rappelle la définition du quantile d’ordre (u : P(x < 21. de repousser l’hypothèse d’un tirage au hasard. Toujours à partir de la suite initiale. Ici encore rien ne permet.1.On analyse le même échantillon (Tab.Test des carrés des différences successives . 366 . d . Ta(n) est d’ irec t ement relié à la loi normale et l’on montre que l’on a : x(n) = 1+ %Y Jn+ 0. e . Pour un échantillon de taille supérieure à 20. page précédente) à la lueur de ce nouveau test.1) .96 X0(n) étant donné par le tableau : n X0(n) n 5 26 5 26 <n < 153 6 153 < n < 1170 7 Si l’une des deux inégalités n’est pas vérifiée. Le calcul donne p(n) = 58 et le tableau A(n) = 6.) = a. On obtient pour le nombre de souschaînes la valeur 67 et pour la sous-chaîne la plus longue la valeur 3. on rejettera l’hypothèse de l’indépendance stochastique des tirages si r(n) < ycy(n).2. est le quantile d’ordre (Y de la loi normale réduite. soit : q2(n) = ~ 2k+l-Q)2 2(n’ 1) z( on calcule également la variante empirique de l’échantillon : a2(n) = -k(xk -xo)2 (n: 1) Ic=i où x0 est la moyenne de x3. 25.5(1+u:) où U.

On obtient q2(n) = 0. au sens statistique. notée h2(z) (car D est une forme quadratique).05 est -1. i=l ($) 367 . c’est de connaître un test qui nous permette de juger de l’homogénéité ou non de la série des variantes. On suppose que les variables ont été regroupées dans k intervalles. 2. f . ÉTUDE DES DÉPENDANCES DANSLE CAS LINÉAIRE soit si a = 0. Autrement dit.837. Homogénéité des variantes conditionnelles La variante conditionnelle D[~]Z] d e 1 a variable dépendante doit rester inchangée.2 = 5 -gyii .y.05 Remarque : Il ne faut pas confondre le quantile d’ordre a avec le point de pourcentage 100 Q. Il s’agit de vérifier que les différences entre les k valeurs obtenues pour les sf sont dues au hasard ou. si l’on doit envisager une tendance systématique à varier en fonction de z. elle doit être proportionnelle à une fonction connue de 2. Soit ICO~ le milieu de chacun des intervalles.65.)2 ? 1 i=l où mi est le nombre d’éléments tombant dans l’intervalle de regroupement i et & la moyenne de y dans le même intervalle. la variante empirique de chaque intervalle est donnée par l’expression : s.F(wq) = Q où F(z) est la répartition de la variable aléatoire <.Application à une suite de nombres pseudo-aléatoires . on examine ce que donne le test. Encore une fois il n’y a pas de raison d’abandonner l’hypothèse d’un tirage au hasard. alors : ~[Yl~Ol] = D[ylzoz] = .2. D[~]Z] doit être une constante : D[~IX] = a2 = cte. Si tel n’est pas le cas.25.00059 et cr”(n) = 0. 2 2 8 e t ~o. dans le cas contraire. qui sera déterminée empiriquement : Le problème qui nous préoccupe maintenant. dJ:=0. on trouve dans les tables : & / exp(-$) -00 le quantile d’ordre 0.05 . quand I : varie. Quand D[~]Z] est une constante. Le point de pourcentage 100 Q de la variable aléatoire < est la valeur wq telle que P(z > wp) = 1 . = D[ylz& = 02.Toujours sur le même exemple.os(n) = 0. et la variable aléatoire : A= -t&milog.00048 puis : y(n) = 1 .

82 118.71 151.26 192.enue pour chaque valeur de Z. Il faudra alors trouver une fonction hz (22).ll 236.ion.39 160.15 190. on trouve la valeur h = 5.77 240.80 210.47 22.39 205.02 220. Lc tableau 25.76 182.8 134.3. Ylj Y2j Y3.67 20. Le tableau 25..26 17 211.52 237.MA N U E L DE CALCUL N U M ÉR I Q U E APPLIQUER suit approxirriativcmcnt pour ru. dans expression.98 22 239. Exemples 1.12. La onzième ligne donne la moyenne obt.53 177.74 234. on a noti: : n ktant la taille dc l’khantillon.28 201.com/guilpin/ 368 .22 150. 22 ct 27.61 229. Tableau 25. c qui rkalise cette simnlat. 115.Ol 210. la douzième la variante et.86 28.27 154.89 27 Remarque : Les calculs ont.87 119. la treizième les valeurs de CC.24 215.19 123. On rejettera l’hypothèse de l’indépendance dc la suite des variantes si la valeur empirique dc A tombe dans le domaine des valeurs peu probables dc la variable aléatoire. *http://www.81 187. on trouvera lc programme varian-1 .lO 241. page ci-contre.23 140.36 147.03 210.03 74.81 128. 2.63 182.OO 213. 17.21 155.1 = 4. 80.99 127. 176 et 212.3 donne les résultats d’une prcmik expérience qui a i:tk rkalisée 10 fois pour cinq valeurs de la variable :L: qui sont : 5. mais nous n’en avons report& que 5.06 149. On peut affirmer qu’il n’y a aucm~c raison pour repousser l’hypothkc dc l’homogénéitk des varianccs corlditionnc:llcs.73 151.44 181.4.36 185.49 184.92 217. > 2 une loi du x2 à k ~ 1 degrés dc liberté .61 40. et la probabilité de dépasser la valeur A est 0.edpsciences. été exécutés avec 16 chiffres significatifs.95 144. Tous calculs faits.46 133.F réalisée 10 fois pour cinq valeurs de la variable J: qui sont : 70.51 116.29 184.93 229.275.19 233.87 123. les nornbres ayant été arrondis. donne les résultats d’une deuxiCme expkricnce qui a ét.15 238.36 150.31 5 148..93 212.i Y4i Y5j 0 1 2 3 4 5 6 7 8 9 Moyenne Variancc Valeur de X 125. Le nombre de degrés dc lib&é est 5 . 10.87 10 182.08 207. Sur le Web (*).

On essaye la loi h”(z) = exp(z/39.5 100.ion dc la méthode des moindres carrés que nous avons déjà présentée au chapitre 4 à propos de l’interpolation.l 123.0) et l’on recommence les calculs.4 112.5 142.7 107. Il a bté montré notarnmcnt que l’estimat. Ylj Yzj 138.4. On trouve alors : A = 4. ÉTUDE DES DÉPENDANCES DANS LE CAS LINEAIRE Tableau 25. on donne le programme varian-2.211.32 59.8 141.com/guilpin/ 369 .5 146.5 113.3 61.l 140.3.7 141.34 10941.O Y4j 75.0) et dOIIC il convient de calculer UI~C valeur du x2 a k .2 141.Ol 76:75 30.05 69.47 79.93 389.516 et la probabilit.l 109.6 155.44 54.85 55.o 0 1 2 3 4 5 6 7 8 9 Moyenne Variante Valeur d e X 148. c qui réalise cette simulation.54 80.l 149.5 129.2 139.81 62. Conclusions Nous ~O~IS évoquk les conditions idéales d’applicat.89 68. 1.O Y3j 109.3 109. Il y a environ deux chances sur 1 0 ‘” dc pouvoir dépasser cette valeur. On renonce donc à l’hypothbe de l’homogknéité des varianccs conditionnelles c+.ion des coefficirnts de corrélation par la mbthode des moindres car& conserve toutes les bonnes propriétks à condition que n.2 115.5 151. les données expbrimentalcs ne la contredisant pas.3 126.0 Ysj 72.4 151.18 115. 2. l’on va chercher 1me loi h”(z) qui rende les variantes homogènes.9 31. *http://www. quoique l’aplatissement et la dissymktrie rendent kgalcment dc grands services.8 144.3 137.47 -57.33 82.2 dcgrk de libertk.8 146.73 31.25.57.55 69. À prbsent.91 96. Sur le Web(*) . il n’y a aucune raison de rejeter l’hypothèse dkmc variation cxponenticllc des variances.77 0.o Le calcul de A donne 50.76 38.4 140. cn particulier à la méthode des moindres carrés. C’est le critère du xL qui sera le plus souvent utile.edpsciences.8 118.o 212. En pratique les trois critCres ne sont pas toujours vérifiés sirnultankment. mais ce n’est pas pour cela que l’on va renoncer aux mtthodcs d’analyse de corrélatiorl-régression et. soit grand devant.36 89. Les distributions sont gaussiennes Il faut vérifier le caractère gaussien des yyij pour chaque valeur fixk de 1:. R.27 4.9 176.2 60.l 140>2 165.Ol 70.3 145.59 47.k de dépasser cette valeur est P = 0.appelons que l’on a perdu un de@ de liberté en choisissant) h”(z) = exp(z/39.2 155.4 81. 3.

VENTSEL (1973) Théorie des probabilités. TRAYNARD (1969) Les principes de la statistique Villars. de Boeck. C RAMER (1945) MathematicaZ methods of statistic. Moscou. H. Gauthier- 370 .E. Princeton. Éléments de bibliographie s. mathématique. Moscou.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ même si la variable dépendante n’est pas distribuée normalement à condition toutefois que les erreurs de mesure soient indépendantes. DAGNELIE (1998) Statistique théorique et appliquée. R. 4. RISSER et C. Éditions MIR. H. AÏVAZIAN (1970) Étude statistique des dépendances. P. On dit alors que la méthode des moindres carrés est robuste.

La visualisation des données sur un graphique aide fortement à caractériser une éventuelle dépendance . llmm La valeur empirique ou estimateur est donnée par les expressions : soit encore : 371 . 1. et c’est l’étude du coefficient de corrélation qui permet de répondre à la question. Si une telle dépendance ne peut être envisagée. La corrélation Dans le chapitre précédent.M[E11 (7 . nous avons vu que deux variables aléatoires pouvaient avoir une certaine tendance à varier simultanément.~M)I . Avant de s’attaquer à la détermination des paramètres de la liaison de corrélation. c’est la dépendance linéaire qui donne toute sa puissance à l’analyse de corrélation. Ainsi le coefficient de corrélation est défini par l’expression : r zy = M {CE . que l’on a établi le caractère linéaire de la dépendance entre les deux variables aléatoires 77 et [.26 Analyse de cordation et de régression 1. Calcul du coefficient de corrélation dans le cas où les variantes conditionnelles sont homogènes Le calcul du coefficient de corrélation et son interprétation ne fonctionnent correctement que dans le cas d’une dépendance linéaire entre les variables aléatoires. c’est au rapport de corrélation que nous aurons affaire. Pour l’instant. on suppose. il convient de s’assurer de l’existence effective d’une telle dépendance.1.

e la corrélation entre. Nous verrons en appendice de quelle manière ces expressions sont transformées lorsque les variantes conditionnelles ne sont pas homogènes. est un coefficient calculable pour 1111 systkne quelconque de deux variables akatoircs ct sa valeur est. 3. 1. on peut alors montrer que la distribution de FCzcu est normale en première approximation.I = 1 confirme une dépendance fonctionnelle linéaire. Il y a une corrélation ktroite entre l’arrêt des voitures et l’apparition d’un feu rouge. v. Il s’ensuit que 1’iutcrprPtation n’est pas sûre. tandis qu’tllc ne l’est pas entre le chauffeur ct le feu rouge.rv = 0 ne signifie plus l’indépendance. et notamment : 1. Si l’on SC place du point de vue du physicien le feu rouge n‘est pas une cause qui arrête véritablement les automobiles.i: de liaison entre les variables. Dans le cas où les distributions des variables rl et < sont gaussiennes. et + est le milieu (centre) de l’intervalle i. 2. non plus l’arrêt du véhicule mais le comportcmrnt du chauffeur. Dans le cas où les distributions des variables sont normales et où la taille n dc l’khantillon est grande devant l’unité. 2.1 372 . le coefficient de corrélation ne peut être adoptk que comme l’une des caractéristiques possibles dt l’intensité de la liaison. Distribution empirique du coefficient de corrélation Le but de ce paragraphe est d’établir le bien-fondt: d’une liaison de corrélation. lF. F.. Dans le cas où les distributions des variables ‘1 et < ne sont pas gaussiennes.~. tt. Les deux moyennes..2. Ainsi : 1. les deux variantes et le coefficient de corrélation dorment une inforrnation exhaustive sur la dépendance stochastique des variables étudiks. sa moyenne étant T et sa variancc donnke par l’expression : (g = (1~ ?-“Y T n.. il n’y a pas d’aspect statistique.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ expressions dans lesquelles mi est le nombre d’tlkments dans l’intervalle a. Remarque : Une dépendance 6troite entre deux variables aléatoires ne signifie en aucune sorte une interdkpendance causale. T. le coefficient de correlation admet une signification concrète en tant que caractéristique de l’intensit. l’apparition du feu rouge est une causalité à caractère juridique. Si 1’011 se place du point de vue du jurist. Quoi qu’il en soit. = 0 rnontrc la complète indkpendancc des variables. Autrement dit la corrélation entre le véhicule et le feu rouge est factice. comprise entre -1 et +l. . lïzyl = 1 ne signifie pas nkcessairement la dépendance linéaire.

. rapport de corrélation dans le cas où les variantes conditionnelles sont homogènes Dans le cas où la dépendance s’écarte notablement de la forme linéaire.) ne sont pas symétriques. on rejette alors l’hypothèse d’une liaison de corrélation avec la probabilité û: de la rejeter à tort./c qui est beaucoup plus sûr parce que son interprétation ne dépend pas de la forme de la dépendance de la régression étudiée. en revanche. Si w < ta(n .26. 1.cr) à condition toutefois que T ne soit pas trop près de 1 et que n soit suffisamment grand (plusieurs dizaines). Le rapport de corrélation est donné par l’expression : avec a=1 si exprime la dispersion des moyennes partielles & autour de la moyenne globale y. On utilise alors le rapport de corrélation pT. il existe une dependance fonctionnelle univoque entre 17 et < et réciproquement. les propriétés de T et de p sont très semblables : 1.2) degrés de liberté./2 est le point de pourcentage lOOa/2 de la distribution normale réduite.05. les rapports de corrélation pslc et pc/. A NALYSE DE CORRÉLATIONETDE RÉGRESSION Il faut noter que cette approximation devient très grossière pour n prenant des valeurs de quelques unités ou pour T voisin de 1 en valeur absolue. 2. soit T = 0. le coefficient de corrélation perd son sens en tant que caractéristique de l’intensité de liaison entre les deux variables aléatoires. Contrairement au coefficient de corrélation. Si jpl = 1. Si T = 0. Il en résulte que T appartient à cet intervalle avec un niveau de confiance (1 . Cette approximation par une distribution normale nous permet de tester l’hypothèse d’une absence de liaison de corrélation.On utilise le fait que la distribution de T est normale.2). et si mesure la dispersion des résultats individuels autour de la moyenne globale y. Intervalle de confiance pour la vraie valeur du coefficient de corrélation . On cherche dans la table de la loi de Studcnt la valeur tcY(n ~ 2) du point de pourcentage Q: qui est le seuil de signification que l’on choisit usuellement égal à 0. On évalue les limites du domaine au moyen des relations : u.3. la grandeur suit une loi de Student à (n . Cas d’une dépendance non linéaire. 373 . p est compris entre -1 et +l.

alors & = ?j.ic)1-12 g ix1 {s&/“&/}1’2 374 .XiYi ~ XY -. Les moyennes vi ne dépendent pas de x. dans le cas où : on cherche dans la table de la loi de Student la valeur t. et la non-corrélation de q et < ne signifie pas nécessairement la non-corrélation de < et 77. si pv/( = 0. Cas où les variantes conditionnelles ne sont pas homogènes On suppose alors que l’on a trouvé les deux fonctions h2(x) et g”(y) qui rendent homogènes les variantes conditionnelles : LI[ql< = x ] = a.C suit une loi normale pourvu que n soit au moins de l’ordre de quelques dizaines. $. Dans ces conditions. Réciproquement. L’absence d’une liaison de correlation entre 7 et [ signifie que p71c = 0.. par conséquent.4. on le fait avec la probabilité cz de la rejeter à tort.$ )C CWgiXitJi . 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3.2) du point de pourcentage CY qui est le seuil de signification. = {( j$j $ Z-1 Wf. cela veut dire que la liaison étudiée est statistiquement significative.F& est une mesure de l’écart de la dépendance de régression par rapport à la forme linéaire.< . Ici encore. Remarque : Il n’y a pas de dépendance simple entre pslE et P</~. Dans le cas d’une dépendance linéaire. les deux caractéristiques coïncident et. autrement dit la droite correspondante de régression est parallèle à l’axe horizontal. Dans le cas contraire. on a une autre expression du coefficient de corrélation : F. 1 et wgi = g2(yi) Wf=Cwfi e 2=1 t Wg=Cw. Remarque : Il est possible de montrer que le rapport de corrélation ne peut être inférieur à la valeur absolue du coefficient de corrélation r..h2(x) On pose alors : 1 wfi = h2(xi) et D[EI77 = Y1 = $i72(Y). Absence d’une liaison de corrélation . la différence $.(n .Tout comme le coefficient de corrélation.. Si l’on est amené à rejeter l’hypothèse d’une liaison de corrélation. 2=1 où zi et yi sont les centres des intervalles de regroupement respectivement pour z et pour y.

Régression linéaire L’analyse de corrélation nous a montré que deux variables aléatoires sont liées. elle sera obtenue en règle générale par la méthode de moindres carrés à partir des données expérimentales.E)" g i=l et 2. Il convient d’ajouter que les fonctions à partir desquelles la liaison entre les variables est décrite doivent être linéaires par rapport aux paramètres à déterminer. il s’agira alors de décrire une dépendance curviligne et l’on utilisera une parabole de degré peu élevé. la connaissance de la nature du problème est utile pour orienter les choix adéquats. le rapport de corrélation prend la forme suivante : 2. puis d’estimer les paramètres entrant dans l’expression analytique de la liaison. Il n’y a pas de méthode standard pour obtenir la forme analytique de la liaison. Pour ce qui concerne l’estimation des paramètres. cependant. Remarque : Le signe de T doit coïncider avec le signe des facteurs sous le radical (les signes des expressions situées entre les accolades sont les mêmes). Maintenant.wgi(xi . C’est pour cette raison que l’on demande la linéarité des fonctions par rapport aux paramètres à déterminer : la dérivation de la forme quadratique (définie positive) par rapport à chacun des paramètres à déterminer nous conduit à l’obtention d’un système linéaire que nous savons résoudre. D’une façon semblable. 375 .26.1. g 2=1 Les relations surmontées d’une barre sont obtenues avec les valeurs de h2(zi) tandis que celles surmontées d’une double barre sont obtenues avec les valeurs de g”(yi). il existe entre les variables une liaison du type de celles que nous avons évoquées au chapitre précédent . ANALYSEDE CORRÉLATIONETDE RÉGRESSION sz =2 = $ g. Les seuls renseignements dont nous disposons sont les données expérimentales. il s’agit de déterminer la forme générale de la liaison étudiée. 2.c)2. = $ Cwgi(yi . Dans le cas où la dépendance n’est pas linéaire. Calcul des paramètres par la méthode des moindres carrés On suppose que nous avons vérifié sur les variables aléatoires x et y un certain nombre de propriétés qui sont les suivantes : 1.

Si on dérive l’expression de s2 par rapport à ü et b et qu’on annule les dérivées. les variables sont gaussiennes et les résultats d’observation sont bien dus au hasard : 3. c’est-à-dire que la valeur du coefficient de corrélation ou du rapport de corrélation est suffisamment éloignée de zéro pour que l’hypothèse d’une absence de liaison de corrélation ne puisse pas raisonnablement s’expliquer par des fluctuations dues au hasard. non seulement les calculs se retrouvent beaucoup plus aisément par ce procédé mais a et b s’avèrent être des variables (estimateurs) stochastiquement indépendantes à la différence des variables (estimateurs) à et 6’. . on transforrne la variable de telle sorte qu’on trouve une forme linéaire. SX . on minimise la somme des carrés des résidus c’est-à-dire la variante empirique s2 des données expérimentales par rapport à cette droite.S?J -=TA. Méthode des moindres carrés Pour déterrniner la droite empirique de régression. 4. Si cela n’est pas le cas. la forme de la régression est linéaire du type Y = aX+b’. il convient d’obtenir des estimateurs de a et b’. la variante de la variable dépendante satisfait soit à l’homogénéité des variances conditionnelles D[~l<1 = cri.I 376 . on obtient alors : et -yixi ~ nxy ns$ 5 " mfyixi ~_ nxy IfA& a= i=l i=l . 2. soit à une certaine loi h’(x) qui rend les variantes conditionnelles homogènes D[~/lz] = a2h2(x) .Notons d’abord qu’il est plus habile d’effectuer les calculs de la droite par rapport au barycentre des abscisses qui n’est rien d’autre que la moyenne de 2. 5. Il faut bien comprendre qu’il s’agit effectivement d’estimateurs car ces valeurs dépendent de l’échantillon.2.cxi. la liaison étudiée est statistiquement significative.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2.t i=l Cette remarque n’est pas une coquetterie. soit : et wi = h2(x2) Calcul de la droite de régression . ns?. On écrira donc la loi sous la forme : avec jj. En définitive.

3.CX) de tomber dans 2.Y(Xi)]’ r=l à la suite de quoi.26.2(n-2)L . on obtient un autre jeu d’expressions : b = & c uiyi = jj = 1L ’ c wimigi i=l wimi i=l c i=l et On remarquera que b n’est plus simplement relie au coefficient de corrélation comme dans le cas d’une variante constante. Sur le Web (*). On calcule pour ce faire les quantités suivantes : Sf = i 2 [xi . c qui calcule l’incertitude sur la pente de la droite de régression. avec la probabiliti: (1 .Sur /es paramètres 5 et 6 . on trouvera le programme regres . .2(n .edpsciences. *http://www. a ~ t..Z) + b est inconnue. 2.com/guilpin/ 377 ..2)A < a < E+tn. fi S:Xfi~ chacun de ces intervalles. La distribution de Student à (n ~ 2) degres de liberté permet de résoudre le problème qui consiste donc a déterminer la précision sur les coefhcients a et 6. Estimation de la précision a . nous pouvons affirmer que : 1. b-t a. alors que la droite Y = a(z .‘45.y.Il s’agit de déterminer les intervalles de confiance pour la ligne de régression inconnue à partir de l’expression de la droite estimée : Y = a(x .z) + 6.2)5 < b < b + t.& . avec ANALYSE DE CORRÉLATION ET DE RÉGRESSION Dans le cas où O[v]<] = C~~‘(X).& .Z12 i=l et s2 = f 2 [y.

MANUEL

DE

CALCUL

N U M ÉR I Q U E

APPLIQUÉ

b - Pour une valeur donnée x0 de la variable x - On peut montrer que la variable :

suit pour toute valeur fixée de IL: la distribution de Student à (n - 2) degrés de liberté. La différence entre la valeur moyenne empirique Y(Q) et la valeur théorique Y(Q) ne dépasse pas en valeur absolue la grandeur :

c - Cas des variantes conditionnelles non homogènes - Il est bien entendu que toutes les formules de ce paragraphe doivent être modifiées au cas où les varianccs conditionnelles ne sont pas constantes. Les expressions prennent alors la forme suivante : 1 . b-t4(72-2) & <b<b-Q,(n-2) +

ù
2. UE

c wim,
i=l

avec

e t

Z =&- -g wixi. i=l

2.4. Régression multilinéaire, estimation de la précision
la fin du chapitre concernant l’interpolation, nous avons étudié les systèmes linéaires surdéterminés qui s’écrivent :
À

c
k=O

m

alkxk

f ak = 0,

378

26. A NALYSE pour 1 = 0, 1,2,. . , n. Soit en notation matricielle : AX=b,

DE

C O R R ÉL A T I O N

ET

DE

R ÉG R E S S I O N

(26.1)

A étant une matrice de n lignes et de m colonnes (avec m < n). Le système des équations normales associé au système surdétermine s’écrit alors :

[ATA]X = [AT]b,

(26.2)

expression dans laquelle AT est la matrice transposée de la matrice A. Il est intéressant de pouvoir estimer les incertitudes qui entachent les résultats obtenus. La résolution du système (26.2) fournit une solution que l’on note Z(&, [i, [z,. . , trn) et 1 ‘on désire obtenir les valeurs de la dispersion LTI, sur chacune des valeurs &. Pour cela on calcule d’abord la dispersion <T sur les valeurs des seconds membres, on l’obtient en calculant d’abord la somme des carrés des résidus :

R2=g [@k+~k]‘> a est donné par l’expression suivante : C+L. Désignons par dlk les éléments de la matrice D = [ATA]-’ (’inverse de la matrice des équations normales). Alors la dispersion ak sur chacune des valeurs <k: est donnée par l’expression :

Il est aisé d’obtenir la matrice de corrélation rqp entre les variables zq et xp :

Le programme surdeter. c mentionné à la fin du chapitre 6 sur l’interpolation s’occupe de calculer la matrice de corrélation et les incertitudes sur les valeurs calculées des inconnues; le détail des calculs se trouve dans l’ouvrage de H. Mineur cité en bibliographie.

Remarque : Si le coefficient de corrélation entre deux variables est proche de l’unité (hormis les éléments de la diagonale), cela signifie qu’il faut supprimer dans le modèle l’une des deux
variables.

3. Éléments de bibliographie
AÏVAZIAN (1970) Étude statistique des dépendances, Moscou. H. CRAMER (1945) Mathematical methods of statistic, Princeton. H. MINEUR (1938) Technique de la méthode des moindres carrés, Gauthier-Villars. R. RISSER et C.E. TRAYNARD (1969) Les principes de la statistique mathématique, GauthierVillars. H. VENTSEL (1973) Théorie des probabilités, Éditions MIR, Moscou.
S.

379

ANNEXES

A. Les suites de Sturm. Application à la détermination du nombre de racines réelles d’un polynôme . . . . . . . . . . . . B. Polynômes orthogonaux relativement à une fonction poids. Généralisation de la méthode de Gauss . . . . . . . . . . . . . . . . . . . C. Les fractions continues . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.

.

. . 383 389 . . . . . . 397 . 405 . 421

. . . . . . . . . . . . . . . . . . . . .

. . .

D. Les approximants de Padé et de Maehly . . . . . . . . . . . . . . . . . . . . . E . Calcul des fonctions de bibliothèque élémentaires . . . . . .

F . Calcul numérique des fonctions de Bessel . . . . . . . . . . . . . G . Éléments succincts sur le traitement du signal . . . . . . . . . H . Problèmes et exercices.. . . . . . . . . . . . . . . . . . . . . . . . . . 1.

. . . . 429 . .
433 443

. .. . .

Corrigés des problèmes et exercices.. . . . . . . . . . . . . . , . . . . . . . . . . . . . . . . . . 497

381

A

suites de Sturm. Application à la détermination du nombre de racines réelles d’un polynôme

L es

En 1829, le mathématicien Charles Sturm (180331855) fait paraître un mémoire, célèbre alors, consacré à la détermination du nombre de racines réelles d’une équation f(x) = 0. L’intérêt est avant tout théorique, et, comme on s’en apercevra au cours des applications pratiques, les suites de Sturm ne sont pas d’un emploi aussi aisé qu’une première impression pourrait le laisser supposer dans la mesure où leur usage impose une très grande précision dans les calculs numériques. L’introduction des erreurs d’arrondi à chaque étape des calculs conduit d’une façon quasi inexorable à des résultats aberrants. Ceci explique la limitation des suites de Sturm au cas des polynômes de degré assez faible (quelques unités) à coefficients entiers.

1. Notion de variations d’une suite numérique
Considérons une suite numérique quelconque finie ou infinie notée aa, a1 , a2, . , ak, . . . On dit qu’il existe une variation dans cette suite lorsque deux termes consécutifs possèdent des signes opposés. Autrement dit, il existe une variation lorsque le produit de deux termes consécutifs est négatif. Par exemple, considérons la suite finie suivante : 15,12, -8, -7,18, -15, -12, -4,7,9. Cette suite possède quatre variations ou quatre changements de signe. C’est sur cette notion de variations dans une suite que repose le théorème de Sturm.

2. Suite de Sturm générée à partir d’un polynôme
Soit un polynôme de degré n, à coefficients réels, que l’on note P,(Z). À partir de P,(Z), on génère une suite de polynômes Qj(z) défi . ainsi : on pose &O(Z) = P,(s) et QI(Z) = PA(z), me F’;(X) étant le polynôme dérivé de P,(X) par rapport à 2. Ensuite, on divise &O(Z) par QI(X). On obtient alors : &O(X) = (aoz + bo)Ql(z) + %-2(x), expression dans laquelle on a désigné par &-2(x) polynôme de degré (n - 2). On pose alors :
Q2(x)

le reste de la division, c’est au plus un

=

-Rn-2(x)

On opère de la même façon en divisant QI(Z) par Q~(x), ce qui s’écrit :

QI(X) = (alz + h)Qz(x) + S-:s(x),
383

MANUEL

DE

CALCUL

NUME~RIQUEAPPLIQUÉ

le reste de la division R,,-:{(z) étant un polynôme de degré est au plus (n. - 3). À nouveau on pose Q3(x) = -R1L-3(x). N ous allons poursuivre les mêmes opérations jusqu’a ce que nous parvenions au terme ultime de la suite :

Qn(x) = -R”(z),
où IX~(Z) est alors une constante. La suite des Q~(z) s’appelle suite de Sturm. Pour des raisons de concision d’ecriture, on peut désigner par rnj la quantité (n,jX + b,), et l’on obtient la relation de rccurrcnce entre trois polynômes consécutifs :

avec les deux prerniers polynômes de la suite : &a(~) et Qr (x)

3. Quelques propriétés des suites de Sturm
D’abord, nous allons supposer que le polynôme PTI,(~) ne posstde aucu11c racine multiple. autrement dit, Qc)(z) et Q r ( z) n’ont aucune racine commune. Sous cette hypothèse, on déduit les propriétés suivantes : a . Q,, (.z) est une constantc differente de xero. En effet. Qn (XT) est le plus grand commun diviseur de Q”(X) et de QI(Z), et si QT1( z ) es t ‘g 1 zéro cela signifie que &a (XT) ct Qr (x) ont au e a à moins une racine commune ce qui est contraire à l’hypothèse. b. Deux polynômes consécutifs Q~(z) ct Qk+r(* L ) ne possèdent, aucune racine commune. En effet, la relation de récurrence montre que, s’il n’en était pas ainsi, Qk+a(.~) s’annulerait aussi et ainsi de suite jusqu’à QTL(x) q ui serait nul ; mais nous VCIIOI~S d’etablir au paragraphe précédent que cela n’était pas possible. c. Si, pour une valeur z = q de la variable, le polynôrne Q~(z) s’annule, la relation de rccurrence nous donne :

Qk-(v)

= -Qk+2(71)

ou encore

Qk(q) Qk+z(q) < 0.

d. Lorsque Q”(z) s’annule pour la valeur I : = 6, le rapport Qa(z)/Qr (x) passe du négatif au positif quand z passe par < par valeurs croissantes. Ceci n’est vrai qu’au voisinage immédiat de la racine de Q”(X) dans un domaine où QI(x) garde un signe constant on rappelle que Q~(z) ct QI(X) n’ont pas de racine commmle. Comme par hypothèse < est une racine simple, nous pouvons écrire :

Qo(x)

= (x - C)(Q,,-1 + a-~(~ - I) + . )

À ce propos, signalons qu’on peut toujours écrire la deuxième parenthesc du deuxième membre sous forme d’un polynôme IL-r (z) de degré (n ~ 1) :
rI,,-,(x) = c,, + CL,,-IZ + c,,-&x2 + ‘. + ClZ 71-1 Le changcmeru de variable x en z ~ [ permet d’écrire :

384

ANNEXE A. LESSUITESDE D’un autre côté, on peut krire QI(z) sous la forrne : QI(x) = a,,,-1 + ~cu,-~(z - <) + ~cx,-:~(z - Q2 + . . + (n - l)rul(x - PJ-l.

STURM

Dans le voisinage immédiat de la racine <, c’est-à-dire dans le domaine ([ - $, < - E”) où QI(z) n’a pas de racine, on peut écrire :

g# = (x-E)= = (x - E)
les signes sont donnés ci-dessous : X < - E2 I 0 x - E2 +

Qc~(x) QI(X)

Il s’ensuit que Qui et QI(z) ont 1eurs zéros entrelacés. À présent, il nous faut envisager lc cas des racines multiples. À partir d’un certain rang, noti: (p + l), q ui ne diipend que de l’ordre de multiplicité des racines, la suite des polynômes devient identiquement nulle. Le polynôme Q,(x) est alors le PGCD de Q”(x) et QI(z). Si l’on pose :
Q; =

Qk(x) Q,(x)

alors la nouvelle suite Qo (x), QT, Q5, . . QG est une suite de Sturrn, et le polynôme QG n’a plus que des racines simples. Ainsi s’est-on ramené au cas précédent.

4. Le théorème de Sturm (1829)
Soient IL et b deux nombres réels tels que a < b. Le nombre N de racines réelles du polynôme PT1(x) à coefficients réels et de degré n, qui sont comprises entre a et b, est égal à la différence des variations prises par la suite de Sturm {Q,(x)} aux points a ct b : N = N(a) - N(b), où N(y) désigne le nombre de variations de la suite de Sturm {Q,(x)}.

Démonstration
Pour parvenir à nos fins, nous allons faire croître la variable x depuis la valeur a jusqu’à la valeur b. Chaque fois que l’on passe par une racine < de Qk(z), les signes des deux polynôrnes voisins Qk-l(x) et Qk+l(x) sont conservés et demeurent, bien sur, opposk. Que lc signe de Q,+~(z) change ou non, le nombre de variations de la, suit,e Part>ielle Qk,-, (CI:): Qk(x) et Qk+l (x) ne change pas. Donc, d’une fa$on générale, le fait de passer par une racine d’un polynôme Qk(x) ne change pas le nornbrc de variations de la suite excepté si k = 0. En effet, dans cc dernier cas, au passage de chaque racine de Q”(z), le rapport Q”(x)/Ql(x) p asse du négatif au positif pour les x croissants et l’on perd alors une variation. Il est évident qu’une racine muItiple n’est comptke que comme racine unique, et il est indispensable d’examiner en détail la suite des Q,j (x). D’un point de vue pratique, le nombre total de racines réelles est donnk par : NI = Iv-cm) - N(+oo). Dans cc cas, seul le coefficient du degri: le plus élevé dc chaque polynôrne Qj (z) est, utile pour calculer NI. 385

M ANUEL

DE

CALCUL

N U M ÉR I Q U E

APPLIQUÉ

Le nombre de racines positives est donné par : Nz = N(0) - N(+~O). Il faut, pour calculer Nz, connaître les coefficients des termes de degré zéro dans chacun des polynômes (il s’agit de la constante). Nous pouvons donc en déduire que, pour qu’un polynôme de degré n possède n racines réelles, il faut que les coefficients de degré le plus élevé soient positifs pour chacun des polynômes de la suite de Sturm. Par ailleurs, pour qu’un polynôme n’ait que des racines positives, il faut en plus que les termes de degré zéro aient des signes alternés. Insistons sur le fait que le théorème de Sturm peut se révéler très efficace pour localiser une racine ou pour vérifier qu’il existe ou non une racine dans un domaine choisi à l’avance (fini ou infini).

5. Disposition des calculs, schéma de Routh (1831-1907)
Le but de cet algorithme (1905) est avant tout d’éviter les nombres fractionnaires résultant de la division de deux polynômes consécutifs. À cette fin, il suffit de multiplier tous les coefficients du dividende et tous les coefficients du diviseur par deux nombres tels que le reste et le quotient n’aient pas de nombres fractionnaires comme coefficients. On dispose sur deux rangées les coefficients de Q~(z) et de &I(X) selon les puissances décroissantes.
a0 a1 CL2 a3 u4 . . G-1 a,

b.

bl

bz

b3

b4

.

.

b,+l

b,.

On calcule une troisième rangée de termes appelés cj possédant (n - 1) termes et que l’on exprime facilement à partir des uj et des bj au moyen de la relation : c3-1 = boa, - aobj avec j = l...n.

Cette ligne correspond au reste partiel de la division de Q~(z) et QI(Z), on obtient le reste définitif en calculant une quatrième rangée de termes dj exprimée au moyen d’une combinaison linéaire des b.j et des cj : dj-i = cobj - bocj. La rangée des dk est donc l’ensemble des coefficients, disposés selon les puissances décroissantes, du polynôme &z(~). On recommence rigoureusement les mêmes opérations en utilisant les polynômes QI(Z) et Q~(x) ; o n p oursuit jusqu’à parvenir à Qn(x).

6. Quelques exemples de suites de Sturm
Chaque suite de polynômes orthogonaux constitue une suite de Sturm. L’étude des zéros de ces polynômes peut être envisagée par ce moyen.

7. Mise en œuvre du théorème de Sturm
Sur le Web (*), nous proposons le programme sturm. c qui dénombre les racines réelles d’un polynôme quelconque à coefficients réels. Afin de limiter la taille très rapidement croissante des nombres calculés par la méthode de Routh, à chaque calcul de la suite des dj, nous effectuons la recherche du PGCD de tous les nombres d,, puis, le cas échéant, nous procédons à la simplification, c’est-à-dire à la division par le PGCD. *http://www.edpsciences.com/guilpin/
386

ANNEXE A. LES
7.1. Exemple 1

SUITES DE

STLJRM

Voici les coefficients dans l’ordre des puissances décroissantes d’un polynôme de degré 4. a0 = 1 a1 = - 5

CL2 = 10

a3 = - 1 0

a4 = 4.

Ce polynôme admet deux racines réelles qui ont pour valeur 1 et 2, et deux racines complexes conjuguées 1 f i. Le programme donne : nombre de racines réelles multiples = 0 et nombre de racines réelles distinctes = 2.

7.2. Exemple 2
Voici les coefficients dans l’ordre des puissances décroissantes d’un polynôme de degré 5. a0 = 1 a1 = - 2

CL2 = - 1

a3 = 4

a4 = - 2

a5 = - 4 .

Ce polynôme admet une racine réelle double qui a pour valeur -1, deux racines complexes conjuguées 1 f i, et une racine réelle qui a la valeur 2. Le programme donne : nombre de racines réelles multiples = 1 et nombre de racines réelles distinctes = 2.

7.3. Exemple 3
Voici les coefficients d’un polynôme de degré 6 :

a0 = 1

a1 = - 2 1 a2 = 1 7 5 aa = - 7 3 5 a4 = 1 6 2 4 a5 = - 1 7 6 4 a6 = 7 2 0 .

Ce polynôme admet pour racines 1,2,3,4,5,6. Le programme donne 6 racines réelles distinctes et aucune racine multiple.

7.4. Exemple 4
Voici un polynôme de degré 10 qui admet comme racines : 4 fois la valeur 1 , 3 fois la valeur 2 , 2 fois la valeur 3. 1 fois la valeur 4. Ses coefficients sont : ao = 1 a6 = 8777 a1 = - 2 0 a7 = -8458 a2 = 175 a8 = 5204 as = -882 a9 = - 1 8 4 8 a4 = 2835 aio = 288. as = -6 072

Le programme indique qu’il y a 6 racines multiples, et 4 racines réelles distinctes. Cet exemple montre qu’il ne faut pas espérer trop de cette méthode dès que le degré du polynôme atteint la dizaine, la perte de signification des nombres calculés devient la cause principale de cette mise en échec. Nous avons rencontré un problème semblable lors du calcul des racines d’un polynôme : si l’on dispose d’une machine utilisant 16 chiffres significatifs, on ne peut guère espérer calculer des racines correctes pour les polynômes de degré égal ou supérieur à 13.

8. Éléments de bibliographie
E. DURAND Paris. H. MINEUR (1971) Solution numérique des équations algébriques, Tome 1, Éditions Masson, (1966) Techniques de calcul numérique, Éditions Dunod.

387

B

Polynômes orthogonaux relativement à une fonction poids. Généralisation de la méthode de Gauss

Compte tenu de la grande simplicité d’emploi agrkmentée d’une grande précision, on peut demander dans quelle mesure la méthode de Gauss est susceptible d’être gknéralisée aux cas d’intégrales, ayant bien sfir un sens, mais prksentant des singularités. Le plus souvent; ces singularités existent aux bornes du domaine d’intégration lequel peut, être fini ou infini. Il n’est pas question de chercher à passer en revue le plus grand nombre de singularités, mais d’étudier, dans la mesure du possible, les cas les plus fréquemment rencontrés dans les applications. La méthode consiste à conserver les principes généraux qui ont permis d’obtenir la formule d’approximation de Gauss, et bien entendu, notre attention devra tout particulièrement porter sur l’utilisation des polynômes orthogonaux classiques. Nous montrerons l’existence de racines de ces polynômes exclusivement récllcs et distinctes, ainsi que quelques autres propriétés générales. En résumé, ce chapitre préscntc les définitions et théorèmes utiles pour l’établissement de méthodes d’intkgration généralisant celle de Gauss.
SC

1. Généralisation de la notion de polynômes orthogonaux
On appelle suite de polynômes orthogonaux sur l’intervalle fini ou infini (a: 0) relativement à la fonction poids W(Z) d é fi nie positive ou nulle sur (a, b) une suite dc polynômes :
WC)(x), Wl(X), W2(2), ‘. > WI(~), . ”

de degré respectivement 0, 1,2,. . , 12, . et qui vérifient, les relations :
h

w(~)W~(z)W~(z)
.I

dz = 0

si k # j

03.1)

CI Cela implique que :

doit, converger quel que soit n. Remarquons que la suite n’est définie qu’à une constante multiplicative près. On peut choisir cette constante, comme nous l’avons déjà écrit, selon divers critères que nous rappelons :

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

1. WTL( 1) = 1 pour tout n. ; 2. orthonormalité : s ~(X)IV~(X) dz = 1, pour tout n positif ou nul ; 3. le coefficient de 18 puissance la plus élevée du polynôme a une valeur fixée à l’avance ; lorsque cette valeur est égale à 1, on dit que le polynôme est à coefficient principal réduit. Il nous reste à justifier l’existence d’une telle suite. Considérons la suite de fonction linéairement independantes :
b

~,x~,x2&(q ,..., x:“&fq )...
Le procédé d’orthogonalisation de Schmidt (187661959) nous permet d’obtenir un système de fonctions orthogonales répondant à notre question. On obtient alors :

où W”(X),W~(X),.

