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

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

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

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

Sans que rien ne soit changé. Face à un jeu d’équations plus ou moins complexes. 1. etc. procédure. La plupart du temps.. multiplication et division) de l’opération racine carrée..) : la première division venue. 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. L’étymologie de ce mot est arabe et c’est une altération du nom du mathématicien AlKhwârizmi (t812?). technique de calcul. soit à la confrontation des résultats expérimentaux et théoriques etc. car ce sont en définitive les nombres qui vont retenir leur attention. la première 17 . L’examen des mathématiques montre que le nombre d’opérations proposées dans un algorithme peut être infini (mais dénombrable). ce sont les ingénieurs et les chercheurs qui se trouvent concernés par l’usage de ces méthodes pratiques. 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 nombre.. et en aucun cas cette définition ne permet de donner une manière de construction des algorithmes. 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 est tout à fait possible de remplacer ce mot par procédé de calcul.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. c’est le cas des développements en série de fonctions : série entière. on peut évoquer. 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. probablement sous l’influence du mot grec (repris par les latins) 0 ccptOl. 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. par exemple. Quoi qu’il en soit. 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. Pour illustrer ce concept. 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. soustraction.. Cependant sa portée ne dépasse pas celle de la « prose que chacun fait sans le savoir ». série de Fourier. En outre. Le concept d’algorithme en calcul numérique est quelque peu plus restrictif : le nombre d’opérations élémentaires arithmétiques et logiques est obligatoirement fini.

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. Dès lors. Le choix retenu est en général un compromis entre ces deux situations extrêmes. Tous les problèmes ne sont pas algorithmiquement solubles. 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.. on peut dire qu’il revient à Al-Khwârizmi (fin VIII~. les deux représentations. qui illustre cette difficulté : la recherche des racines d’un polynôme de degré quelconque à coefficients réels. il suffit de considérer un exemple. Cette conception n’est pas tellement restrictive en soi. Le problème général de l’évaluation des incertitudes et erreurs est délicat qui plus est lorsque l’on fait usage d’une machine. 3. entière et flottante. de Cardan (1501-1576) qui parvinrent à la solution au travers de défis et de provocations qui semblaient être coutumiers à cette époque. Pour ce qui concerne les machines arithmétiques. L’école italienne de Bologne s’attaque à l’équation du troisième degré. Pour s’en convaincre. et force est de répondre non à la question posée. nous l’aborderons un peu plus en détail dans quelques paragraphes. et il faut bien admettre que l’on ne peut manipuler (au sens étymologique) que des représentations finies.. Signalons toutefois que les bases de l’étude sont dues à Del Fero (1465??1526). Cette dernière étape intervient lors de l’évaluation de l’incertitude qui entache les résultats d’un calcul. elle-même suivie éventuellement d’une opération de troncature ou d’arrondi. à chaque opération élémentaire sur les nombres il y a une opération de cadrage suivie d’une opération arithmétique sur les nombres entiers. 18 . 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. En revanche. On peut se poser la question de savoir si cette façon de concevoir est toujours possible. on retiendra à son propos les noms de Tartaglia (1500?-1557). mais ce n’est pas la seule source. Le calcul numérique ne concerne que les nombres entiers Ce n’est pas une boutade. 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. il faudra les tronquer.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. Si l’équation du deuxième degré est connue depuis l’ilntiquité. 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. ne doivent pas masquer la réalité et il faut voir là uniquement deux représentations commodes. sous l’angle de l’histoire. 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. début IX~) et à Luca Pacioli (1445?-1514?) le fait d’avoir raffiné les solutions. En fin de chapitre. une faible précision n’imposera qu’une petite taille du mot-machine ainsi qu’un faible temps de calcul. 2. on trouvera un paragraphe traitant de quelques représentations assez générales.