. ,Wl(X),.

.

sont respectivement des polynômes de degré 0, 1, . , n, . .

2. Décomposition d’une fonction f(x) sur la base des polynômes Wk(x) orthogonaux sur l’intervalle (a, b)
Théorème liminaire
Tout polynôme Qn(z) de degré n est représentable par une somme finie de polynômes W,(X) de degré inférieur et égal à n. Pour démontrer cette proposition, il suffit de reprendre la technique analogue à celle que nous avons mise en œuvre lors de l’étude des polynômes de Lagrange (chapitre 6). Développons Qrl(z) selon les puissances décroissantes de 2 :

Qn(x) = uoxn + UIX n-1
Il nous suffit de remarquer, alors, que : 1. 1 est proportionnel à IV~(Z) :

1 = aoowo(x) ;
2. x est une fonction linéaire de IV~(X) et WI(X) :

x = folio +~ll~oow~(~);

3. x2 est une fonction linéaire de IV~(Z),

WI(X) et IV~(X)
+a12W(z)

:

x2 =
et ainsi de suite.

aozwo(x)

l

ta22W2(x),

ANNEXE

B.

POLYNOMES

ORTHOGONAUX

RELATIVEMENT

À

UNEFONCTIONPOIDS

Ces différentes expressions reportées dans QTL(x) d onnent directement pour QTL(x) une forme linéaire en IV~(X) : Qn(x) = boW,(x) + hWl(x) + . . + h,Wn.(x). On en déduit la relation suivante :

b J ~x)W,+~(X)Q,,(X)

dJ: = 0

À présent, intéressons-nous à la fonction f(x) p ouvant être légitimement approchée par le polynôme R,(z) sur l’intervalle (a, b) dans les conditions du théorème de Weierstrass ; nous pouvons écrire : f(x) = RT<,(X) + e(x) où c(x) est le résidu ou le reste.
R,, (x) peut se décomposer sur la base des polynômes IV,(x) :

Pour obtenir les coefficients ck, il suffit de multiplier les deux membres de l’équation précédente par w(x)Wk(x), puis d’effectuer l’intégration sur l’intervalle (a, h) dans la rnesure où celle-ci a un sens.

J n
b 011

w(x)Rn(x)Wk(x)

dz = ck

J a
,b

w($V,,(x) dz

en vertu des relations d’orthogonalité. En posant : I, = ~(+V~(Z) d z peut alors écrire :
1 Ck = ~

J a

Ik

J
a.

w(x)R,(~)W~(x)

dz.

Autrement dit, on choisit comme approximation de f(x) un polynôme R,(z) de degré n qui vérifie les relations :

J w(x)%(x)Wk(x) d17: =J w(x)f(x)W,(x) dz a a
b
b

avec k= 1,2 ,..., 71. Du point de vue strictement mathématique, la décomposition est d’autant plus précise que la valeur de n. est élevée. et cela en vertu du théorème de Weierstrass.
391

21)(x . t ~1 polynôme de degré k. Pour cela.(z) s‘annule au moins en un point dans l’intrrvallc (n. b).2&l)(ll: ~ Z. j=O Il s’ensuit que : en vertu des relations d’orthogonalité puisque ‘II # k par hypothk.-l) est définit positive sur (a.x2). soit : est X.(:l*) s’annule. . Désignons par :x:1. (LE -LT&) = W.. Il vient : W(Z)WIL(~)X~(X) / 0. Par conséquent.5. quadruples et ainsi de suite.22.(Lc). (:r .x1)(x ~ x2).. Xk ( )cs. b). h).. b).(z) sont orthogonaux. xh. Considérons l’expression suivante : elle signifie que W”(z) et W.+l). .. ceci nous conduit à affirmer que le polynôme W71(z) de degri: n possède 71 racines rtkllcs dans l’intervalle (a: b). (x ~ X. Xk:(.MANUEL DE CALCUL NUMÉRIQUE APPLJQUÉ 3.. On en dbduit que k doit être égal à n puisque l’intégrale prkckdente est diffkente dc z6ro pour k = 71. Comme W(Z) n’est jamais II~I~ fonction négative dans l’intervalle (a. . dz # 0 puisque Wn(~)X~(2) gil1 d e un signe constant sur l’intervalle (a.x2). Le polynôme : II(z) = Wn(x)(2T ~ x1)(2 . b). (cc ~ 2..)2. distincts ct compris dans l’intervalle (a..z) dkomposable en polynômes ~V~(Z) de degrk kgal et inférieur à k. ..(x) = c d]Lv.(X)X~(2T) conserve un signe constant dans l’intervalle (a. Faisons z l‘hypothèse que k soit plus petit que 12. . mais il en est de même II(x) = WTL(L72)(X pour le polynôme : . Racines des polynômes orthogonaux Théorème Les zéros d’un polynôme dc degré n appartenant à une suite dc polynômes orthogonaux relativement à la fonction poids W(T) sur l’intervalle (a. supposons que la h? racine soit double. . il s’ensuit nkcssaircment que W. tous les points O<r wrj. car par lc même processus on montrerait qu’il nc peut y avoir dc racines triples.p1) et l’on retombe exactement sur lc raisonnement prkkdcnt. Il nous reste à montrer qu’il ne peut. Par ailleurs.!. b). (x . dans ce cas la forme : II(x) = WlL(2)(2 . b) sont rkels. 392 . y avoir de racines doubles. On en conclut donc que toutes les racines sont distinctes (ou racines simples).

écrivant les relations d’orthogonalitk pour k < (n . (x) dz = 0 ca. on obtient : b b &ll(x)W(x) 1 dz = A. soit J cette approximation : il J = c %f(~~) j=o 03.z)) pour obtenir tous les coefficients des autres polynômes.. pour obtenir la relation de rkurrcnce proposée. et C. (x)x est 1111 polynôme de degré (n. 393 . h) représentable par 1111 polynôme sur cet intervalle ct ou W(T) est une fonction définie positive ou nulle sur (a.. . + U... . = u. P O L Y N Ô M E S O R T H O G O N A U X R E L A T I V E M E N T À U N E F O N C T I O N P O I D S 4. rappelons-le.2) K(x) . .(X) ce polynôme. Généralisation de la méthode de Gauss La méthode dc Gauss généralisée s’applique au calcul d’intégrales de la forme : 1 = /i(x). L’intérêt.(x) . altérer la convergence de l’intégrale 1.. ce qui revient à écrire que : II(x) = W.(Anx + %)Wn-I(X) + CmW-z(x) où A. . dc poser : u. la forme : il existe toujours une relation de récurrence dc = 0 (B. dans le cas le plus @ni:ral.r XIV~(. on dksigne par Q.lz) + .-lWn-l (x).12) d u chapitre 7 pour calculer une valeur approchée de l’intégrale 1. Pour obtenir cc théorème...~) est au plus UII polynôme de degré (n .3) et 1’011 conserve également le critère précédemment retenu pour obtenir les H3 et les xJ : il faut que 1 = J si f(z) est un polynôme arbitraire dont le de@ est le plus élevé possible .A N N E X E B.z) est une fonction régulière sur (a.. de cc theorème repose sur lc calcul effectif des coefficients des polynômes orthogonaux : il suffit dc connaître la relation dc rkurrence ainsi que les coefficients dc deux polynômes consécutifs (génCralement les deux prcmicrs IVe(z) et Wi(. On conserve la relation (7.-z = -CTL ct n. peut être fini ou infini selon les cas.-i ~ B. B.1) au plus. Relation de récurrence entre trois polynômes orthogonaux consécutifs Théorème Entre t...W.-.f(x) dz où f(.2). sont trois constantes qui ne dépendent que de n.. les singularités se présentent aux bornes a ou b du domaine.. a s a w(x)xWk(x)Wn~. cn identifiant les termes de degré n. ..p:< = 0 Il suffit. 6) p ouvant prkcnter des singularités sans pour autant.2). Développons alors II(z) sur la base dc polynômes PV7 (x) : n(x) = n()W()(x) En + ulW* (. lequel. OII procedc de la manière suivante : d’abord on ajuste le coefficient A. 5. On cn conclut que : a() = a1 = U‘J = us = . Du reste.A.rois polynômes orthogonaux conskutifs.

17) du chapitre 7. On poursuit les calculs de la mêrne manière que celle abordée lors de l’etude des polynômes de Legendre. b). On obtient alors : (P+“(. Calcul des Hj Comrne nous avons vu que chaque polynôme IV~(X) encore ccrire : n k=O possédait k racines distinctes.f)2”up où ITz+r est la norme du polynôme I%$&+~(X) et u7Ltr le coefficient principal (coefficient de &‘). 6.~~ et UO. Son expression est donnée par : où QJ.~~.enir la nouvelle expression des Hj.ivcment le coefficient du terme en 9 du polynôme WT1(z) et le coefficient du terme en z”+r du polynôme WT1+r (.rtenant à la suite de polynômes orthogonaux sur l’intervalle fini ou infini (a. est la norme de Wlz. 5. on écrit l’expression : Les zj sont les racines du polynôme W.+r (x) appa.(z) : En revanche. il sera nécessaire d’examiner chaque suite particulière de polynômes orthogonaux.hogonalité pour obt.12) du chapitre 7. 1. ne fait appel qu’à la seule ort. ce rapport est calculé à partir de la relation de récurrence entre trois polynômes consécutifs en identifiant les coefficients des termes de degré (n + 1).2. Du reste il suffit de s’apercevoir que le calcul des IT. 394 .) [ I3 = ~ If(2n + 2)! (u:. Calcul des xj Reprenant la relation (7.+~ sont respect.z) . pour obtenir une expression analogue à (7. on peut expression dans laquelle a est le coefficient du terme de degré le plus élevé. Expression de l’erreur en remplacant I par J L’expression (7. Par ailleurs.1. soit : ou bien (B. b) par rapport à la fonction de base W(X) non négative sur (a.5) où K dépend de la suite particulière dc polynôrnes envisagée.20) du chapitre 7 est quelque peu modifiée bien que le calcul demeure le même dans son principe.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.

A. TOTIK (1992) Gen. HILDEBRAND (1956) Introduction to the numerical analysis. Éditions Dunod. H.ANNEXE B. HACQUES (1971) Muthématiques pour l’informatique. Armand Colin. LICHNEROWICZ (1960) Algèbre et analyse linéaire. MINEUR (1966) Techniques de calcul numérique. Masson. 395 . Éléments de bibliographie G. POLYNÔMES ORTHOGONAUXRELATIVEMENTÀ UNE FONCTIONPOIDS 7. STAHL et V.erul orthogonal polynomials. H. Mc Graw-Hill. Cambridge University Press. F.

2. On peut écrire (C.. . 011 se propose de dkterrnincr une certaine fraction rationnelle : (C. Un exemple de fraction continue L’cxcmple qui va nous servir d’introduction à la présentation des fractions contimles n’est rien d’autre qu’un aspect du problème de l’interpolation. on les numérote de 0 à. (rencontrées lors de l’étude des polynômes d’interpolation) divisées chaque fois par un terme du type (a.2n.l) de la fac. aj).a0 yzbo+Q71. pourtant ces êtres mathématiques ne sont pas tombés c:ompl~terrle:rIt en désuét.. deuxièmes etc.31 le second rnembrc n’étant rien d’autre que l’inverse de la différence première divisée : notonsla 6(no.. Rappelons C~IE les différences divisées sont les diffkrcnces premières. C’est la raison pour laquelle nous avons pensb qu’il ktait utile d’en prkscnter les éléments.uk) j # k. Écrivons que l’expression (C.ions continues. 1.ions usucllcs qui sont installées dans les calculateurs. On voit que 2r> + 1 couples de valeurs sont nécessaires B la détermination de la solution.udc car ils demeurent un remarquahlc procédé de calcul des fonct.2) prend la valeur b. l’ktude des approximants dc Padk (1863-1953) ainsi que les fondernents thboriques de l’epsilon-algorithme sont indissociables des propriktks essenticllcs des fract.C 1 Les fractions continues Aujourd’hui. quand J: = nj (j # 0) : CC. . l’enseignement traditionnel effectuk en France ne fait plus guère état dc l’cxistencc tics fractions continues. quand z = ajo.on suivante : 2 .21 cette forme montre bien que y = b.-l(~) cc. De plus. . 397 . j prenant les valeurs 1.(Z) ~‘. 2~1.1) où Pn(x) et Qn( z ) sont chacun des polynômes de degré rl de telle sorte que c/ prenne la valeur bj quand z prend la valeur aj.

. elle prend la forrne d’une fraction rationnelle que l’on note : 398 C .+ . 2.ilise pas une écriture lincaire. on appelle fraction continue R. a1.. notons-la &(a~. ar.ant 6(urj.a1 x ~ a2 x . . (~2~) l’inverse de la différence 2ne divisée.3.. . + a+i/bn. si l’on développe une fraction continue finie. et en not.3) comme nous avons traité l’équation (C. = bo + uo/bl + ai/bz + . Les fractions continues finies Par définition.+ . + ~ lb1 lb2 lb.l) en écrivant : cc. a2n) CC. a2.l).. rien d’autre que l’inverse de la différcncc deuxième diviscc . quand z = a3 (j # Ql) : cc.51 le second membre n’étant. + . ’ ak s’appelle le numérateur partiel tandis que bk s’appelle le dénominateur partiel.4) prend la valeur b.h-1 a1.2n. u3). d’ordre n une expression telle que : R. et l’on verra un peu plus loin comment calculer numériquement une telle expression au moyen de relations de récurrence qui permettent d’obtenir la quantité définie par la relation (C.. on aboutit à l’expression : y=bo+ quo. a11 + 6(ao. ul. En poursuivant la procédure jusqu’à j = 2n. j prenant les valeurs 2. comme on l’a vu à propos de l’exemple précédent. a3) + . ~2. . a1.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ Rien ne nous empêche de traiter l’équation (C.. 2 ~ ao 2 . Q) + 6(ao. = bo + h + b2 + a0 a1 a2 a3 +b:s + +&+. ou encore : G-11 Ull UOl R. + quo. on préfère de facon trCs usuelle les formes conventionnelles suivantes : R.41 Écrivons que l’expression (C. = b.61 La fonction y est donnée sous forme appelée fraction continue. .F FL Comme cette notation n’ut.. a2.

on appelle réduite d’ordre p (avec q 5 n) d’une fraction continue d’ordre n. = b.A.A.+~/b.-zb.Ap-zbl. BO Al Wl + a1 -=h«+z= b ) BI 1 b b‘ A2 -=bo+ u1 = boIL + albs + albo B2 bi + azlbz blbz + u2 I soit encore : A2 -= B2 bzA1 + uaAo bzB1 + u2Bo Cett>e dernière expression se généralise de la manière suivante : A p _ bpA. - ((3.B.B.A.-1 + ~.+~ dans la réduite d’ordre p.-1 bpBp-1 + u.1.ANNEXE C. = b.7) par rCcurrence en faisant la supposition qu’elle est vraie pour la valeur p. Nous obtenons : soit encore : R (bb.-~ ’ A. par b. la fraction continue tronqke à l’ordre q.+l ’ ce qui peut encore s’écrire : ~ ’ p+l -b P+I bp+l (bTIATl-~ + a.-2 et puisqut et .-1 + a.+l + up+l )A.+~ ‘+’ = (bpbp+l + a.+dBp-1 + a.B.-2) + ap+lAp-l @pBp-1 + a.-2 BT. LES FRACTIONS CONTINUES Toujours par définition. examinons alors la réduite d’ordre (p + 1) : A P+I R p+l = ~ B P+I Pour réaliser les calculs.-1 + u. Relations de récurrence entre les termes des réduites En krivant les réduites successives on trouve : A0 -= b0.-2) + u.B.eurs ct celle des dénominateurs.+~B. il suffit de remplacer b. notée : 2.7) Signalons que cette façon d’écrire contient deux égalités : celle des numérat. + ~.-2 + u&4-2 BT. Nous allons démontrer la relation (C.A.

BA- 0 et la fraction continue est alors finie.+r = A.MANUEL DE CALCUL NUMÉRIQTJE APPLIQUÉ 110115 oht.7) sont vraies pour p = 2.7). Ak A-1 -xp= “lt’ : donc : Bk-1 Rkpl = RAI = 0. nous dirons qu’elle est divcrgcnte.&IB. .+l(A. on obtient la relation : upfl = -%I+l up.+l. puis retranchons mcmlne à membre les relations de rccurrence. cn divisant (C. ou encore premiers entre eux. irrcductihles entre eux.. infinic~ tous ses uk sont différents de zéro. On conclut que. on trouve en définitive : (C...3.. . il suffit de choisir les convernions A-. 2. on dira que la fraction continue est convergente et a pour limite R. si l’on désire pouvoir 6galenient les utiliser pour n = 1. si ime fraction continue est. hz.8) et (C. et B. Propriétés essentielles On adrnettra sans dCmonstration les deux propositions suivantes : upfl cc.-~ . b.2. Nous ohtcnons : L4. tend vers une limite R lorsque ~1 croît ind&nment. on établit : _ AP+I %%+I Bp+r 2. des variables aTa. .+lA. ~ B. . = -af. En posa.Ao = ai. Si R.B. Remarque : Supposons que clk = 0. .nt lJ.cnons : Ces deux dernières relations sont celles que l’on obtient en remplaçant p par (1J + 1) dans les equations (C. Considérons la réduite R.AkplB. sont.91 1. si les va~riahles uh et les variables bh: sont indcpendantes : 2.9) nous donnent : &Bkpl . ulI: bo. 1 = 1 ct B-1 = 0. Comme Ur = AIBu . Par ailleurs. bl. .Br. ar. 3. a~.+l par A rI. Une autre relation intéressante Multiplions A.2) par le produit BI.. Comme les expressions (C. aucune ri:diiitje ne se présente sous la forme O/O. .. on en deduit par rCcurrence qu’elles sont générales.+lB3. Dans lc cas contraire. les polynômes A.. Les relations de recurrcncc (C.B. et BT.). d’ordre rr.> = 0.8) ou encore. Les fractions continues infinies Dans ce cas la fraction contimre devient illimitee ct la notion de convergence s’introduit tout naturcllcrnent lors dc Cet)te étude.+r p ar B.B.+lAI.+~B.

ANNEXE

C. LES

FRACTIONS

CONTINUES

Calcul des ak et des bk à partir des réduites
Du point de vue numkrique, il va dc soi que le calcul d‘une fraction continue se ramène tolljours à UC approximation rkalisée au moyen d’une réduite. Cependant, il est indispensat)le d’(~xaminer sous l’angle de la Fgitimité les opbrations susceptibles d’être réalisées. Il est possitk dc calculer les coeffkicnts ak et bk au moyen des réduites R,, Rqpl et Rqp2. En effet, à partir des relations dc rkurrcnce établies au paragraphe 2, nous obtenons un système linéaire dont la solutjion s’krit :

On remarquera que les relations (C.7) sont définies à u11c constante multiplicative prc’s ; on obtient alors des fractions continues dites équivalentes, tout simplement parce que tjoutjcs les rbduites sont égales. Il s’ensuit que les réduites dépendent, dc paramètres arbitraires non nuls. Choisissons comme contrainte linéaire :

Nous pouvons écrire :

Il est souvent commode dc choisir arbitrairement les cy Cgaux à 1, on obtient alors des expressions très simples :

4. Développement en fraction continue à partir d’un développement en série entière
On considkre le dtvcloppement en skie suivant :

et l’on souhaite que continue R :

les sornmcs

partielles SP soient @ales aux rtduites R,,
fiaI arr 1
+ . . + + . .

dr la fraction

R

zz

bu

+

Ull ~

+

-

lb1

lb2

lb,,

Compte tenu dts résultats obtenus au paragraphe prkédent: on peut écrire :

s-1 - s, (4 = sqpl ~

s,-,

et

b = sq Cl s,-1

-z-2 -As,-2

Si l’on tient cornptc du fait que S, ~ S,-l = uy: nous pouvons kcrire :

401

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

cc qui permet d’obtenir le développement suivant :

Remarque : Si nous connaissons les réduites d’une fraction continue, réciproquement: il lui correspond une série dont le terme général Ut, s’écrit : thk = & - Rk-1.

5. Développement en fractions continues de séries usuelles
Considérons le développement général d’une fonction en série de MacLaurin :

s = 2 QkXk.
k=O

Nous obtenons, par application directe du résultat établi au paragraphe 4, le développement en fraction continue suivant :

D’un point de vue pratique, c’est-à-dire dès que les applications sont en vue, on a tout intérêt à procéder à la transforrnation de la suite des ap de la manière suivante : on forme la suite des PT> obtenue en posant : Po = Qo
P1= Ql

pq = aq/c+l

avec q > 2;

ceci a pour but une économie évidente de calcul. Par application de ce procédé, on obtient les développements suivants : log,(l ~X) = xl + lpJ:+ 11 ~
1%

22x1 (P - U2xl ~ l3-2x+-‘+ Ip-(p-:l)x+-

avec

lxlcl.
avec Ix/ < 1.

mxl (1 + x)7rL = 1 + II -

x(m - 1)/2l
Il+x(m-1)/2-“’

x(m -P - ~)/PI
Il+x(m-p-l)/p-“’

12x” 1 32x2 1 (2p ~ 1)2x21 xl ~ ~ arctan = - + ~3-x”+~5-3x”+“‘+~(2p+~)-(2p-~)x2+”~ 11

aveC

lxlsl.

Xl Xl 2x1 (P ~ 11x1 exp(z) = 1 + - ~ ~ ~ ~ 11 12+x 13+x +...+ Ip+x +.‘.
On notera que la convergence de la fraction continue est assurée dans le même domaine que celui qui assure la convergence de la série entière génératrice.

402

ANNEXE C.

LES FRACTIONS CONTINUES

6. Développement en fraction continue à partir d’un produit infini
Bien que les produits infinis ne jouent pas ml rôle aussi important que celui tenu par les développements en série entière, il est tout de meme intéressant de voir comment de tels produits permettent de générer un développement en fraction continue. Précisons que nous limitons notre étude aux produits infinis de monômes que nous écrirons donc sous la forme :

P = fi(l + u,).
i=l

Pour étudier la convergence de P, il suffit de passer aux logarithmes, ce qui permet de se ramener a l’étude d’une suite classique dont le terme général se rnet sous la forme :
W n-

log,(l + U,,).

Comme les suites ~u,,I et Iw,I convergent ou divergent simultanement, il suffit de s’assurer de la convergence de lu,1 pour obtenir la convergence absolue du produit, lequel, alors, admet une limite non nulle. Donc, en définitive, on souhaite former la fraction continue R dont les réduites R, sont égales aux produits partiels Pc,. On entend par produit partiel d’ordre 4 le produit fini des 4 premiers termes du produit infini. Puisque :

RI, = Pp = fii, + vi),
i=l

nous pouvons écrire :

pq-1pq
et b, =
pq - pc]-2

pq-1%~

uq = Pqpl - Pqp‘J = -‘uqpl - Pq-2
-1+ (1+ uq)(l
Uq-1

= “4(1+ Uq-r),
uqp1 + v-1) =1+ T/q(l tu,-1)
uq-1 ’

Pqpl - Pqp2 =

cc qui permet de conclure que : b, = 1 ~ a,. En adoptant comme notation Po = 1, cela nous permet d’écrire ba = 1, et puisque PI = 1 + ~1 = RI = ba + ar/br, cela entraîne que : a1 ainsi nous obtenons la fraction continue = ul et

bl = 1,

R = 1 + a11 + ,l-‘u2 + II

a31

Il -a3
403

% +...+ Il-aq +...

MANUEL

DE

CALCUL

NUMÉRIQUE APPLIQUÉ

Application à quelques exemples

a = _ (2q - 3)V + 4x2 4 (2q - 1)W

7. Éléments de bibliographie
C. É.

Masson, Paris. I.S. GR.ADSHTEYN et I.M. RYSHIK (1980) Table o.f Integrals, Series and Products, Academiç Press. F. HILDEBRAND (1956) Introduction to the nvumerical analy&, Édition Mc Graw-Hill. C. ,JORDAN (1959) CO~LTS d’analyse de l'École Polgtechnkque, Tome 1, Gauthier-Villars? Paris. A-M. LEGENDRE (1955) Théorie des nombres, A. Blanchard, Paris. P. MONTEL (1957) Leçon>s sur les récurren,ces et leurs applications, ch. VI, VII, VIII et, IX: Gauthier-Villars, Paris. H. PADÉ (1893) Sur lu repre’sentation upprochke d>une fonction, pur des fractions rationnelles. Tome IX, p. 1, 93, Annales Scientifiques de l’École Normale Supérieure. (1899) M&oire sur les développements en fructions contiwaes de la, fonction expon,entielle pouvant servir d’introduction, CL lu théorie des ,fractions continjues algébriques, Tome XVI. p. 395, 426 Annales Scientifiques de l’École Normale SupSrieure. .J. TRIGNAN (1994) Introduction, uun: problèrnes d’upprozimation : fructions continues, dijj%renceCç jin*ies~ Edition du Choix. G. VALIRON (1955). Théorie des ,fonctions, Masson, Paris.

BREZINSKI (1978) Algorith,rn,es d’accélérntion de la convergence, Éditions Technip, Paris. DURAND (1971) Solutions numériques des équations algébriques, Tome 1 pp. 20 et 91, Éditions

404

D Les approximants de Padé et de Maehly

Le cadre de ce chapitre a pour toile de fond l’approximation des fonctions, qu’elles soient usuelles ou spéciales, que l’on retrouve très fréquemment en calcul. En filigrane, se pose le problemc de connaître les rnoyens les plus économiques qui permettent de calculer les « fonctions de bibliothèque >). C’est à H. Padé (186331953) que revient le mérite de s’être interrogé sur ces problèmes et d’avoir recherche la mcthode la plus efficace possible pour realiscr des calculs nunrcriques de fonctions (voir la bibliographie). La méthode a été ensuite reprise par Maehly comme on le verra. Aujourd’hui encore bien des théoriciens continuent de poursuivre de tels travaux qui dcmcurcnt ur1 vaste champ de rcchcrche. Rappelons toutefois que les approximants de Padi: sont intimement liés aux fractions continues dc Lagrange (173661813) et que les algorithmes d’accélcration de la convergence sont indissociables de ces études (cf. C. Brézinski p. 72 et suivantes). Du reste, les publications originales de Padi: en 1892 et 1899 portent respectivement pour titre : « Sur la représentation approchée d’une fonction par des fractions rationnelles » et « Sur les développements en fractions continues de la fonction exponentielle ».

1. Le théorème fondamental de Padé
Par definition, un approximant est une fraction continue (cf. annexe C) qui a été tronquce à un certain ordre. 11 en résulte qu’un approxirnant se présente toujours sous la forme d’une fraction rationnelle au sens le plus large. Soit f(x) une fonction développablc en série entière au voisinage dc z = 0 qui s’ccrit : f(x) = ao + CL12 + 42x2 +. ‘. Considérons le polynôme dc degré 4 : avec ae # 0.

PJX) = lo + ZlX + 1 2x2 +. ‘. + l,xY = k liXL,
2=0

et formons le produit :

405

M ANUEL

DE

CALCUL

N U M ÉR I Q U E

APPLIQUÉ

expression dans laquelle on conviendra que les coefficients affectés d’un indice négatif sont nuls. Égalons à zéro les coefficients de degré p + 1, p + 2, . . . ,p + q. On obtient un système linéaire constitué de q équations à q + 1 inconnues que l’on écrit : ap+lZo + a,11 + a,-lZ2 + . + a,-q+lZq = 0 a,+& + ap+lll + upz2 + . + a,-q+zzq = 0 .......................................

u,+,Z0
ap+l ap+2
aP+q

+ u~+~-IZI + a,+,-212
aP ap+l UP-l ap
UP+-2

+ . + a,l, = 0
10 . 11 =
1 (1

que l’on peut encore écrire sous forme matricielle : . .
...

appq+l
ap-q+2

0

. . . . . . . . . . . . . . . . . . . . . . . . . . . ++q-1 aP

CD.11

Comme le nombre d’inconnues est supérieur d’une unité au nombre d’équations, il est toujours possible de satisfaire l’ensemble de ces équations par des valeurs des inconnues telles qu’elles ne soient pas toutes nulles ensemble. Si l’un des déterminants de la matrice (D.l), obtenu par suppression d’une colonne, est différent de zéro, alors toutes les inconnues sont déterminées à un facteur multiplicatif près. En revanche, si tous les déterminants sont nuls, alors plusieurs valeurs peuvent être choisies arbitrairement. De préférence, on s’intéresse à la suite lu, 1i, 12, . ,2, qui commence par le plus grand nombre de zéros possible. Le polynôme Pq(x) est alors divisible par une puissance de x dont l’exposant est noté wp4, exposant au moins égal à celui que l’on obtiendrait en adoptant toute autre solution. Cette valeur de l’exposant est nulle lorsque ls est différent de zéro. On note par J&(x) le polynôme dont le degré est au plus égal à p, soit :
RP(X) = f&dO + ai-lll i=o + aie212 + . . . + ai-&Jzi zz 2 bkxk, k=O

(D.4

Alors on peut écrire : f(x) . PV(X) = RP(X) + &(xp+q+l), expression dans laquelle s(xP+q+’ ) est un infiniment petit dont l’ordre est au moins égal à p + q + 1. Il s’ensuit que l’on peut écrire :

ou encore :

R; (xl f ( x ) = m,

dans le cas où les polynômes RP(x) et P4(x) ne sont pas premiers entre eux (RP(x) et P;(x) sont premiers entre eux). Quoi qu’il en soit, nous avons établi que la fonction f(x) pouvait être représentée ou approchée par une fraction rationnelle au voisinage de zéro. Notons que sous la dernière forme on aurait :

P;(x)f(x) = R;(z) + E(z~+~+‘).
Remarque : Comme dans l’expression de Pq(x) ou de P;(Z), il y a nécessairement un terme constant différent de zéro, alors R,(z)/P,(s) di ff ère de f(x) d’un infiniment petit dont l’ordre est (p + q + 1 - wpq) qui est plus grand que la somme des degrés des polynômes de la fraction.

406

ANNEXE

D.

LESAPPROXIMANTSDE

PADÉ

ETDE

MAEHLY

Théorème de Padé
Parmi toutes les fractions rationnelles irréductibles dont les termes ont des degrés égaux au plus à p pour le numérateur et au plus à 4 pour le dénominateur, p et q étant des entiers positifs ou nuls égaux ou inégaux, il y a une fraction R,(X)/P,(z) q ui fournit une approximation dont l’ordre est supérieur à celui de l’approximation fournie par une quelconque des autres fractions. Nous admettrons ce théorème sans démonstration (cf. les mémoires de Padé).

Remarque 1 : Dans l’état actuel des choses, à notre connaissance, on ne sait pas dire quelle est cette fraction rationnelle. Cependant, l’expérience montre que ce sont les termes de la diagonale pour laquelle p et q sont égaux ou les termes de la première parallèle supérieure à la diagonale (première sur-diagonale) telle que p = q + 1, qui fournissent les meilleures approximations. Remarque 2 : On peut montrer que le nombre wpq est au plus égal à q, mais qu’il est aussi au plus égal à p. Théorème - Les polynômes RP(x) et P4( 2 ) ont l’un et l’autre un terme constant différent de zéro ; wpq désignant zéro ou un entier positif au plus égal au plus petit des deux nombres p et q, les degrés des termes &(Ic) et &(z) ont respectivement pour limite supérieure p - wPq, q - wPq ; l’ordre de l’approximation a pour limite inférieure p + q + 1 ~ wp4. Ici encore, nous ne démontrerons pas ce théorème (cf. les mémoires de Padé).

2. Sur le calcul effectif des coefficients
AU départ, on connaît les coefficients du développement en série entière que l’on désigne par ai. Ensuite on calcule les Zk en faisant dans le système (D.l) lu = 1, ce qui permet de calculer le second membre du système linéaire. Comme les Zk sont définis à une constante multiplicative près, on peut rechercher à exprimer les Zk sous forme entière, mais cela demeure un problème secondaire. Pour terminer, on calcule les bh à partir de l’expression (D.2) qui se développe selon les égalités suivantes :

bl = aIl0 + a0Zl b2 = a2Z0 + alll + a0Z2 b3 = a3Z0 + a211 + aIl2 + a0Z3

bd = a4Zo + a3Zi + a2Z2 + alZ3 + aoZ4
et ainsi de suite.

3. Estimation de l’erreur commise
L’erreur strictement rationnelle s’écrit : mathématique E[f(z)] commise en remplaçant f(X) par une fraction

Pour évaluer cette erreur il est commode de revenir aux équations de départ. On peut alors écrire : f(x) . PAZ) = Rdx) + s,+,(x) 407

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

où S,+,(LzT) = &(zp+q+l
soit :

). Il est pratique alors d’écrire S,+, (z) sous mie forme plus exploitable.

S,+,(2) = zp+q+l g- c&ck.
k=O

Les coefficients C~C décroissent en général extrêmement rapidement si bien que le premier terme cc est de loin prépondérant. Aussi cette remarque permet-elle d’estimer l’erreur qui est donc de l’ordre de :

Reste à calculer cg. Pour cela, il suffit de rcprcndre le developpcment dc f(z). Pc1 (z) et d’identifier les coefficients des termes en &q+‘. On obtient alors : cO = a~+q+llo + ap+dl + . . . + a,+ll, = C lkaI,+,+l-k.
k=o

4. Développements de quelques fonctions en approximants de Padé
4.1. Développements de exp(x) (exemple donné par Padé)
On part du développement en série entière : exp(z) = 1+ : + $ + $ + f +. .
k=O

Nota - Pour des raisons de commodité d’écriture, on notera l’inverse d’un nombre au moyen du nombre souligné d’une barre, ainsi g = l/z. a - Approximation par la fraction rationnelle p = 1, q = 3 - En choisissant 10 = 1, on obtient le système linéaire suivant : 1 2 6 La résolution donne : 11 = -0,75 12 = 0,25 l3 = -4,166666 106’ ou encore en rnultipliant par un facteur convenable : l. = 12= 24 6 1 1 2 0 1 1 - 2 -6 -z

II = - 1 8 13 = - 1 .

408

A NNEXE

D.

L ESAPPROXIMANTSDE

PADÉ

ETDE

M AEHLY

À

partir de l’équation (D.2), on tire les valeurs des b : b,, = 24 bI = 6.

De là, on exprime l’approximant : exp(z) = 24 + 6x 24 - 18x + 6x2 - x3 .

b - Approximation par la fraction rationnelle p = 2, q = 3 - On résout le système linéaire : 2 6 2 D’où l’on tire, après multiplication par 60 : l. 32= = 60 9 1 2 6 1 1 2 -6 -24 -120.

l1 = - 3 6 13 = - 1 . En reportant ces résultats dans les équations (D.2), on accède aux bj : b,, = 60 bl = 24 bz = 3. En définitive, on obtient l’approximant : exp(x) = 60 + 24x + 3x2 60 ~ 36x + 9x2 - x3

c - Approximation par la fraction rationnelle p = q = 3 - Les équations (D.2) donnent le système linéaire : !3 24 120 2 6 g 1 2 6 -24 -l2J -72J

Après multiplication par 120, n o u s trouvons : 1” = 120 Il = - 6 0

12 = 12 13 = -1
409

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

puis : bo = 120

bl = 60 b2 = 12 b:< = 1
d’où I’approximant recherché : exp(z) = 120 + 60~ + 12~~ + x3 120 - 60~ + 12~~ - CI? .

d - Approximation par la fraction rationnelle p = 4, q = 3 - Tous calculs faits, on trouve : exp(z) = 840 + 480~ + 120x2 + 16~~ + x4 840 - 360x + 60x2 - 4x3

Dans le cas présent, nous avons multiplié les coefficients lk par 4 pour obtenir les bj sous forme entière. Avec une calculette, il est intéressant d’expérimenter ces différents approximants et d’en apprécier la précision.

4.2. Développement de la fonction de Bessel d’ordre zéro JO(X)
Jo(x) s’exprime à l’aide d’un développement en série entière donné par l’expression :

Jo(x) = -&l)k& (;)2k
k=O

soit encore :

Jo ( - >
4 -fj2 g2 -1202 7202 4 -52 a2 -&02 10 = 1

=

axez’:. k=O

a - Approximation par la fraction rationnelle p = 3, q = 4 - Il faut résoudre le système linéaire suivant :
-1 4 -62 a2 1 -1 4 -cj2 -2 1202 -7202 50402

II = 0,1139373674 l2 = 0,671266 793 x 10-2 l3 = 0,255 002 275 8 x 10-3 l4 = 0,565 105 603 8 x 10F5

410

ANNEXE D. LESAPPROXIMANTS On en déduit les bk :

DE

PADÉ

ET DE

MAEHLY

b. = 1 bl = -0,8860626326 ba = 0,142 775 300 5 b3 = 0,600 355 363 x 10-2.
b - Approximation par la fraction rationnelle p = q = 4 - On donne les résultats du calcul : 1” = 1 Il = 0,113 9373674

12 = 3,315 091014 x 10-2
l3 = 8,160 869 521 x 106” l4 = 1,084 070 461 x 10-” puis, bo = 1

bl = -0,918 085 7713 b2 = 0,171400 862 3 b3 = -0,105 327 029 2 x 10-l b4 = 0,208 963 998 1 x 10p2.
Remarque sur l’utilisation des approximants - Lorsque le degré des polynômes dépasse deux, on a alors intérêt, pour réaliser les calculs, à utiliser le schéma de Horner (178661837) qui fait gagner un nombre intéressant d’opérations. Soit dans le cas présent :

{[@4x + h)J: + h]x + bl)x + b,,
{[(/4x + /3)x + 1212 + I’}X + Z”

Pour se faire une idée plus tangible des approximants, on se propose de tabuler quelques valeurs de JO(X). Cette tabulation amène plusieurs remarques. D’une part, les approximants de Padé étant extraits de développements en série de MacLaurin (ou de séries entières), donc valables au voisinage de zéro, sont également eux-mêmes valables au voisinage de zéro. Le tableau D.l, page suivante, montre à l’évidence que la précision de l’approximation se dégrade avec l’éloignement de l’origine. Cependant il est intéressant de noter que pour la valeur x = 6 l’approximation obtenue avec la fraction rationnelle p = q = 4 donne une précision de l’ordre de cinq pour mille ce qui reste tout à fait raisonnable.

4.3. Développement de x-‘arctan
On part du développement suivant :

(exemple donné par Padé)

x-l arctan = 1 - g + $ - $ + $ + .
Approximation par la fraction rationnelle p = 3, q = 2 - On résout le système linéaire :

5 -7

-3 5
411

1 -9

1717 -0.305 75 0.006 697 0.5 6.38 0.245 9 JO(x) Padé p=4 q=4 0.208 23.938 5 0.O 2.7r/4) car ce sont ces dkveloppements que nous allons utiliser pour fabriquer les fonctions de bibliothèque ultkrieurement.714 285 705 7 4. la troncature des skies. On se propose de dkterminer les fractions rationnelles p = 9 de telle sorte que l’erreur sur chacune des valeurs calcukes (appartenant à l’intervalle prkite) soit inférieure à 10-s.150 6 0.210 581985 b3 = -0.048 4 -0.765 0>222 -0.ç ohtenus.g + 2 ~ $ + . Nous partons donc des développements en série de MacLaurin : sin(z) = 2 1 .997 501 0.765 197 0>223 890 -0.223 9 -0.048 383 -0.090 3 -0..5 5. t + (-l)$$ +.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Tableau D..777 777 777 b2 = 2. + (-l)n XT1 (2n + ( l)! + 1 cas(2) = 1 . Résultats n.047 -0. t.151214 0.300 1 0. Cela du reste nc préjuge en rien des autres erreurs liées à l’exécution des calculs qui peuvent devenir prépondérantes notamment lorsque les calculs font apparaître des différences. Il s’agit avant tout d’une erreur purement mathématique liée à.111111111 l2 = 2. 2 JO(x) tables 0:999 75 0.5 1.022 q=4 501 467 009 080 9 6 0:l 0.4.1.938 469 0.006 8 0.$ + $ ~ $ +.327 JO(x) Padé p=3 0. Calcul de sinus et cosinus On se propose de calculer la fraction rationnelle adaptée à chacune des ‘fonctions sinus et cosinus en se fixant pour 2 l’intervalle (0.umérique.997 0>938 0.0 7:o 60 9s 1o:o ce qui donne : 10 = 1 II = 1.0 2.380 952 355 d’où l’on dkduit : bU = 1 bl = 0. Comme nous 412 .765 2 0.

237288 124 x 10F4 3.235 543 474 x lO-” 1 -4.563 492 064 x 10-l ba = 2.595 035 872 x 10-” 1 -1. pour obtenir huit chiffres significatifs exacts.312890813 x 10-” Cas p = q = 3 2.2).2 x 10P7 E = 3.760 512 714 x 10P4 1.070 105 82 x 10F2 1 4.585 515 911 x 1ow -4.4 x 10P8 E = 2.5 x 1OF’” En conclusion.738 828 969 x 10F2 -3. dans le tableau D.940421157 x 10-” 4.338383838 x 10-l bz = 3. 413 . sinus Cas p = q = 2 l()= l1 = 12 = 1 3.3.414321216 x 10P2 2.6 x 10-s c = 1. nous obtenons les résultats présentés.597 8 8 3 6 x 10P4 1 bu= bl = bz = b3 = 1 2. cela nous permettra d’effectuer un choix par la suite. D. Tableau D.365079365 x 1OF” 8.425234545 x 10-l 4.723 422 695 x 10P4 L’erreur sera maximum en valeur absolue pour 2 = 7r/4.50937951 x 10F4 bu= 1 bl = -1.282828283 x 10-’ 4. il faut d’abord connaître les approximants avant de procéder aux évaluations des erreurs.705 957884 x 10-l 2. Nous allons donc calculer les approximants pour p = q = 2 puis p = q = 3 (cf. Donc. Tab. Tableau D.3.163 277 311 x 1OV” z()= 11 = l2 = l3 = z”= l1 = l2 = cosinus ho= bl = -4.ANNEXE D. sinus Cas p = q = 2 c = 2.34 x 10-11 -E = 4. on pourra prendre la fraction rationnelle p = q = 2 pour le sinus et p = q = 3 pour le cosinus. LES APPROXIMANTS DE PADÉ ETDE MAEHLY l’avons vu précédemment.l x 1OV” Cas p = q = 3 c = 6 x 10-l” E = 2 x 10-l” cosinus c = 4.2.

JïY?) : propriété fondamentale d’orthogonalité (relativement à la fonction poids À présent nous allons rappeler comment décomposer une fonction f(x) en série de polynômes de Tchebycheff sur l’intervalle canonique (.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. +l). il nous faudra développer non plus les fonctions en série de MacLaurin mais. Généralisation des approximants de Padé. Nous avons défini le polynôme de Tchebycheff de degré n au moyen de la relation (cf. En revanche. si l’on développe une fonction en série de polynômes de Tchebycheff. méthode de Maehly Comme nous avons eu l’occasion de nous en rendre compte les approximants de Padé donnent une excellente précision au voisinage de zéro . Malheureusement quand 011 s’éloigne de zéro. En effet.(z) = COS[~ arccos(z on a donc : T”(Z) = 1 e t T~(X) = IC. Aussi serons-nous bref pour ce qui concerne leurs propriétés. la précision de l’approximation sera homogène sur tout le domaine. Les polynômes de Tchebycheff obéissent aux relations de récurrence : ainsi qu’à la l/. chapitre 8) : T. On est en droit de penser que les erreurs auront un comportement identique pour les approximations par fractions rationnelles que l’on déduira non plus à partir de la série de MacLaurin mais à partir du développement en série de Tchebycheff. f(x) admet un développement unique en série de Tchebycheff donné par l’expression : 414 . b) que l’on réduira grâce à une transformation linéaire à l’intervalle canonique (-1. rien d’étonnant à cela puisqu’ils ont été construits pour remplir cet office. Si l’on souhaite pouvoir obtenir une bonne précision sur tout l’intervalle fini (a.1. Nous avons étudié les polynômes de Tchebycheff quand nous avons évoqué la méthode d’intégration de Gauss-Tchebycheff (cf. on sait que. en une série de polynômes de Tchebycheff (1821-1894). c’est le polynôme de Tchebycheff de dcgri: n qui s’écarte le moins de l’axe des J: sur l’intervalle (-1. ils seront moins précis dans le voisinage de zéro. +l) au sens de la norme du sup. bien sûr. De plus on peut ainsi espérer construire de meilleurs algorithmes dans le cas de séries de puissances lentement convergentes et qui donneront de meilleurs résultats que les approximants de Padé dans le cas où l’on s’éloigne de l’origine. l’erreur oscillant entre deux extremums. cette précision décroît notablement. Donc. parmi tous les polynômes de degré n à coefficient principal réduit. chapitre 8). +l) sans préjudice de la généralité puisqu’il est toujours possible de ramener tout intervalle fini 1 à cet intervalle.

LES avec APPROXIMANTS DE PADÉ ETDE MAEHLY 1 +l f(x) et as = Te1 Jr2 dx. Comme dans le cas des approximants de Padé. On écrira : j=o où ici RP(x) et Pq(x) rep résentent des développements en série de Tchebycheff.+1 (x). k=O i=o Il nous faut à présent développer ce produit de sommes. On peut montrer que l’erreur est de l’ordre de TP+. On obtient successivement : ~(X)I’.2 b&Ti(z) .(x) = c &T~(X) c Ui(x). les meilleures approximations sont obtenues pour p = q et p = q + 1. et pour cela il faut utiliser la seconde relation de récurrence que nous venons de rappeler. Tk(X) = 2 2 hhTi(x) k=O i=O + i=O k=O +k. En revanche on peut les obtenir assez facilement par voie numérique au moyen de la méthode de Gauss-Tchebycheff qui fournit une remarquable précision. f. IIOUS allons effectuer des calculs tout à fait semblables à ceux de Padé.(X) = 2. À partir de la connaissance des coefficients ak. nous obtiendrons la méthode de Maehly par transposition directe de la méthode de Padé.(“G)] = 5 Tk(X) = 7. v [Ti+k(X) + k=O i=O f 2 a=0 bkziqt-k.(x) 415 . Soit un polynôme de degré q ecrit en termes de polynômes de Tchebycheff : On écrit alors : M 4 f(x)P. Cela dit.A NNEXE D. s Remarque : Il n’est pas souvent simple d’obtenir les coefficients ak sous forme littérale.

+ b.~ + 2. + b. il correspond une valeur dc p que l’on ne retrouve evidemment pas sur l’autre ligne. . ce qui donne en définitive : 2f(ZPdZ) = ~o(~)(Wo + blli + ‘.&) + .) + Tdx)(boh + hll + Wo + bol2 + bl13 + bal4 + . En apparence on retrouve la matrice obtenue lors de l’étahlissemcnt de la méthode de Pade: mais il convient dc faire attention car a chaque ligne de la matrice. disparaît. + b. par conséquent. + bd” + b411 + b5Z2 + . Pour mieux situer le problème considérons les matrices dans le cas p = q = 2. On peut également développer les deux sommes.p + 4. + b.2ty + t*) sur (-1.-xl.$$2 + .+.+b q+zh) + T~(z)(boh + bll2 + bd1 + bsZo + b& + b114 + bd5 + . + b”l”) + T1(z)(boll + bll” + bol1 + hz2 + bals + '. Dans ce cas. et l’on considère le cas classique où p > 4.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ R. . sont les coefficients du développement en série de Tchchycheff que l’on souhaite distinguer du developpement en série entière. Un exemple : étude de la fonction log. + b. On égale à zéro les coefficients des polynômes de degré p + 1.. + bllo + bal1 + . + b.appelons pour mémoire que les indices negatifs correspondent à des coefficients nuls. 416 .. ni l’égalitéa4:S = 033.&.l.+ll.. +l) Nous allons procéder au calcul de deux approxirnants de Maehly sur cette fonction tout simplement parce que le calcul des coefficients de la série de Tchchychcff est réalisable formellement. + b& + b311 +bzila+. différencier attentivement les éléments selon la ligne à laquelle ils appartiennent. La technique de calcul demcurc la même que celle utilisee lors dc l’étude des approximants de Padé. la somme bob + hlk:+l + .(l .. expressions dans lesquelles les 6. on devra écrire : Q42. Avec la méthode dc Padé on écrira : a2 a3 et en a1 a2 -a3 -a4 se servant de la methodc de Maehly on aura : Q:32 Q4B QYZ Q42 -03:3 -Q44 et l’on n’aura pas l’égalite 032 = En revanche. puis regrouper les termes. Il faut.-ll. + bqp21.

si t” < 1. Tableau D.~~COS(Z) + t2] COS(X) dn: = -:Y.078971778 la = 1.~ 417 . Étude du cas p = q = 3 bo = 0.5.339252452 x 1OF” bz = 0. Le changement de variable .6. LESAPPROXIMANTS DE PADÉ ETDE MAEHLY En effet. = -7r/4608 ull = -7r/45056 a . Pour fixer les idées.5 .335 223 066 2 bx = -0. D. log.[l . page suivante.ANNEXE D. Pour des raisons évidentes de commodité de calcul.890 890 323 x 10-l l3 = -7. Tableau D.~~COS(Z) + t2] COS(~~) J’ Il w7r et . choisissons t.Étude du cas p = q = 3 . il sera judicieux dc dkvelopper les polynômes de Tchebychcff pour obtenir f(z) sous la forme : On obtient alors Ics valeurs du tableau D.(l .4.2 + 0. reste donc à obtenir les cocfficicnts du développement en polynômes dc Tchebycheff de la fonction : Iog.966 519 6716 l(j= 1 11 = -1. Il niy a pas de difficulté à calculer les coefficients uk (cf.516 155 562 b1 = -0. Tab.5.out à fait arbitrairement le coefficient t égal à 0.7: = arccos nous permet de calculer les coefficients du développement en série de Tchebycheff./ 0 dz = -it’r’si t2 < 1.273 101370 2 x 10-l -.4). ao= 0 a2 = -7r/8 a4 = --/r/64 n(j = -Tr/384 us = -7r/2048 ulo = -nIlO 240 cl12 = -7rl98304 a1 = -7r/2 CIL:~ = -~/24 a5 = -7r/160 cl7 = -7r/896 a<.25).[l .Ce cas est présenté dans le tableau D. on trouve dans les tables : 7T log.

Tableau D. Étude du cas p = q = 3 1.460239216 -0.8. Erreur liée à l’usage des approximants de Maehly On peut se faire une opinion sur la précision des approximations proposées.377 746 570 Pour mieux apprécier les différentes méthodes.238 518 707 = +1. D.670 446 132 = -0. Étude du cas p = q = 4 10 l1 l2 l3 l4 = +1 = +0. De là on tire les valeurs du tableau D. 418 . b.158 567 374 = -0. b.085 339 731 -0.Étude du cas p = q = 4 .056954021 = 0.288 160 179 = -0. = +2.378 178 065 = -0. 1. 1. on en déduit que : wp4 ayant été défini au paragraphe 1.152 640 716 = -0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau D.180932496 = -0. Comme on pe ut considérer que P(z) = l. = = = = = +0. = 0.8.884589260 = 0.424487452 = -2. . b.047 218 321 Étude du cas p = q = 4 1. on peut écrire : L’erreur est donc de l’ordre de : a. 1.815064572 -0. b. = 1. + g . 1. = 0.614 231378 +0.109240548 b .9. 1.171670 047 = +0. 6.Les résultats sont présentés dans le tableau D.f + . bo bl bz b:s bd = = = = = -0. nous avons tabulé la fonction sous diverses formes dont le développement classique (cJ Tab.013 102 673 Tableau D.104 821387 b. b.453 766 143 -0. 1.821537645 -0.481673 325 -1.7.7. .439993085 1 = -1. 1.810910968 = -1.6.850 716 186 +1. + (-y$ + . page ci-contre) : log(l + z) = z ~ . b.029 357 010 b& b. En effet. .

la relation de récurrence utilisée avec les polynômes de Tchebycheff.ANNEXE D.139 185 -0.R.139 761942 .25 . H.x) k=O APPROXIMANTS DE PADÉ ET DE MAEHLY Maehly p=q=4 -1. H.2 -0.597 837 000 0.-0.215 0.558 333 0. 2 log(l.896 088 024 0.896 046 0. BAKER et P.223 0. GRAVES-MORRIS (1978) Padé Approzimants. offrant des propriétés intéressantes afin de former d’autres approximants.215 113 0.300 104 592 0. Dunod.231113 0.596 759 071 034 102 139 106 761 671 951 0. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques.l -0.Ol 071 0.595 837 0.223 145 0.139 765 -0. Difficultés liées à la recherche d’une généralisation Il est naturel d’envisager l’usage d’autres polynômes orthogonaux.231 0.5 0.597 832 7. On pourrait penser à des approximants formés à partir des séries de Fourier.231111721 0.042 0. C. voire de fonctions orthogonales. 8.559 616 0.847 958 0. Éditions Technip.-0. Éléments de bibliographie G.139 -0.287 688 -0. La difficulté essentielle repose sur le fait qu’il n’est pas aisé d’obtenir une relation simple entre les produits de polynômes orthogonaux telle. par exemple.9.300 0. A.Ol w 0. LES Tableau D.287 -0.232 049 0.301856 0. PADÉ (1892) Sur la représentation approchée d’une fonction par des fractions rationnelles.S. Paris.215 111379 0.A.223 143 551 0. BREZINSKI (1978) Algorithmes d’accélération de lu convergence. les approximants de Padé et de Maehly sont à la base du calcul de toutes les fonctions de bibliothèque existant dans les calculateurs arithmétiques quels qu’ils soient.7 0. 419 . Annales Scientifiques de l’École Normale Supérieure.223 958 0. PADÉ (1899) Mémoire sur les développements en fractions continues de la fonction exponentielle. Cambridge University Press.548 0.287 500 -0.5 -0.559 615 787 0.215 798 0.300 104 0. RALSTON et H. Nous verrons dans la prochaine annexe E comment sont effectivement calculées la plupart des fonctions de bibliothèque à partir des approximants que nous venons d’étudier. car on passe d’une représentation à l’autre par un changement de variable du type 1~ = arccos( Quoiqu’il en soit.287 682 072 . mais il n’existera pas de différences fondamentales avec les approximants de Maehly. Annales Scientifiques de l’École Normale Supérieure.

Dans ce chapitre. cette technique qui donne des résultats remarquables n’est pas systématiquement applicable. Nous obtenons une série alternée dont le terme général va commencer seulement à décroître lorsque : 10” < n! ce qui donne approximativement : n z 10.E Calcul des fonctions de bibliothèque élémentaires Le calcul des fonctions de bibliothèque repose sur la décomposition préalable de la fonction en deux parties qui seront le cas échéant une somme ou un produit. nous nous attacherons à l’esprit de la technique du calcul d’un certain nombre de fonctions élémentaires. On conçoit sans difficulté que les sommes partielles vont être relativement importantes avant de décroître jusqu’à une valeur petite. Malheureusement. il n’est pas possible dans l’état actuel de nos connaissances de procéder à leur calcul par cette voie. 1.1) 423 . Cela imposerait des mots-mémoire de taille importante et de fort longs calculs. on ne sait pas réduire le calcul d’une fonction de Bessel à un intervalle canonique au voisinage de zéro ou sur l’intervalle (-1. Considérons par exemple le cas des fonctions de Bessel. En effet. Cette décomposition est effectuée de telle sorte qu’une des parties soit calculée exactement et que l’autre soit une fonction dont l’argument est genéralement petit devant l’unité. Très souvent. Calcul de exp(x) pour x appartenant à (-00. Avant d’entreprendre à proprement parler cette étude. on évalue cette dernière fonction au moyen des approximants de Padé. +l) q ui nous permettrait ensuite d’utiliser les approximants déjà évoqués. +oo) L’idée de base pour calculer exp(z) ( sur une machine qui fonctionne avec des nombres en représentation binaire) repose sur la décomposition de cette fonction en un produit du type : exp(z) = 2N exp(Q) (E. de Maehly ou des fractions continues. insistons sur le fait qu’on n’utilise jamais directement un développement en série pour calculer les fonctions de bibliothèque. On peut s’en persuader facilement en considérant le développement de exp((z) qui nous servira de technique de calcul pour z = 10.

(2). on obtient sans grande difficulté N et n. bb b. Le calcul de log. il n’y a pas d’erreur en calculant 2N puisque N est entier. Il s’agit là de constantes calculées une fois pour toute : log.693 147 < Q < +0.442 695 04. Ce problème doit être étudié pour chaque cas particulier comme il a été dit à l’occasion de l’étude des approximants de Padé et de Maehly. = = = = +1.954 415 0.(e) = N + n.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ de telle sorte que N soit un entier et Q un terme compris entre -1 et +l. Les coefficients que nous avons trouvés pour p = q = 3. 1.l. (e) log. On aura donc : exp(x) = I(%x + Wx + ~:IX + % . Nous aurons : exp(Q) = 2 wXk(x) k=O avec +1 -p(x) a0 = :-l JziTdX s 2 ak = IT +1 Tableau E. 1. Il en va de même du nombre de chiffres significatifs qu’il convient de conserver.015 822 087 684 815 193 10 1. 422 .189 -0. b. Il faut bien noter que les degrés p et q des polynômes formant la fraction rationnelle sont fonction de la précision recherchée. puis Q = nlog. b. soit par un développement en série. soit par un approximant de Padé déterminé dans un précédent chapitre. en ayant développé les polynômes de Tchebycheff. sont présentés dans le tableau E.905 -0. xk étant un zéro du polynôme de Tchebycheff de degré p. Il reste à calculer N et n. (E. Passant aux logarithmes en base 2. On obtient donc n sans problème et l’on note que Q est compris dans l’intervalle -0.l. [(lix + 12)x + I{]x + 1. nous pouvons écrire alors : x log. Du simple fait que la machine calcule en binaire. = = = = 1. (2) = 1. mais il faudra calculer les valeurs de exp(xk).4 En remarquant au passage que log.(2) s’effectue au moyen d’un développement en série et l’on obtient pour log.950 +0.(2) = 0.905 369 0. Il reste à calculer la fonction exp(Q) ce que l’on réalisera par les approximants de Maehly par exemple.190 992 0. (2) et donc pour log.693 147. N est la partie entière de X/ log.(e) = 1.693 147 180 et log.015 369 014 951382 261972 540 073 Le calcul des coefficients ak peut se faire par la méthode de Gauss-Tchebycheff.(e) = N + Q log.(e) autant de chiffres significatifs qu’on le souhaite.(2) et n la partie fractionnaire du même rapport.

+oo) Compte tenu de la parité des fonctions. 4 4 8 . on écrit : sin(x) = (-1) N sin(ni7r) et Si si est négatif. Calcul de sin(x) et COS (X) pour x appartenant à (-00. = (-l)Nsin(nrT). > .n 2 1 1 nl=--sl ( --n. on détermine les nombres n et N tels que : x = r(N + n) on en déduit que : sin(x) = (-l)Nsin(n~) e t COS(X) = (-1)N cos(n7r). 2. nous nous sommes ramené à l’intervalle (0. ~/2) et enfin à l’intervalle (0. puis : / 423 .7r/4).On se propose de calculer exp(35. n/2).0507872 2.s2 ( --721 > . voyons comment ( 1 ) puis : Si si est positif. Posons : . on écrit : sin(x) = (-l)Ncos(ni~) COS(X) = (-l)N cos(ni7r).7r/4). on se ramène à l’intervalle (0.050786 931 Padé p = q = 3 2. on réduit le champ à (0. 2 2 si=signe - À présent. il convient de les multiplier par 1015 : machine X 2. Posons : 1 s2 = signe ( 4 . Il suffit de reprendre la technique déjà utilisée pour parvenir à ces fins.257).599 640954. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES Un exemple numérique . Donc. Voici les résultats trouvés par différents procédés. se ramener à l’intervalle (0. pour l’instant. T).86509903 d’où Q = 0.7r/4) puisque l’on dispose de relations du genre : = COS(X) et = sin(x) qui permettent de calculer sinus et cosinus sur l’intervalle (0. D’abord. T). avec 0 < n < 1.050786965 2 ~T~(X) k=O 2.721 > 1 1 7x2 = ..0507875 Maehly p = q = 3.A NNEXE E. décomposition : xlogs(e) = N+n pour cela on réalise la qui donne : N = 50 et n = 0. puis ensuite. e t Cos(x) La dernière transformation consiste à obtenir l’argument de la fonction sinus ou cosinus dans l’intervalle (0.

On se propose de calculer sin(7.530 612 163 8 le dixième chiffre « significatif » étant sujet à caution.5 ~ (0.25 + (0.674 N = 22 Puis nous obtenons : sl = signe (0. n.0 11 obtient sans problème : N=18 À e t n = 0.502 007 17. mais il nous a semblé préférable de nous attacher surtout à la philosophie générale. on obtiendra de meilleures performances si l’on réduit l’intervalle à (0. Ainsi. Nous pouvons écrire : et n = 0.On se propose de calculer sin(69.415 085 41 = 0.1 e t = -1 et = 0.n) = 0. on aura : sin(nrr) = sin(n2T) e t et cos(n17r) = cos(npT). n = 0. lorsqu’il s’agit d’implanter une fonction dans un système.002 007 17.587214 N=2 ce qui donne : sz=-1 e t n2 e t 7~ 583). on écrit : sin(ni7r) = cos(n27r) cos(n17r) = sin(ngr).084 914 59. Il est possible de faire mieux encore.5 . nous obtenons : sin( 7. toutes choses égales par ailleurs.rb) = 361).630 566 873 9 x 10p2> les dix chiffres significatifs mentionnes sont exacts.17803792. on conservera les mêmes principes que ceux qui viennent d’être développes.Un autre exemple. Cependant. On établit que : = 0.674 361~) = 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si s2 est positif.125 769 8) = -0.25 .7r/6) sur lequel on adoptera les approximants de Maehly . on trouve alors : cos(58. b . pour le calcul des fonctions cosinus et sinus. n Il nous faut donc calculer sin(0. 424 . À précision égale. on se propose de calculer cos(58. L’erreur absolue sur ce résultat est inférieure à 5 lO-‘“.125 769 8). il n’y a plus aucun détail qui puisse etre délaisse.5 . l’algorithme qui contient le moins d’opérations logiques et arithmétiques ~ qui sera par conséquent le plus rapide ~~ sera toujours préferé. Exemples d’application a . Si s2 est négatif.n) = +l et nl = 0.587 214 583) = 0. partir de là.5 .497 992 83.964 628 186 9. En adoptant l’approximant de Padé p = q = 3 pour évaluer le cosinus.002 007 177r). Maintenant. mais on ajoutera l’analyse des cas particuliers usuels tels que 7r/2 et 7r/4 ou encore 7r/3 et 7r/6. économie de temps oblige.n) = 0. Il nous reste donc à calculer sin(niT). L’usage de l’approximant de Padé pour p = q = 2 établi dans un chapitre précédent permet d’obtenir le résultat suivant : sin(69.5 + (0. nous déduisons : Sl puis : s2 = . On calcule les fonctions cosinus et sinus des réductions au moyen des approximants de Padi: obtenus respectivement pour p = q = 3 et p = q = 2 qui assurent une précision d’au moins huit chiffres significatifs.

T).(x) pour x appartenant à (0.092 05175 = 0. (x) = L log. +oo) Écrivons le nombre z dans le système binaire. En appliquant la technique dé. On reconnaît une technique tout à fait semblable a celle utilisée pour la décomposition de exp(z). 178).. Nous obtenons en choisissant la représentation flottante : zx = 0. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 3. Proposons-nous dc calculer log(35 784. 2L’1 avec bo # 0. À titre d’exemple. Calcul de tangente et cotangente pour x appartenant à (-00. En appliquant les règles précédentes.. Il faut faire : x = 1. D’où lc résultat : log(35 784. On obtient alors z = 0. on peut très bien utiliser les approximants de la fonction log( 1 . tandis que la division par T ramène l’intervalle à (0. (Q) Autrement dit. de telle sorte que l’on puisse ecrire : log. on se ramène à l’intervalle (0. p. Cette série converge pour x2 < 7r2. +oo) Les raisons de parité permettent de travailler sur l’intervalle (0. POSOI~S .088 061275 en adoptant l’approximant de Maehly pour p = 4 = 4. B’ren sûr. on a 5 = LLQ avec 1 < Q < 2. Il reste à calculer log.092 05175. oo). OII se souviendra que le produit de tangente et de cotangente du même argurnent est égal a l’unité. soit log(1. on obtient L = 15 et Q = 1.25 et z = -0. (2) + log.5. N = 2L.485 269 25 4. = 10.25 ~ 1. opération que l’on réalisera soit avec les approximants de Padé soit avec les approximants de Maehly. Ensuite.boblbzbxb4bsb6b7. (Q) avec 1 < Q < 2.35174) Ici le dernier chiffre est entaché d’erreur. Encore une fois insistons sur le fait que cette idée ne constitue que le principe du calcul.157948 et l’on trouve : log(Q) = 0. Calcul de log.75 comme limites de variation pour x.25 -x).2tz + t2) en choisissant t = 0.35174). On peut utiliser la fraction continue suivante : mais on peut aussi obtenir des approxirnants de Padé ou de Maehly à partir du developpement banal de cet(x) : où les Bzk sont les nombres de Bernoulli (cf. 425 .7r/4).@ évoquée pour les fonctions sinus et cosinus.ANNEXEE. il y a plusieurs façon d’évaluer ces fonctions dans un imervallc reduit.

MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. Si x est compris entre Q~C et Qk+r. 426 . on divise l’intervalle (0.+ arctan 4 k7r ( bk ak .l) Comme nous avons la relation : argtanh(x) = log on peut adopter soit la fraction continue : ou encore le développement de Tchebycheff : où 1x1 < 1 dans chacun des deux développements 6.5). Ensuite.~/2) selon des angles en progression arithmétique donnés par la relation : Qk = (k . m=l l2m + 1 7.arcsin( Cette remarque étant faite. +oo) On pose x = tan(Q) ce qui est toujours possible. Calcul de argtanh(x) pour x appartenant à (0. Calcul de arctan pour x appartenant à (0. il faut préciser que ce procédé est « long » en temps-machine. Ensuite. alors on peut écrire : arctan = .l) On peut se ramener sans grand problème au calcul de arctan en remarquant que : arcsin = arctan (~/I/D) et arccos = i . aussi préfère-t-on implanter une fonction arcsin fondée sur les approximants ou les fractions rationnelles. on calcule la valeur de arctan du second membre au moyen de la fraction continue de Gauss : arctan = $ + g m2t2 . En règle générale.2 + ak > expression dans laquelle ak = cet (hr/q) et bk = 1 + a@.0. avec toutefois Qe = 0. q dépasse rarement la valeur 12. Calcul de arcsin et arccos pour x appartenant à (0.

la technique consiste à obtenir un ordre de grandeur «convenable » de la racine carrée puis à appliquer la méthode de Newton dont la convergence est.. 9.ANNEXE E. e L’application de la fraction continue donne : fi = 0.348 33 = 132.34833.. À présent. on trouve : J17584. on pourra poser : 5 = 22mrl avec i < n < 1 donc qrnP1 < 2 < 4 ” .348 33 = 256dO.A2 _ 4 102 7-41 .S. tous les chiffres significatifs sont exacts. Calcul de la racine carrée pour x appartenant à (0. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 8. En calcul binaire..348 33 < 48 e t donc q: udl7 584. En définitive. Éléments de bibliographie A. Cette opération est réalisée au moyen de la fraction continue : fi = 7 _ . e t J.5 10-g. et H. rappelons-le. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. laquelle.. dont la paternité reviendrait à Héron d’Alexandrie (Pr siècle). Grosso modo.F = 0. RALSTON Dunod. Exemple On se propose de calculer &7584.:. introduite dans la formule de Newton-Héron.268 315 862. permet d’obtenir : fi = 0.518 098 408 4. 172 + 15 7-2 En introduisant cette valeur dans la formule de Héron-Newton : a+1 = (a + nlyk)P après trois tours d’itération. On obtient alors fi = 2”fi. oo) Il s’agit probablement de l’un des plus vieux algorithmes toujours en vigueur.517 992 155 5 à la première itération. on obtient alors une précision relative sur y2 qui sera meilleure que 4. 427 . On établit que : 4? < 17 584. il nous reste à calculer fi.517 992 144 7 à la seconde.605 989. quadratique.

elles viennent juste après les fonctions trigonométriques.~) : d2V 1 ûv 1 d”V @V -+p. Notre but est de montrer cornment on peut obtenir aisément ces t. L’équation différentielle des fonctions de Bessel (1784-1846) L’équation de Laplace (ou de Poisson) à laquelle obéit une grandeur V(p.gjy+i)Z2=0 dp” On recherche les’solutions sous forme de produits de Laplace : V(P. mais on a coutume de les faire rentrer dans la classe des fonctions dites spéciales. on en trouvera quelques uns cités en bibliographie. Rékcrivons-la plus conventionnellement en terme de W(X) : Cherchons une solution sous la forme d’un développement en série entière que l’on écrit : y = xp fy UjXj . dans la hiérarchie des fonctions qu’il est nécessaire de tabuler. 0.F Calcul numérique des fonctions de Bessel Les fonctions de Bessel occupent une place très importante dans les solutions de problèmes offrant la syrnétrie cylindrique et l’on peut dire que. Il existe beaucoup d’ouvrages qui traitent des propri6tés remarquables de ces fonctions.ables numériques au moyen des algorithmes que nous avons établis.~) s’écrit en (F. coordonnées cylindriques (p.Y&+~. 1. O>Z) = R(p)@(W(z). la fonction logarithme et la fonction exponcntielle. ce qui nous autorise ensuite à passer en dérivées droites : 0.21 429 .1) c’est cette équation différentielle qui est appelée équation de Bessel.1=0 CF.

indépendante de la première. cette dernière expression est une forme indéterminée. elles s’écrivent (si v est différent d’un nombre entier) : yv(x) = A(x) cos(rv) .(x) = CJ&) loge (.XWv.4) et (F. elles s’écrivent sous la forme : Sans entrer dans les détails. Par définition.6) encore appelée fonction digamma..) . appelée solution de Weber (184221913)) qui donne naissance aux fonctions de Bessel de deuxième espèce .l(X) zSww(z) = WV-l(X) + Wv-tl(X). (F.l(X) xiv:(x) = -uWY(x) + XWv-l(X) 2w:(2) = WV-l(X) .)2m-” nc -.577215 664 901532 8 (constante d’Euler).Wu.7) 430 . Ce sont les expressions (F. donc en désignant par WV(x) l’une et l’autre des deux fonctions nous pouvons écrire : xw:(x) = zAvv(x) .l)! (.)îm+n [Q(m) + *cm + n)l.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On peut voir sans grande difficulté que tous les coefficients aj dépendent du coefficient aa.5) e(x) = Y(1 + z) r(1 + z) P. .. (.4 Si Y est entier égal à n.!. Relations de récurrence Les deux espèces obéissent aux mêmes relations de récurrence. nous obtenons la solution : Y.3). en définitive. à savoir : (F. où Q(X) est la dérivée logarithmique de la fonction factorielle.J-v(x) . en appliquant la règle de l’Hospita1. Si x est un nombre entier appelé n. nous avons : avec @(O) = -y = -0. 2. les fonctions de Bessel de première espèce sont celles pour lesquelles le coefficient arbitraire ao est égal à : 1 ao = 2/qy1+ PI où I’(z) est la fonction gamma . m=O cn . il existe une deuxième solution. (F.go m!i.5) qui font l’objet de la programmation pour obtenir les tables désirées.y”nL). sin(7w) CF.

Représentation de Jy(x) par une intégrale définie On admettra sans démonstration les résultats suivants : TP sin2”(t) COS[~ sin(t)] dt 0 &+ 1/2) Jv(x) = @(u2+ 1/2) % (>s ()J’ 7T . Du reste une application sera présentée pour le calcul de Jeu(x) servant au calcul de YV(. J1-t" dt s e t Jr(x)=% cos(st) J1-tz dt. . -1 J 6 . CALCUL NUMÉRIQUE DES FONCTIONS DE BESSEL On peut fonder quelques espoirs sur cette dernière relation de récurrence si l’on cherche à calculer les fonctions de Bessel d’ordre entier comme c’est généralement le cas. v sin2v(t) COS[~ sin(t)] dt (F.8) 0 v (1 . nous avons tenu à la séparation des deux types.9). le jeu des erreurs dû aux soustractions nous conduira très rapidement à des résultats peu précis et l’on ne peut pas espérer dépasser pour n une dizaine d’unités.) pour v non entier. mais tout dépend du nombre de chiffres significatifs retenus pour effectuer les calculs.Le calcul de JV(x) avec v non entier s’effectue au moyen de la relation (F. Technique de calcul a .ANNEXE F. 431 J exp(-t)tZP1 dt. on utilise l’expression intégrale suivante : 00 r(x) = 0 qui se calcule aisément au moyen de la méthode de Gauss-Laguerre. À partir de IV~(X) et WI(x). malheureusement. Bien qu’il n’y ait aucune différence apparente dans le calcul de J que l’ordre soit entier ou non entier. Cette dernière relation est une excellente expression qui s’intègre élégamment par la méthode de Gauss-Tchebycheff et fournit des résultats d’une remarquable précision. on peut calculer Wn(x) .9) 0 avec cette restriction toutefois que u > -1/2.-. 4. les fonctions de Bessel d’ordre entier étant de très loin les plus utilisées.9)) et pour plus de précision nous calculerons séparément Je(z) et Jr (z) au moyen des relations : 1 COS(d) Jo(x) = .Le calcul de Jn(z) avec n entier s’effectue au moyen de l’intégration numérique de la relation (F. En ce qui concerne le calcul de la fonction gamma qui figure dans les formules. 3.TL’)-~‘~ COS(~~) du (F.

la propagation de l’erreur k travers l’opération de troncature des opérations arithmétiques effectuées. E(z) = (2n + 2) log.n euckdian SZ>(I. la seule source d’erreur étant. d . bessel2f . D’un point de vue pratique.7).4) dans laquelle on devra calculer JpV(z) que ne permet pas de calculer la relation (F. 5. Sur le Web I *). cherchons les valeurs de 5 qui permettent d’ohtcnir mie précision ahsolue de lO-‘O sur Job.h qui réalisent ces différents calculs.edpsciences. kvaluée cos(xt) dt ~ ~1 VT3 s 1 par la mkthode de Gauss-Tchebycheff pour laquelle pèse une erreur de l’ordre de : hf21Lf2 est aisé ü obtenir et sa valeur est : 1x1 2n+2 Comme nous avons choisi n = 100.h et besse1yn. c. besseljf . WHITTAKER et G. Springer. et nous obtenons : log. E. MULLER (1998) Analysis of s&rkul symetries 1. G.. en choisissant toiijours n = 20 : 1x1 = 54.Le calcul dc Y.h. il est difficile d’exploiter une relation généra.s.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c . GO~DET (1962) L. *http://www. c. Calcul de l’erreur sur JO(X) Nous partons de l’expression intégrale de Jo(z) 1 Jo(x)=.9). Editions Masson.Lc calcul de Yv(z) avec v non entier est réalisé au moyen de la formule (F.le qui donnerait directement une majoration de ïV zn+2 pour Jk (z). besse1jn. bessel2n.N. toutefois. On l’obtiendra au moyen de la relation de rkurrence (F. (z . le calcul direct en faisant usage de la formule de dérivation de Leibnitz permet d’aboutir.. Éditions Masson.c. bessellf . Pour fixer les idkes. nous pouvons faire usage de la formule de Stirling pour s’affranchir de la fonction factorielle..5) qui utilise le calcul deJ. Éléments de bibliographie A. f onctions de Bessel.CCR. La précision obtenue est donnée dans les commentaires en tête des programmes.com/guilpin/ 432 . WATSON (1992) Modem Analysis. Pour ce qui concerne les autres fonctions de Bessel de prcmikrc C~~~CC. pour les prernières valeurs de k. cela signifie que tous les chiffres significatifs de la tabulation sont exacts.T. Cambridge University Press. 6. on trouvera url ensemble de programmes besselln. ANGOT (1972) Compléments de mathkmatique. es C.c. (z) avec n entier est fondé sur l’exploitation de l’expression (F.

jb(t)] = z(t)z*(t). CG. Ce chapitre ne fait pas partie à proprement parler du calcul numérique mais en est une application directe.2) z*(t) désigne la quantiti: complexe conjuguke. b .41 433 .Par définition. nous allons évoquer quelques aspects des principales fonctions mathématiques Utilis?es en théorie du traitement. où ((3. est donn6e par : to+T P(t”. du signal.31 s’il s’agit de signaux physiques.La puissance moyenne sur un intervalle T.c IÉI éments succincts sur le traitement du signal Dans ce chapitre. Puissance et énergie d’un signal a .11 1. C’est généralement mlc t. J to z(t)z*(t) dt. soit un signal numérique (échantillonnage). il n’est pas à dissocier des chapitres consacrés à l’étude statistique des rksultats d’expériences en général.T) = f t0 J x(t)” dt.T) = . z(t) est réel. Nous désignerons par a(t) ct b(t) les parties réelle ct imaginaire associées au signal z(t) : z(t) = u(t) +$I(t). c’est dans ce sens que nous présentons un certain nombre de notions élémentaires qui font aujourd’hui l’objet d’un traitement direct sur ordinateur. CG. En vkrité. Le signal peut se trouver à la sortit d’un capteur qui délivre soit un signal continu (analogique). CG. la puissance instantanée du signal z(t) est donnée par l’expression : p(t) = [a( + [b(t)y = [a(t) +jb(t)][a(t) ~ . et l’on écrit : to+T P(to. Par dbfinition. Il s’agit plus spécifiquement des notions dc convolution et de corrélation. à partir du temps tu. un signal est le résultat de la mesure d’une grandeur physique qui varie dans le temps.ension qui est recueillie dont l’amplitude et la phase dépendront du temps t.

. J v(tb*(t) dt. T) = p.Il s’agit. to+T J dt)y*(t) dt.z(to. de l’expression du principe de conservation de l’énergie (ou de l’information) quel que soit l’espace de représentation : -CO J +oO x(t)y*(t) dt = -cc J +CC X(w)Y*(w) dw.. (Ils sont nuls hors d’un intervalle fini bien déterminé.T) = $ to Pyz(to>T) = . d .71 f . pour le physicien.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c .T) = P. où X(w) et Y( w) sont respectivement les transformées de Fourier de z(t) et y(t). to e .(to. et dans le cas de signaux réels : Gy(to.) On préfère alors définir l’énergie d’une autre façon au moyen de la relation : E..La puissance moyenne d’interaction de deux signaux sur un intervalle T s’exprime au moyen de la relation : to+T Pz. lesquels sont.Rappel du théorème de Parseval .z(to. par définition.61 ce qui permet d’écrire : Ky(to. = ai* d’où la relation : p.La puissance instantanée d’interaction de deux signaux z(t) et y(t) s’écrit : P“y = dt)y*(t) et P. CG.5) CG.T) = $ J 4Mt) dt. = to J t1 x(t)y*(t) dt = -cc J +CC z(t)y*(t) dt. Dans le cas où z(t) = y(t). on obtient : J -cc Ix(t)12(t) +03 dt= J -cc IX(w) l2 dw +CC 434 . to to+T (G. à support borné. T). = Pyx = 4t)y(t). = p& et dans le cas des signaux réels : Px.On apporte quelques modifications à ces définitions si l’on a affaire à des signaux transitoires.

la fonction de corrélation s’appelle intercorrélation. il s’agira le plus souvent de considérer un ensemble de fonctions représentant le même phénomène physique donc de fonctions réelles. l’enregistrement de la température en un lieu donné. Plus le signal y(t) aura tendance à reproduire l’allure du signal z(t) après un décalage 7-0. L’idée repose sur la mesure de la surface commune au graphe de z(t) et au graphe de y(t) décalés entre eux d’une quantité T. dans le cas général. 2. La réponse se trouve dans la fonction de corrélation qui consiste à comparer z(t) et y(t) à différents instants. les signaux «transitoires » qui ne sont pas périodiques mais qui sont localisés dans l’espace direct.7) dt. Types de signaux . ÉLÉMENTS SUCCINCTS SUR LE TRAITEMENTDUSIGNAL Densité de puissance ou densité spectrale énergétique . tn+T to s (G. Plus précisément. De plus il n’est ni périodique ni localisé dans l’espace direct.8) to s x(t)x(t . Si les signaux z(t) et y(t) sont différents. un bruit.91 Un exemple physique de fonction de corrélation : les interférences 435 .ANNEXE G. La question alors qui se pose est de savoir si le processus P. etc. c. sont indépendants du temps). Aux signaux évoqués en a et b se superpose.T) dt. L’expression de la fonction de corrélation s’écrit au temps to : to+T 4t)y(t . l’enregistrement du taux de CO2 dans une ville donnée. La corrélation et ses propriétés Sans nuire à la généralité. l’enregistrement du spectre d’émission d’un astre. b..(wc) égale à la dérivée de la puissance P(w) par rapport à la fréquence w (il s’agit de la puissance définie au paragraphe 1 exprimée en fonction de la fréquence) : dP(w) s7x(wo) = ~ dw pour w = wc. Cette surface est une fonction du décalage T. nous limiterons notre propos aux phénomènes dépendant du temps. Celui-ci est bien représenté par une fonction aléatoire ayant la propriété de stationnarité (la moyenne. tandis que si les signaux sont les mêmes on parle de fonction d’autocorrélation. un électrocardiogramme. l’écart quadratique etc.C’est la fonction S. qui donne naissance aux fonctions z(t) et le processus physique Py qui donne naissance aux fonctions y(t) sont en relation. CG. Voici quelques exemples : les enregistrements de tensions délivrées par des capteurs pour réaliser un encéphalogramme. plus la surface commune sera «grande » et plus les processus physiques seront corrélés.Les signaux rencontrés au cours des expériences réelles sont essentiellement de trois types : a. le bruit. Les signaux périodiques.

ce qui signifie que la fonction d’autocorrélation a une surface algébrique nulle. 2. La fonction d’autocorrélation CTzz(7) est paire.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On peut imaginer qu’il s’agit d’interférences lumineuses. Le maximum de la fonction de corrélation est atteint pour la valeur T = 0. Théorème de Wiener-Kinchine (sans démonstration). nous écrivons : 1. La densité spectrale d’énergie et la fonction d’autocorrélation sont transformées de Fourier l’une de l’autre. Comme l’int. alors à partir de : CzZ(t) exp(2rjwt) dt.(w) =o= .1. On désigne alors par z(t) l’amplitude de la radiation émise par UIIC source lumineuse. où : ~ T)). = 2[aZ + c&(T)]. T) = z(t) + z(t . Cas de la fonction d’autocorrélation Il est intéressant de donner les principales propriétés de la fonction d’autocorrélation concernant les trois types de signaux. 436 . Dans le cas où un signal n’a pas de composante continue S&. = (Q2) = (z(q2) + (z(t ~ T)“) + 2<2(t)z(t S’il s’agit d’une source lumineuse non cohércntc : 1. +C Sm(w) = s on déduit que : +CC S.I -oc Cm(t) dt.ensité 1~ au point M est la moyenne du carré de l’amplitude. limT+co C&T) = 0. Après la différence de marche 7. Czz(0) représente la valeur quadratique moyenne du signal. Quel que soit le signal : 1. soit : et sa transformée de Fourier est réelle et paire. Ici la fonction de corrélation donne la forme des franges d’interférences.s(~) détermine la variation (spatiale) de l’énergie moyenne en fonction dc la différence de marche 7. CL. 3.T). les interférences seront données par la fonction q(t.(O) = 0.. 4. 2. T) : 9(t. Sauf pour un signal périodique. TF Gx (t) ++ TF-I Szz(w).

il n’y a plus de propriétés extrémales ni de parite. 2. ÉLÉMENTS SUCCINCTS SUR LE TRAITEMENTDIJSIGNAL Dans lc cas d’un signal periodique e(t) de période T.T) dt = + -T/2 X 27rl‘iA . + O. J’ 0 [e(t) + P(t)][e(t .Le théorème de Wiener (189441952) . elle est liée à l’information échangée entre les deux signaux. a . Détection et extraction d’un signal périodique noyé dans du bruit On considère un signal e(t) périodique.(w) est la densité énergctique d’interaction. b . Applications de la corrélation La corrélation trouve des applications fondamentales dans les domaines suivants : 3.1.] k=l COS 27rkr T..Czy(t) = Cyz(-t).ANNEXE G. de période Te auquel s’est superposé un bruit /3(t).7) T ak Cos 27rlc(t ~ 7) T + bk sin 1 dt = 2 + . Le signal délivré est alors : s(t) = e(t) + P(t). la fonction d’autocorrélation est egalement périodique de période T.2. SX. Cas de la fonction d’intercorrélation Dans ce cas.Kinchine (1894 1959) demeure : G. le signal est décomposable en série de Fourier: soit : e(t) = 7 + -g 27ltkt 27rkzt ak Cos ~ + bk sin ~ T T ’ k=l 1 on en dcduit la fonction d’autocorrélation (définie sur une période) : 7’/2 e(t)e(t . 2 [u. 3.T) + P(t ~ T)] dt. la fonction d’autocorrélation est également pcriodique de période T..(t) TF ff TF-I S:lxJ(w). Dans ce cas. Dans le cas de deux signaux périodiques de même période T.(r) la fonction d’autocorrélation : T CL(T) = . 27rICtl ak Cos ~ + cq+ sm ~ T Tl 27rlc(t . 437 . On désigne par C.

p. 438 .(t) = 0. Comme c’est une fonction paire. En général. on pourra admettre que : Ainsi. Or la convolution d’une fonction périodique e(t) avec une fonction peigne de même période laisse la fonction e(t) inchangée. on en effectue la transformée de Fourier. nous avons dit que ~DB(T) tendait vers zéro quand la période d’intégration T.6. on en déduit que : Par ailleurs. L’étude de la dispersion de la vitesse en fonction de la fréquence peut être abordée au moyen de la fonction d’intercorrélation puis du théorème de Wiener-Kinchine. Calcul de la densité spectrale d’énergie La densité spectrale énergétique S.3.2. Bien que la période Ti ne tende pas vers l’infini mais est « suffisamment grande ».(T) + Cfiq(7) Coq(~) est nulle et comme Ceq(7) = e(T).(t).. Ce qui revient au même de dire que l’intercorrélation de la fonction périodique e(t) avec la fonction peigne de même période fournit la fonction e(t) elle-même. 3. on obtient en définitive : Csq(~) = e(T) Remarque : Lorsque le signal est susceptible d’être reproduit aux erreurs près dues au bruit. la somme des signaux successifs permet d’éliminer statistiquement le bruit. Nous écrivons alors : car la moyenne du bruit est nulle k En=.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ qui s’écrit encore : Puisque le bruit est indépendant du signal e(t). Donc : Csq(TT) = G. le résultat de la corrélation et le résultat de la convolution sont identiques à un facteur multiplicatif près (si l’on ne divise pas par T. les extremums successifs donnent la période Te du signal. tendait vers l’infini. et l’on obtient la densité spectrale d’énergie. la corrélation). Comment extraire ce signal périodique? C’est la fonction q(t) = sha(t) ( pel‘gne de Dirac) qui nous apporte la solution. 3. On a enregistré n fois le signal si(t) = ci(t) + .(w) est la transformée de Fourier de la fonction de corrélation CZy (t) (théorème de Wiener-Kinchine). c’est la fonction de corrélation que l’on sait calculer . Recherche du maximum de la fonction d’intercorrélation La recherche du maximum de la fonction d’intercorrélation fournit une mesure du temps de décalage entre une excitation e(t) et la réponse r(t) et par conséquent une mesure de la vitesse de propagation du phénomène.

2. Bien qu’il ne s’agisse pas d’un signal temporel. Remarque 2 : Les opérateurs de convolution et de corrélation se ressemblent beaucoup . Pour cela il suffit de décomposer le signal d’entrée e(t) en une suite «d’impulsions » de largeur At et dont l’amplitude sera e(kAt) avec le = 0. Sur le plan numérique. ÉLÉMENTS SUCCINCTS SUR LE TRAITEMENTDUSIGNAL 4.kAt)At. notamment si une des fonctions est symétrique ils ne différeront que d’une constante multiplicative. R. -00 Un classique passage à la limite obtenu en faisant tendre At vers zéro donne le résultat : +03 s(t) = s e(z)u(t ~ z) dz. On peut voir maintenant de quelle manière un signal d’entrée e(t) se trouve perturbé à la sortie s(t) par une fonction d’appareil u(t). qui est pourtant une équation fonctionnelle linéaire. . 439 . Par ailleurs la fonction u(t) étant nulle pour t < 0. la convolution consiste à renverser une des fonctions avant de procéder au même calcul que celui défini pour la corrélation. La fonction d’appareil d’un dispositif électronique peut s’obtenir en attaquant l’entrée par une très brève impulsion. il y a additivité des sk(t) tituer le signal à la sortie. signalons toutefois la fonction d’appareil d’un spectrographe qui peut être obtenue. Donc u(t) est à présent définie sur (-CO. Cette réponse impulsionnelle a(t) du système de mesure (supposé linéaire) est appelée fonction d’appareil. L’impulsion e(kAt) fournira à la sortie le signal : sk(t) = e(kAt)a(t .ANNEXE G. soit : pour recons- s(t) = 2 e(kAt)a(t k=O . dans le voisinage de Xc. Sa résolution nécessite l’usage de méthodes appropriées telles que la méthode des régularisants que nous avons évoqué dans un paragraphe spécial consacré à l’équation de convolution. Remarque 1 : En général.. cela revient au même d’écrire que U(t-kAt) est nulle pour t < kAt. par un laser de longueur d’onde X0. La convolution Tout instrument de mesure modifie le signal d’entrée e(t) pour délivrer un signal de sortie s(t). offre bien des difficultés quant à sa résolution. les fonctions sont toujours à support borné et l’intégrale est finie. l’écriture symbolique de cette équation étant s(t) = e(t) * u(t). Comme l’instrument de mesure est supposé linéaire. Cette équation devient donc une intégrale de Fredholm de première espèce qui est typiquement un problème mal posé (cf. . chapitre 17). Cela est lié au fait qu’un signal d’entrée infiniment bref (impulsion de Dirac) a une réponse finie. s(t) et u(t) sont les deux fonctions connues et c’est e(t) qui est la fonction inconnue.kAt)At. Dans les autres cas. 1. +oo) et l’on a la relation : s(t) = E e(kAt)u(t .kAt)At. L’équation de convolution.

et lc simple fait dt «monter ) ou « baisser » le son sur un amplificateur d’audiofréquences modifie le spectre entendu. il s’agit de rcchcrchcr les fonctions qui. nous pouvons écrire : z(t) = z(t) s(t). Remarque 2 : On peut appliquer l’opkration de filtrage à la représentation fréquentielle (dans l’espace dc Fourier). Désignons par z(t) Cett)e opération d’atjténuation. convolu~cs par cllcs-mêmes. La solution au sens classique est W(w) = CU # 0 sur un compact Iwl < WO. il s’agit de W(w) = fl sur l’intervalle (-00. : 2Qw sin(27rw”t) 27rwot Il existe aussi une solution au sens des distributions. L’opération de convolution se fera dans l’cspacc direct. Le spectre de fréqucncc est modifié par cette opération et en passant dans l’cspacc dc Fourier. +oo) dont la t. Pour s’en convaincre: il suffit de réaliser plusieurs fois ces opbations plus ou moins rapidement sur le premier poste radiophonique verill.ténuation voire d’interruption ~ sur ml signal. et 0 ailleurs. T) et sa transformk dc Fourier Z(w) est : Z(w) = sin( 2nTw) 2T &fJTw S(w) sera convolué par Z(w) et plus T sera «grand ». À titre d’exernple. On voit bien que tout filtrage ternporel modifie le spcctrc du signal filtré. nous obtenons : TF z(t) = z ( t ) ‘s(t) w TF-I X(w) = z(w)*s(w). on peut évoquer l’usage d’un potentiomètre (ou d’un interrupteur). Exemple La fonction «porte » laisse passer le signal sur l’intervalle (-T. Désignons par 4(t) une de ces fonctions propres .ransformCc dc Fourier inverse est /36(t). Notions sur le filtrage Par dkfinition. C’est la fonction «porte » usuelle dont la transformée de Fourier inverse est. Remarque 1 : Le fait de dkoupcr un événernent temporel dans le temps afin de l’étudier a comme conséquence la modification de son spectre. 5. moins l’effet du filtrage sera sensible. elle doit obéir à l’équation : @(t)*@(t) qui deviendra : = k@(t). un filtre ternporel est une opération d’at. Q(w)Q(w) = kQ(w) dans l’espace de Fourier où Q(w) est la transformée de Fourier de 4(t). 5. restent inchangées. par s(t) le signal à filtrer ct par z(t) le résultat .1. 440 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Fonctions propres de l’opérateur de convolution En d’autres tcrmcs.

2. mais on voit bien qu’on ne peut pas réaliser la convolution sur l’espa. D’un point de vue pratique. +oo). nous avons vu qu’il s’agissait soit. Cela n’est pas rkalisahlc. Dès que l’on aborde les applications pratiques. Dans l’espace direct.re physique ne peut avoir qu’une rkponse nulle (principe de causalité) j ct à l’irnpulsion 6(t) on observe la réponse a(t) qui est nulle pour t < 0 et définie pour t > 0.ce des t tout entier.1. on dira que l’on a affaire à un bruit blanc lorsque la fonction est constante en moyenne dans la bande de fréquence utilisée par les systèmes considérés. on doit obtenir deux raies infiniment étroites (cf. d’une sinusoïde pure. e(t)*a(t) TF H TF-’ E(w)A(w) e(t)* b(tMt)l 6. Il s’ensuit que les hautes fréquences seront filtrées (le bleu s’il s’agit de la lumière) et il restera les basses frkqucnces (le rouge s’il s’agit de la lumihrc).ragc t. cependant. Les filtres physiques Aux instants t < 0. En effet. Notion de bruit E(w)[A(w)*P(w)l Il y a diverses approches du bruit qui sont plus ou moins fkcondrs et riches de développcmcnts fructueux : 6. un tel bruit n’existe pas . Ccttc opkation dc troncature est kvidemrnent un filt. d’où le norn de bruit rose. dans l’espace de Fourier.3.ANNEXE G. ÉLEMENTS SUCCINCTS SUR LE TRAITEMENTDUSIGNAL 5. filtre physiqw dkphasr: signal d’entrée. Cas du monochromateur Il s’agit de concevoir 1111 filtre qui ne laisse passer qu’une seule fréqucncc.cmporel qui a comme consCquencc immédiate l’klargissement des «raies ) dans l’espace dc Fourier. Le bruit blanc On dit qu’un bruit est blanc lorsque son spectre de puissance est constant dans toute l’étendue des fréquences. Il s’agit donc dc convoluer e(t) et a(t) = cos(2rwot). l’unit& de ternps étant les temps de corrélation considérés. Soit A(w) sa transformée de Fourier que nous kcrivons : A(w) = U(w) +~V(W) U ct V sont rkcls. V(w) n’est jamais mille car pour cela il faudrait que a(t) soit symétrique par rapport à t = 0 cc qui n’est pas possible. Transcrivons n~athCmatiqucmcnt ces opk-ations : Soient e(t) le signal à filtrer et E(w) sa transformée de Fourier. soit d’mlc cosinusoïdc pure lcsquclles s’étcndcnt toutes les deux sur (-w . on ne peut que tronquer ces fonctions ct les considérer uniquement sur 1111 intervalle fini. On peut adopter III~~ autre présentation : 4~) = lA(w)l exdNw)l où IA(w) 1est le module et 4(w) la phase. Bien sûr la fonction d’autocorrélation calculée nc sera pas 1111 pic de Dirac mais une courbe très étroite dans le temps.out. Autrement dit. Il s’agit là d’une analogie avec la lumitirc blanche. De là. et il nous faut tronquer par la fonction porte p(t) dont la transformk dc Fourier est P(w). le 5. on conclut que t. la fonction de Dirac) symétriques par rapport 2 w = 0 ou symétriques par rapport à l’axe w = 0. un filt. sa fonction d’autocorrélation est une irnpulsion de Dirac h(t). 441 .

Éditions Masson. LEICH (1980) Les filtres numériques. 7. MAX (1980) Méthodes et techniques de traitement du signal et applications auz mesures physiques. RADIX (1970) Introduction au filtrage numérique. Le bruit gaussien Soit un bruit dont la moyenne est m et l’écart quadratique moyen o. Tomes 1. Eyrolles.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 6. ROUBINE (1970) Introduction à la théorie de la communication. une somme de processus de Cauchy reste un processus de Cauchy.C. Éléments de bibliographie A. II et III. Le grand intérêt de ce type de bruit repose sur la simplicité de sa formulation analytique qui ne fait appel qu’aux deux premiers moments. De plus. Éditions Masson. A. Attention. BOITE et H. c’est ce que l’on rencontre dans la théorie des erreurs (voir le théorème central limite). dans bien des cas. ANGOT (1972) Compléments de mathématiques. J. Masson. R. 442 . cela n’est pas systématique. Éditions Masson. On parle de bruit gaussien lorsque celui-ci suit une loi de probabilité p(t) gaussienne à savoir : p(t) = & exp [y$].2. E. McGraw-Hill. PAPOULIS (1977) Signal analysis. J. la somme de processus aléatoires non gaussiens tend vers un processus gaussien.

y . Calcul du nombre d’or Soit la suite définie par les relations suivantes : U” = 0 u1=1 . .2. Tabulation des polynômes de Tchebycheff Les polynômes de Tchebycheff sont définis de la manière suivante : T. Établir la relation de récurrence suivante entre trois polynômes consécutifs : et définir les deux premiers polynômes TO et Ti.Les polynômes de Tchebycheff jouent un rôle essentiel dans le problème de l’optimisation des approximations de fonctions (chapitre 8).H 1 Problèmes et exercices L’annexe 1 contient les corrigés de la plupart des exercices énoncés ici. u. 443 . 1.+~=lJ. Effectuer un programme permettant de calculer les termes de cette suite k.La suite de Fibonacci est utilisée en informatique dans les problèmes de tris externes.1.+u.(z) = cos[narccos(z)] avec . Effectuer un programme qui permette de calculer la valeur des polynômes quels que soient le nombre n appartenant à l’ensemble des entiers positifs et la valeur de l’argument J: à l’intervalle (-1.1 = 0 N.B.1 < 1c 5 +l. . Montrer que la suite de terme général k.~l Cette suite s’appelle suite de Fibonacci (1180?-1250). = Un/U7L-1 tend vers une limite lorsque n tend vers l’infini. +1). On peut calculer directement cette limite k.B. On montrera que k est la solution positive de l’équation du second degré : y2 . Généralités sur le calcul numérique 1. Quel critère retiendra-t-on pour obtenir une approximation de la limite de la suite? Estimer la précision obtenue sur ce nombre.. Quelles limitations viennent affecter cet algorithme? On comparera les résultats donnés par le calcul direct utilisant les fonctions inverses et l’utilisation de la relation de récurrence. 1. N.

Masson. + (-1)7L+1Brj- (2n)! +.3.f. " 12’rrL2 120m4 de Bernoulli (cf. + & Effectuer 1111 programme qui réalise le calcul de y selon cette procedurc.. déterminer expérimentalement combien on doit utiliser de nombres de Bernoulli au minimum pour obtenir la meilleure precision avec la machine utilisée (une fois m fixe). la serie infinie est-elle convergente? 444 .log. + (-lJkw + . Valiron. Pour mener à bien les calculs. 691 2 730 43 867 BF] = ~ B. on préfère utiliser une autre expression pour calculer y : m-1 c:h-=1 1 =log. et effectuer UIC estimation dc la precision obtenue.B2. + . = 1 + & + & + & + . La convergence est tres rapide. ils sont reliés à la fonction C de Riemann laquelle permet d’obtenir les relations suivantes : B avec 71 = 2&. En machine (précision relative de 10-“).4. Ou bien calculer rn sachant que l’on arretc le développement à. . et par ailleurs..(2n)! 47d+h 55. Comme la vitesse de convergence est loin d’être satisfaisante. . . . c’est-à-dire après B. Blo = ~ 174 611 B3 = . exp(t) ~ 1 p = 1 . + W . Calcul de la constante d’Euler La constantc d’Euler que l’on rencontre lors du calcul des fonct. (m) lorsque m tend vers l’infini. on utilisera le fait que l’erreur sur y est inférieure à deux fois le module du premier terme de la série abandonné (cc G. 1. chapitre 12).(r+-&. Réaliser un programme qui calcule y selon cet algorithme.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. cependant. p.ions est donnée par l’expression : y = lim [ de Bessel de deuxieme espèce 1 + i + i + .. 1 1 1 Bk -+-s + '. Calcul de la fréquence des notes de deux gammes Calculer les fréquences des notes de la gamme naturelle et de la gamme tempérée dans l’intervalle compris entre le laa (440 Hz) et le la4 (880 Hz). Théorie des fonctions. + Bl. On donne les expression dans laquelle les Bk sont les nornbrcs premiers nombres : Bz = & B4 = f B7 = . 218 et 219). l’ordre j compris. = & B8 = ~ 3617 510 854 513 Bll = ~ 138 B6 zz ~ 798 330 Les nombres dc Bernoulli sont les coefficients du développernent de : t B12 = 236 364 091 2730 “.

Donner la relation de récurrence qui permet de calculer les coefficients du polynôme &I(X) en fonction des coefficients du polynôme Pk(x). et l’on kcrit : Pr<(x) = (CE~~)P~-.Réécrire l’cxprcssion x>r ct. ainsi que la fonction associée f(x). 1.6.fIw f(x) dz et la sbric f(k) ( où k est un cnticr strictement positif) convergent ou divergent ensemble.On divise le polynôme P. montrer que : PI(x) = (x . b . des Rk. En déduire la valeur de Rk. puis en déduire une nkthode de calcul de c(s) lorsque celle-ci converge. et.(z) par (x ~ sr). + .5.(x) à.L(x) pour la valeur pli = ‘r au moyen du schéma de Horner. . Soit la fonction de Riemann a ..(cc) par (X .(x). proposer un encadrement de ek. f.l) en éliminant tous les Ph(2) : PT.Rappeler comment calculer effectivement la valeur numérique du polynôme P. Au moyen de l’intégrale associée. On écrira les ktapes du calcul au moyen d’une relation dc rkurrencc que l’on explickera donnant une suite que l’on appcllcra ~k pa.Donner l’expression du développement du polynôme P.(X) 2 cLkXk avec n(J # 0 a . En approchant c(s) par Sk(s) on effectue une erreur de troncature strictement rnathématiquc (indépendante dc la troncature numérique des nombres) : ek = (k : 1)” + (k : 2)” + (k . Calcul numérique des dérivées d’un polynôme à coefficients réels pour la valeur x = r On considère un polynôme Pr. par la suite on posera ~O(X) = Ro pour des raisons de commodité d’écriture et d’homogknéité. ‘. Calcul numérique de la fonction c de Riemann Rappel du théorème de Cauchy .-.Associer l’intégrale 1 = T~(X) d x à la fonction C(s) en explicitant p(x). coefficients rCcls que l’on écrit : P. 445 . $. e . + f + .r)Po(x) + RI..(X)+ R. Écrire la relation de récurrcncc qui donne le polynôme P7. puis donner les différentes expressions de 1 (obtenues par quadratures simples sous le signe somme) cn fonction de s. b .Montrer comment calculer effectivement tous les Rk: à l’aide du schkma de Horner.r exemple. (H.11 On poursuit la division des polynômes P+.. (x) en série dc Taylor au voisinage de x = T + h en fonction de x7 r’ et des dkrivks dc P.(x) s’exprime cn fonction de d . P ROBLÈ MES ETEXERCICES 1.sr). on aura représenté sur un graphique les termes 1.Soit f( z) une fonction positive et dkroissantc pour 5 > 1: alors l’intégrale 1 = . (z). + .A NNEXE H.On diisigne par Sk(s) la série dc Riemanrl tronquk Sk(S) à l’ordre k : = 1+ . En déduire la condition de convergence de la série: au préalable. c .!. CH. $. 3)” + ‘...

et nous allons déplacer le point A sur la droite z = ~0 pour obtenir cette tangente commune. on suppose que les fonctions ont les bonnes propriétés usuelles de régularité (continuité et dérivabilité à l’ordre deux.Les courbes représentatives Ci et (2’2 ne sont plus données par des fonctions explicites mais par des fonctions implicites qui s’écrivent : @(CE.. 2. +.7. + (-I>n& +. pas de points d’inflexion dans D). Recherche d’une tangente commune à deux courbes On considère deux fonctions y = f(z) et y = g(z). en général. + . Donner une procédure qui permette de calculer numériquement les coordonnées (zg.Appliquer l’epsilon-algorithme au calcul de y=lim À ( l+~+~+. Comment devra-t-on choisir ~0 pour obtenir la précision optimum? d . Puis.Pour l’instant. .+&logJm) 1 quel ordre m obtient-on le meilleur résultat avec une machine donnée? 446 . Application à une suite lentement convergente : 7-r .11~ . Écrire les coordonnées du point (zf.1.Soit (~0. hormis les valeurs prises à la frontière du domaine. L’epsilon-algorithme scalaire a .S’il est possible de tracer. Laquelle conviendra-t-il de retenir pour la solution qui nous intéresse? c . Ci pour y = f(z) et Cz pour y = g(z). à partir de A.En réaliser la programmation sous forme de sous-programme. les fonctions f(z) et g(z) sont continues. dérivables au moins deux fois et qu’elles ne possèdent pas de points d’inflexion. yf) des points tangents aux courbes. Oy) elles admettent chacune. On suppose que. ys) tangent à y = g(z). y) = 0 et qq y) = 0. b . il n’y a aucune raison pour que ces deux tangentes constituent une tangente commune.. un extremum et un seul qui est un minimum.. la tangente étant issue de A. d’en tracer une seconde. 4 6 . les deux tangentes étant issues de A. on s’intéressera aux courbes représentatives. proposer une procédure pour obtenir numériquement la tangente commune aux deux courbes. Donner un algorithme qui permette d’obtenir numériquement cette tangente commune. . yo) un point A du plan par lequel il est possible de tracer une tangente quelconque à chacune des courbes Ci et CL... qui admettent une tangente commune dans D. a . À l’intérieur d’un domaine D du plan réel (02. Indiquer une méthode de calcul numérique de ces coordonnées. Algorithmes accélérateurs de la convergence des suites 2. dans D.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. yf) tangent à y = f(z)! puis les coordonnées du point (zg. Dans la suite. yg) et (zf. Ici encore. une tangente à une courbe alors il est possible. On se propose de déterminer numériquement cette tangente commune.

(z) et montrer que E. .Réaliser un programme qui calcule les racines selon la méthode itérative du premier ordre. détermine N puis calcule la somme si et enfin l’erreur mathématique EN(x). Calculer l’erreur ~~(5) commise lorsque l’on remplace f(z) par son développement S. 447 . chapitre 2) aux sommes partielles S. Compte tenu de la précision relative de la machine utilisée qui est de 10-“. Montrer qu’en machine ce minimum est obtenu dans le voisinage de En(X) = &+1(5) ou G-l(X) E Es. Appliquer l’epsilon-algorithme scalaire (cf. b . donner le nombre de tours de dichotomie suffisant pour obtenir la meilleure précision sur la racine.. c .3) + .5 + . Effectuer un programme qui.1.& + ~3 .1. estimer la précision obtenue sur chacune des valeurs. 1. 1 2np122np2 4. b . Développement asymptotique a . pour des valeurs quelconques de z (mêmes voisines de l’unité). En intégrant successivzment par parties montrer que f(z) admet un développement asymptotique dont on explicitera les coefficients.3. 3.Réaliser un programme qui calcule les racines selon la méthode de Newton (méthode itérative du deuxième ordre).On propose la même étude sur les fonctions suivantes : O(x) = c /exp(-t’) dt 0 et cerf(z) = 1 . P ROBLÈMES ET EXERCICES 2.(Éq ua t’ion rencontrée lors de l’étude du corps noir) Chercher la racine non nulle de l’équation transcendante : y++exp(-y)-5=0.(Z) passe par un minimum qui dépend de n pour une valeur fixée de 5. Les développements asymptotiques 3. On aura soin d’injecter la valeur de la racine trouvée dans l’équation f(x) = O.. On montrera que cerf(z) = $ { 1 . L’epsilon-algorithme scalaire En réaliser la programmation sous forme de sous-programme.(2n . + ( .(z) pour des valeurs de n quelconques plus petites et plus grandes que N.O(2).1 ) 1L 1 . On désigne par N la valeur de n pour laquelle on obtient ce minimum (N est une fonction de z).Application . Résolution des équations numériques 4. Comparer les différentes méthodes. Racines d’une équation f(x) = 0 a .2...ANNEXE H. 3.Soit la fonction : f(z) = St-l exp(z ~ t) dt avec 2 > 0 encore appelée exponentielle intégrale. 22x4 2”26 5. Montrer que la série est bien divergente quand n tend vers l’infini.Réaliser un programme qui donne les racines d’une équation f(z) = 0 par dichotomie. pour une valeur quelconque de 2.1. d .

)] 4.(x) = 1 -z 4. 0) sur cette tangente.al dans la méthode d’intégration numérique dc Gauss-Legendre. Méthode de Bairstow Dans le cas particulier des polynômes.%) = 1 L. n = tan(z): on se propose que l’on a l’identitk : I ” = arctan puis en dkluire que : 1c = zo + arctan de calculer n: = arctan( Montrer . Programmation de la méthode de Bairstow.MANUEL DE CALCIJL NTJMERIQLJE APPLIQUÉ 4. On se propose d’obtenir une meilleure approxirnation x1 dc la manière suivante : En Ao de coordonnées [zo. on trace la tangcntc à la courbe y = f(z): puis on effectue une projection orthogonale du point Bu de coordonnks (x0.f(zo)]. plutôt que de faire usage des mkthodcs du genre de celles prograrnmées au paragraphe 1.(2) = 0. Quelle est la précision obtenue sur ce résultat? ( a . On connaît lmc première approximation dc X que l’on note 20.3. .l(Z) - (2n + l)xP. on préfère utiliser des programmes spécifiques dont. À partir de quel ordre n commence-t-on à avoir de sérieux ennuis de calculs avec une machine dont les nombres ont une prkision relative de 1O-“? N. la méthode de Bairstow est un exemple typique.8 et cn se limitant à l’ordre 3. 448 . On désigne par CU cette projection dont les coordonnées sont (21...Les xCros des polynôrncs de Legendrr jouent ur1 rôle fondamrnt.(x) + 7LPILp. l)P.4.B. f(z) admet une seule racine X telle que f(X) = 0.arctan[tan(rc”)] + x0.) > = 20 + arctari[F(. Donner lc développement de 2 en fonction de X = F(zo). À qucllc condition la skric converget-elle? Calculer la valeur approchée de arctan & en choisissant comme premik approximation ( > 50 = 0. .z~. (x).. Applications . M&e problème pour les polynôrnes de Laguerre et les polynômes d’Hermite qui sont donnés respectivcmcnt par les relations de récurrence suivantes : Il”(.2.tari 1 + a tan(z. ~1). À l’intérieur dc cc domaine A.. Racine d’une équation f(x) = 0 On considère une fonction f(z) continue dans un domaine A.. Calcul de la fonction arctan Connaissant la fonction tangente.Rechercher les racines du polynôme de Lcgcndrc d’ordre Les polynômes sont donnk par les relations de récurrence : PC)(X) = 1 PI(X) = z (TL + TL que l’on note P.

Donner les expressions de <I> et de q.5.Expliciter les coefficients yk et 6~. Racines d’un polynôme à coefficients complexes On considk un polynôme de la variable complexe à coefficients complexes : P. il faut ct il sufiit que les fonctions @ et * soient nulles.ératif du type : on donnera explicitement G(z). Proposer un processus it. '. des Sk par rapport à p puis en posant ~ = tkpl ct ~ = UU~-~. c’est-à-dire que l’on donnera les avantages et les inconvénients que ces deux rnéthodes prksrntent comparks l’une à l’autre.Comparer cette mkthodc à celle de Newton.z..) b .. PR O B L ÈM E S ET EXERCICES a .8~ $$ra8p rcl. Représcntcr au moins 1111 cas pour lequel la mkthode ne converge pas vers X. 4. + (a.. b ..On dksigne par e.AN N E X E H.@ ct KLJ sont des fonctions implicites des deux variables p ct (T. + j&) avc(' 00 + j/3(. . (T : dp. et d6A. e .+jPo)~7z + ((11 +jP.En s’aidant dc quelques figures simples. c . Ici encore. d . On dksire obtenir une racine complexe de ce polynôme que l’on a localiske dans le domaine complexe A.+l = ke. on divise PTL(z) par lc monôme Dl(z) = z ~ (p + ja). Montrer que.(z) = (w. On dkivcra les relations de 3Sk 3%” rkcurrence des ~k et des Sk par rapport à 0 et l’on posera ~ = vk-1 et ~ = 1~k-1. On écrit le polynôme Qnpl (z) sous la forme : Qer(z) = (yo + jS0)2-~ + (71 + jS1)zTLp2 + (yz +js#-c3 + '. + (Yn-l +jL. On précisera convenablement le début ct la fin des relations de récurrence. en fournissant les relations de rkurrcnce auxquelles ils obéissent.$ons en fonct. l’écart à la solution X après le 7~~ tour d’it..ion @ et S’ et de leurs dkrivées partielles par rapport à p et... a . retrouver les conditions sur f (ou ses dérivées) pour que l’approximation 21 soit effectivement meilleure que ~0. = X .)z 'L-1 + ((12 + j/32)P2 + . Donner les conditions pour que la suite des approximations soit tolljours convergente vers X.&ation : e. On cxplicitcra k en fonction dc @ ct de ses dérivées (ou dc f ct de ses dérivées). # 0..et x’ &J d .Opérer de la même mani@re pour calculer d@/3a ct ??Z~/da.Montrer que le quotient. Pour ce faire.Calculer effectivement a@/ap et !T:/Op en dérivant les relations de récurrence des 71. pour que (p + ja) soit UIK racine. on explicitera bien &J &J le dkbut et la fin des relations de récurrence. c .Donner l’expression formelle de x1 en fonction de ~0... rappeler la mkthode de Newton permettant de les annuler simultanément. nott: Qn-i(~): est 1111 polynôme de dcgrk TL ~ 1 et le reste est une constante complexe notCc R = @ + jS. da. Montrer qu’au premier ordre on peut écrire : e. da aa 449 . de la fonction f et évcntucllement de ses dérivées.

.. Pour cela on désigne par ZI$ la solution exacte du système. n. donner l’expression de xp en fonction de Q>p et de ses dérivées partielles.Montrer que l’on peut toujours écrire ce système sous la forme : x~=~~(x~.. et l’on note par & l’écart entre la solution et sa valeur approchée au k” tour : x* =xJk:)+&.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ f . On se propose d’étudier la convergence d’un tel processus itératif sur l’ensemble des valeurs zr”). on forme les xp. En supposant que toutes les racines aient été localisées chacune dans un domaine A.Partant de valeurs approchées suites récurrentes : P ( avec p=l. xy..L’erreur après la k” itération est définie au moyen de l’expression : (k) = xt _ x(k) 3 ej 3 Donner l’expression de & au k” tour d’itération... n. c .2.3 . 3 Après avoir développé la fonction @p en série de Taylor au p. par conséquent.Donner l’algorithme permettant de calculer la racine appartenant au domaine A. x(lc-l) > avec p = 1... ...x.x~). On peut remarquer que les quantités ey+‘) sont les composantes d’un vecteur E(“+‘)..3 .6.Soit E(“) le vecteur des erreurs sur les valeurs initiales.. Quelle condition doit remplir la matrice M pour que le processus soit convergent ? (Application contractante).. 12..) b ..2.x~. x.) xu4 = a.. Donner l’expression de E(“+l) en fonction de E(O). d . x .2.Dans le cas où la convergence est assurée. donner l’expression de ep+‘) en fonction des ey’.. augmente la vitesse de convergence de la méthode.x2. alors montrer que E(“+l) peut s’écrire sous forme matricielle : On explicitera la matrice M. > de la racine recherchée. proposer une amélioration qui exploite mieux les résultats des calculs et qui.xg . proposer une méthode générale permettant de calculer toutes les racines complexes du polynôme P. . Résolution d’un système non linéaire On se propose de résoudre numériquement un système non linéaire de n équations à n inconnues qui se note : Fq(x1..Imier ordre au voisinage de la valeur obtenue au k” tour d’itération. 450 . xy-l).. ) = 0 avec q= 1. a . . puis.. 4.x~ . e .(z) à coefficients complexes... ..

d .Montrer que ce second problème est équivalent au premier. et que les fonctions et leurs dérivées sont continues dans A par rapport à x et à y. Si dans le domaine D l’application est contractante. c . Montrer que les recherches de la racine par approximations successives et par la méthode de Newton obéissent au schéma fonctionnel que nous avons défini. On appelle ek l’erreur après la k” itération et l’on pose : . on suppose que les fonctions possèdent des dérivées par rapport. La recherche d’une racine X de l’équation Q(x) = 0 dans le domaine A consiste à associer à cette équation une autre équation équivalente z = f(x) où f(x) est une application contractante dans a de telle sorte que l’on ait X = f(X). y) soit minimum. Proposer un algorithme qui permet d’atteindre X et Y.8. à x et à y . yy0) appartenant à A.Comme les développements successifs sont limités au deuxième ordre. À partir d’une valeur x0 on génère une suite X~+I = f(5k).Maintenant.ANNEXE H. en outre.On choisit comme première approximation de (X. Y) = Pc? Y) + 9%> Y). Soit Q(z) = 0 une fonction dont on désire calculer la racine unique X localisée dans le domaine A. Y) en minimisant la forme quadratique suivante : @(x. Donner la valeur de 7. yo) au deuxième ordre en < au voisinage de 50 . Y) un point A&(2”. On se propose de calculer la solution (X.Y) = 0 On suppose qu’il existe un domaine A à l’intérieur duquel le système admet une solution et une seule . PROBLÈMES ET EXERCICES 4. puis calculer z pour que Q2(x. après un nombre fini d’itérations on obtiendra la relation X = f(X) à 1a p récision de la machine utilisée. Ordre d’un processus itératif Soit f(x) une application de R sur R continue et indkfiniment dérivable.jusqu’à l’ordre n inclus. Dans un premier temps on considère que yo ne change pas et l’on se propose de chercher une meilleure approximation seulement de 20 appelée 21 telle que : x1 = x0 + <. Écrire le développement de Q2(xo + <. Résolution d’un système non linéaire On considère un système non linéaire de deux équations à deux inconnues : f(GY) = 0 dX.7. Comment vérifier que les valeurs calculées sont bien une solution du système proposé? 4. les valeurs de < et de q ne sont que des approximations. b . on maintient x1 constant et l’on va calculer par le même procédé une meilleure approximation de yo appelée y1 telle que : Y1 = Y0 + 77. a .

. On poursuit la génération des points Ak jusqu’à ce que l’on ait obtcmr la prccision souhaitée. 1. Quelle est la condition qui permet d’annuler le coeflicient . cependant. on obtient alors lc point Al dc coordonnées (51. en calcul numCriquc. + Y 7eT7 + t On cxplicitcra les coefficients CL. on projette perpendiculairernent ce point sur la droite Dr. Cas où le système est linéaire . Ici encore on suppose que a(z) a une racine unique dans le domaine a.Y) = 0 un système de deux équations à deux inconmrcs. on dira C~LIC l’on a affaire à un processus itératif du premier ordre si cy # 0 et à urr processus du deuxième ordre si cr = 0 et /3 # 0 et ainsi dc suite. Calculer les coefficients o et /3. On suppose que les deux fonctions sont.Rappeler rapidement la rnéthode de Newton. Y). Y) = 0 S(X.On écrit alors : arz + bry + cr = 0 aaz + b2y + cz = 0 (droite Or) (droite Dz).8? Quel sera alors l’ordre du processus? 4. l’erreur eN est finie. Dans l’hypothèse où l’application est contractante lim. 1.enant au domaine a.+r est un polynôme (ou scric enticre) cri eTL que l’on écrit : e n+l = ae. j de f(z) ainsi que des dérivées de p(z). b - À quelle Condit)ion l’application est-elle contractante? 2.+.MANUEL DE CALCUL NTJMÉRIQUEAPPLIQUÉ donner l’cxprcssion de e. Partant d’une approximation Ao(zo.f(z) en fonction de a(z): et calculer enfin les cocfficicnts Q et /? en fonction de CI>(z) et de ses derivées. Par définition. En déduire que e.On cherche la racine X de l’équation a(z) = 0 dans le domaine a où l’on suppose que la méthode de Newton est convergente. = 0. Méthode de Kacmarz (1937) Soit : f(x. Ensuite on projette le point Al sur la droite Dz ce qui nous donnera le point AZ de coordonnées (22.Associée à l’équation a(z) = 0. on considère à présent la formule d’itcration suivante : s(x)@(x) f(x) = x ~ g(x)a?‘(x) + h(x)@(x) ’ o ù h(x) e t g(x) sont des fonctions arbitraires dont on exige seulement la continuité et la dérivabilite à urr ordre suffisant. on cesse les itérations à l’ordre N (N tours d’itération) et. puis exprimer . Résolution d’un système de deux équations à deux inconnues. a . + 2 De.9. Application à la méthode de Newton . p et y en fonction des dérivées de p(z). y”) appart. contimres ct dérivables (à l’ordre nécessaire) et que dans un dornainc D ce système admet une solution unique (X. . ya).+r en fonction de e.. e. domaine où l’application est contractante. On comprend que la convergence sera d’autant plus rapide que le processus iteratif contractant sera diordrc plus élevé. yr). ...

% d’une importante erreur puisque le produit des pivots est une constante. bl. b .On calcule une première valeur j& déterminant par le produit des pivots. y) = 0. Cas généra/ . 01: 02 et RI.s qui seront enta&.~.x1. Rz par les nouvcllcs valeurs fournies par la linéarisation : donrrer les expressions de a1 . IJ~.) mais le pivot dont le module est lc plus proche de z/la. bl et R.tant la rtsolution de ce système linéaire par la méthode des pivots. Résolution d’un système linéaire Soit 1111 système dc n équations & n> inconnues.Rkaliser 1111 tel prograrnme. b2 et R2 ccttc dernikrc quantité étant ainsi définit : RZ = qgl + bayl + c2. 453 linéaire) en amenant chaque fois le pivot . Par ce procédé nous sommes ramcni: au problème préc6dent. Donner les expressions des diffkrents coefficients calculés sur l’exrmplc suivant : f(x.l ce y ui conduit à une erreur rninirnum sur l’enscmblc des calculs. y).On calcule une seconde valeur A. ?/k-+l en fonction de xk..e l’opération jusqu’A cc que l’on obtienne des valeurs stables & et de m.36 = 0 g(s. hz ct RI. cette dernière quantité 6tant ainsi définit : RI = alto + blyo + q. 11~. 2. on rencontre des difficultés pour obtenir un résultat raisonnable.Lintariscr le système f(x. Voici une m@thode perrnettant éventuellernent dc se tirer d’affaire. y) = x2 + 4y2 .Donner l’expression des coordonnCes x1 et 11~ en fonction de .Donner l’expression des coordonnées z2 et y> en fonction de . d . On peut soupçonner dc tels problèmes quand la permutation dc lignes du système linéaire fournit des résultats difErents les uns des autres et que les troncaturrs des nombres ne peuvent pas directement expliquer. PR. Éléments de calcul matriciel 5.12~ + 27 = 0 5. 0 n rCpèt. ~2.OIIL&ES ET EXERCICES a . puis le transformer en sous-programme. du déterminant cn amenant chaque fois le pivot dont le module est le plus proche de m. g(z. nz. Dans le cas où la matrice est mal conditionnée ou encore lorsque son déterminant est voisin de zPro.1. ?jU: al. Donner alors les expressions de xk. 1~k-1 puis SQ 1.Q. . Rkaliser un programrne permct. I/) et de leurs dbrivks partielles. y) = x2 + y2 . Rz en fonction de f(z.On invcrsc la matrice (ou l’on rkout le syst@me dont le module est le plus proche de m. c .ANNEXE H. & en fonction de xh-1. a . il suffit de remplacer les coefficients nl. Y) = 0 g(x. Pour obtenir une erreur minimum à chaque ktape du calcul il faut amener 11011 pas le pivot lc plus grand (car cela conduit1 à amener en fin de calcul les pivots les plus pctit. b .

AcsXI + A4Xâ = BL w4 CH. E n reportant cette expression dms (H. Donner l’expression de X1 tir6e dc (H. 711 inconnues awc II 2 m.2) ct (H. Résolution d’un système linéaire par la méthode itérative de Jacobi On considère 1111 système linéaire de mat. Expliyucr la méthode à suivre pour calculer cffectivcment X2. Mallleurcllserrlcnt la matrice A est beaucoup trop volurnintuse pour tenir dans la mémoire centrale du micro-ordinateur dont on dispose. 454 .~ tics deux systCmes suivants : Montrer que lc problème peut SC ramener à la résolut.3. 011 se propose dc fractionner la matrice A et le vecteur B respect.ion AIX1 + A2X2 = B.ricirlle uswlle : .3). dormcr l’expression de X2. rfaliser. Au moyen dc la méthode tics moindres carrbs. 5.3). Résolution d’un système linéaire volumineux On consitlhe un syst?me lin&& invcrsible AX = B dans lequel 14 est ~III(’ matrice carr& d’ordre IV. Système linéaire surdéterminé On envisage l’ét. Détailler eusuitc la mét. Rhliser un programme qui ét.ions à.2. : ATAX = ATB où A7’ est la matrice transposée dc A.. Pour cela on dbtaillrra chacune des opérat. II et kl positifs IIOII nuls strictcmcnt inf6ricwrs à N.4. sous la forme A’X = B’ où A’ est UIIC matrice d’ordre YZ sur laqucllc on fait l’llypothèse qu’elle est non singulihe. avoir un sens .ivement cn quatre sous-matrices et deux sous-vecteurs dr. Montrer yuc lr syst. 71 composantes et LI’ lc vecteur sec:o~~tl mcmbrc a ré composantes.hodc pour obtenir Xl.udc d’un systPmc linéaire de appel6 SI se prkente sous la forme : 11 équations 5.èmc des Cqnations normales s’écrit.rL Equations à n inconnues que l’on kit. On SC propose d’~limincr le vecteur X1 entre les dwx équatiorls (H. 5.5.2).ablit le systeme des k~uations normales puis qui lc résout nlirriéri<lilcrrierlt Étudier les illcertitudes qui eiitachcnt les rfhltats du calcul wloll lc procbdb don& page 378. pour cela on désignera par Il et kl rcspectivcment lc nombre dc lignes et le nombre de colonnes de la matrice A.31 et doniicr les conditions sur l’ordre des matrices pour que dc telles équations puissent. X le vecteur des incommcs à. la manière suivantje : 1:: nri#=~i. Le système que l’on 6crira en notation matricicllc : AX=B. il s’agit dc rkluire cc systkc SI au système SS appel6 système des équations normales. dc m équations CI rn ir~connues.

Montrer que toujours la décomposition proposée est possihlc dans les conditions de l’honck. triangulaire supkrieurc avec des 1 sur la diagonale: de tcllr sorte que A = LS. dont les éléments sont noti:s CQ~.slk les éléments dc S. il s’agit de calculer Y.. On désigne par I/k les 6h?mcnts de L et par . X2. b . d .On se propose de rkoudre le système linéaire AX = B où B est un vecteur colonne donné dont les éléments sont notés bl. On suppose que cette matrice est régulikc (ou non singulière : son dCterminant est différent dc zkro).4) la matrice A par son cxprcssion donnée en (H. . . Xk. Écrire explicitement le système B = LY.On corlsidere une matrice carrée A d’ordrr: n.5) oh 1 est la matrice uniti: d’ordre n et où AP est une matrice d’ordre 7~ n’ayant cpr: dw z6ros sur la diagonale principale.. Montrer comment calculer dircctcmcnt la solution du système SX = Y. ceux de A notés uik. expliciter les vecteurs X1.. Proposer néanmoins une procbdure qui permette quand mhe l’okention dc la solution X en exploitant les donnkes fournies par l’algorit.hme divergent.. hicn solution du problhc. 2. ct ceux de Af sou!.On SC propose d’étudier la convergence de la procédure. et b. (k ~ 1)).. en fonction de 1. .. a .a .5) i montrer que l’on peut générer un processus itkratif de valeurs Xk dc X qui permet effectivement dc calculer la solution X. . c . Af ct B. c . Montrer que la sllitcx des Xk converge à condition que W’ tende vers xkro quand p tend vers l’infini. S btant. puis les relations cntrt les &?nients yk. .Supposons que l’on connaisse les Clherlts y~ du vecteur colonne Y.é doit. b . Les éléments de A’ sont notés ulk:. Quelle propribt. Dormer l’expression des ékments hh du vecteur B en fonction des Clhcnts Oit du veckwr B’ ct des 6léments de A’. ct des yys déjà calculés (s = 1. En dkluirc la valeur des yk en fonction des 6. le processus est divergent.Maintenant. 455 . h. l. noth nrlk. On écrira explicitcmcnt l’kquatiori matricielle Ti laqucllc cc processus ohbit. mais on ne demande pas de les calculer. ..Qucllc est la lirrlite 2 dc Xk quand k tend vers l’infini? Montrer que 2 rst.On désire se ramcncr à un système identique notk : AX=Li’ CH. On décompose cette matrice cn un produit de deux matrices triangulaires L et S. Partant du vcctcur X0 (dont toutes les composantes sont nulles par cxcmple). X:3.41 dc klle sorte que l’on puisse décomposer la matrice A en une diffhcncc dc deux matrices : A=I-M (H. L ktant triangulaire infkricurc avec des élérnents quelconques sur la diagonale. Résolution d’un système linéaire dépendant d’une matrice symétrique (méthode de Choleski) 1. vérifier la matrice: M pour qu’il en soit ainsi‘? e ..En rcmplaqant dans l’équation (H.Quand cette dernière condition n’est pas vérifiée. 5. Montrer qu’il est kquivaltnt de rfsoudre le systhe S X = L-lB = Y . Exprimer les éléments de A en fonction de ceux de A’ puis ceux de AJ.5.

de V% en fonction des ékments d. avec M 5 N. q) lc produit scalaire de p et 4 : (P> 4) = pï’q. D onner les éléments 61. Montrer que (p. Résolution d’un système linéaire par la méthode du gradient conjugué On se propost de résoudre un système linéaire de N équations à N inconnues : AX=B où A est urle matrice définie positive et symétrique d’ordre N d’élément ulk. 1.. . .On désigne par h le vecteur qui est solution du systèrne AX = B. 2.~ ) (H.6. .Écrire directement les relations donnant les inférieure M en fonction des élémcnt. Donner l’expression des Cléments dc XI~ la matrice A en fonction des klémentjs 1.Déduire que A = ADA’ (ou encore que A = STDS).À partir de maintenant on suppose que la matrice A est symétrique : A = A” (AT est la matrice transposée de A).l hj = C c. X le vecteur inconnu. S?’ et AT7 en dkduirc S.Montrer que (Api. 2.1) quand les produits scalaires (AP.P3) x.. a . On kcrira L = AD. 456 .j. Montrer que A = LS = (hD)S peut aussi s’i‘crire (seulement dans ce cas prkcis) A = h(DS). B le vecteur second membre d’éléments {bl}. C omrne D est une matrice diagonale. N .Montrer que les {P. P T étant lc vecteur transposé de p en kriture matricielle. Ap) = (Aq. (B>P. c . . on peut écrire : A = Afi\IDAT = ïWMT.j = cApj.Montrer que la matrice L peut Ctre rendue triangulaire avec des 1 sur la diagonale en la multipliant à droite par une matrice diagonale DP1 convenablement.1. a .Donner l’expression de A’ en fonction de D..~P.p).6) Montrer qut h peut s’obtenir par le sclkma itératif suivant : 20 = topo (B> Pi) “’ = (AP.~) p.7+1 = xj + (++1P. Aq) = (Ap.Soient p et CJ deux vecteurs de dirrrension N. pJ) sont nuls pour i # j. y) = (q.s CLQ de A. montrer que h peut s’écrire sous la forme : N . deux relations entre A. b . c .~ .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ d . linéaires dépendant d’lmc matrice 5.Indiquer une méthode de résolution des systknes symétrique non singulière. choisie. b .Par définition. On note par (p. on dit qu’une suite dc vecteurs {pi} est A-orthogonale (i = 0.+1 XAJ = h. ST et AT.pi) > 0. .j=O a v e c C. éléments rrllk de la matrice triangulaire d . .~} forment une base de l’espace à N dirnensions. de D. de L.

Azo T. Dans ce cas particulier.>I$ .) (P.P.?4 k-1 c . ‘. à partir de celle-ci IIOUS obtiendrons une base {pk} A-orthogonale qui nous pcrrnettra de calculer lc vecteur solution h.On pose p0 = 210.Si A est.} dont la définition (légèrcmcnt modifiée par rapport à (H.hogonaux devient u~e suite de vcctcurs orthogonaux.oPo + Qk+l. = PL + c?k+l. . jr0 avec k < N ~ 2.. .. la matrice unité (A = 1): la suite des vecteurs A-ort.J’ > k. .2.jpi + Yk+l.-l PL.kVk+l . b . + ctk. N ~ 1.A NNEXE H.P.7=0 est. 1.8) i { 4. On propose de calculer simultanément ~ ou en parallele ~~ les deux bases en procklant dc la manière suivante : Soit ~0 une approximation arbitraire du vecteur h. montrer que la suite des {pk. On pose : Po = yo = B . . ?j T/k+* (H.Pk) (%+1. en fonction des produits scakres de vcctcurs (connus au fur et a rnesure).PO) puis que le vecteur pk+r s’exprime en fonction des k préctdrnts Vect>eurs p de la façon suivante : I&+l = vc+1 + ~k+l.a. Pour cela..lT” (w+l.lJ$k = tJk+l + 5 r~e+l. = P’. (H.7)) est la suivantje : k. . Cette base {pk} A-orthogonale sera détermincc à partir d’une base {r. PROBLÈ M E S ET EXERCICES 3. a . + (P:.Api 457 . Montrer que (7~1<:.ir d’une base {Q} de N vecteurs lineairement independants (orthogonalisation de Gran-Schmidt) pour k = 0.lpl + .+1 = 5 .On se propose maintenant de construire Mac base {pk} de vecteurs A-orthogonaux à part.7) Donner l’expression des ~k+r . puis pr = vr + aropr Montrer que (Av:Po) a1o = ~ (APO..+.k} orthogonale.. Apj) = 0 pour . il nous suffit de connaître une base quelconque de l’espace de dimension N.On SP propose d’utiliser les rcsultats précédents pour résoudre le systeme AX = B. mie suite orthogonale que l’on peut écrire sous la forme : PL.

orthogonale en utilisant.. 6. et s’appelle a ..1hfhVUEL DE (‘ALCL’L NUMÉRlQlJE APPLIQUÉ N. + I.Montrer CIU~ E’(zj + l.ermincr b . p sur la droite 2.B.ant. Dkduirc q u e Z. On pourra poser : b ...j. et.c.j:~).8).7).l~P.p.ct~ion faite des crrcurs dues a...~ ~ (~. .l->l>roximation prkéderlte en ajout. une quantitk algkbriquc paralkle au vwtcur p.Montrer que la suite des {r. la quantit6 c.7.Montrer que la suite des {pl} est A-ort~hogonalc CII utilisant la relation (H.p. s’appelle métllodt~ du gradient co~~jugué.Montrer que? E2(:x) est donné par l’cxxprcssion : E”(z) = [A(h ..) ssion dans laquelle on .JJ. On note E”(r) le carri‘ du rkidu.7(r.7 s’ohticnt à partir de l’a..2b.. pr+cisémrrlt. .ns la dircct. (= B ~ xj).À chaque étape du processus it. Quelles transforma. que l’approximation X. ahstra. la wlation (H. Les formules montrent. .bratif~ r’? dorme l’écart à la solution exactJe vecteur rkklu 0~1 résidu. c:orrcsponda.Soit A une matrice yuelconquc.I) ex71 )rr :Y‘ a pos6 : ri = B ~ A.iou 1.) = E”(r)) + lj(Ap.Quel est le nombre maximunl de tours d’it6ratjion qui permettra d‘olh:nir la sohhion exacte.hc linkairc..1) (APj: déduire que bj = C. a . Il s’agit de minimiser E’(x) da.tions doit-on appliquer au système lincaire pour pouvoir utiliser l’algorithmr i:tudib? .f est celle qui minimise le carre du rkidu dans la direction p.p./) ~.ux troncatiircs des calculs effectifs? 5. c . = n.rlt à ce minimum..Cet.XT)> h ~ x]. Nous a~llorls voir que. de dét.te rrkthodc dc rkolution d’un syst.} est. déperldark d’une matjricc A définie positive et symktriqut...

s 0k de son polynôme cl-Lrac:t. Calcul des valeurs propres d’une matrice réelle et symétrique par la méthode de Jacobi a .9) que P:(O) = n! e ...ricc unité d’ordre 11... Monllw (111~ I? = ‘r ‘AT admet les mCmes valeurs propres que A._.s . (on prfkiscra soigncuscwrut~ les indiws). 2: T11.ion : AX = XX.ificr l’expression donnée par (H. Pour cela..9) P.i Ikmcds {a~~~} rkls. les 6lémrnts sont r&ds. la r?glr de cas particulier qui nous intéresse (1st doiin~c (A). rapport 2 X7 puis on fa.. Donner alors l’cxprcssion tl(. les crochets signifianl. On consitl+rc mie autre mat rice T d’ordre ~7 à bli:ments ri:& {tlk} qui possède urle matjric:c~ inverw T -’ Les valtwrs proprw {A.k~.hb (lui &signcnt 1~ matrices d’ortlrc: (~1 ~ 2) obtenues en supprimant~ clans la matrice A les lignc.k .(X) afin d’expliciter les wefficicrds c1~. tics dérivées en zkro qui sont not6es P(“)(O): q = 1. ~ 1est la matrice unit.Dire comment exploit. tlkrivation du c16tjc~rminant donnant~ P:! (A) dans le par les expressions suivantes : OU 1...qq] d . ..En utilisant. les vcdcurs propres {X. qu‘il s’agit.~.8.} sont d ormks par l’+quat..~ristiquc que l’on pc’ut krirc sous les formes suivantes : (H.~~. on posera. on se propose dt> &rivcr l’wprcssion (H. cxprwGon <lans laquc~lk~ 2 est.) est la mat..5.<q [A~.10) où 1.& d’ordrc~ (n ~ 1) ct OC A.j c‘t. c . k cl’lmr~ part. 5. puis en &tluire 1 ‘expression de 1’.. d’un tk%cwr~inant~ a .Ident.rice carrée d’ordre TL dont. Calcul direct des coefficients du polynôme caractéristique Soit A mie mat.. q = ~l!(-l)~“’ C .!(X) = -&Y..ricw Aj . dCsignc en supprimant~ la jr ligne et. (0) et.} rt. la jr colonne tic la matrice A.Montrer par ur1 examen direct de (H.qq] ... ok en fonction (le p. (0) cn fordion des rua.. X = TZ..Soit A urlc matrice car& d’ordre n .rc part. donner l‘cxprcssiori & F’(X)./... On se propose de calculer dircctcmeid les coeflkient.cr cet algorit~hme pour obtenir les valeurs propres tk la matrice A. vcckur propre> de B.jik.t. la règle dc d6rivatiou prkklemmcnt~ fournie. Pour ohknir les dérivks successives dc P.Montrer qllc l’expression de pi”’ (0) est donllk par : Pr!“‘(O) = (kl)“m” C [Aj~.X”? J=O (H.7..it X = 0 pour olkenir Comme A ne dépend pas de A.. ct les colonnes j ct k d’aut. Donner l’expression de P’ (0).. la rriatriw d’ortlrc~ (n ~ 1) obtenue 6 .9) par les PA”‘(O).10) awc: le tl&eloppc~ment cn shrie tic MiL(~Lilllrin dc P.

.~..A présent. b. = ~ COS( y). 2 sin(y) cos(‘p) = sin(2cp).T est ~IIC matrice unit6 d’ordre 71.Calculer b. . . au prkalable. Convergence de la méthode . que l’on prkciscra. 460 . Choix de /a matrice T . ct b.....Montrer que pour une matrice symkt. e . h ... b. uiic matrice symt.) f ... on cherche à diagonaliser la matrice A au moyen d‘un<: succession de transformations TplAT. à l’exception de quatre 61Cmcnt~s se situant à l’intcrscction des lignes p et q d’une part et des colonnes p et q d’autre part : t pp = “OS(P) Montrer que TP1 = T tïlcl = sin(cp) t..riquc telle que A: la somme des carrés des valeurs propres de A no& S2 est égale à la somme des carres de tous les Gments de A. et 1’ on dksigncra par E le signe de 7.. (Attention.Dans toute la suite du problème ou considère que A est une matrice symétrique CL~.‘[.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUE b . d .. . À quelle propriktk import.. Donner alors les valeurs numériques de ~OS(Y) et de sin(p) qui pcrmctt.. En déduire que cette valeur est invariante si la matrice subit lmc skric dc transformations gknérales du type dc ccllcs définies ci-dessus TplAT. = sin(cp) t<.trique.En dkduire que B = TplAT est urlc matrice symétrique.Définir ~II algorit.joint l’expression de bI. hormis sur la diagonale principale dans la suite dc matrices L3.antc obéissent les valeurs propres de A‘! c ..(. de telle sorte qu’on annule lc coefficient b.ent de poursuivre la transformation.. en général. Puis montrer comment ces ékmcnts sont modifiés lorsque l’on multiplie (AT) par T-l.Écrire les 6léments de la matrice (AT). lc produit de deux rriatrices symktriques n’est pas. dkmontrer que : i . On pose tan(2p) = 7.9 est.b. et par conskquent b. et b. Cos’(y) ~ sin’(cp) = COS(~~). Dans le cas on 7 dcvicnt infini le proc6di: ne tornbe pas pour autant en défaut. É crirc les éléments blk de B = Tpl(AT) ct cn particulier b.En dkluirc que la mtthode étudikc est inconditiormellement convergente. donner alors l’expression dc tan(2p) en fonction des nik. Quelques expressions utiles. en fonction des 01k ct dc cp. Donner l’intervalle de variation de cp. + b.. un paramètre que l’on choisit. il peut être utile dc calculer sin(2p) ou COS(~~).hme qui arnène progrcssivcmcnt des zéros partout.? = o. g . Dr ces deux équations auxquelles 011 . Donner les expressions de COS(~~) ct dc sin(cp) en fonction de 7 cn prenant garde aux évrntucls problèmes de signe.

le transforrncr cn sous-programme.Déduire des ktudcs précédentes 1111 ou plusieurs prograrnmcs qui realiscnt la différentiation et l’intégration. b . donnkc par la relation de Newton. b .5 ET E X E R C I CE S 5./.. considérons une suite de matrices B.Donner la relation de récurrence qui existe entre dellx rnatriccs conskutivcs Quelle valeur convient-il de donner à Bu? l?k et n. c .1 et 6. 6. =O avec a() = 1. a . P~013LèhfE. Pour ce faire. les racines du polynôme caractCristiquc : dc calculer les valeurs propres Xj: P. La mise au point termink. L’interpolation 6. Applications des J 6.2. a .Calculer les cocfficicnts du polynôme de Lagrange par inversion de la rnatricc fournie par l’kriture du systkic linéaire.1.. Quelles sont les difficultk li@es à ces rnéthodcs? La différentiation est-elle une opération sfirc? Laqucllc des deux techniques d’interpolation donne les meilleurs rbsultat.2 .Comparer les performances des deux a.(z) = a”d7 + UlZ n-1 + a2x” -2 +. On notera : En utilisant l’expression de a.on suivantJe : B 4 = Aq + alAqpl + QA”-~ + ..9.Prograrnmcr dircctcment la méthode de Lagrange.+a. On dksirc réaliser un programme qui pcrmcttc d’effectuer une interpolation voire une extrapolation par le polynôme dc Lagrange. Le polynôme de Lagrange On dispose d’un fichier dc donnees constitué d‘une suite dc N couples d’abscisses et d’ordonnées. Les fonctions «spline » Rkaliser un programme qui effectue les interpolations (des rnêmcs données) au rnoycn dc fonctions «spline » de degré trois.+. montrer que ct déduire ur1e procédure générale de calcul des valeurs propres d’une matrice 6. dkfinic de la fac.AN N E X E H.Dkmontrer 1~ relations de Newton exprimant les coefficients (~k cn fonction des sommes des racines élevées à la même puissance m.pproches du mkne probkme. + o“1 1 : OU 1 est la matrice unitk d’ordre n.. Calcul des valeurs propres d’une matrice par la méthode de Souriau (1948) Soit A UIC matrice car& d’ordrr TL dont on se propose lcsqucllcs sont.. Nous 11011s proposons de calculer directement les cocfficicnts ak: puis de calculer les racines du polynôme.s? Pourquoi? 461 .

CO = 1V4 F.2.0.ialcs tliff6rcnt.b C va.O.ct. H et.ensit. sackant. lc pcntliilc avec la vcrticalc. Cc mouvement des plaques est évitlemment. Étude d’un pendule de longueur variable On considère im prndidc dont la longucwr l = b" + 7rt où ?! est llrl~ cor1sta. = 3 m. la bc~m~ d’une grue suspentlue au bout d’un c%l)lr de longurur I.r:r de tcllcs équations? 462 .t.cur qui peut. Rqr~sentcr les rkultats de l’intégration dans l’cspacc des phases. 71 = -1 m/s. 19 = 7r/200 radian. R = 1 il.ioririel). Intégration des équations différentielles dans le champ réel 7..La hrnnc s’arretc quaiid clic a parcouru 7 in vertidrment (II = 3 m).rie t‘11 fonction du temps selon la loi : 1 c(t) 1 + E siritilt G La réalisation de ce condensateur est.O et E = 10. 7. On cssaycra les valeurs 5 = 1.rois mont& en série.-à-clirc dans l’cspacc~ où y est port6 cn abscisse et &y/ dt t'ii ordonii~c. Intégrer nurri~riclilerrient cette bquation cn choisissant des conditions initiales très difkentcs (cc sont des doiirltw qui sont c:oninmniqn~cs cn corivrrsa. L’équation de Van der Pol Soit 1’Cquation diff6rentic~llc suivante : 011 dolIlle E = 1.Écrire l‘équation diff~rcnticllc % laqucllc ohbit l’angle Q que fait. b . resté petit? d .MA N U E L DE CALCUL NUM. I varie lin~aircmc~nt. Int6grer nuriiériquement cette équation avec: lrs valeurs suivant. Qu’observez-vous? Quel intérêt. Al1 kmps t = 0.ion de la pesanteur dont l‘int.cs II = 10 m. électrique fermé constitlk d’une> self L. que lc pendule qui nous pr~oc~upc~ est. WI = 225 s -1. en rr:vanch(~. dB/ dt = 0 radian/s et. c’est. avec lc temps wlon la loi : a . Rtkliscr 1111 programme qui cffcctw la t~abulat~ion dc la solution de cette dernikr k~uation. H’ gardid les mêmes valeurs. la capacit.GRIQUE APPLIQIJE 7. donc fournir de 1’6iwrgic au circuit dectjriyue. Écrire l‘équation difErcnt.ik qiw l’lmitb.Mêmes questions qu’au $ c avec toutefois des conditions init.cs : L = 1 H. E = 0:57 et. : b. L et R sont fixrs. C . simple : il est constjitu6 dc deux plaques parallèles séparées par mie distance e(t) qui varie au cours du temps ii la frkqucnce w1 /27r selon l’cxprcssion : e(t) = ~(1 + E sinwlt) awc lx valeur absolue de & plus pet.r1te. d’une rksistancc R ct ~‘LIIIP capacité C: tous les t. qc1 = 1V4 C ct i = dq/ clt = 0 A. y a-t-il à fréyuent.é est g.3. = 10 m. Système électromécanique dépendant d’une équation de Mathieu On considère 1111 circuit. crt6 par mi niot. 7. sachant que cc pcntlule est soumis à l’a.Écrire l’équation dans le cas où g est petit.1.icllc à laquelle obéit la charge kkctriquc: q(t). 0 = 1 rri/s. Au temps t = 0. Quelle 4 alors l’amplitude des oscillat~ions‘? Pcubon considérer que H est.

y.s d’intégration de la variable .r et. y..20. On procède à urlc interpolation paraholiqur d e y(z) sur l’intervalle (z.+r .ion et de la correction. :c. on utilisera la formule de Runbe et Kutta pour calculer yr. D la droite tangente en (2. de la variable. ) et sa pent. ct l’on dksigncra par h le pa. peme calculk en (z. ct l‘on ne peut pas calculer la valeur de y1 par cc procklé.e passant par (2. y.. 7..rr!+l>?/rn+l) ‘~ d P c ... alors bien avant..Soit l’équation diff~rcnt~ielle &Y ~ -507~ + 5 dn: suivante : (H... Position du probkme . d .. 463 .Après avoir transformk l’bqrration différcnticllc sous une forme integrale sur les intervalles définis pour la formule dc prédiction et pour la formule de wrrcction. PI~ORLÈMES ET EXERCICES 7.. faitk devants l’uriitb. 1..1).+r. a . Intégration d’une équation différentielle du premier ordre par une méthode itérative (prédiction-correction) Soit a intégrer rmmériqucmcnt l’kfuation différeruicllc suivante : dy/ dz = f(.ANNEXE H.5. On pourra effcctwr un développcmcnt analogue à celui qui a Pt... Étude d’un phénomène transitoire obéissant à une équation différentielle du premier ordre Si la constarne de temps est.rap&zcs ct de Sirnpson.. on supposera que les conditions énoncées au # a sont satjisfaitjcs. par ynr la valeur dc la solution au point.~ est ont ara 6 11.ion unique y(z) à l’équation diff~wntielle. 2.r l’intersection valeur itérée.( ~ym): donner alors l’cxprcssion de ym+r c (:x.ll) avec y(O) = 0. On désigne alors par y&+r la valeur calciilk au $ b et par yI.r.. y) p our 3. la skcant. on désire que la solution prenne la valeur yo pour la valeur ~0 = n.ude des mbthodes des t.ère pourra-t-on rctrmir pour limiter les it. où l’on rfftctuc les calculs.k rbalisi‘ lors de l’ét.. Dans ce cas. Soit... appartenant à (a: 15).. dCt.. = (1 + rnh. on AT = sup~3f/& dans lc voisinage du point.+r la k’ pa.+r).. . De plus. donner les expressions de l’erreur dc la prklkt. la solution prkcntera de faibles variations donnant l’illusion d’un phénomène rkgit par une grande constante de temps.1 à la tangente en (.te contrainte? g .Rappclcr dans quelles conditions il existe une solut.4. ym) à la courbe y(z).-1.. y&+r). D onner l’expression tir y$. la droite Q est construite de la manière suivamc : clic de la pente de y(z) calculée passe par lc point (z..c est la moyenne arithm6t~ique cn (cc..crminee de la droit. Comment s’affranchir de cet.+r e . et .La mbthode proposée converge lorsque h < L/IV.+~ cn utilisant une formule itérative appclkc correction.c Q ct.) et de la. b .Hormis yr. dc la droite x = z. nous allons améliorer la prkision de chaque Y.î7. l’imité.eratioiis‘! f .Par la suite.. Pour calculer la valeur &+r > on considère qu’elle est.CJuel crit.(.. Donner l’expression de O/I. L’intkgration numérique peut alors poser qiiclques prohlèmes.X..Cet)te relation appelée prédiction rnontrc que le calcul de yrl! cxig-e l a connaissance des valciirs des deux points précédents.

s(t) N s(t) = c k=O t”llk: . soit : dY . 1-1 = t2 .. Comparer avec le calcul direct de l’expression (H. Étude d’une méthode de résolution spécifique . puis reprkenter graphiyucmcnt cet.12).. montrer que l’k~uation (H. Que suggérez-vous pour obtenir des valeurs numériques plus confornws a celles olkemles à l’aide dc la relation (H. qu’il sera plus hathile d’écrire (l‘intér&t apparaîtra plus loin.Il est commode de choisir les poirks eu progression arithmétique : T~-k=t2-kp a v e c : k=O.En multipliant les deux memhrcs de (H.= -Dy + <s(t) dz avec D » 1. D@terminer l’intervalle de variation de y(t) quand t apparticntj & (0 .tl. peut Rtre calcuke d’une manke approchée par le procédé suivant : si est développable en série erkière.13) où s(t) représente une fonction continue A variations faibles (lentes) sur (0..ti)l + .l.te solution. 13) par exp( -D t) p uis cn intbgrant entre tl et tz.13) 1 leut se mettre sous forme d’une kquation intégrale qui est équivalerke : v(h) = yy exp[-D(b . se met. (Intégration de Ck par parties.12)‘~ 2.14). a . on obtient l’approxima..tre sous la forme : (H.05.=O Donner l‘expression de C.12) :y(t) = O.) : cn posant. y(2) (rcspcctiwment.l[l + exp(-50t)].14) b . w). b .. dtsignPe par 1.. puis la relation de récurrençc cntrc deux valeurs conskutivcs et C~+I. pour les valeurs ti = 1 et tZ = 2) avec un pas d’intbgration h = 0.tion en tronquant le d6vcloppcmcnt à l’ordre N .On considère une gCm?ralc.) Ck Choix des points de calcul . ZQ).I exp[D(t .Montrer que la solution formelle peut.tz)s(t)] tl dt (H.Calculer par la méthode d’Euler les valeurs numériques y( 1) ct.L‘intégrale figurant dans (H. kluation un peu plus (H.N 464 ... Montrer que 1 peut être approchke par l’expression : II&& k.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a .

çj. ct . Fig.Calculer les points TO. Application numérique .13) n’est évidemment plus linéaire. .égralc demandera le calcul explicite tic s[y(t). car les coefficients ak dépendent des valeurs obtenues pour les y(T. t] est.rouver la trajectoire du chien et représenter la graphiquement (cf. = S(T~) (:II fonction des u.~. Tracer dans ce cas le cycle limitcx de la trajectoire suivie par lc chien. Puis indiquer un procédé perrnett.cmp+rat.13) .T. modifié. Généralisation de l’équation (H. et . Indiquer ur1 procédé pour obtenir effectivement y(Tl) en fonct. T1 et T2.. puis les valeurs sk.05.urc: et t lc temps (cf. t].Soit l’équation : 2 = -501/+ & avec y(0) = 0. son chien est cn B et court à sa rencontre de telle sorte que le vecteur vitesse du chien passe à chaque instant par le point où SC trouve le jardinier. des conditions initiales de ce problème pour lesquelles le chien ne rattrape pas le jardinier. 3.11). 1. Donner alors l’expression de y(Tl) en fonct~ion des C.0 ri considere à présent yuc s(t) dépend de :Y(t) ct l’on Ccrira : s(t) = s[y(t): t].). les isothermes d’un réfrigérateur Nous nous proposons de d&rminer dans le plan les isotherrnes d’un rkfrigérateur à l’équilibre thermique. 7.).Calculer les points TO et T1. au besoin expérimentalement. Trouver. Application numérique .6. H. PROBLÈMES ET EXERCICES Étude du cas N = 1 . Problème de la poursuite Un jardinier tourne à la vitesse constante dc 6 km/h autour d’un parterre dont la forme est une ellipse de grand axe 26 = 20 m et de petit axe 2a = 12 rn. L’éyuat. d onner la formule exprimant y(!&) A partir de l’expression obtenue pour N = 2. Inverser ces relations pour obtenir les ‘II en fonction des sJ Donner l’cxpwssion tic y(Tz) en fonction des C. Étude du cas N = 2 .05. c’est-à-dire quand dT/dt = 0. seul lc calcul de l’int.ion (H.1. Écrire explicitement l’expression donnant y(Tl) à partir de la forrnulc obtenue pour N = 1. Intégration des équations aux dérivées partielles 8. expression dans layuellc T représente la t. page suivante). L’équation de Laplace.ion dc ~(T(I) = y(0). Lorsqu’il est en A.ANNEXE H. Cormaissant à présent y(To) e t y(Tl). formel préckdemrnent r&li& n’est. calculer y(l) et y(2) dc l’tquat.En conservant le pas h = 0. page suivante). 8. t. Fig. H.ant dc calculer cffectivemcnt 02). Sachant~ que la distance OB = 30 m ct que le chien a le droit de piétiner le parterre.2.2. Rien du développement. Exprimer les ni en fonction des sk. Calculer ?/(II) et y(2h) avec h = 0. mais on supposera encore que s [y(t). Le chien court à la vitesse constante de 20 km/h. Décrire urle procédure complète d’intégration de la dernière équation différentielle proposcie.ion diff&enticlle (H. une fonction à variations lentes et faibles. puis les valeurs sk = S(T~) en fonction des (1.

la paroi du rkfrigkrateur est à la tempkrature ambiante dc 20 “C.x~ IWIMÉRIQUE APPLIQUÉ La géonktrie du réfrigérateur est donnée sur la figure H. en revanche.2. calculer la tcrnpératurc cri chaque point du maillage et déterminer quelques isothermes dr cc système thcrmiqur:. x0 cm Figure H. 466 . Procéder & mi rnaillage convenable du dornaine.MANUEL DF: c4~f.2 : lc congélateur est représenté par un rectangle à la température dc -10 “C. Isothermes d’un m?frigFrmkw.

-1. portée à la temp&at. ensuite on fait passer 1111 coura. On pourra tcstcr les deux transformkes de Fourier sur une gaussicnrle tronquk (il faut réflkhir sur la troncature.ure uniforme Ho = 90 “C. déphasées dc ?r selon lc choix rctcnu pour rcprkentcr les données. Après avoir montré que P = r(T)j” avec j = 5: dkterminer lc profil de température de seconde en seconde dans une: section du fil. la table des simls (et cosinus) au moyen d’un algorit.. 467 .40 Jcn? ct D = f = 1.1( OC)-‘.ure dans la sphkc: à diffkrcnts instants.). b.nt continu réparti uniformément d’intensité 1 = 200 A. N. .cmr. Déterminer la durée du refroidissement. on attend que le fil soit en éyuilibrc thermiyuc. PROBLéMES ET EXERCICES 8. On plonge w fil dans un bain (thermostat) 5. Au temps t = 0. la capücit~k calorifiyuc par unit6 de volume et X est la conductibilité thermiyuc du milieu. Un cylindre dc cuivre de longueur indkfinie. L’algorithme de Cooley-Tuckey Réaliser le programme dc la transformée dc Fourier directe et de la transformée dc Fourier inverse. est à une température inférieure à 10.nt refroidie lorsqur son centre. On dit que la sphère est c:orrll->lèt. Cas où tout le volume est le siège d’un dégagement de chaleur Si tout lc volume s’krit. 9. où r‘() = 1. elle est plongée dans 1111 grand rkervoir d’wu à la tcmpératurc uniforme 01 = 10 “C.A N N E X E H. T est cxprimb en “C ct a = 4. mais CII 1’ = 0 les équations sont discontinues.6 de voliimr~. dc rayon R = 1 cm. montrer que l’kluation dc la clialcur où P est la puissance dissipk par unit. la table des adresses pcrmettjant de mettre les domkes dans le bon ordre . On c’omrncncera par rkliser des programmes de mise au point qui sont : a. On demande do calculer la tcmpiirat.12 cm p2se. . : est. éventuellement entachkcs d’une petite erreur. la tcmpératurc de 10 “C.hme rCcurrent .B.Attention & l’usage des coordonn~cs sphériques que nous emploierons dc toute façon. Transformke de Fourier de la fonction porte.12 cm2/s. On considère que cc rkservoir est un excellent thermostat. c. p est.3. la transformke de Fourier par dkimation. le siège d’un dégagcmrnt de chaleur. La transforrn+e inverse doit permettre d’obtenir les valeurs dc départ.2.1. La rkistivitk du cuivre est r(T) = ro(l + QT). Les transformées de Fourier 9. Refroidissement d’une sphère homogène Une sphère homogène dc cuivre dc rayon 7’ = 5 cm est. Comment pallier cet inconv6nicnt ? 8.72 10-s bL m. Transformk de Fourier d’un rkeau (taches de difbaction). est. parcouru par 1111 courant 1. On donne 0 = 3.l “C. On donne le coefficient dc diffusion dans le cuivre D = 1.

On éclaire le systhne avec une lampe alimentée en courant cont.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 9. L’allure de la courbe est donnée figure H. parallèle à l’axe du cylindre contenant lr fluide (cf.4. On donnera les valeurs de Q et p port& sur la figure H.~. Étude d’un vdoçimètre. ou plus exactement la vitesse de très fines particules en suspension dans ur1 liquide. Fig. de dimension et d’espacement donnks. Le passage d’une Part)icule G devant> les trous va provoquer l’absorption dc lumière. H.3). 468 . soit en tabulant la fonction .Donner les expressions des quantités A. R. En l’absence de suspension. Pour des raisons de commodité.ions parashes dues au courant. Ensuite.5. B et C’ portées par cette figure. on calculera formellement. page ci-contre.inu afin d’éviter les modulat. soit en calculant num&iquement la TF de I«(t) pour un nombre de trous donnés.4. page ci-contre. l’intensité reçut par la cellule photoélectrique est constante et égale & 1. ’ Canalisatiori dc l’koi~lemrnt Lampe et condensateur Rlesurc Figure H. cn fonction des param@tres préckdcmment definis.epréscnter alors J(V).(t) peut être rcprkentée par la figure H. L’image de l’axe portant les trous est. Le liquide s’écoule dans un tube cylindrique transparent au sein duquel on projette l’image d’une plaque opaque dans laquelle il y a N trous de diarnhtrc a disposk sur une droite selon une progression arithmktique de raison 6.3. Montrer que l’intensiti: absorbée I.I( v). Notons que la plaque trouée peut être avantageusement remplacée par lme diaposhive sombre dans laquelle des points blancs jouent le rôle des trous. sinusoïdal. a . on supposera que l’image a lc grandisscment 1 en valeur absolue. On appelle u la vitesse de la particule dont on supposera que la taille est nkgligeable devant la taille des trous. Étude d’un vélocimètre On se propose d’étudier un dispositif pcrmcttant dc mcsurcr la vitrssc d’écoulement laminaire d’un fluide. page ci-contre.2. J(V) la transformée de Fourier de ICA(t).

t n Figure H. Au besoin. . 9. Pour chacune des fonctions. PROBLÈMES ET EXERCICES Figure H. mais déphasé d’une façon aléatoire les uns par rapport aux autres.ilisés? Dans la réalité.Comment concevez-vous l’appareillage du cadre « mesure » chargée du traitcmcnt du signal? Le parallélisme entre l’axe des t. On ne considère par la suite que les fonctions échantillonnées normalisées. et l’on recueillera sur la cellule photoélectrique un signal formé de la superposition de signaux tels que celui présenté figure H.2.4.rous et l’axe de déplacement des particules G doit être rigoureux. La transformée de Fourier discrète s’écrit : cpk = . Ny fmWN”L m=o a v e c 27r WN=exp jN ( > 469 . et l’on désigne par v(t) sa transformée de Fourier. Calcul numérique des transformées de Fourier pour un nombre de données N = b” Soit f(x) UIC fonction appartenant à L2. m) = 0. on peut 6crirc fTrb = f. u 1 I ‘B b .ANNEXE H.1. 1. + jf7. .4. Dire pourquoi l’allure générale de J(V) ne sera pas modifiée. . N .3. on dispose de N échantillons complexes (uniformkment répartis) notés fin et yak avec (k. n c . le nombre dc grains G est très élevé.5. et pk = cpi + jy~i. Comment réaliser ccttc opération à l’aide du dispositif et de l’appareillage ut.

à distribution rectanguhire et appartenant à (0. On rcprcndra le prohlhe concernant lc calcul des isothermes d’un rkfrigbratcur et l’on comparera les difkents rbsultats (rxcrciw du chapitre 14).illons . Tester ce génkrateur. Vérifier sur l’excniplc N = 9 la validitb dc la relation proposée. Montrer comment ou peut gbhaliwr ce procédé de calcul des t. b . Tcstcr ce procbdé. par une mkthode de Monte-Carlo. valeul qui est donni:c par : Montrer comment doit. On suppose s = 2. uii ciiticr positif supérieur ü 1. On prf?fkrera. Comment obtenir des nombres psciitlo-alCatoircs indépendarits et gaussicns dc moycnnc dorinCe ru et d‘kcart type c‘? a . : II e t & @tarit d e s nombres psciido-aléatoires iridépendants. Morltrcr que vh c.Calculer quclqucs intégrales dkfinies c . Réaliser un générateur de nombres psclldo-aléatoires à distribution gsussicnnc CII usant du théorème central limite. Donner l’ordre dans lequel doivent î:trc disposées les donn~cs pour mcncr à bien lr calcul utilisant cet algoritlime. 10. soit : Morltrcr que les transformks de Fourier Ak. 470 .Calculer r par un(~ mkt.Ou silppow (1uc . aiiisi tic suh:. 1). Bk ct Ck peuveut être calculks par lc même procétli! ct. une comhiuaison lin6airc~ du trois trausformtks dc Fourier comprenant chacune N/3 kharlt.Ir est une puissarlcc dc trois : N = 3”. Ctrc modifiCc cette relation pour l’adapter au cas N = 3”. Cette dernière façon de prockdcr peut c’trc mtdiocre si les queues de distribution jouent un rôle important.llode de Monte-Carlo.Rhoudrc localcmcnt 1’C:quation de Laplace par une méthodr de Monte-Carlo.st.ransforméw de Fourier au cas où N = 0” où 0 est. Dans lc cas où N = 2” nous savons que la donnke no k doit être d6plack au rang j. Introduction aux méthodes de Monte-Carlo Générateur de nombres pseudo-aléatoires Rkaliser un générateur de rlomhcs psclldo-aléatoires A distribution rectangulaire (ou uniforme) selon lc procédk tic Lchmcr.

:x:77 (rI) .(z) mt une variable aléatoire car si les valeurs prises par S. inf6ricurrs à 5. .1.. c . pour wla on cxplicitc les intervalles tk d&iit.(T) prcnnc l’une des valeurs possibles. Éléments de calcul des probabilités 11. strictes en probabilitk car F(z) est continur. c’mt-à-dire p(z:‘“) < CT). Puis rnontrcr que P(& < z) = constante = p.(T) = N. . 011 rie sait./n/u.uellenlrnt une @.Montrer que : F(z) s FI(1 ~ t)‘j+.r). ct plus prkiséineiit lrur distributioii. (CII) 1 c nombre de coiriposmtrs <j (lu vcctcur V qui sorit iiif~rirwrcs 5 un nombre donn6 :z qui opp’tr$.nt..ion tic la variable aléatoire: .. E(x:") < XT). On désigne par 9:“) (CI. 2.-kdire de tous les E. On iiotc: qiw.rnd que l’on veut.ï ) n’est pas plus petit.. On cffcctuc le tiragr des coniposantcs d’un nombre de vecteurs V aussi g. L’événement I~(X. Pour chaqiw vcctcwr V on cffrctuc le classemeut puis 1~ rmiplissagc~ des 71 urnes. 71.. c’est.r. zk(II) est uw wrriablc alkdoirc. 5 (-XI. a . e .?’ < z) a lieu quand au nioins j coinposantcs dc V sont. l’cxprcssion dc la probabilité P(& < x). d - À prCscrit.I.(X) sont ~~oiiniics.-à-dire la probabilité que la composante & soit iufkieure au nornbrc a: kmqué au 5 a. E n tfkluire q u e Q>.) qui sont sup~ricurcs à . b .On désigne par IV.(x) = y. (~ . on s’intéresse à la distribut. que 6) est ~quivalmt. .) la probabilit6 que à un noinbre 2..). toutes les coniposautes de tous 1~s vcct~curs Ctant des variables &atoires iri<~i:r>c. S.. L’ordre statistique crjr4 est la plus pctitc clcs valeurs <i et. On se propow d’6tudicr la. pas pour quelles valeurs dc nr ces valeurs sont prises. (de chaqw vcctcur T(“’ soit inf@rieur V) tombés dans l’urne j. 0 471 . quelle que soit la. pour les diverses wrlrurs discrCt.Liitc.$c A X) ct (n ~ ~rrt..c~ d’intlicc lî (k = 1... pour 31 fixé. soit donner son expression en fonction dc F(X) (c)u p) : 1mur cela..(z) s’appelle r6partit.cs susceptibles d’atre prises par S. On dispose de 71 urnes nuni~rotCes de 1 à 71. coniposant.iid..011 se propose de calculer la probabilité que S.11. on reniarquc qu’il doit y avoir m coinposantes du vcctcur V qui sont inf~rieurrs 5 z (6vtnt. (3. On atlnict que les iilf?gnlitk sont. puis tlonncr l’c~xpwssioii de Qi”’ (3~) cn fonction de F( 3~).Donncr~ cn fonction de F(z)._j P[S.z’. 011 justifiera l’usitge dc la loi birioinialc. ‘“‘(x) = c:. statistique des élimcnts conttnus dans chacune &Y+ urnes.‘d p 1 us g-mn&:.j(il) (’ .ioii dc . et l’ou place: cha~unc des valeurs :zk’ tlms l’urur k: corrcspondaut au rarlg k attribue par lc classement. Moutrer que S. 7j = S.. +~XI). (XI). (x)/T) est la fouction de répartition des variables zk . 5 l’~v~ncinent~ Montrer que l’k&wment E (S.’ dt.ion mipirique des xp.r.s tic nlêirie rCpartition F(.

) avec TX.3. Application numérique : calculer n! pour n. En déduire la fonction de distribution . = 50 puis 60. Application numérique . Poisson.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ pour ce faire. Donner l’expression de la densité de probabilité. on réalise une succession d’intégrations par parties de cette dernicrc expression. 0 12. puis donner l’expression de la valeur moyenne (CT?‘) des Ei dc chaque vecteur V qui sont tombés dans l’urne j. puis calculer la valeur moyenne des & tombés dans chacune des urnes.2. Lois (Binomiale..1. pour 0 < z < 1. 70. 12. 80.La fonction F(z) est la loi uniforme : 0 F(x) = x 1 pour 5 5 0 . 90 et 100. Gauss-Laplace) 12.f(x) h(x) = fi]exp (-T) dt. La loi Binomiale Approximation de n! au moyen de l’approximation de Stirling : log. 4 1/12 quand n croît indéfiniment. Quelle erreur est commise sur ces approximations? Approximation de n! au moyen de la formule de Stirling : n! = nn exp( -n)&G( 1 + E.f:‘“‘(~) de la variable z appartenant à l’urne j. Loi du x2 Effectuer un sous-programme qui réalise le calcul du x2 a m degrés dc liberté : 472 .n. 12. et l’on s’intéresse à la statistique d’ordre n = 5 (il y a 5 urnes).(r~!) = nlog. Reprendre les calculs précédents. Vérifier que les résultats sont symétriques. pour 5 2 1 .(~n) . La loi de Gauss-Laplace Effectuer un sous-programme qui réalise le calcul des trois intégrales suivantes : & /exp (-z) d t 0 f(x) = s(x) = 14 .

) = 1 . puis en déduire sa fonction de distribution.l a variable aléatoire < et donner l’intervalle de définition de cette fonction. +oo) expression dans laquelle u.Rappeler la définition de la fonction caractéristique 4(t) dP.Rappeler l’expression de la distribution i(m. par quelle courbe de Gauss peut-on approcher cette loi? Donner le sup du module de la difference entre ces deux fonctions.Calculer la moyenne m ainsi que l’ecart quadratique moyen D de la variable aléatoire [. on désignera par q(z) cette distribution particulière.ANNEXE H.I exp( -t)t*-r dt ryn + 1) = :I! r ( n+. 2” Effcctucr un sous-programme qui réalise lc calcul de la loi de Studcnt à m degres de liberté : 12. Q la moyenne arithmétique de ré variables aléatoires ‘rjk indépendantes et distribuées chacune selon la loi Q(Z). c . e . On donne X = 30.OBLÈMES ET EXERCICES 00 I-(z) = .Soit z = i ~~‘. Loi de Student ~ 5. est un paramètre strictcmcnt positif et k une constante de normalisation. 12. ( 2 n 1 ) 6. a .. Calculer effectivement 4(t). Donner l’expression de la fonction caractéristique Q(t) de la variable z.Calculer la constante k. 473 . Distribution de Cauchy On considère la variable aléatoire < obéissant a la loi de distribution p(z) = kexp -a121 pour z appartenant à (-00. Loi de Poisson Effectuer un sous-programme qui réalise le calcul de la loi de Poisson : Pk: = $ exp(-A). f .Donner l’expression Q(t) de la fonction caractéristique de la variable aléatoire q.6. Loi de Poisson. b . 12. d . z) de Student à m degrés de liberté d’une variable aléatoire 7 et donner son expression dans le cas où m = 1. .5.4. PR.3.

Loi de Poisson dont le paramètre suit une loi du x2. Loi binomiale négative.7.Quelques résultats utiles . Urne de P6lya (1887-1985) .La transformle de Fourier 12.

i cx ct. + cy:. b . ct.Donner l‘cxprcssion c .Jl +P)“I. enfin que : . l’ordre fixb du tirage de srt..rmi 7) tiragrIs d .En réalité.. r houles rouges. (Il s’agit diun tirage contagieux dans ~IIIP urne de Pdya. X est uue variable aléatoire qui suit une loi du .1 hulw noires et (1~ ~12 l~oul~~s ro~~gcs. ..y” dorlt l‘expression s’kcrit. : 3.Lorsque 77.Donner l’expression de la.12. prohl~ilité IITLIT12 de tirer d‘abord nl hiiles noires puis 112 lmulrs rouges. Moutrrr que.) a . Après chq~w tirage cffcctu6.b . .On considère UIC urne qui contient 0 houles noires et. fy tendent vers xCr0 de telle sortr que : 1 rriontrcr que la distribution asynlpt~otique étudi& t.end vers la loi horriialr riCy+tiw : c. mi remet dans l’urne la boule tirée plus c boules de la rriêirir couleur-. que p et. quel que soit. la probabilité est toujours la rrihe et vaut II. 71) de tirer ni hules uoircs pa.~.On pose : de la prolzhilit+ P(TI.

1. + ~(c-l).i telles qu’un 7~’ tirage fournisse le F succès qui clôt la suite. a . on poursuit l’expérience aussi loin qu’il le faut. Calculer la probabilité de la réalisation de 1’CvCnement B en fonction de T. + 27~ = 2 cj$” k=O n(n ~ 1) t. Au cours des T + k t. quand nz est très grand devant l’unit& 12.‘* + k ~ 1) y+ + ~ E C!.+. + da + l) -.iragcs. B et C.. b .p) la probabiliti: que le re succès ait lieu au tirage T + k. On appelle succès lc tirage d’une boule blanche et échec le tirage d’une boule noire. k! .MANUEL DE CALCUL NUMÉRIQUE APPLIQUE Quelques résultats utiles .8. r.+. ré étant aussi grand que l’on veut. (1 + z)” = 1 + nIc + ‘.. ..Coefficient du binôme.. et enfin 1’CvSnement C la réalisation d’un succès au tirage T -+ k. On effectue dans cette urne des tirages non exhaustifs.p). il est préférable d’écrire n = T + k avec k = 0. cv est un réel quelconque positif : (1+ 2)” = 1+ cY2 +. La loi binomiale négative (reprise et applications) Une urne contient P boules blanches et Q boules noires (P et Q strictement positifs).On appelle événement A la réalisation du Te succès au tirage T + k. + (y = crr-p = n est un entier positif : + .p et 4. événement B la réalisation de k échecs au tirage T + k ~ 1. Écrire la relation entre les événements A.J? = 2 (y) (-l)%“.2. c’est-à-dire que l’on procade à la remise dans l’urne de la boule t. k.. Pour cela.On note f(k: ~. Les suites Si se tcrmincnt toutes par un succès qui est le Y’..+-k+l)~.= (1 ~ z)-(y = 1 + ayn: + .(-x)” k=O = 2 c. T 6tant un nombre entier positif fixé à l’avance.irke avant d’effectuer un autre tirage. Comme n 2 T. 476 . (71k! n -p)!) = p 0 k + 1) n! p!(n n n Coefficient du binôme gkkralisk. k=O k=O La fonction factorielle : cc r(x + 1) = 2! = J’ 0 7Lz exp(-u) du. montrer que la probabilité d’avoir tiré exactement k échecs qui précCdent le tirage du re succès est aussi f(k. On s’intéresse aux suites de n tirages notées S. ‘. On note p la probabilité de tirer une boule blanche et 4 celle de tirer une boule noire (p + Q = 1). .

Calculer le xL correspondant. . Tableau H. 1. et l’écart type 0: de cette distribution expérimentale. Donner la valeur de A.I. puis. Calculer les diffcrents Pk puis le x2 correspondant. ET EXERCICES d . r. On montre que pr (1 . f . r. -p)!) n = 0P 477 . . Les résultats obtenus sont présentés dans le tableau H.On fait l’hypothèse que la loi expérimentale est la loi binomiale nkgative. la séquence {f(k. À l’aide de cette fonction génératrice.Plus généralement. pour 1111 réel T > 0 fixé et pour 0 < p < 1. on a prélevé sur chacun 25 feuilles toujours au hasard. Peut-on retenir l’hypothèse d’une distribution de Poisson‘? g . juin 1953 p. Bliss. on envisage l’hypothèse d’une distribution de Poisson de paramètre A. Biornetrics.Donner l’expression de f(k. PROBLÈMES c . Puis calculer la probabilité théorique que le nombre de mites sur les feuilles soit m = 0. Peut-on retenir cette dernière hypot.Pour rendre compte de cette distribution expérimentale. . est appelée distribution binomiale négative.~). Fitting the negataw bin. 176.i-” = p!(n 1 lx.ANNEXE H.l.Coefficient du binôme.2. . p et 4 prkédemment définis. on a dénornbré les rnites rouges sur chacune des feuilles.Sur six pommiers d’un verger tirés au hasard. Nombre de mites par feuille 0 1 2 3 4 5 6 7 8 et plus Nombre de feuilles observées 70 35 17 10 9 3 2 1 0 Calculer la moyenne m.2. Calculer T.hèse? Quelques résultats utiles . 1. p uis rn2 le moment du deuxième ordre. e .4t) pT est la fonction géneratrice des moments non centrés. rT p)} avec k = 0. 7.omiul distribution to bioloyical data. h . n est un entier positif : C*l = C.p).l d’après C. calculer ml la moyenne de la variable aléatoire entier? p qui suit la distribution f(k. En dcduire la variante c2.

dculcr la. Durée de vie d’un système simple (fiabilité) 1.@ pour que. lc tmips t. 3 Pour cela on calculera d’abord l.. AIm?s avoir rcnmrqu6 que [ est une variable .6 pour qw X: 6v~ncmcnts survicuncnt durmt. probabilit.On SC propose tl’écriw cxpli<itenicnt la loi dc Poisson m fonction du temps 1 ct. NLIMÉRJQCJE . ct mi rappcllc que les temps d’apparit. l’on dkipe par X le rlombrc rrloycn d’év&mncnt. s’a. 2.ctrnicnt~ scrnadrirs). dans un iritcrmll~~ t d6biit~arlt 5.@ F(t) = P(c < t) ( 1 ut 1 R wuiablc al&~t. une crev.~PPLIQIJ~~ 12. Loi de Poisson.km rri une scrmiric (1 mois ~ b .emcnt une cwv. a 4 .Calder la probabilit. quatre crcva. la rnêrnr: diskmce. e . DE cucul.rinsi que sa.Ckdciiler la probxhilité qu’il survirnnc c~xactrrncnt.9.Calmlcr la probabilitb qu’il survienne cxa.~l~atoirc coutinuc.t.ut~ la probabilit. l’inst~arit ti ~il n’y ait itiicun évtncmcnt.jour uu cycliste parcourt. La silitc t.kmn en 1111 mois.c tliscr~tk: dc la date des 6vkmncnts cpi arrivwt s~qlicrit.t probabilit..iquc de 13 variable al&oire [ = t.ppdlc flux d’~v~iirriir~nts. On désire kt~udirr la stat.ion des 6vikmrrks sont. probabilité qu’il survicririe trois crevaisons ou plus mi un mois.é qu‘il nc survienne aucunc~ crevaison en un mois. d .M~NIJEJ.ist. la siiit. Donrwr l’expression de la. qui est. En dkliiire la rlciisiti~ de probabilit6 .f (t) à 1.6 de temps.isons mi tlriix mois. .res. Calculer la nioyennc~ n tic < .Calmlcr la.Chaque .Calculer la probabilitk qu’il survirnnc cxact. On d6sigrie p:u t.s par unit.+l .iellcmc~nt a11 cours du kmps.qiicllc~ ohkit la variable al6atoirr <. . loi dc Poisson Ph: (t) donnt\. ind4?pcrdmk les ii115 des aut.oirc [ soit plus petik> que f. L’c~xpkienw lui a appris qu’il survient une crf3mison de six bicyclette cn inoyrnnc tlciix fois par mois. variancr 0’. lc tcnips qui s’koulc crkre deux év6ncrnents consécutifs. 478 . c .

At étant un intcrvallc de temps jwtit (infiriiirierit~ petit du prcmicr ordre). doimrr l’c~xprc3sion cl<> F(t) mi fonction de X(t) = A&~*-’ donner avc<.oii suivaritc : X(t) = n(t) n(t) ~ n(t + At) at n(t) ' ft.itiorl en fonction dc F.ANNEXE H. c . Rcmj~l.i .T < t. a . que l’ori pciit. 7. 479 . B l’h+nement < . B pmtj aussi s’écrire : On ctésignc À l’aide du thtorèrnc des probabilités co~nposées.nte de coefficients dr défaillance A(t) est. d . Montrcr que l’h+nenlerlt A.n(O) + n(0) .Donrlcr 1’Cqnation cliffhcnti~lle du prcnkr ordre ii.r.B. ct montrer yuc F(t) = 4(t) 12. par A 1’évt:nrment r<c<t+r. Donner à pr6smt l’c.kwss.Montrer que F(t) 1 xiit SC: mettre sous la fornw : F(t) = 1 ~ n 'n(t) où n = n(O). .Uricl classe int. A(] > 0 rt 0 > 0. La dmsit6 dc prolml~ilitk f(t) ( ou la r@partitiori) btahlie à la qiicstion 11 du pri-c~Cdmt prol~lhc cd un cas particulit~r (1~ la loi de Wcilmll. Durée de vie d’un système. PROBLÈMES ET EXERCICISS < > 7.PI) d71.ant lc nombre de syst. 0 ii cxploitcra lc fait. donnc~r l’expression dc P(A L3) .iorl F(t) dc ccttc. N.wer F par l’expression dmlée au 5 1. On se j>roposc tl’ktwlkr la rkjmrtit. en d6duirc l’cxprcssion de 4(t) en fbrlction tic P. iii1 infîriirricnt petit dii premier ordre.èrries ayant vki1 jusqu’à l’instant t. Fiabilité La dur& dc vie dhn systèrnr pliysicjw est inesiiréc par la va.lde aléatoire <. doriri& par l’cxprcssiori : 1’6quation diff6relltirllt~ ol~tcnuc:. f .n(t + at) At n(t) puis qiic At rst. A et I3. trmvc son rrnploi mi t~h6oric~ de la fiabilitb. t et 7. laqucllc obht la r&wtition fmhiori de X(t).10. bcrircx : X(t) = n(l) ~ . : F(t) = P(< < t). e . t ct.Ccttc loi est wiinw sous lc nom de loi dt Wddl et. 1x1 exp-. variad~le~ soit. On tlésignc par X(t) 1 c c:orfficirnt~ des cl6faillanws eii fonction ~111 temps t qw l’on dc%init de la fac.En intbgrant~ X(t). donner dors la valmr de (1 qui corrcqmid X cc cas pa’ticiili~r. F(t) cn b .ria.xpression de 4(t) CII fonction de F.Or1 tlonnc : oc ryz+l) = . c~xprcssiorl dont on calculera la rbpart. alors 1’expmGon dc F(t) ahsi que cc~llc dc f(t). Loi de Weibull (1887-1979).Calciilcr la rrioyeririe a clc < ainsi que sa variancc~ a2.

12. qui sont toutes les deux normales (gaussiennes) centrées ct réduites. puis on calculera E(X). a b . les expressions des moments centrés d’ordre trois et quatre.Rappeler la demonstration de l’inégaliti: de Bienaymé-T(:hehycheff’ : où F’ désigne la probabilité. et l’on prkisera le domaine de validité de t. On montrera que f(z) est bien urlc densité de probabilité. Loi quasi normale . nous dirons qu’une va. R. au besoin en les démontrant. Une fois les conditions établies. on déterminera n. En dcduire que wy > a) 2 E(X2) .Soient deux variables aléatoires indépendantes <r et (2.riable normale lorsque : aléatoire X obeit à une distribution quasi E(X:‘) # 0 e t 23(X4) = 3[E(X2)]? On se propose de calculer les paramètres a et b de la loi : de telle façon que f(z) soit une loi quasi normale. Montrer que : expression dans laquelle a est compris entre 0 et B. En déduire la fonction de distribution de q. Calculer la fonction caractéristique de chacune d’elle.11.WJEL DE CALCUL NUMÉRIQUE APPLIQUÉ 12. E(X”) ct E(X4). (%)’ tend vers une gaussienne quand n croît positivement .Par définition. d’écart quadratiquc cr2 et de fonction dc dist. 13. puis la fon&on caractcristique de la variable rl = <r + &. donner l’écart quadratique moyen a2 dc la loi normale dont les moments deux et quatre coïncident avec ceux de la loi quasi normale envisagce.On considère une variable aleatoirc Y de moyenne nulle E(Y) = 0.À présent. La fonction caractéristique 13. On considère un nombre arbitraire t positif. b . L’inégalité de Kolmogorov (1903-1987) Soit X une variable aléatoire continue de moyenne nulle E(X) = 0. d’écart quadratique m o y e n E(Y”) = g2 et obéissant à une distribution gaussienne.hfA. Enfin. a .12.2 B2 Cette expression s’appelle inégalité de Kolrnogorov. a 480 . on suppose que ]X/ a une borne supérieure désignk par I3. et b.appelcr.1.ribution f(z). E(X’).

.ique Q(t) de cette variable aléatoire. ct enfin la fonction caractérist. .1) degrés de liberté. On désigne par rn. . les probabilités théoriques que X appartienne respectivement aux intervalles 11. b en considkrant la variable puis cn déduire le théorème d’addition des rnoyennes et le théorème d’addition des variances (écart type klevé au carré).5 .On considère une variable aléatoire < à distribution rectangulaire. Le test de Pearson On désire montrer que le paramètre de Pcarson x2 = c pl 7’ (Y . c’est-à-dire uniformément répartie sur l’intervalle (-0.iques moyens.p2.5 . PROBLÈMES ETEXERCICES b . L’un effectuera les auto-convolutions successives de la fonction de distribution. l’autre le calcul direct de la fonction caractéristique. I. O)S).. puis la fonction caractéristique de la variable aléatoire E/n. (Rkalisation d’un histograrnme. On réalise une partition de l’axe réel en T intervalles notés 11: I2.) 481 .5). ékments notés X1. À partir de quelle valeur no de n peut-on admettre l’approximation asympt~otique? 14.. d .Les variables indépendantes sont toujours gaussiennes mais ne sont plus centrkcs réduites.ANNEXE N.l et rn2 les moyennes respectives et par 01 ct CT~ les écarts quadrat.)2 nPq obéit. . et l’on désigne parn. La loi du x2 et la loi de Student 14. à une loi du x2 à (r . . montrer que la fonction caractéristique tend vers une gaussienne quand n tend vers l’infini. c .. Donner la fonction de distribution de r/ = El + <2. 0. Au moyen d’un développement limiti: au deuxième ordre dc loge P(t). p..ique Q(t) de la variable aléatoire : où les & sont des variables aléatoires indépendantes à distribution rectangulaire uniformkment réparties sur l’intervalle (-0. En déduire la loi de distribution dc IL quand n devient grand devant l’unité..np.Gknéraliser le calcul du C. . X2.12. X.. D onner la fonction caractérist.. On considère une variable aléatoire X dont on se donne u11 échantillon constitué dc n. 1.1. Déduire dc cet exercice le comportement asymptotique de la fonction : f(z) = (F)” Effectuer deux prograrnmes qui permettent la vérification expérimentale de conclusion obtenue.

.. .. . . Yz. c$(t1..L$” . ) t. t2. fonction caractéristique : q!q(tl. .1. 2. . . appartienne à l’intervalle Montrer que les variables Y1 . ..nt.<) = iv {cXp[j(tlXl + t2x2 + ‘.. . . la f0nct. puis donner l’expression de la.22. .p. obtenue pour ladite ré. x. T. des variahlcs aléatoirm tandis que les rninusculcs :ck: cyk. lc Il~oIIllm dc v a l e u r s z.) = ?L! 721!n2! . Y2. on considère une suite de vecteurs aléatoires indépendants et dr niêrne dist. ‘n. .2.fr c . ta. 2.ion caractéristiqiic : &q(tl.22.2. 2. Zz. la fonction caractkristique de cette loi rnlllt. . Yz..ribution notée (Zl.4). (Ici.MANUEL DE CALCUL NUM~~RIQUEAPPLIQUL? Soit 21. la probabilité théorique que la variable X. 482 .. t2. sont les rcialisations de ces variables alCatoires. .. Pour cela..i. . On note: p a r y . . calculer le mornent du prernier ordre ‘rnlcl ct.rltcs.j.011 désigne par PA.illoll. K. . . . sont. . . 1~ majuscules Xk..) de (K. une réalisation dc l’~ch. X2. En déduire. qui sppartienncnt à l’intervalle 1.les irld~pcri<la.i<luc d’une sonirne de varial. yq est la valeur d’une variable akatoire Yc. 27). . . . + LX.X.On rappelle que la fonction caractCristique d’iinc variable albatoire a II din~er~sions (ou vecteur akatoire) X = (Xl. .) de (Z:. .) Pour parvenir à nos fins. t. réduites (au stris large) ct iudépendantcs ohkissant cependant à 11116 relation linkaire.Nous allons obtenir. Yk. Y2 = n2. . par voie directe. a ...! Ik.4 = 0) = 1 -7l.. : Y?).. (Z:. . p?. Zi. . + 6.. = n. TL. . Y.lisation.1 d . nous montjrerons que xL est la somme dc carri-s dc variables gaussienncs cerltr6s. (27) avec y = 1. t./ = 1) = pJ ct “(2. : X..)]} où I!J { } est l’opkateur espi‘rance rnath6matique portant sur chacl11Ie des variables Montrer que le rnornent du prernier ordre de la variable X est tlorm~ par : et celui du deiixièrne ordre par : b . avec 4 = 1.irlorrlialc. J$) = ~‘~=. et l’on pose : P(Z.i.j Montrer que (Y.. Ces coniposantes prennent la valeur 0 ou 1. .En utilisant les relations étahlics au 5 a.)]. . . Z.j(tlXl soit : + t2xa + ‘. . Yr obéissent à une loi dc probabilitk nniltinorriiale : P(Yl = 121.) est l’espérance niatli6rnatiqiic clc la varial)lc corriplexc w[. a11 IIloycIl dl1 tll6or?!IIle concernant la fonction <:Hractérist. le rnornent du deuxikne ordre rnzq des composantes x1 du vecteur alfatoirc: (Y1 . .

le cas dans cet exemple.2.tts prkédents.) tend vers la fonction qui est la fonction caractéristiqw d‘une loi normale (dégtkkrkc). et l’on se propose tl’ktuclier la rkpartition dc la va. c’est-à-tlirc la probabilité P(( (z) ~ 7111 > I).Calculer 1 cn utilisant l’inégalit6 tic Bicnaym~-Tchchycheff’. comme c’est. il faudra transformer les composantes I$ cn wmposantcs centrées réduites. 14. Montrer que le changcmcnt de variables : rCpond 5 la question car la nouvelle variable U. On sc propose d‘ktudicr l’kart cntrc la moyeniic dc l’échantillon (z) = A C:‘. il s’agit d’un &hantillon de 20 individus dont on a mesuré la taille z. Uz. On dkignc~ par :E la variable caractkrisant la mcsurc sur la population et par :c. tend vers l’infini. Pour y parvenir. Montrw que ci=I UII& = 0.. Pour se fixer les idées. . . Realiscr l’application numérique. lie tl6pcnd pas de 71. U7. individus. z.& à l’ordre deux. et.Dkluire des ri:sult. On souhaite que 1(z) .On suppose que.&5 cm. la variable associk au ae individu.% cm et (T = 3. Remarque : On rappelle un résultat 6lémentairc d’analyse : lim (1 ~ t)‘” tend vers cxp(-s) quand n.On tl6sirc ttudier le comportement asymptotique de la loi multinomialc quand rl tend vers l’infini.oire : 483 . 2 approche . Le test de Student Ou considkc une population parcnte gaussicnnc dont la rnoycmw théorique est rr~. On a trouv6 cxI>~rirrieritalcmr:nt : II" = 170.. f . On extrait de cette population mi échantillon de 72. Montrer que la fonction caractéristique du vecteur U = (UL. Pour cela. des cl~vclopperrierits linlit.e . ire approche . 90 chances sur 100 de trouver la valeur de (z) donni:e par 1’Cchantillon. que la variable alkatoire mi eflectucra ob6it A iinr loi du x2 à (r ~ 1) degrés dc liberte. l’écart type thkorique g. . lc uombrc d’individus n’est pas très grand. 1 btant 1111 intervalle qu’on se fixe 5 l’ma~xc ~ ou encore on peut se fixer la probabilité P ct l’on détermine l’intervalle de confiance 1.riablc alkrt. et la moyenne théorique nb.d apparticnnc ’ 2 un intjcrvalle de confiance où il y ait.

de même variante.Sur les variables centrées (zj ~ au moyen m). a.Montrer que les variables xi sont centrées. de g .640 & J’exp(-5) 0 dt=l-0. 3 approche . ct en déduire la valeur de la répartition de Student h.05(21) = 1. = -& .m)2. f . on effectue 1x1 changement de coordonnées orthogonales de la matrice orthogonale A d’éléments (ui.725 t0. On donne : t”. Commenter les trois résultats obtenus.) : Montrer que -g CE/.729 to. normales.2 est gaussicnne.On suppose que la variable t définie au 5 14.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a . indépendantes et. h .j=l c .Montrer que (x) .Effectuer l’application nurnérique.05. Déduire la relation entre l(x) ~ ml.os(19) = 1. tu et n.Montrer que e .O5(~). Effectuer l’application numérique dans ces nouvelles conditions.Montrer alors que t est une variable de Studcnt dont on précisera le nornbre de degrés liberté.05(20) = 1.m = 3 d .j=l . 484 . .Montrer que b .721. On dorme : 1.On désigne par P( ltl > to) = l-a la probabiliti: que Itl dépasse une certaine valeur positive to.

entre le nombre de personnes et l’impôt payé.os(lO) = 1.o 1.Faire un programme qui rkalisc 1111 histogramme..l 0 7. .m(9) = 1. . 16.ANNEXE H.Dans l’hypothk raisonnable de dépendances linéaires.T:~~ entre lc nombre dc personnes et. Tableau H.1 L1 4 2 2 316 1.Vkrificr que les nombres générés obéissent bien à une loi de distribution uniforme.u.2 d’imposition.ns(8) = 1.2. Critères de conformité 16.833 to.7 4:l 3. la quantitk détenue.ryz entre la quantiti: d@tcnuc 2.T.5 On désigne par 2 la variable aléatoire associée au nombre de pcrsonncs.8 3. PROBLÈMES ET EXERCICES 15.6 2.0 Impôt 1. Ensuite.moycnnc dc la variable aléatoire q et par 0: sa variante. Les données faisant l’objet du classement seront fournies par le générateur de nombres pseudo-aléatoires de Lehmcr.5 2 2. Systèmes à plusieurs variables aléatoires Système linéaire sut-déterminé.860 h. 1.5 6.812. No de la famille 1 2 3 4 5 6 7 8 9 10 Nombre de personnes 3 4 3 5 7 3 4 2 6 3 Quantité détenue 4. Exercices du cours a . b . on désigne par R le nombre dc familles. et l’impôt payé.5 3. 485 . Matrice de corrélation Dans 1111 document à caractère historique de 1321 on trouve le tableau H. Par ailleurs on notera (q) la.Quelles sont les liaisons dc corrélation qui sont fondées ou significatives ? On donne un extrait de la table de Student : h. c .2 5. b . par 11 la variable aléatoire associée à la quantité détenue et enfin z la variable akatoire associée A l’impôt pcrc.1. calculer les coefficients de corrélation suivants : a .

[zzi 1 O/(h ~ u) :> pour a < z < h ailleurs.} une suite de nombres pseudo-aléatoires fournie par le générateur de Lehmer. Dagnelie.3.Soit {E. Vérifier que (L et b jouent un rôle symétrique.Calculer a et b en fonction de rr~ et c2.2. a et b. et en particulier. a2. 486 .udicr les incertitudes : celles-ci.1) V~+I = [-2 10g.Pour déterminer a et b. 16. c .3.Cette façon d’obtenir des nombres aléatoires à distribution gaussienne présente 1111 dkfaut : les queues de distributIion II~ sont pas bonnes. Étalonnage d’un appareil de mesure L’étalonnage d’un appareil dc mesure a porté sur 400 mcsurcs dont nous nous proposons d’ét. Vcntsel. On a trouvé les résultats présentés dans le tableau H. Peut-on retenir l’hypothèse d’une distribution rectangulaire? 16. on s’est intéressé à leur taille. Donner les cxprcssions dc ~1 et c2 en fonction de a ct b. Montrer que la suite dc nombres pseudo-aléatoires : obéit à une distribution gaussienne de moyenne 50 ct d’écart type 0.(&)]1i2 siri(27r<i+l) Vérifier que cc g6nérateur fournit des nombres akatoires ü distribution gaussicnne. sont regroupées dans le tableau H. On a effectué l’étude d’une population parente d’une C~~?CC detcrminée d’arbres. évaluées en nkkrcs. Tests d’hypothèse Étude de la distribution d’une hauteur d’arbres. ci (m) mi 20 21 30 72 40 66 50 38 60 51 70 56 80 64 90 32 100 On cherche à reprksenter cette distribution expérimentale par une distribution rectangulaire : . Tableau H. Quel est le nombre de degrés de liberté‘/ Qucllc est approximativement la probabilité de dépasser la valeur du x2. puis num6riqucmcnt m. Calculer la probabilitk th6oriquc dc tomber dans chacun des intervalles dc classement figurant dans le tableau. page ci-contre. d’après P. où mi est le nombre de mesures tombant dans un intervalle donné d’après H.Calculer le x2. . ce qui fournira un système de deux Cquations à deux incormues. d . b .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c .4. a . on SC propose de calculer la moyenne rn et l’écart quadratiquc moyen o’.3. On propose d’étudier un autre générateur de nombres gaussiens qui rcspccte les queues de distribution : % = L-2 log&)]“2 cos(27r<.

Calculer les probabilités par intervalles de regroupement.Calculer le x&. . b . yic avec i = 1. 17.h”(z& Effectuer le test de l’homogénéité des suites de variantes sur les deux échantillons. elles sont centrées sur yLu et ont la variante c2. on fabrique deux séries dc données sur lesquelles on se propose dc retrouver les caractéristiques. a ..1. On choisira tous les pararnètres comme on l’entend. on désire vérifier l’homogénéité d’une suite de variantes.Effectuer le test de la somme des carrés des diffkwuzes successives.Pour chaque yio on prend 10 valeurs obtenues a partir d’un générateur de nombres pseudoaléatoires gaussiens d’écart type ~7 . on détermine 5 valeurs de l’ordonnée y selon la loi y = ux + b.Effectuer le test de la rnédiane. d . b . e . .Le test de Kolmogorov donne-t-il une confirmation du résultat obtenu au # e? On détaillera tous les calculs. Homogénéité d’une suite de variante Dans le cadre du schema de régression. c .4. H. : 5. f . on les note yy.ANNEXE Tableau H.L’hypothèse H est la loi normale. PROBLÈMES ET EXERCICES h (m) fréquence 18 2 20 3 22 24 26 12 27 8 16 30 7 32 2 34 2 36 9 a .Effectuer le test des suites ssccndantc ct dcsccndant. . À cet effet.Générer 1000 nombres pseudo-aléatoires à distribution gaussienne. 487 . On affecte un indice aux points zi. On se propose de vérifier les tests usuels d’indCpcndance stochastique sur cet échantillon. 17.2. Pour 5 valeurs de l’abscisse 2. Tenter de trouver une fonction qui soit différente de h”(zi) mais qui en soit une bonne approche.Peut-on raisonnablement conserver l’hypothèse H? Justifier votre réponse. b .Pour chaque xi on choisit un écart type a different tel que les 0: obéissent a une loi crédible telle que : CT” = a.e. Test d’indépendance stochastique des résultats d’observations a .2. d .Calculer les deux premiers moments 1*1 et D puis l’écart type 0. Étude des dépendances dans le cas linéaire 17. proposer mie solution. c .Doit-on regrouper un certain nombre d’intervalles ? Le cas échéant. Il s’agit du même écart type pour les 50 nombres tirés.

sur lequel se fonde le calcul. A).En choisissant le seuil de signification Q = 0.05. f . grand devant l’unit&. au moyen de n tirages conskcutifs. a . Effcctucr l’application num&iquc pour une chaîne de longueur nj = 100.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 17. = 8. v6rificr qu’il en est de mCmc dc XK. Donner alors la relation cntrc A)& et K: puis donner IIIE cxprcssion approchée de IL& en fonction de la longueur ‘n de la chaîne (011 prendra n = 2K). Rappeler le thkorème central limite. On donne : 0. On appelle sous-chaîne une suite constituée uniquement dc A (ou dc B) limitk à droit? ct k gauche par un B (resp. < et K. et comparer le résultat avec celui obtenu à partir de l’expression approchk donnée dans le cours. Donner XK la longueur rnoyenne des chaînes contenant K sous-chaînes. Applicat)ion numérique : K = 10. Nous nous proposons d’étudier quelques caractéristiques des chaînes et des sous-chaînes.j : a .On effectue le tirage de K sous-chaînes. calculer P. 1:ii5 488 .Calculer la longueur rnoyenne et 0 l’écart type des sous-chaînes. d .Calculer C l’écart type de la variable <.05. dans l’ordre dc leur apparition. On appelle chaîne de longueur n. rn b . On note A l’apparition de face et B l’apparition de pile. dont la longueur VI soit supérieure ou égale à une valeur arbitraire positive A& (on pourra éventuellement calculer la probabilitk contra. b .ire).05 = & iexp (-c) dt. donner l’inégalit6 à laquelle obéissent. puis donner l’expression de la probabilité P(c < L/O) pour que < soit plus petit que la valeur arbitraire ~0.5. On SC propose d’étudier la variable aléatoire [ (désignée par n précédemment. e . En déduire la distribution dc la variable aléatoire <. la prohahiliti: de prkenter l’une des deux faces est 0. la suite des A et B obtenue durant l’cxpkricnce.3.On suppose que le nombre K de sous-chaînes est. Partie 1. On énoncera le théorème sur lequel se fonde le calcul.) qui est la longueur d’une chaîne constituée de K sous-chaînes de longueur l. éléments (sous-chaîne de longueur p contenant pA ou p1B) est égale à ( 1/2)IL. Partie 2 . UC. On bnonccra lc thi:oremc.Dormcr la probabilité P d’obtenir au moins une sous-chaîne (parrni les K).nt lequel on note la succession des apparitions.On souhaite que la prohabilitk P d’obtenir au moins IIIE sous-chaîne dc longueur supbricurc ou égale à I& soit inférieure ou égale à 0. c .Ce résultat peut ctrc utilisk comme test no 1 servant & vérifier l’indépcndancc stochastique des résultats d’observation (test fondé sur la mi:diane de l’khantillon).Montrer que la probabilité T de tirer une sous-chaîne constitube de 11. Test d’indépendance stochastique du tirage d’un échantillon On considère lc jeu de pile ou face dura.

les résultats sont notés (5.Si l’on se domle la taille <> de la chaîne.Quelles critiques de principe peut-on former concernant l’application simultani:e de ces deux tests numérotés 1 et 2? (Il s’agit du strict point de vue de la rigueur. Montrer que la limite du module de la différence de ces deux derniers tests (t. cas des évi:nements peu probables.Snedecor (1881-1974) On considerc mie population parente sur laqucllc on prélève un khantillon tic 72. Les mcsurcs des grandeurs z et y sont CII realitt des variables aléatoires [ et rl dont une étude prkalable a montré qu’elles vérifiaient les critères d’applicabilitk du schéma de régression si bien que 1’011 peut krire : Y(z) = CL + b(z ~ 5”). . Effcctucr le calcul numérique pour UIK chaîne de longueur [ = 100. 1). . m. . PROBLÈMES ET EXFXGICES c .ANNEXE H. 489 .Montrer que ce résultat peut. ct comparer cc résukat à celui obtenu avec l’expression approchée donnée dans le cours. Loi F(m. e .cst no 2 ct test du cours correspondant) est 1/2 quand la longueur de la chaîne tend vers l’infini. servir dc test no 2 des skies fond6 sur la médiane de l’écharkillon.) Montrer brièvement comment on pourrait pallier ces incomknicnts.: 7/. soit : a: b et s2 caractérisent cntièremcnt la régression étudikc. On considkrc un autre échantillon de taille n. Ces n individus font chacun l’objet dc la mesure de deux grandeurs physiques dont. 17. On appelle variante empirique 5 . d .2.): % = 1. qui fournit mie autre droite de r@ression : Y’(x) = a’ + b’(z ~ z?$).4. différente ou non de VL. Quelques résultats utiles (l+a)” = l+r~a s i 101 < 1 . CO). montrer que le nombre de sous-suites K (fonction de <) doit être plus grand qu’une certaine limite li‘Inin pour ne pas tomber dans la queue de distribution (1.2 la moyenne empirique des carrés des rksidus.96 . Étude du rapport de deux variantes : loi de Fisher (1872-1962) . individus.

2. mais que a et a’ d’une part puis b et b’ d’autre part soient grosso modo les mêmes (ce qui néccssitcrait une étude en soi). (ind6pcndantes entre elles et égalernent des <?) de moyenne nulle et d’kart type CJ. c .s”.héorèrne concernant la distribution du rapport de deux variables aléatoires indépendantes o/ = ~/4. On dksire savoir si au cours du temps on a bien affaire à la même population parente ou non. est-ce que la diffkcncc entre les deux droites peut s’expliquer par les fluctuations aléatoires des échantillons? L’ktudc du rapport des variances empiriques v ’ = s2/s” qui obéit.Préciser les degrks réponse. b . . Autrement dit. type 0. On appel& loi de Fisher-Sncdccor. k) 490 . F. TL) permet de répondre oui à la question dans le cas où : Q étant lc seuil de signification usuel.Écrire la loi de distribution de rj2.(l.Calculer l’écart type de L/ note (ci”). de moyenne nulle et.On désigne par v2 la variable : la sornme des carrés de TZ variables gaussiennes indkpcndantes. d’écart.On désigne par <’ la variable : SC propose d’établir la loi dc distribution F(m:n) la somrnc des carrés de m variables gaussicnnes indépendantes.Déduire la distribution du rapport des deux variables y = E2 2. T et 4 ayant respectivement pour fonctions de distribution ~I(T) et ~2(4). Justifier la 1 g . . dt liberté 1 et k dans la loi F(I.(k. En opkrant d’une fac.I) = ~. à une loi que nous noterons F(rn.Montrer que FI-.on tout à fait semblable à la méthode utilisée pour établir la loi du x2. k) en fonction de ‘WL et n. a .Rappeler la dkmonstration du t. donner la loi dc distribution dc E”. f . rl d . 1. Imaginons que les échantillons aient été prélevés à des époques différentes.Calculer la moyenne de 2/ notée (y) e ..MANUEL LIE CALCUL NUMÉRIQUE APPLIQUÉ à laquelle est associée la variante empirique .

Calculer chacun des t.riat>les :r ct 71 btait de la forme : expression dans laquelle A.1. Dans ur1 prcmicr temps. on écrira que X2 ~ 2nzy + y2 = (2~ ~ ay)” + (1 .3 sont dts paramètres. 1.. PROBLÈMES ET EXERCICES 18. 011 choisira les paramrtres comme on l’entend. La distribution gaussienne à deux dimensions. 18. Comment s’en assurer ou y parvenir‘! Remplir un premier fichier de 50 à 100 couples dc donnks selon ce procCd6 CII choisissant CJ’ = a/lO.. Chaque individu est caractkrisé par deux grandeurs [ et rl qui sont des variables aléatoires. puis on effectuera un changement de variables : attention au jacobien. TJ) i:tant une densité de prohahilitk. par $ et fli les écarts quadratiqucs moyens respectivement de < et rl. Remplir un deuxième fichier de 50 à 100 couples de données en choisissant. Schéma de corrélation Il nous faut ici encore fabriquer un lot dc données que l’on se propose à la suite d’étudier. Remplir ur1 troisi+me fichier de 50 à 100 couples de donrlérs ?II choisissant n’ = 100.ANNEXE Quelques expressions utiles H..On appelle x et TJ les variables centrées réduites associées à x et y. a .c ct m. Examiner ~vcntllc:llerrlerlt l’hypothèse 1’ = 0. Il faut veiller à ce que 6 et < ne soient pas corrélées. les moyennes.rois coeflicients dc corrtlation T. Pour effectuer lc calcul. Donner les expressions de 2 et y.ypc fl’. exprimer A cn fonction des autres paramètres Q et /3.. 491 . Q et .(Y’)?/‘. La variable I : est aléatoire à distribution gaussienne d’kart type CT. À z on ajoute une variable gaussienrie 6 de moyenne nulle et d’écart t. Le coefFicient de corrélation..illon de taille 71 tr& grand devant.a)(~.ribution des va. on calcule ime valeur z = (~5 + 0 après avoir tir6 z = <. Analyse de corrélation 18. On désigne par rn. Calculer l’intervalle de confiance associé à chacun des coefficients de corr6lation pour un seuil dc signification donné 0.2. Une analyse appropriée a rnontré que la fonction de dist. (7’ = CT. Coefficient de corrélation On considerc une population parente sur laquelle on a préleve un Cchant. b .

on 492 .Donner l’expression de la fonction de répartition des variables 5 et y notée 9(x! y).2. donner l’expression de la droite de régression de y en 2. Calculer les coefficients dc la droite de régression y = ni: + 0 dans chacun des difkents cas. Étude d’un chengement de ph. 18.6. Dans lc cas où u = 0. Analyse de régression. donner l’expression de a(~. la fonction de distribution de la variable y notée ay suit aussi une loi normale rkluite. Donner l‘intervalle de confiance concernant y pour UIC valeur donnke 20 dc la variable z dans chacun des cas typiques. xc. 11) cn fonction de @. Calculer la fonction de distribution de la variable 5.Dans le cas on Q # 0. y).Calculer la fonction caractéristique de a(~. Les incertitudes constituent une variable aléatoire dont la moyenne est nulle.E(z) et @g(7/).1 et 17. 18. Montrer que.6 montre que les points expérimentaux se disposent selon deux scgmcnts de droite désignks par SI c t sz.4. Expkrimentalement.Qucllc relation doivent satisfaire les coefficients Q et /3 pour que az(z) soit la loi normale réduite.Calculer Krry la covariance des variables z et I/. d . w). e . qu’il s’agisse des points du segment SI ou des points du segment 5’2: correspond au même kart type (7. Estirner la prkision sur chacun des coefficients a pour un seuil dc signification donni: cy. On sait que la repartition de la variable z est as(z) = 9( 2. dans ces conditions.MANUEL DE CALGIJL NUMÉRIQUE APPLIQUÉ c . g . Distribution de Student Reprendre les fichiers fabriqués au cours des exercices 17. La représentation graphique dormCe par la figure H.ry. De plus. on sait que l’incertitude sur chacune des mesures effectuées (Yk).nsr. Peut-on dkduire que la non-corrklation entraîne l’indépendance des variables I : et y? Argumcntcr.3. X- Figure H. en déduire le coefficient dc corrélation ‘r. Étude d’un changement de phase L’étude d’un changement de phase permet d’effectuer la mesure d’une grandeur thcrmodynamique Y en fonction de la ternpératurc X. f .

l) 2Jfl 1 ( OU 1 est l’intensité relative de la raie . b . la transition au point X0.uée dkne suite de raies dont on peut mesurer pour chacune la surface: laquelle est proportionriellc à l’intensitk relative 1. On s’intércssc à. bien détcrmirke exp~rimentalcment. opérations conduisant. il s’agit bien sfir d’une dktcrmination statistique. de dtterminer la ternpkrature de latlitc molécule.. Lc principe est lc suivant : la bande est constit. A est une constante calcul& (donnée considérée comme rigoureuse). au traitement correct. On justifiera l’option retenue. cornmcnt dkterrnincr T? est la précision statistique de cette détermination? c .ablir la relation suivante : log. Solubilité du nitrate de sodium dans l’eau Voici le tableau H. c . T est la ternpératurc absolue que 1’011 cherche à Cwaluer.3 -. obtenus par MendGev (1834 1907).Sachant que l’on dispose de N données cxpkimentalcs b .Rkaliser l’organigramme des opérations décrivant. 18.Estirner l’incertitude sur la dktermination de H. Une extrknité dc SI et une extrkmitk de Sz correspondent à la même abscisse X0 qui est. a . pour de nombreuses rnoléculcs diatomiqucs. 10 80. ct a.9 29 99.Rkaliser l’organigrarnrne des expkrirnent alcs.7 0 71 4 76. soit y = f(T): les grandeurs y et T étant exprimées en unités arbitraires.J ~ +JJ.Quelle Ik. Sans entrer dans les d&&.7 (~veiit. des dorm~cs 18.I (donnée expérimentale).ffectcr un nombre cnticr J appelé nombre quantique de rotat. Mesure d’une température par spectroscopie L’cnregistrernent d’une bande Clcctronique kmise par une molécule diatomique permet .6.6 15 85.5. Tableau Y H.) du paramèke X. le traitement autornatique des donnks expérimentales.r Nz mesures. la théorie permet d’et. T 66. c’est-k-dire à la grandeur H = Y2 ~ Y1 où Y1 ct Y2 sont représentk sur la figure. PROBLÈMES ETEXERCICES admettra qu’il n’y a aucmle incertitude sur les valeurs (X.ion.l 68 493 . indiquer de quelle manière on pourra estimer la grandeur H. donnant la solubilité y dans l’eau du nitrate dc sodiurn en fonction dc la ternpkrature T.Sachant que le segment 5’1 est déterminé par NI mesures ct le segment & pa.7 21 92. B est une constante calculée (donnk considérk comme rigoureuse). a .4 36 113.ANNEXE H. dans la mesure OUI l’kqllilibre thermodynamique local est atteint. 1.6 51 125.5.~iellemcr~t aprks avoir tenu compte de la correction due à la fonction d’appareil).uxquellcs on peut a.5 de résultats.

415 toJ(9) = 1.-i)~m-i(~) (21) avec Pn = 1.On montre que les Ak obéissent à la relation de récurrence ~1 ~ n.383. Donner alors la valeur correspondante de la solubilitk ainsi que l’intervalle de confiance de cette détermination pour 1111 niveau de confiance dc O. 494 .rr+~(x) + (x ~ ~~..(~) Q.05(9) = 1. démontrer les relations suivantes : En+-I(Z) = A.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Peut. d . .. ... Q. Donner A&ila valeur de As en fonct.-on approcher la loi de solubilité par 1me relation linCaire? On justifiera la réponse puis on calculera les coefficients de la droite de régression de y en T: cocfficicnts obtenus par la méthode des rnoindres carrés.2.1. puis calculer numériquement la valeur dc log.1(7) = 1.En supposant que f( I : ) es t une fonction continue indéfiniment dkrivablc sur WI intervalle . à l’ordre ~1. Pour y parvenir. . 19. contenant I : et ~0.9. = 0: QI = 1..Au moyen d’ml raisonrlement par récurrence. Les fractions continues 19..833 to. (2).f(k)(~O) avec k = 0: 1. à l’ordre 2.... PI = Au..os(7) = 1.Donner le développcmcnt de log. Qi'Qz'Q3' a .ion des coefficients ck = &. Calcul d’une fonction donnée sous forme d’une fraction continue On dit que la fonction ?I(X) est donnkc la forme : sous forme d‘une fkction continue lorsqu’elle s’écrit sous Y(X) = Ao + ~ Al + On SC propose de la calculer à l’ordre TL. On donne ml extrait de la table de Student : to. + 2..~)Qm-.895 t0.. 2 qui sont respectivement à l’ordre 1. = AmQrn(z) + (ix ~ c~r. On désire connaître la solubiliti: pour la valeur T = 40 laquelle ne figure pas dans le tableau. (1 + X) en fraction continue. on forme une suite (l’approxirnatiorls EL EL u.P. on SC propose d’étudier le développcmcnt de la fonction f(z) au voisinage de la valeur Q de la variable C qui est de la forme suivante : Donner les valeurs de Ao et de Al en fonction de f(z) et de ses dérivées k+l ~ k-l c . b .

+. Détermination d’une constante de temps On dksire réaliser l’ét.ANNEXE H. Tableau H. .Montrer qu’au moyen d’une transformation convenable. aux bornes du condensateur à des temps t. (1 + z) en skie de MacLaurin. Les résultats obtenus sont prkentés dans le tablrau H. = exp(D t2) = exp[b(to + iAt)].Vj. On dCsigne par a l’inverse dc la constante de temps. Rappeler l’expression analytique de la tension V en fonction du temps t. Éliminer pk entre deux AV.. . en fonction dc A et pi. 20. rnais avant dc passer aux applications numériques.1. et l’on se propose d’obtenir A. Si l’on note AV. V. PROBLÈMES ET EXERCICES e . . Approche no 2 . Résoudre ce systCme de K kquations à. B et. t (SI v (volt) 0 100 1 75 2 55 3 40 4 30 5 20 6 15 7 10 8 10 9 5 10 5 On SC propost d’étudier ces dormécs selon deux approches diffkrcntes. t).6. on pose : ‘1L = exp(b .+ etc. les t. puis calculer mnnkriquement la valeur de log.cmps ti sont en progression arithmétique de raison At.ervallc. conskutifs et donner l’kluation qui les lie. Ay. on établira des relations générales obtenues en considérant que : 1. Donner la valeur nurrkrique de a ainsi qur l’intervalle de confiance & da dCfini de telle sorte qu’il y ait 70 chances sur 100 que le résultat réel tornbc à l’intkricur de cet int. At) et p.(2) en retenant les quatre premiers termes.ude expérimentale de la décharge d’ur1 condensateur C à travers une résistance R.7 et U. on peut se ramener à un problème linéaire dont on dktermincra les constantes au moyen dc la rnéthodc des moindres carrks. p.On recherche V(t) sous la forme suivante : V(t) = A + B exp(b .Estimer l’erreur entachant les résultats obtenus aux $ d et e. Approche no 1 . les données sont numkotées de 0 à N: 2.on de ces kquations? On désignera par K cc nombre.Rappeler le développement de log.+.6. une 495 .iendra-t. Expliquer pourquoi le dkvelopperncnt en fractions continues présente un avantage sur le d&cloppemcnt en skie de MacLaurin.. Combien obt. f . donner alors les expressions de AV. = yy+. cn fonction de A. Éléments de traitement du signal 20. puis celles de y. b par la rrkthode des moindres carrés. Pour se faire. Donner l’expression de V. Pour cela on mesure la tension V.

Que concluez-vous quant à l’utilisation de ces deux méthodes? Puisque les valeurs de u et h sont difkentes. B et b. Donner l’expression de l’erreur yuadratiqur correspondante EU. Calculer numériquement les valeurs dc A.. Donner alors la prohahilitk dc tomber dans lhtcrvallc ainsi défini.MANUEL DE CALCIJL NUMÉRIQTJE APPLIQUÉ inconnue par la mbthode des moindres carres et en dkduire la valeur dc 0. donner l’intcrvallc de confiance minimum Au permettant d’encadrer la valeur b. 496 . Montrer comment les obtenir pa. Il reste à dCterminer A et B.r la. m6thodc des moindres carrés: donner leurs expressions ainsi que l’écart quadratiyuc correspondant Ez.

-r qui est différent de zéro pour n > 2. dont.rer qu’elle admet une limite supérieure. 1 Le dernier terme est plus petit que 2 car la suite U. 2 Sur le plan du calcul numérique de y au moyen de la suite dc Fibonacci.. cela se traduit par l’Égalité : .UTzpl = 0 et..x3L++5zE1+p.cnt une représentation sans crrcur (pourvu qu’ils possèdent.y .618033989..1.-r + UTLPz et d’écrire la relat.. La seule erreur sur k. On obtient donc : Quand n tend vers l’infini la dernière équation devient : y2 . positive. est evidcmment minorée par 0. est compris entre 0 et 2 quel que soit n > 2 ct que la suite k. : k:..U. l’on divise chaque terme par U.. Généralités sur le calcul numérique 1. est strictement eroissantc ct.. . il sera inutile de poursuivre les calculs apri:s que deux valeurs consécutives de k. est formée de termes strictement positifs pour 12 > 0. Si l’on sc ramène à l’erreur relative. = U. est donc l’erreur liée a la division... Calcul du nombre d’or La suite U. OII remarque que k. est lc rapport dc deux entiers Un et UTL-l lesquels admett. . donnée par la machine (et le langage utilise) .1 = 0. on en conclut que k. D&@ons par y cette limite: on écrit alors : Un+1 .. il suffit dc mont.1 Corrigés des problèmes et exercices 1.ion de définition de k. pour cela: il suffit dc remarquer que U. seront égales a la précision relative E.. la racine positive est : 1+2/5 Y= ~ = 1. moins de 16 chiffres significatifs en notation décimale si l‘on envisage l’usage du langage C en double précision). La suite k. G-1 n 1 un-1 v. admet donc imc limite..

seules deux valeurs consécutives sont nCcessaircs et suflisantes.2. Il s’agit de faire ses gamrnes.MANUEL IIE CALCUL NTJMÉRIQUE APPLIQUÉ Cette condition donne l’erreur relative la plus petite sur le calcul de y.sin(ny) siri additionnons ces deux relations : T. mais le procédé est coûteux en temps de calcul. les fréquences sont dans le rapport deux sur trois.. 1.. une erreur importante pourra surgir et qui se propagera au cours des calculs.l)y] = cos(ny) cas(y) + sin(ny) sin(v) TT1+l(x) = cos[(n + l)y] = cos(ny) Cos(y) ...+i (x) : T. Le calcul direct de y donne par la résolution de l‘équation du deuxieme degré fournit une erreur relative plus grande : il faut tenir compte de l’erreur sur la racine cari& puis de l’erreur sur la soustraction suivie de l’erreur sur la division. et l’on fera 1111 dkalage chaque fois que l’on calculera une nouvelle valeur. o11 nc connaît pas la taille de cc tableau. il ne faut pas utiliser de tableaux sauf si l’on désire effectuer IIIE représentation graphique dc ces polynômes. Ce processus permet de déterminer les dicses. on la divise par deux s’il s’agit des dièses ou on la multiplie par deux s’il s’agit des bémols.l(Z) + TTLpl(X) = 2cos(ny) COS(Y) enfin retournons aux anciennes variables en remarquant que 2 = COS(~/). Remarque : Sur le plan de la programmation.. Calcul des fréquences de la gamme naturelle et de la gamme tempérée Une des façons de fonder la garnme naturelle consiste à calculer les fréquences au moyen des quintes qui se situent sept demi-tons majeurs au-dessus de la note précedcnte : le rapport des fréquences est trois sur deux. et T~(Z) = cos[arccos(z)] = z Ici encore. 498 .. Il est donc intéressant de comparer les résultats obtenus avec l’utilisation directe de la fonction arccos en cherchant à rnettre en défaut l’algorithme.. si les deux termes sont sensiblement les rnêrnes. ils sont déterminés par les quintes qui se situent sept demi-tons majeurs au-dessous de la note précédente. il ne faut pas réserver un tableau pour la variable indicée k.+l(x) = COS[(~ . Pour l’utiliser. il s’ensuit que. Il existe une source de difficultés qui va affecter la precision : le second membre de la relation de recurrence est une différence. Cornmençons à partir du la3 (440 Hz) par définir les dièses. Si la fréquence d’une note sort de la gamme à detcrminer.3. Une manière sirnple d’opérer consiste à ecrire les douze demi-tons de la gamme puis à les calculer successivement... 1.. Les polynômes de Tchebycheff Posons 1~ = arccos( puis écrivons la relation de définition pour TrLpi (XT) et T. soit : C’est donc une relation de récurrence entre trois polynômes consécutifs. Pour ce qui concerne les bemols. il suffit dc connaître les deux prerniers polynômes T~(X) et T~(Z) à savoir : T”(Z) = COS(O) = 1. D’ailleurs.

89 594.48 Hz Hz 463. Autrement dit. il n’est pas possible d’en sortir (modulation) sans avoir le sentiment que l’instrument joue faux. 1. cette fréquence n’appartient pas au bon intervalle puisqu’cllc est supérieure à 880 Hz. propose d’accorder la rnêrne frkquence à ces deux notes. Il suffit de diviser par deux la valeur de la fréquence pour se rarncncr dans le bon intervalle.86 704. La gamme naturelle propose un do# à 557 Hz et un r. de la profondeur k l’instrument.057 762. soit 495 Hz. Donc le rapport du logarithme des fréquences de deux notes consécutives. 1.05 Hz 412.3. la ré SO1 440 Hz 586. page suivante). Tableau 1.67 Hz Hz Hz Hz Hz Hz En poursuivant ainsi.88 Hz 835.(2) = 0. La gamme tempérée. 440 Hz 660 Hz 495 Hz 742. 499 . on calculerait les doubles dikes.54 Hz mat.03 H z 549. est une constante quelle que soit la fréquence initiale dc la gamme rctcmle.31 Hz ré+ l(L# fa do SO1 ré 626. ont la même fréquence de 554 Hz qui est intermédiaire entre les deux précédentes valeurs.66 H z 782.1. elle vaut (1/12) log. c’est l’octave de la note dont on cherche la fréquence. Quoi qu’il en soit on voit aisCment que les diffk-entes tonalités ne poss&lent pas les mêmes notes. ou plus exactement.48 469.y: Sir. ht. due à J. disons qu’il existe bien d’autres gammes et de façons de les concevoir et que l’accord d’un piano se rapproche de la gamme tempkrk mais en diffère par dc petites mlances qui donnent du relief. On note que 660 Hz se situe bien dans l’intervalle (440 Hz. On établit très facilement la table de la gamme ternpérk (~5 Tab. SOlb si mi En contimmnt de la sorte.ANNEXE 1. 6 618. Bach (1685 1750). l’intervalle d’octave sera divisé cn douze dem-tons d’égale valeur dans une échelle logarithmique. Pour terrniner.2).1. 880 Hz).34 Hz Hz 651. On note que le do# et rkt.éb à 549 Hz. séparées alors par un demi-ton. on trouve les notes et les fréquences présentées dans le tableau 1. on peut d&nir les doubles bémols. En poursuivant ainsi. Tab. T a b l e a u 1.51 488. Maintenant. Autrement dit. la fréquence est 440 x 3/2 = 660 Hz.59 792. il s’agit dc la note sa : 660 x 3/2 = 990 Hz.5 Hz 556.12 Hz . du volume.31 521. une fois l’instrurnent accordé dans une tonalité.22 Hz 695. CORRIGÉS DES PROBLÈMES ET EXERCICES La quinte du IIL est la note mi dont.38 Hz 732. calculons les notes qui vont éventuellement être affectkcs d’un bémol (cf. Calculons à présent la frequence de la quinte dc la note mi.2.S.79 528. les mêmes notes ne possèdent pas les mêmes fréquences.

En utilisant mie représentation de 16 chiffres significatifs.25 Hz 771% z mi # o u fa fa]+ ou SOlb SO1 sol~/r 011 lU(. il faut calculer environ dix millions dc termes ce qui est évidemment prohibitif s’il existe d’autres méthodes.res grand devant l’unité..16 Hz 493. soit : En admettant que yk soit minore par 1/2.25 Hz 554 37 H7 J 587133 Hz 622.OO H 466.10-” dans le pire des cas.. On ne pourra donc compter que sur 7 ehiffrcs significatifs après tant de calculs.61 880. on obtient l’équation transcendante qui donne k en fonction de y c’est-à-dire : 1 Ic+1 ~ .dditions (soustractions) qui introduisent une crrcur absolue de l’ordre de 2. ( k+1 7 1 il faut rkaliser à peu près 2k a.. Écrivons la relation de rkcurrence entre deux valeurs conskutives de -yk : %+1 = yhY + ~ kS1 1 log. on obtient. il s’agit d’un dévcloppcment asymptotiquc qui est divcrgcnt mais qui donne 500 . Calcul de la constante d’Euler (1707-1783) Avec mie machine qui cffcctue les calculs avec une précision relative de 10-q. la précision optimale lorsque deux valeurs consécutives de la suite des ~k seront égales à la prkision dc la représentation.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 1. 440. la 659 25 698146 739.99 783.loge ( 7 )l k+1 c=z 2 10-9 Sachant que k est t.88 Hz 523. Estimons néanmoins l’erreur risquant d’affecter le rksultat. on peut se livrer aux approximations commodes : il s’ensuit : de là on tire une valeur approchee dc k FX J1/2 109/“.99 830. Il n’y a pas de difficulti: majeure à programmer la relation faisant intervenir les nombres dc Bernoulli.4. dans le cas le plus pessimiste évidemment.OO Hz Hz Hz Hz Hz Hz 1.3.

. = (. Rkalisons cette opi‘ration pour /L = 4 et 5.. Lorsque l’on rkglige les termes après le rang IL.. CII choisissant m = 4.ANNEXE I. l’erreur de troncature strictement mathkmatique est infkrieure à la précision usuelle de 10V1”..3....aisormons encore sur les erreurs absolues nous pouvons écrire : Il n‘y a pas d’autre solution que d’effectuer une tabulation pour p = 1. lik+l = IlkT + C&+l . ..r)R.-r(x) = (x ~ .$j’.-.. . }x + arr k=O Pour z = T.(X) p.‘..2.Le polynôme prend la forme : PTT(x) = (x . . CORRIGÉS DES PROBLÈMES ET EXERC~~ES d’excellents résultats si l’on tronque habilcmcnt la série..Le schéma de Horner (1786 1837) est un algorithrne qui permet de calculer la valeur d’un polynôme au moyen d’un nombre minimum d’opérations en utilisant un système de parenthkscs : .(x ~ r)~rl-. car P0 ( x) C.)P.. ...+ CI. on commet sur -y wic erreur strictement mathématique inférieure à 2B. . 1. [{ [(a02 + Ul)X + aa]z + u:3}x + u.-l7. fi(x) s On krit P”(x) = R..p. 501 .. R.5.-1 ii-. . C ./(2p~rn2~“).-l(21) + R. + ... . l‘exkution des calculs.. Calcul numérique des dérivées d’un polynôme à coefbcients réels pour la valeur x = r a . autrement dit on aura rnieux que 13 chiffres significatifs. Il convient d’kvaluer les erreurs liées à.r)“-lR1 + t. elles seront majorCes par 4mlOVl’ avec m = 100. VT7 = Y.-r(x) + R.t I une simple constante. = P.] II” + . + R.~)I’“(X) + RI.x . En conclusion.I Pr?. + (CE .(x) = CU& = {.On écrit la suite des polynômes : PT. Fixons m 2 la valeur 100 par exemple et regardons quelle doit etre la valeur de p pour obtenir la meilleure prkcision rnathématiquc. (7”) vo ?Il b . on obtient rcspcctivement pour le membre de droite : 1 120 100s cz 1OK” et 5 660 l()()lO = 10-22. + (x ~ T)‘~-“R~. = (x ~ 7-)Pc2(z) + RT.T)“R~I + (x . . on calcule donc la suite : = ao = ‘Uo7’ + (11 = l!lr + CL2 va .

les coeficients de PyLpl(x) .(x)]F qui diverge.On a : 1 = SIX 5 dn: et deux cas se présentent selon que s = 1 ou s # 1 : si s = 1 on obtient 1 = [log... il sufit....)..L’erreur ek: est comprise cntrc skm & dz et . on cn dkduit alors les inégalités ’ suivantes : ce qui s’kcrit encore : 1 1 &(s) + ~ . + b+17.Pour calculer effectivement les Rk:.l b . Calcul numérique de la fonction c de Riemann a .. = ht .On écrit lc développement en sbric de Taylor : cxprrssion dans laquelle on obtient : on a rrmplact: h par (x ... e . RTL uk + bkplr = un.-I(:L) et ainsi de suite jusqu’à celui de Pu(x) = Ro.(x) puis à ceux de Pr....1...1 (k + l). Par identification avec l’expression du $ c. Désignons par h..y) < G(s) + . d’appliquer le schéma de Horner aux coefficients de P. cette expression est finit et si s # 1 on obtient 1 = [- 1 x ~1~~ 1 si s > 1 et alors on a : 1 = ~ S ..fkyl F dz. < <(..-1 502 .) on poursuit les mêmes calculs pour le polynôrne P+z(x) cn notant toutefois que l’on perd u11e rangée. Ensuite on opère dc la même manière pour PTL-s(z) et ainsi de suite jusqu’à l’ohtcntion de Ru.6.‘1 &y s .. on les calcule en fonction des CL~ de la façon suivante : bo bl . 1.MANUEL DE CALCIJL NUMÉRIQUE APPLIQUÉ d ..

634983 + &> soit encore : 1. alors en une cinquantaine dc tours d’itkration nous aurons obtenu la valeur de yo par où passe la tangente commune avec WC précision dr.644 88 <c(2) < 1.Passant par le point A.j(~. et une bonne précision sur la fonction @.ANNEXE I. l’ordre de 10pl’. Quand A parcourt le segment A1Az la fonction Q ni: s’annule qu’une seule fois. On examine le signe de cette fonction en Al puis en (Al + AZ)/2 ct ainsi de suite. par exemple.Dans le cas de fonctions implicites. il faut choisir x0 approximativement au milieu de l’intervalle (of.f) .. ~ Y0 011 considCre la fonction Q = Yf ~ ~ qui est la diffkrence des pentes des tangentes .644 98.634983 + & <C(2) < 1.644934): dkduit que : on calcule alors Sl00(2) = 1. peut nous permettre d’obtenir cette valeur de yo.ro dont l’ordonnée est.(J.yo ~ (of ~ zo)f’(z. on a Q’(zf. La tangente à CI s’écrit : d’ofI: dy -‘$!L dz Y pour . il existe cn gbéral deux tangentes à la courbe CI ct à la courbe Cz.7. il faut résoudre le système &n linéaire de deux Cquations à deux inconnues par une des méthodes itératives proposées dans lc cours. Il existe deux programmes dzeta0. et c’est pour cette valeur prbcisément que l’on obtient la tangente commune aux deux courbes. Y.~ Zf . On opère de la môme façon pour l’autjrc tangente pour laquelle on écrit : 503 . c et dzetal . Recherche d’une tangente commune à deux courbes On a yf = f(zf) et .f) = 0 p our la prcmi@re courhc ct pour la seconde : yy = . et par AZ mi point de la droite z = ~0 dont l’ordonnée est infkieure au plus petit des deux extremums de Cl et C. La dichotomie. Si la longueur A1Az est de l’ordre de quelques unités. y. supbricurc au plus grand des deux extremums de CI et Cz. a - b .. on utilise mie des mCthodes itkratives proposées dans le cours.~ ~ XO)~‘(:Z~~) = 0.q(xg) et Y ~ yo . En général il faut rechercher la racine d’équations transcendantes (voire implicites) qui donnent Xf et XT1 puis on calcule yf et y. c qui réalisent ces algorithmes.f) = 0.T = Xf et y = yf Yf . Pour cela. d . c .634 983 903 puis on 1. Donc. pour connaître les valeurs :xz. Il faut donc choisir la tangente la plus pctitc cri module. À condition que les fonctions f(x) et g( n:) soit calculables dc façon semblable.2 n et yf. :rg). 1. CORRIGÉS DES PROBLÈMES ET EXERCICES Prenons 1111 exemple : ((2) = g(= 1.Xf .Y0 % On écrit encore : ~ = -F pour z = of et y = yf. pour avoir des erreurs semblables sur les calculs dc z f et ICI.On désigne par Al un point de la droite z = .20 xg ~ 50 menées de A aux deux courbes.

. +. 71! La fonction (p(n) = 71+1 est une fonction stricterncnt. fixé.t) dt.(Z) = (n + l)! . [Ci] : 44171) = nlog.1.. 2.(n.z on peut écrire l’inégalitjk et pour 71.x + (-l)""(n + l)! . ainsi : F = log. Développement asymptotique Une prernikre intégration par parties donne : En poursuivant ainsi les calculs on trouve : x .f(x) = k .) .(n) dont la dkivke s’écrit. Cett. .t) dt : mais @tant donni: que exp(rc . ~ r1 .(n + 1) logr(z) 504 . positive quels que soient n et 5 : pour I I” 1 l’étudier. ou voit que l’erreur tend vers z6ro quand z croît indéfiniment.r . Les développements asymptotiques 3. il est comrnodc de lui associer la fonction @(n) = log.I t-‘Lp2 exp(z . tend vers l’infini puisque le terme gkkral devient infini quel que soit 2. lc prograrnmc tangent.e skric diverge quand n.t) < 1 car z > 0 et t > . Calcul de l’crrcur Erg lorsque l’on tronque la sPric après le terme d’ordre n + 1 : E.loge(z). + (-l)TQ& tFp2 exp(n: .LJ + $ . Algorithmes accélérateurs (Voir le cours chapitre 2) 3.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ ct : On regle le probkme du point A de la rnkne rnani&e qu’au paragraphe précédent On fournit... c concernant cette prockdure.

.. b .arctan ou encore : z ~ 20 = arctan ~ arctan expression que l’on transforme ainsi : arctan[tan(z . trouvk 120 = . l‘crrcur sera minimum pour urlc valeur de TL() qui est approximativement dom& par l’égalité : soit encore : N! &V+I (N + l)! . en effet x est mie variable rkelle tandis que ré est une variable entière.3. TL() r~() + 1 a .z) = EIL.(2n-3) +.p+2 ce qui donne no = x ~ 1. On aurait rnasqui: cette remarque en krivant l’itgalité E. Voir le cours 4.Cas de /a fonction erreur . Calcul de la fonction arctan Comme 20 ~ arctan(z0) = 0. Dans la rnesurc dc la < calculabilitC effective » : 011 doit.es valeurs dc . on peut.. dt. 1..20 = arctan ~ arctan 505 .. trouver des rkultats corrects aussi bien pour des pctit.3.l-l (.-1(2) = Eng+l(z) q UI aurait donné encore un résult. l’équation 2 = arctan( soit : z = arctan + 50 .3.z que pour dc grandes valeurs dc n. Voir le cours 4.. Résolution des équations numériques 4. Pour I ” fixé.Tfi + (-l)+’ 1. on peut s’attendre à ce que la convergence se rktlise même si la condition précédente n’est pas vérifiée.Le dkveloppcment asymptotique étant u11 pI’cJhIlgcment analytique. CORRIGÉS DES PROBLEMES ET EXERCICES elle 5 im minimum pour n = N = 2 .1. cela signifie que la fonction cp(n) a aussi un minimum. C’est ce que nous avons vérifik.. y-ln/2rr-2 1 _ 4.at kgèrement diffkrcnt : cL=Jm qui a une racine approchée dc l’ordre de TL() = z ou 7~0 + 1 = 2. Ce résultat n’est pas CII contradiction avec ce qui prk?de.I 011 effectue une suite d’intégration par parties ct l’on obtient : cerf(z) = 1 ~ Q(z) = exp( -z”) ~~ i 1.r.5 ‘p. ajouter cette quantité à.Application de Iépsilon-algorithme .x0)] = z .5.Pour ce qui concerne la fonction : cerf(z) = 1 .(. On aurait tout aussi bien pu hirr E.0(z) = 5 /exp(-t’) .ANNEXE 1. On va voir que c‘est le même minimum.2.(x) car OII aurait.3 1-b+-22& -+..

“’ puisque l’on connaît. Cette dernière expression peut s’krirc forrnellernent : z = 20 + arctan[F(q)] = ~0 + arctan( On dheloppe la. fonction arctan. NUMÉRIQUE APPLIQUÉ puis en &veloppant l’expression de tan(n: . L’k~uation de la droite orthogonale à cct.4.te higente et passant par BU s’écrit : y = -(x ~ zo)/f’(zo). 4. entachée dbne erreur absolue de 2 1OF qui est lc prcrnicr terrrie abandonni: de la skie alternée fournit par le développ~:mcnt.M~NTIEL DE CALCUI.~‘(zq). calculer 22 et a.IC”). d’une faqon générale on aura : 506 .283661987. Donc : = ce qui perrntt. = tan(z).8.. on obtient : le rayon dc convcrgerice est IFo /< 1.q~).L‘kquation de la tangente en Ao s’krit : y = f(zo) + (X . a.iori : À partir de :1*1 on peut. on en déduit la coordorin6e du point d’intcrscct. Racine d’une équation f(x) = 0 a . On se propose de calculer arctan avec .insi de suite. de calculer la valeur numérique de -0. soit : tan(z ~ 50) = d’où : arctan a ~ tan(q) 1 + n tari [ tan(z) ~ tan(q)) 1 + tan(z) tari 1 = Ic .Q = 0.

f(:~. ch Pour que ce processus it&atif fonctionne. -. Racines d’un polynôme à coefficients complexes 11 s’agit là d’un exercice très proche de la méthode de IJairst. = X ~ z. . du point.hode proposée nc présente pas ce dCfaut en offrant une grande stabilité. .it que 1 ct donc que le processus 1+ y2 est tolljours convergent à condition de ne pas sortir du domaine A. a p rès quelques calculs on 1 trouve : k = ~ ce qui rnontre que k est toujours plus pct. tt). il est moins rapide que la méthode de Newton qui est. En revanche. d . f(x) doit.. En effet: en examinant la formule tic rkurrencc que nous avons ktablic.CICHS b . il faut que les extremums relatifs dans A n’existent. il s’ensuit que cc.. sur la frontike de A.ANNEXE 1. On kcrit : Pn(Z) = (fio + jao)ZrL + (01 + JB)z”-’ + (a2 + jpz)Zn-2 + ‘.. d ont être monotone dans A.). cependant si l’on utilise cette mbthode cn particulier.z.)z’~-’ + (rl + jh. La m6t.)+1 = Q(X ~ e. En outre.Calculons k = $. + (a.)~~ + (y2 + js&P3 + + (rn-* + js.Ce processus est un processus du premier ordre..?) ct vérifier qu(’ cette valeur est suffisamment pro& de zéro.(p + ja)](yj + ~s. il faudra plus que . + j/$>) = o~(z)Qw~(z) + (a + jQ) = [z . il faut que f(:r) soit continue dans A et qu’elle n’ait pas de tangente verticale (on dit qu’tlle est lipschitziennc).-1) + (Q + .. ) expression que l’on va développer sérit de Taylor au deuxième ordre : en et comme Q>(X) = X. on obtient : 507 . 4. En rappelant que f(X) = 0 (ou B(X) = X).e. ct.jq). la mbthode dc Newton devient instable cn rejetant très loin la valeur numérique de la suite des . L’identification des terrnes tst immédiate. un processus du deuxième ordre.on a e. CORRIGÉS DES PROBLÈMES ET EXER.5. de viic dv la vitesse de convergence.+1 soit encore : d@ = x .jamais terminer lc programme par le calcul dc . on obtient au premier ordre : CE.ow. on peut s’apercevoir que çctte expression permet aussi de calculer les zi:ros de la dérivée f’(x) . que c . au voisinage d’une tangente horizontalc.

g et g.MANUEL DE CALCTJL NUMÉRIQTJE APPLIQUÉ Bien cntcndu. Il reste à. Q(p. comme dans la méthode de Bairstow.a) = 0. OII calcule enscmblc les dérivées par rapport à p puis les dérivées par rapport 2 (7. calculer les dérivées . On a donc : On pose : cc qui permet d’écrire : avec to = -yo ct 210 = 60. Ces relations aboutissent à : Dc la rnême manière. on Connaissant une prcmikc approximation p. et. et CT() développant Q et Q au premier ordre : va chercher ü calculer h ct 1 CII La résolution du système linCaire donne h et 1 : ces valeurs %ant.a) = 0 et. nous voulons obtenir p et cT tels que : @(~. toutes calculées pour p = po et <T = (ru. Q et !P sont des fonctions dc p ct 0. Le problknc consiste donc à obtenir : a7 9: 3. on calcule les dbivks partielles par rapport A c : . g.

j .x. )X7.) + xp = x1> = ~p(z~. . 509 . .. .xp = QI..x(2k) ) xtj) ) . pour cela il suffit d’ajouter zp dans chaque membre de l’équation : F.) avec q=l. On aboutira à.x3 .l (k .On peut tou.. .f=l xy) + El. b .? + c tj2 = . n.uis d’en calculer urlc racine.)) = Q>. CORRIGÉS DES PROBLÈMES ET EXERCICES cc qui permet d’krire : En partant de p = pu et CJ = (~0. x2.) avec: p = 1. >x(f) + &. * Le dhcloppcment .Oil a les équations : x(k) ~ Q> P ~ x3. Dksignons erreur au tour k par ep:‘.x. .. dont.2. .ion au fait que les matrices A&(“) voient leurs valeurs changer au cours des calculs. est l’erreur sur xp au tour k tandis que :x. xp + <a. .jours tcrire ce système sous la forme : x 1> = @.:~2.. on peut ut. Nous avons la relation entre les erreurs : cette que nous pouvons écrire en fonction dc la matrice jacobienne : j++l) = AI@)E(“).33 . . Il faut faire attent. xi. z:~. Cependant lc processus sera convergent si toutes les matrices Mk) ont tous les modules de leurs valeurs propres inférieurs à 1. on va calculer la racine 20. .(Zl.(x1.2:3.ANNEXE 1. (k-l) xw) (k-1) (k-1) 1 7. 4.‘II.:+11+ -p<j!s..rxn ( > .te racine comme on est cn mcsurc de calculer les coefficients du polynôme Qr.x2-’(k+l) est l’erreur au tour k + 1. la solution exacte notée avec une étoile s’écrit : p .2> 3. . (XT. . ) xi.. Pour améliorer la vitesse de convergence.-l (z) 1 . la fin du calcul au produit dc dcllx monômes dont on calculera 1~:s racines.Y&))~ + (71 + 55). . x2. Il n’est pas aisé de réaliser ccttc condition. . > j=i 3x. .xp = ap ( x1(k) >.iliser l’cpsilon-algorithme vectoriel quand bien même la suite des vecteurs Eck) divergerait.on suivante : (Y0 + . ) x.6. Résolution d’un système non linéaire a . ( > au premier ordre des fonctions ap conduit au rksultat suivant : &. x. . .3 . Une fois wt. 2$’ + tf:<.. Attention au calcul de la dernière racine car le dernier monôme se prhcntc dc la fac.

cette relation impose que : d’où la valeur de < : par ailleurs.Y) = 0 et par conséquent f2(X.7.Si (X. Y) n’est pas obligatoircmcnt solution du système primitif. Y) est solution du système : f(x. car CD’(z. y). Y) car on a f(X. b .~+2. On cherche le minimum en krivant que g = 0 . Une rernaryue s’impose si (X.y(~: y) = 0. Y) = f2(x. Il faudra donc bien vérifier ce point cn reportant lc couple (X. arnéliorer la valeur de IL: et l’on écrit : et .~+2[gf]‘+2[g$ (y22 On sait donc calculer 21 = x0 + < c . ?/) + . on peut toujours effectuer un calcul direct des quantités figurant dans l’expression de < : ‘ aa -=2fg+zg$ dX et d2Q> -=2. Y) annule @(z. Y) = 0 ct d c mCme pour la fonction g. (X.MANUEL DE CALCUL NUILIÉRIQUE APPLIQUÉ 4. Résolution d’un système non linéaire a . y) = 2ff’ + 2.Rien de fondamental n’est changé et il suffit de remplacer J: par y et < par q dans les équations : LB avec : On sait donc calculer y1 = y0 + q. 510 . Y) dans les équations de départ.Partant d’une approxirnation (20. yo) on va chcrchcr d’abord 5. y) = 0 il l’est 6galement de la forme yuadratiyuc : @(x.92(x.99’ et ceci rnontre que l’on peut avoir d’autres racines que f = 0 et g = 0 et yuatrc combinaisons sont possibles avec les dérivées.

dz" 1. 1 ‘on calcule les cocflicients Q. qui est bien un polynôme en e.f e. = X ~ eTL .. On écrit e.zn+r = X ~ f(zrl). d”f* + (pour zc = X). On calcule d’abord 52 puis yJ> mais rien n’ernp&zhr de faire l’invcrsc. On poursuit les calculs jusqu’à obtention de la précision pcrrnisc par la machine sans omcttrc dc rCintroduire les dernières valeurs dans les Cyuations primitives.+r = X ~ . Qzqp . Application à la méthode de Newton a .. ainsi on écrit : En développant f (. 4. de cette relation pour répondre à la question posée en notant que 2.ituent aux valeurs 20 et c/o. p ct. 1 a” = -gF p o u r z =X.ante si 511 .8.? d2f en d:jf + .[Q(z)/@‘(z)] et. CORRIGÉS DES PROBLEMES ET EXERCICES d . on obtient alors : l’expression se simplifie en remarquant que f(X) = X3 soit encore : “““=+~.) = 9(zk) rnais le schkrra fonctionnel s’applique sur la fonction Q(zk) a. Ordre d’un processus itératif La rrkthodc dite par it. D’où l’expression de l’erreur : b . + ek (-1)k+12& .On a C~?(Z) = 0 et f(z) = 5 .L’application sera contract..<P@i” w2 +l=?E w2 pour 32 =X.ssociée. dont les coefficients sont : df -dz 1 d2f '=-! dz2 1 d"f Y = $j ~ p o u r 2 =X.) au voisinage de la racine X. Il convient de faire disparaître z. donc (1 = 0 car <D(X) = 0.~-~-gy+jg$ e d. L. La rnéthode de Newton est un peu moins directe : ~l”k+~ = zk ~ (a(z.On recommence l’ensemble des opérations avec les nouvelles valeurs 51 et ‘yr qui se subst.érations fonctiormc dircctcrncnt sur le scli~ma propos6 : zk+r = Q(zk). -y.ANNEXE 1.)/(a’(z.

Par le même prockk. On continue de désigner par RI la valeur de f(xo. Méthode de Kacmarz (1937) 1. :y”) + h$ + i. Le prwessus sera du troisihe ordre en choisissant les fonctions h et. y”) n’est pas la racine. y0 + b) = f(Z”. Résolution d’un système de deux équations à deux inconnues. 4. R:ien n’est changé pour l’indice 2. yo) n’est pas la racine? de même f(~. c’est-à-dire lorsqw @‘/a’ = -2h/g. : f(xo + h. .2”) = 0 dont la rk3oliition donne : 6 .b.On linéarise les équations comme il a été montré dans lc cours. ~2) : a2R2 2.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2.y”) + lLg + lg = cl d”0 + h. On a les relations : 512 . g dc tcllc sorte que le coefficierlt b soit anridé.J!& -i ($+:) p o u r x=X. y0 + b) = g(q).(x1 .On a : f(x) = :1: g(zpD(z) g(z)W(z) + Il(~)@(X) les rkdtats suivants : Après quelques calculs qu’il convient dc mcncr aw: soin7 on ohtierd (if (rx-=O (1X px-$. on obtient les coordormées de A~(Q. on krit.= 0 ?J et par identification 011 obtient : De même que ulzg +blyo+cl # 0 si le point (x0. yo) : Rl = f(zo. Généralisation de la méthode de Newton . a .9. yo) # 0 si le point (20.yo) .yo).Les coordonnées du point AI(X~~ y1) sont donnhs par les 6quations : et UlZl + blyl + Cl = 0 al(yl .

c effectue les calculs proposks par cette procédure. soit A:IA.$ possède N . il ne reste plus qu’à multiplier Al1 par cc dernier rksultat pour avoir la valeur dc Xl.3.2. ?/) = x2 + yy2 . 513 .~” ~ 36 = 0 g(x. il faut que 11 = kl: donc que les rnatriccs Al et A4 soient. 3. et l’on peut donc calculer A2X2.1. Mult. on rkalise la suite des ophkions Inversion de Al en Al’. la matrice A2 possède II lignes et N . Résolution d’un système linéaire volumineux La matrice Al possède 11 lignes et kl colomws.Ad] x* = A. 378 5.f 8?J 5.‘A2 .II lignes et kl colonnes et enfin la matrice A.iplication de AZ3 par lc résultat. Les vecteurs X1 et BI sont à II lignes: ct les vecteurs XL> et & à N . 5.ANNEXE 1.I [I?l ~ AzX2]. 70 5.= ?Y 8. expression que l’on rc%ranclle dc Bl.B2. Pour que l’opération propos& soit possible. soit A:jAF’Az ~ Ad: Inversion de la matrice précédente. Calcul de AFIB1. La premitirc Cquatiorl donne : X1 = A.lAz.% ou encore : [A~A.l[B1 . : Pour calculer XL.‘A2] X2 = B2 . 9. Le programme grosys . Cctk kquation peut encore être transformée de la manihe suivante : [Ad ~ A:sA.Il lignes.A2X2] + A4X2 = Bz. soit A:jA. la matrice A:i possède N . y) = x2 + 4.12~ + 27 = 0 On calcule aisément : bl = . soit [A:jA. On obtient X2. 6. . Voir le cours p. 2. 4. 8. valeur que l’on substitue dans la seconde équation : A:<A. Éléments de calcul matriciel 5. Soustraction dr: la matrice A4 au rkultat prkkdent.A3A.yA. Multiplication dc Ai’ et A2 soit ALlAz. Multiplication du résultat précédent par le résultat du 5. prkcédent.~A~ 1.kl colonnes. Multiplication de A:( par lc rhultat préckdcnt. soit A:sAF’Bl .B2. CORRIG& DES PROBLÈMES ET EXFXCICES Exemple f(x.Ad]-l.‘Bl: Soustraction dc B2 au résultat précédent. 7.bl lignes ct N ~ kl colonnes.lBI . carrées. Voir le cours p.

Résolution d’un système linéaire par la méthode itérative de Jacobi a .Transformation de la matrice A’. On obtient : AX = LSX = B d’ou SX = Lp’B = Y. ... c’est-à-dire si les valeurs propres de M sont de module inférieur à 1. Si n est infini ou simplement très grand......5. X n+1 ~ Xl B. .. désignons les Cléments de A par alk et l’on a : QL~ = ail. B + MX2 = B + MB + M”B. on retrouve naturellernent que : [I-M]Z=IB=B.On écrit : A = LS.On a la relation : [I ~ M]X = B.. il suffit de perrnutcr deux lignes pour réaliser l’opérat. . B + MX.L’explicitation dc la dernière equation donne : 1 SI2 0 1 00 0 0 S13 s2:3 SI4 s24 .. soit encore X = B + MX expression qui se transforme en processus itératif. = Y4 y3 . OII peut néanmoins faire appel à l’epsilon-algorithme vectoriel pour ramener les choses en l’ordre.4.. + M’“B = [I + M + + P]B. ses éléments sont : rnik = a/~ si r! # k et m// = 0.. diverge. la décomposition étant explicitée dans le chapitre 5. x1 z2 Y1 Y2 1 sgq 1 .. a ..ion : elle est toujours possible puisque la matrice A’ est inversible.. c. . 2:s 24 . sinon cela voudrait dire que le déterminant est nul. 5. si un des Ckments de la diagonale est nul.. .. b . . B+MX1 = B+MB= [I+M]B. Ceci n’est pas tout à fait exact: car même si la suite des X. = B + MB + . Les composantes de B s’écrivent simplement : bl = bila. . On divise chaque ligne par l’element qui est sur sa diagonale.. b . C’est ce que realise le programme jacobi0. .. 514 .. Résolution d’un système linéaire dépendant d’une matrice symétrique (méthode de Choleski) 1. = 1’12. Apres cette transformation. + &f” + . On obtient la suite : = = x2 = X3 . rnais 2 ne sera la solution effective que si l’algorithme est convergent.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. à savoir : Xlr+1= B+MXk que l’on peut initialiser avec X0 = 0. et si l’on désigne par 2 la limite de X./& si 1 # k et ull = 1. on peut alors écrire que : i+ M + ..... On obtient la matrice M aiskncnt. ..

. Y1 Y2 Y3 = h b2 h b4 . nous écrivons que la matrice A est égale à sa transposée. CORIUG~~S DES PROBLÈ M E S ET EXERCICES On obtient les valeurs successives de 5... .... 0 .. .. x. la colonne 1 est divisée par dl1 = 111. zn-a ct ainsi de suite jusqu’à 21 en écrivant : c .. . 1 . b . .2.. .. d’où l’on déduit : d ..dll. On peut encore écrire : A = AmfiAT = 1....A N N E X E 1.... on écrit la matrice transposée de A : AT = Sï‘DAT . . soit : A = AT... .3.... 14:< 144 ...... . .. 0 . 2. 12.. 0 0 0.. 0 .. . On r&crit la matrice A de la façon suivante : A = LS = (hD)S et comme D est diagonale. 0 .On écrit simplement : 1 11 0 121 131 1‘41 142 0 122 1:32 0 0 133 . a . .. . . 121 = hdll. 1 x21 h x41 0 1 x32 x42 0 0 1 x43 0 0 . . ce qui pcrmct d’écrire : 111 . . 142 143 144 . ... = fi. 0 0 0.. pour 1 = 515 .Puisque la matrice A est symétrique.. Y4 .. . .. .... = Xjldll.-~. car DT = D.. ...... 0 0 ........ A = h(DS). 0 0 0.... lj.. . on en déduit que : A = AT = STDS = ADAï’.. . la colonne 2 par dz2 = 122 et ainsi de suite. On en conclut que : A = ST et que AT = S. .On écrit sans difJiculté : 111 121 kl 141 0 122 132 0 0 k3 0 0 0 . .. À partir de A = LS = A(DS).. En définitive. . MMT en posant M = Afi et on a également : 6..Puisque A = ST.. .

Résolution d’un système linéaire par la méthode du gradient conjugué Nota . (Apj. pj) = 0 si 2.3.Cornme A est une matrice définie positive. usage des entendu. On passe % la dcuxitime ligne et la deuxième colonne au rnoyrn des équations suivantes : rr& = a22 . q) = (Aq. .. n. n. 5.Après avoir calculé les rn/k on calcule les ~1. Dc là nous d6duisons la première ligne et la r première colonne : ml1 = *z/cI.2. (Apj..Soit ei une base orthonormale à N dimensions.zl = a2k pour k: = 1.ei 2=0 N-l de mêrne le vecteur q s’kcrit : q = C q. P). les vecteurs sont no& en caractères gras. c paragraphe c en écrivant : Y = MplB. dont nous dkduisons : Ce calcul se g&&alisc aisément : d .6. Aq) = c c l=O k:=O UZk’?kPI . du On résout ensuite X = M-‘Y en faisant. i-0 N-lN-1 lc produit Aq s’écrit : 4 = c c wwl 1=0 k=O et le produit scalaire s’écrit : N-IN-1 (P.rl = ~ 71111 a11 pour I=2.. *http://www. 2.L’équation A = MM” donne les relations suivantes : mT1 = a11 puis m21m11 = u12 et plus g&6ralement : *rL/lmll = n.m& et plus généralement : mk2rn22 + mklrn. n. a . on remplace les S~J par les rn.11 p u i s 7n. .MA N U E L BE CALCUL NUM É R I Q U E A P P L I Q UÉ c . A P ) = (AP.4 .. pj = 0. dans les relations établies aux paragraphes b les 1kl par les mk. On trouve sur le Wcb (*) 1 c programme choleski .edpsciences.. = (9. 1.l/ pour r! = 1. tout au long de ce probltimc. . . Bien et c.Pour éviter de comrncttrc quelques confusions. pj) > 0 si pj # 0 ct. N-l le vecteur p dc composantes pk s’écrit : p = C r>.com/guilpin/ 516 .e. relations établies au paragraphe b.kl et qui réalise l’algorithme: 6tudiC.

. Avl + ~~~~~~ = Plus généralement. 0 = (po. k : vk = E:T0 dk. Apo) car pa = vo. il peut h = C cipi. PI) = 0 si j > 1. CORRIGÉS DES PROBLÈMES ET EXERCICES b ..fPj. a . Pk) Pk’ on forme la suite de vecteurs xj+r = xj + cjPj en commençant par q.. pk) > 0 ce qui est contraire à l’hypothèse.PI) = 0 = (mApI) avec PI = vl+ ~10~0.1. . soit encore : (po.Pk) h=x kzo (APk.h étant un vecteur de l’espace à IV dimensions qui est solution du système s’exprimer comme u11c combinaison linéaire des vecteurs de base Pj : N-l AX = B. i=o Calculons les ci : et donc on a : cB>pk) Ch = (APk. c .~ et l’on trouve : = 0. . il s’ensuit que : (Vk. . S’ils étaient linéairement dépendants. Apj) de calculer les (k + 1) coefficients CQ+~. .pk) ’ Comme N-1 (B. APO) . En effet: (Api.Les {Pi} sont linéairement indépendants et forment une base de l’espace à N dimensions.ANNEXE 1.pl) = & car les {Pi} sont A-orthogonaux.p. pj) = 0 si i # j et (Api. On en déduit : ci10 = (PO. AVI) + c~lo(po. = q.APl) = (AVk.2. Pj) = (Pk+r. on peut écrire tout simplement que vk est une combinaison linéaire des j = 1..~Pj> J=O ici encore les produits scalaires : (Apk+r. permettent Ensuite. k. A~I) (PO. 3. le procédé d’orthogonalisation consiste à écrire : k Pk+l XVk+lf~~k+l. il existerait au moins u11 k qui donnerait (Api. 517 Pj pour dk.On a (APO. 3 =o . Pi) > 0. avec j = 0.j(Apj.

avec i + 2 < N. rj) mais la somme est nulle puisque k > j. rk) j=. on pose : k-l PL+1 = Pk + ~-fk+l.C c j=. Par un procédé analogue.j = - (Avi+l.Pj). on démontre que la suite des pk est A-orthogonale. rkI > 7-2 qui constitue bien une suite orthogonale puisqu’elle obéit au processus de formation de l’équation (1. (APj.k (Pjl. e t ai+i.pk) = 0 = (&&) f%+l. car : (APk.1).j=. d’où : (vk+l> Pj'> ?k+l.La suite {ri} est orthogonale. j=o + %+l. (Apj.7 p.kVk+l.) ?k+l.>Pji> . pj) Pi+1 = ri+1 .) h+ld’jl) ’ (P. pj) ‘j 518 .j = Yk+l. (1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b .Si A = 1.k(Vk+l.Pd = (Pk.Pk). Par conséquent : rk+l = rk .APk cAPk.1) Dans le cas où j < k + 1. pi) s’exprime ainsi : (Pk+l.j = (Vk+l>P. Pj) j=o on obtient l’expression : (APj.k en faisant (p k+..Pjl> .j : (&p. alors les vecteurs A-orthogonaux deviennent orthogonaux. le produit scalaire (pk.jP.1) : 6 = Apk et pk = rk. 457) vk = rk puis partant de : Pi+1 = Vi+l + 2 W+l.Pd = 0 Si fi # 1. 4. Posons : vk+i l’équation (1.Pji) =O=Yk+l. (rj. Ensuite. a .Pj) ’ i (ii+1 1 Apj) i (Ari+l. Pour cela.j(Pjl>Pj)+Ylc+l. On obtient yk+i.. on pose dans l’équation (H.jPj. puis remplaçons dans c (APkrrj)rj _ APk rktl = rk + (Al%. soit : de là on tire l’expression de yk+i.lc(Vk+l.Pj) ‘j = ri+1 ..

[A(h .Axj. 457).pj) = ‘j’ On voit que chaque itération j rend E2(x) minimum selon l’axe des pj passant par le point x~j.) 3 dl. on peut écrire alOrS : (Vk+l>APi)=O soit en définitive : Pi+1 = ri+1 - s i i>k+l soit enCOre (vk+l.ANNEXE I.xj .xj). Apa. b . 5.Développons le calcul de l’erreur : E2(xj + Zjpj) = [A(h . Ijpj] ~ [A(ljpj).E2(x) = [A(h . il s’ensuit que : E2(Xj + Ijpj) = E2(xj) . h . . xj est une combinaison linéaire des {pi}. .J = 0 ) p.(rj. a .(Ap.pj) l’ Explicitons le dénominateur : (rj. APi) (APi.(xj> APj).xj .ri) = 0 si i > k + 1 : En effet. Puisque Ah = B. pj) = (B. cela entraîne que E2(x) > 0.x).x] q ru n’est rien d’autre que le carré A-scalaire du résidu donc comme A est définie positive.Le maximum de tours d’itération est N. on pose rj = B . (ri+l.xj). pj). h .ljpj).J. on obtient alors la valeur de lj : Crj. pour obtenir le minimum de E2 : dE2(xj + ‘jpj) = -qrj. donc (rj.pi) = 0 et (Apk. Api) = 0 avec i > k est vraie en faisant A = 1 et en remplaçant vk+r par Apk et pi par ri . alors l’expression (vk.ljpj] = [A(h . en effet. Api. et l’expression des lj devient : CB. Pi) pi b . Comme cette dernière suite a été formée à partir de l’expression (H.Axj = Ah . Pj) lj = (Apj.pj) + l$(Apj.xi] .2Z. pj). r2. . la suite des {pi+r} est construite par A-orthogonalisation de ro. Dérivons cette dernière expression par rapport à 1. Apr. ordre du système linéaire. 519 .. rI. CORRIGÉS DES PROBLÈMES ET EXERCICES Montrons que (Ari. Pj) = (Apj.Ijpj] = E2(Xj) -Ij[A(h-xj). Le minimum minimorum est atteint pour x = h et alors E2(x) = 0. Montrons que le dernier produit scalaire est nul.xj .pj) + 2l. laquelle a été construite par orthogonalisation de ro.h-xj -Zjpj). Pj) = (B. h .ri) = 0.pj] -Ij(Apj. . h . Pj) .pk) = (Apk.8 p.

Ainsi : ATAx = ATB. dérivons l’expression P.A].Nous avons : il s’ensuit que : c\ik = mo) . soit : ensuite.7. on est ramené à l’étude précédente.10 p. alors on peut multiplier à gauche les deux membres de l’équation Ax = B par la matrice transposée AT. La procédure présentée est concrétisée par le programme gradconj . 72. .MANUEL DE CALGUL N U M ÉR I Q U E APPLIQUÉ 6. 5. 459). dans la mesure où la matrice A n’est pas singulière. Calcul direct des coefFicients du polynôme caractéristique a . 520 . on a : c . c.(X) = [XI.Dans le cas où la matrice n’est pas définie positive. on peut écrire : ‘@l(O) = 1. k! b- À présent. Nous avons : expression dans laquelle on fait X = 0. .Cette expression se généralise de la façon suivante : pour aboutir aux expressions terminales : où l’on a noté par alk les coefficients de la matrice A d .Par un examen direct de (H.

P = b.. il peut être habile de confectionner un programme récursif (mais cela n’est pas indispensable) puisque le calcul d’un déterminant d’ordre n est une combinaison linéaire de n déterminants d’ordre n ~ 1.upq cos2(‘p) + upq sin’(cp) ... .. = bpq = 0..8.. f . B = (TAT) est aussi symétrique...... .. Soit : (upp .. Pour obtenir ceux-ci.. = K. Calcul des valeurs propres d’une matrice réelle et symétrique par la méthode de Jacobi a . l’angle ‘p appartenant à (-...ANNEXE I. sin(cp) - ~2~ COS(P) uzp Cos(p) + uzq sin(p) ..ij/a où KtJ est le cofacteur et le A déterminant qui se réduit à un déterminant d’ordre deux : COS(P) sin(cp) sin(cp) -COS(P) donc qui vaut -1... .%4 r.uqp sin(cp) COS(V) + uq4 COS~(P) COS(P) ... T-l est symétrique aussi car (T-l)i. puisque A est symétrique. On voit que la matrice TplAT a les mêmes valeurs propres que A mais pas les mêmes vecteurs propres..On obtiendra les valeurs propres de A après avoir obtenu les coefficients du polynôme caractéristique. .uq4) sin(cp) COS(P) = upcl [COS~ (cp) ~ sin2 (cp)]. On verifie bien que TT = I (matrice unité d’ordre n). c .anq COS(P) e . = upp sin2(cp) bpq = app sin(cp) b... Nous avons : sin(2cp) = 7 cos(2cp) 521 . Multiplions à gauche cette derniere équation par T-l : T-lATZ = TP’XT2 = X2. 5.. donc A est diagonalisable...11 sin(<p) . CORRIGÉS DES PROBLÈMES ET EXERCICES e .On veut que b....alq COS(V) ~2~ . unp Cos(p) + annq sin(cp) uzp sin(cp) .uq4 sin(cp) cos(‘p) 2% UPP . ...... donne : tan(2cp) = ce qui ~ upq sin(cp) COS(P) . b .azq COS(P) a7..T est symétrique par construction.. Il convient à présent de calculer sin(cp) et COS(P) en fonction de T. ces derniers deviennent : bpp = upp COS~(~) + upq sin(p) COS(~) + uqp sin(p) COS(~) + uqq sin2(p) b... ses valeurs propres sont réelles. seules les colonnes p et q sont changees dans la matrice A : colonne p ulTl Cos(p) + ulq sin(p) a2Tl Cos(p) + cbq sin(p) colonne q alp sin(cp) .On a AX = XX puis on fait X = TZ cc qui donne AT2 = XTZ.. d ...Écriture des éléments de (AT)...> f) ..Puisque A est symétrique....Les éléments de (TAT) sont les mêmes que ceux de (AT) à l’exception d’une part des lignes p et q qui sont remplacées respectivement par la colonne p et la colonne q et des éléments à l’intersection des lignes p et q et des colonnes p et q d’autre part ..

= 0. i . c met en œuvre cet algorithme.La somme des carrés des valeurs propres de A est un invariant dont on sait calculer la valeur : k=l k=l 1=1 on cesse les itérations lorsque la somme des carrés des éléments diagonaux de la matrice B” est suffisamment proche de S2. Mais. Adoptons une notation pour simplifier l’écriture : Bk+l = Tp. q variant de 2 à n.3) au carré plus (1. la méthode provoque l’accroissement de la somme des carrés des éléments de la diagonale et la diminue hors de cette diagonale de la même quantité.Convergence de la méthode .=a~g+a&+2a~. on peut écrire : b&+b&.uqq) 2bq = (app .aqr112 + 4azq. en effet. ayant réalisé ?ne fois l’opération « la nouvelle matrice B » n’est pas diagonale et l’on doit réitérer l’opération jusqu’à ce que les éléments non diagonaux soient suffisamment nuls à une précision définie à l’avance.Comme la matrice B reste symétrique.bqqj2 + 4$. sin( 2p) .4) bPP ...uqq) cos( 29) + 2a. puis en tenant compte du fait que b.. COS(~~) sin(2cp) puis on fait (1.Nous avons les relations : bqq + bpp = app + aqq (14 (1. La méthode est donc convergente sans condition. k est l’ordre d’itération.3) (1. Le programme jacobil. pour p < q. on peut opérer sur elle au moyen des transformations TBT dont le résultat est toujours une matrice symétrique. et l’on combine cette dernière équation à (1.B~qT. g . = (app . La fin des itérations dépend aussi de la matrice A et de son ordre..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ que nous élevons au carré et nous obtenons : sin(2cp) de là on tire : = ~ e t cos(2cp) = ~ avec E = signe de 7. La somme des termes diagonaux augmente de 2a. 2 h . comme la somme de tous les termes 2 au carré est une constante. car on calcule directement la valeur des fonctions trigonométriques : COS(~) = G avec E = signe de 7. la méthode ne tombe cependant pas en défaut.2a..bl = (%P . Dans le cas particulier où uPP = aq4.. 522 .4) au carré et l’on obtient : (bpp .2) élevé au carré.

. + Q-d} +. On a : et si q = 0. CORRIGÉS DES PROBLÈMES ET EXERCICES 5. Calcul des valeurs propres d’une matrice par la méthode de Souriau (1948) a .La démonstration est dans le cours. .Appliquons le théorème du moment cinétique.ANNEXE 1. .Trace {AB~-~}. avec la Uk = -. 89 et suivantes. 6. . . + alA”-’ + u2Akp2 {A(A”-1 + alAkp2 + u2Akp3 Remarque : B. Interpolation Les exercices proposés sont traités dans le cours p.1 = 0 d’après le théorème de Cayley- Le programme souriau. 7. b . B1 = ABo + aIl. +u~-~I)} = -. . relation de définition qui impose : Bo = I. . + uk_rTrace (A)} + . . . + Uk-lS1] . + aql B q+l . d’où : 1% + 22~ + gsin(8) = 0. [sk + u1s”-l+ up9k-2 +.1. j=l où les {Xj} sont les valeurs propres de A. . . Étude d’un pendule de longueur variable a .+11 = A(Aq + ~A4-l + azA q-2 + ‘. + a. avec S” = 2 XT = Trace (A”). Intégration des équations différentielles dans le champ réel 7. + uq) + u. + . . Donc : uk = --i {Trace (A”) + ulTrace = -iTrace {A” = -iTrace (A”-‘) + u2Trace (Akp2) + . = A4 + alAqpl + a2Aqp2 + .Nous avons : B.+1I d’ou la relation de récurrence : B. + a.+l = AB. + u~+~I. nous obtenons : +-(1’19) = -gl sin(B).Aq+l + alA + a2A q-1 + . .9. . c exploite cette procédure. 523 . = A” + ulAn-l + u2Anp2 Hamilton.

L’équation de Van der Pol (1889-1959) Il s’agit d’une importante équation de la physique concernant la synchronisation des systcrncs oscillants. nous pouvons exprimer l’équation différcnticlle en fonction de la variable 1 (dl=vdt): $+. en effectuant le remplacement de la valeur de C : LC. on doit trouver un courant oscillant qui croît indéfinirnent. c qui concrétise cet algorithme. penduleo. Son étude s’effectue dans l’espace des phases (l’abscisse est la coordonnée d’espace et l’ordonnée la dérivée par rapport au ternps de la coordonncc d’espace) et l’equation différentielle s’écrit : d’y dt2 2&(1~ yz)$ + y = 0 524 . Il ne faut pas croire que les principes de la thermodynamique sont violés.2. Système électromécanique dépendant d’une équation de Mathieu (1835-1890) La charge q(t) sur le condensateur obéit à l’équation diffkcnticllc classique : soit. c realisc ccttc proccdure. -[l + Esin(wit)].$+&H=o: sur le plan numérique. on est amené à résoudre le système : df9 -x dl ’ dp -ZZZ dl avec les conditions initiales au tcrnps t = 0 : 0 = & rd et $ = 0 rds-i. Il suffit de poser : dq -=i dt di 1 -= R.Lorsque 19 est petit nous pouvons écrire : et comme Z = lu + ut. Le programme 7. 7.LCo Il convient de choisir le pas temporel h petit devant les periodes Ta = 27ra et T’i = 27r/wi.3. On trouvera le programme mathieu. Elle présente aujourd’hui toujours un intérêt dans la mesure où c’est une équation non linéaire. Compte tenu des grandeurs numériques proposées. le moteur qui fait varier le condensateur fournit l’énergie. d t -La .$ + RCof$ + y[1 + Esin(tiit)] = 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b .

(1) + .On écrit la relation de définition : (2) . c realisc les calculs proposés. CORRIGÉS DES PROBLÈMES ET EXERCICES On dccomposc cette équation du deuxième ordre en un système de deux équations du premier ordre : = CE et . yym). [f (x rn. b) admet une solution unique qui prend la valeur yo pour la valeur 20 = u si les conditions des thcorèmes d’Arzelà et dc Cauchy-Liptchitz sont vcrificcs (c.f(xo.$ le cours). 525 . Cela signifie que. si un système obéit a cette équation diffkcnticllc~ au bout d’un certain temps (transitoire). dy 7.4.y2)x ..ANNEXE I. On obtient la formule d’itération : e . intégration d’une équation différentielle du premier ordre par une méthode itérative (prédiction-correction) a . Le programme vanderp . on se donne 50 et yo quelconques. valeurs que l’on fournit au programme de manière conversationnelle car il convient d’observer les courbes de l’espace des pha. pour une valeur fixée de E.On pose : y = . dx dt dt Au temps tu = 0. Yo) et l’on obtient : y1 = y0 + :(u + 4w + w) d . Y!!.Ym pour m > 1.ses pour différents couples de ~0 et ya ainsi que pour differentes valeurs de E. c . toutes les trajectoires admettent le même cycle limite. il est nécessaire de l’adapter pour chaque valeur de E.nt la prkision relative retrmie.+1 = yYmPr + 21Lf(s. b .L’équation différentielle suivante : dy/ dx = f(x> Y) pour x appartenant à (n...y. que le point figuratif initial (20 et yo) SC situe à l’intérieur ou à l’extérieur de ce cycle limite.‘) + f (Gn+I >Y%)] Yna+l .. On doit observer que. Il suffit d’utiliser les programmes proposés dans le cours en choisissant convenablement le pas dt . ses oscillations seront synchrones.= 2&(1 . quelles que soient les conditions initiales (~0 et yo).Lc résultat est immédiat : y.On cesse les iterations lorsque : 1OF” éta.

Pour la prédiction on écrit : %n+1 dy s = y(& . Y(? 1 m Il reste à calculer l’intégrale de droite. y(~~)].2 à 0.. et l’erreur que l’on commet sur l’estimation. .Éventuellement.l. E 2hp(z.-i : In. Développons-la autour du point G-1. 526 ..-l) + 2h2p’(z. g . c réalise cet algorithme. on a alors I.-~ + 2h) ~ @(x~-~) = 2hp(z. on adapte le pas h de telle sorte que la relation h < 2/M avec Al = sup ]af/13 z 1soit vérifiée. a .-l) + 2h2p’(z.el). et l’on reconnaît la formule des trapèzes sur laquelle nous avons déjà effectué le calcul d’erreur : e& = ~fY~>.. sur Im : avec < appartenant à (2. = @(z. .+1). on cherche une majoration de If”(z)1 dans l’intervalle considéré. puis la solution de l’équation sans second membre y(t) = aexp(-50t). quand t varie de 0 à l’infini. on pose cp(~~) = f[~.y:). 7. x. ce qui donne y(t) = $[exp(-5Ob) + 11. soit : a = l/lO. son introduction va nous permettre de calculer l’erreur sur 1.5..+1). Maintenant on obtient l’erreur e. dans le voisinage du point z. que l’on désigne par I?. Le programme predcor .-1) + hfd’(z. y(t) varie de 0. Étude d’un phénomène transitoire obéissant à une équation différentielle du premier ordre 1. Pour simplifier l’écriture. la première consiste à dériver formellement la fonction f et la seconde à calculer numériquement la valeur de la dérivée.-i. Désignons par @(x) la primitive de C~(Z). Ym) + f(Gn+1. on a : Ym+l = Ym + .) qui est l’approximation donnée par la formule de prédiction. et la condition initiale permet de déterminer a.. Pour cela écrivons l’expression rigoureuse de 1 puis effectuons le développement de l’expression trouvée autour du point z. L z 2hcp(z.el) + . x.-i. = s “m-1 (k) Zm+l fb> ~(~11 dz.I/(z..-1) + . Ym+dl. C omme d’habitude. et enfin la solution générale : y(t) = aexp(-50t) + A. On note que les deux erreurs sont localement en h3. On peut estimer M de deux façons.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ f . avec < appartenant à (x.. Pour ce qui concerne l’erreur de correction.On trouve tout de suite la solution particulière y = l/lO.-l + h) = 2hp( x.h”q”(z.

l pour t = 1 et t = 2. b - À présent.002. 2.000000005 X 10-l. il s’agit de la valeur asymptotique de la solution.ANNEXE I.t1)” s(t) = C k!pk ak k=O avec p = t2 T tl. on trouve y = 1.tz)] dt. a . J’ t1 s(t) exp[D(t .5yk + 0.tl)] + qui est l’expression recherchée.y(tl) exp(Dtl) = t1 J t2 s(t) exp(Dt) dt. il faut prendre un pas h petit devant la constante de temps T = 1/50.t2)] dt. ou encore : t2 Y(h) = y(tl) exp[-D(t2 .63 et pour t = 2 on trouve y = 1 105 733. Pour obtenir une valeur numérique raisonnable. y(b) exp(%) . N (t .3 alors que le calcul direct de la solution analytique donne la valeur 0.!. disons par exemple h = -r/lO = 0. tk) soit encore : yk+r = -1.On obtient : t2 t2 t2 s t1 y’(t) exp(Dt) dt = -D /’ t1 y(t) exp(Dt) dt + J’ t1 s(t) exp(Dt) dt.k exp[D(t ~ h)l dt. on obtient y = 332. Alors 1 s’écrit : ak exp[D(t .La méthode d’Euler s’écrit simplement : yk+r = yk + hf(yk.25 puisque h = 0. CORRIGÉS DES PROBLÈMES ET EXERCICES b . Alors pour t = 1. k!p” t1 527 .D s t1 y(t) exp(Dt) dt. Pour t = 1. il devient : t2 t2 y’(t) s t1 il s’ensuit que : exp(Dt) dt = [y(t) exp(Dt)]iT .tl)k exp[D(t .05. et en posant @ .h)] dt = e ak 1 k=O tl t2 (t-t )‘” . Intégrons par parties le premier membre.

on obtient en définitive l‘équation (1.MANUEL DE CALCULNUMÉRIQUEAPPLIQUÉ on a : On calcule immédiatement CU : t2 CO = 1 t1 ‘exp[D(t ~ tz)] dt = $[l . hode du cas N = 2 . il s’ensuit que nous avons alors : Par ailleurs nous pouvons écrire : SO = S(T~) = ao et sl = s(Tl) = ao + ai7 relations qui donnent ao et a1 en fonction de sg et s1 : ao = su et a1 = SI ~ SO.On a Tl = t2 et TO = t a ~ (ta .6) : et a1 = (Sa .01836 ct Cl = 0.SO)/2 et CL2 = sa + SO .tl u1 Les calculs étant menés comme précédemment on obtient : uo = s1 d’où l’équation (1. puis on Ctablit la relation de récurrence entre les Ch:: en intégrant l’expression de Ck par parties : k!p’Ck = s t1 ( t .ta)] dt en posant PL = exp[D(t .tz)] et dv = (t ~ tl) dt. puis y(l) = 0. (1.2s1.tl)” exp[D(t .exp(-D/L)]. Tl = tI et TO = 2tl .2Cz) SI + -52.tl) = tl.099955.6) .5) Application numérique : CO = 0.Comme pouvons écrire : on a Tz = t2.012 66. cl(T2) = y(Tl) exp(-DP) + 528 SO + (CO . Tous les calculs faits on trouve : Étude du cas N = 1 . (1.5) : z/(Tl) = ~(TOI exp(-DP) + (CO ~ G)~O + CISI. il s’ensuit que nous s(t)=ao+ta .ta.

On reprend la relation (1. Généralisation de /‘équation (1. dt x . On connaît donc Tj et y(Tl) à l’issue de ce calcul.On établit une plate-forme de calcul avec la relation (1.= -af’(t) Ski[f(t)] dt d’où $ = bf’(t) cos[f(t)] [$J2+ [+y’ = u. puis on continue les calculs en itérant la relation (1.X On écrit l’équation horaire du jardinier : X d’ofl dY Y . on peut itérer jusqu’à ce qu’on obtienne une prkision souhaitée à l’avance 1OF” par exemple en erreur relative. Donc. nous pouvons alors écrire : dY --T Y . Description de /a procédure d’itération . ce qui donne : et (o = 0 (condition initiale). nous savons que le chien se dirige en permanence vers le jardinier. On fait dont d’abord s1 = su pour obtenir :y(Tl) que l’on reporte dans l’expression de ~1. puis par X(t).6) pour obtenir t2 et y(Tz).6). On poursuivra les itérations de la rnême manière que ccllc indiquee au début de ce paragraphe. valeur qui sera reportée dans l’expression de sz. De là on tire que f’(t) est une constante et par conséquent que f(t) = wt + cp.6. Au départ. = f2(t)[a2 + b2]. à t = 0 : y = -bcos(wt) et x = asin( Il faudra prendre garde au signe de dY/ dt ainsi que celui de X dans l’exécution des calculs et l’on devra prévoir des tests pour affecter les bons signes.6) . On va poursuivre de la mCmc façon avec l’expression (1.5) dans laquelle on effectue le changement SI = S(T~) = s[y(Tl).x dt = b sin[f(t)] =a cos[f(t)] et et Y dz . Problème de la poursuite Désignons par z(t). Alors.Y dX X . on choisira sa = s1 et l’on calculera alors y(Tz). 529 .ANNEXE I. y(t) et vo les coordonnks cartésiennes et la vitesse du jardinier.5) que l’on itCre suffisamment.y dX ~ = ~~. Y(t) et V 0 1 es coordonnées cartésiennes et la vitesse du chien. 7.Tl]. Nous pouvons krirc : d’où : dX dt ainsi que : Par ailleurs. CORRIGÉS DES PROBLÈMES ET EXERCICES 3.

comme les longueurs sont parcourues à la vitesse constante V. est le produit des transformées de Fourier de la fonction d’éclairement d’une part et de la fonction d’absorption d’autre part.1. et grosso modo. Tout le calcul fait : Q(x) sin(7rXa) sin(7rXbN) = nk . soit T(0. t) = T(0. En réalité. Dans notre problème. ce qui nous intéresse est le signal dépendant du temps t et de travailler dans l’espace de Fourier correspondant qui est celui des fréquences V. appelée I(z). Refroidissement d’une sphère homogène Le problème admet la symétrie sphérique et nous employons donc l’équation de Laplace en coordonnées sphériques dans laquelle nous ne conservons que les termes qui dépendent uniquement de la coordonnée spatiale T. t ~ dt). et l’on trouvera un programme qui traite ce problème et qui s’appelle refrig. les isothermes d’un réfrigérateur Le travail ne présente pas de réelles difficultés. Rappelons que X est un nombre d’ondes (inverse d’une longueur). c. dans l’espace de Fourier. en désignant par Q(V) la nouvelle fonction on obtient alors l’intensité de l’éclairement : Q(u) = 10 sin(7rva/v) sin(7rvb/vïV) 7ru~u . Étude d’un vélocimètre Pour des particules se déplaçant selon l’axe du réseau à vitesse constante. Les transformées de Fourier 9.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 8. le champ de température est parfaitement continu. On pallie cet ennui en choisissant pour T(0. 530 . le terme é1 e v é au carré donne un « spectre de raies » et le terme [sin(7rXa)]/[.1. sin(7rvb/v) [ 2 1 . L’équation de Laplace.6t au point adjacent (premier voisin). 6t étant le pas dans le temps.2. 8. t) la valeur obtenue à l’instant t . 9. il est commode d’effectuer la transformation sur le plan dimensionne1 : [Z] = w[t] et comme [X] = WI = ll(4tl) = [ v 11 w d ans l’équation donnant (a(X) il suffit donc de remplacer X par V/%I. on retrouve l’expression classique des réseaux. Il s’agit donc dans un premier temps de calculer la transformée de Fourier d’un réseau de N trous alignés et équidistants. mais le choix du système de coordonnées introduit une discontinuité au centre puisque l’équation fait apparaître un terme en l/r. on aura : I(z) TF) Q(x) = F(x) C exp(27rjkXb) a v e c : F(X) = N expression dans laquelle a est le diamètre du trou. le spectre en fréquence de la lumière transmise. En effet. sin(7rXb) ’ sin(7rXa) “x . Intégration des équations aux dérivées partielles 8. En choisissant l’origine au centre du réseau et en appelant F(k) la transformée de Fourier d’un trou. Une remarque importante s’impose : nous ne pouvons pas calculer directement la valeur de la température au centre de la sphère car une discontinuité artificielle est introduite par le formalisme.irX] [sin(-irXMV)]/[sin(7rXb)] élevé au carré donne l’image de l’enveloppe de ces raies.

On voit que Ak. est inversement proportionnelle à IV.ANNEXE I. c’est-à-dire lorsque u = V/a. } WN”.f2w. Cependant.. + -t fi WN-. 3. La formule d’adressage des données s’écrit : j = RN(~) = R~(lc . on a donc : a = v/b. . les dernières relations ne peuvent être utilisées que pour k = 0. 2.+j$).$k+N’“). + fdv‘q. + f& + fs WN” + . équation qui se transforme de la manière suivante : un calcul analogue donne : @k+ZN/3 = Ak + BkW.. Bk et Ck sont les transformées de Fourier de trois fois moins de points que n’en comporte l’échantillon initial. 1. + f3Wik + &jWN” + .W. Le premier minimum nul de la modulation existe quand sin(7wa/v) = 0. (= A/J (=BkW.. ((&)+<*ll*r(-. + f4W&9 + f7y+ + .’ +f2wN+fsw~k+f8w~k+.1.) (=ClcWN) +flw~+f4W~k+f7W~k+‘. ïV/3 . . d’où on tire : @k = Ak + Bk IV.3’) + & avec 34 5 k < 3 ‘+‘et RN(o) = 0.. 531 . + C’~CIV$~. + . elle est donc de l’ordre de ca/N. . c vaut &. c’est-à-dire la largeur à mi-hauteur. Ces expressions s’écrivent encore : Qk = fow$j + f3W&.. > WN + { .2. CORRIGÉS DES PROBLÈMES ETEXERCICES L’examen de cette expression permet de répondre aux questions : 1. « Deux raies » consécutives sont séparées de la distance a déterminée par deux maximums relatifs et consécutifs de la fonction « raie ». La finesse des raies.2.3 = Ak + BkWFN13 + CkW. Calcul numérique des transformées de Fourier pour un nombre de données N = bS On envisage le cas où le nombre de données est une puissance de trois : N = 3”. . . . . 9. . elle est déterminée par la différence de deux valeurs consécutives qui annulent le dénominateur. reste donc à régler les problèmes de périodicité : CD k+N. et quand N est grand devant 1. On écrit la définition de la TF : puis on regroupe les termes en trois sommes partielles : Qk = f.

avec k=l. La formule d’adressage devient : N j = RN(~) = R~(lc .Il suffit de placer 5 dans la série des X?I.2.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Dans le cas où N = b”.. P(xJ”) < x) est la probabilité pour qu’il y ait au moins j composantes de V inféricurcs à x. c- Cette expression est donnée par la loi binomiale car toutjes les composantes obéissent à la même distribution (rkpartition).l) et c’est une fonction non décroissante dc x.’ 1 Ici encore la probabilité d’obtenir la valeur i est donnée par la relation : P (S&) = . 287 et suivantes. = 0” S. prend des valeurs sur (0. et S..b”) + b”ltl avec b4 5 k < b4+l et &T(O) = 0. j prend les valeurs de j à n..i+1 1 ou encore que S..(x) peut j ~ prendre les valeurs . L’ordre statistique a s.) = Cy. Cela revient au m&ne de dire que S. Introduction aux méthodes de Monte-Carlo Les cxcrcices sont traites dans le cours p. 6 . S.[F(X)]~‘[l ~ F(x)]‘“? mais de plus. C’est bien la fonction de répartition de la variable aléatoire 2. i N/b. La première relation permet les calculs pour k = 0. 11. 10. Éléments de calcul des probabilités 11.. Les événements étant indépendants : soit encore : 532 .... .1. d .-1. on cornbinc linéaircmcnt b transformées de Fourier de b fois moins de points que dans l’échantillon initial. = 1 si si si xk<x<xk+l 2 5 51.3 . toutes ces conditions sont celles du schéma de Bernoulli. x S. Il s’ensuit que P(<~C < x) = p pour ) toutes les composantes. (x) ne peut pas Etre inférieur à $. cllcs sont toutes équiréparties (idem les faces d’un dé). { n’ n “‘.n.P(&<x)=F( 2 e xp ression qui est vraie pour tout ci. . Il reste à établir les b ~ 1 relations pour obtenir une transformk complète ce qui ne présente pas de diRicult6. 1: 2.. x > 5. Ainsi.(z) est la fréquence de succès.

On part de l’intégrale : F(z) J 0 du = t. on obtient alors : C!$‘(x) = CJJF(x)]j[l . soit : F(x) = x f(z) = 1 pour 2 appartenant à (0.j)(l ~ t)npJpl dt. que l’on va calculer par une succession d’intégrations par parties.l) et vaut zéro ailleurs.t)“-j &.ANNEXE I.fx dz.j)! J f(x)[F(x)]j-‘[l . f .. CORRIGÉS DES PROBLÈMES ET EXERCICES e . 533 .F(x)]“-jx dz. On utilise les dernières relations établies : (x(7”‘) 3 1 = (.t)“-” d’où dv = -(n .1)2.y . soit : +oO (x!“‘) 3 = ’ (J .F(x)]‘“--! À pa