w”) à l’aide des transcendances usuelles (0. dt2 où Q(t) est l’angle que le pendule fait avec la verticale à un instant donné. 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. Gode1 (190661978)). Alors. 00. selon toute vraisemblance pour la première fois dans l’histoire des sciences. il s’agit de l’équation du pendule pesant assujetti à osciller dans un plan. 2. c. les problèmes algorithmiquement solubles. 1. on sait que les problèmes que l’on peut se poser sont de trois types à savoir : a. Plus tard. par exemple. dans ce cas particulier. Alors. Oo. les mathématiciens s’intéressèrent tout naturellement à l’équation du cinquième degré et les recherches furent très riches d’enseignements dans la mesure où. On écrit traditionnellement l’équation à laquelle obéit son mouvement : d’Q(t) + w2 sin O(t) = 0. on sait qu’il existe des propositions vraies que l’on ne peut pas démontrer. les problèmes algorithmiquement non solubles. par exemple la quadrature du cercle à l’aide de la règle et du compas. 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. Il fallut attendre la publication des travaux d’Abel (180221829) pour obtenir la démonstration définitive de la proposition de Ruffini (1826). le travail conduisit à l’énoncé d’un résultat négatif. b. les problèmes indécidables pour lesquels on ne peut rien démontrer. 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. on apprend que l’on ne peut pas obtenir la solution sous forme littérale (t. on sait 19 . Souvenons-nous d’une des premières équations différentielles que nous avons rencontrée en Physique. En 1608. et Gauss (177771855) en effectua la démonstration rigoureuse en 1799. w étant une constante dépendant de la longueur du pendule et de l’accélération. En terminant ce paragraphe. nous remarquerons que les problèmes de calcul numérique sont uniquement des problèmes d’approximation de fonctions au sens le plus large.1. Rothe (??1617) émit une proposition selon laquelle toute équation algébrique de degré n possédait n racines réelles ou complexes. à condition de considérer toutefois que les axiomes de l’arithmétique ne sont pas contradictoires (cf. l’équation du deuxième degré par exemple. on verra comment calculer les racines d’un polynôme de degré quelconque à coefficients réels. Pourtant. et 190 sont les conditions initiales sur l’angle et la vitesse angulaire). Du reste. GÉNÉRALITÉ~ PUR LE CALCUL NUMÉRIQUE Ensuite l’équation du quatrième degré fut abordée et résolue par Ferrari (152221565) qui fut un élève de Cardan. Cette même année Ruffini (176551822) affirma l’impossibilité formelle d’obtenir la résolution des équations algébriques de degré supérieur à quatre. dans une axiomatique donnée. Aujourd’hui. 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.

et tous n’ont pas le bon goût de vouloir limiter l’amplitude de leurs oscillations. rappelons qu’une fonction est dite analytique lorsqu’elle est développable en série entière. on cherche un majorant de GI dans l’intervalle (a. et d’une façon tout à fait générale. indispensable au calcul des coefficients du développement en série. chacun sait que les pendules sont capricieux.+l tend vers zéro quand 20 . Ce reste s’écrit : R f@+‘)(t) hTZ+l n+l = ( n + l ) ! où < est un nombre compris entre a et (a + h). Que sait-on calculer rigoureusement? Comme nous ne pouvons traiter que de nombres admettant une représentation finie de chiffres significatifs. pour éviter tout abus et toute ambiguïté. on peut ajouter que le calcul numérique fait amplement appel aux développements en série dans de nombreuses méthodes. En résumé. il est bon de noter que l’on sait en général réaliser une opération formelle importante : la dérivation. on peut affirmer que toutes les solutions numériques sont des valeurs numériques de fonctions analytiques. a + h). seules l’addition. 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. nous avons dit que la solution e(t. À ce propos. 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). Il est quasiment impossible de connaître 6 et. 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. Au passage. 4. 00. 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. Considérons une fonction f(x) régulière c’est-à-dire continue. 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. que la fonction soit réelle ou complexe. conformément à l’usage. 5. rappelons que si R. il convient de distinguer l’expression formelle d’une fonction avec son expression analytique. que les arguments soient réels ou complexes. sans préjuger de la suite. La première division venue a statistiquement toutes les chances d’introduire un résultat comportant un nombre infini de chiffres significatifs. Cependant. Solutions littérales et solutions analytiques À propos du pendule. Cela ne signifie nullement que la solution n’est pas une fonction analytique. Sur le plan du calcul des fonctions. À ce sujet. dérivable autant de fois que l’on veut dans un domaine D contenant a et a + h. 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). D’ailleurs. est l’expression du reste lorsque l’on tronque par nécessité le développement à l’ordre 72.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ obtenir la solution sous forme littérale.

1. évitons les compilateurs tolérants. Dans tous les cas classiques. dans l’hypothèse où l’algorithme retenu est adéquat. elle mérite quelques commentaires tout simplement parce qu’elle est polymorphe et qu’elle n’est pas toujours évidente à détecter. Ici. En définitive. cependant. lors de la phase de mise au point. le développement de Taylor devient une série entière appelée série de MacLaurin. et cela leur confère un rôle particulièrement intéressant en calcul numérique. des suites infinies.1. 6. sollicitons le jugement éclairé d’un collègue.5 puis à tronquer le résultat. il faut évoquer l’erreur au sens trivial du terme. et que sa programmation apparaît sans faille (ce qui implique de surcroît que l’algorithme soit adapté aux données traitées). on arrive à connaître un majorant raisonnable des restes qui sont abandonnés. malheureusement. 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. vérifions que nous retrouvons les résultats connus liés à certains types de problèmes. on peut envisager l’étude des erreurs entachant les résultats numériques obtenus. on doit se demander inévitablement quelle est la précision du résultat final. À bien y réfléchir. alors que le programme est tout à fait convenable. Quelle que soit leur origine. les opérations de conversion et d’arrondi introduisent statistiquement une erreur. Les erreurs et les incertitudes Un algorithme donné permet d’obtenir des résultats numériques qui. mais les polynômes en font partie. Maintenant. il n’y a pas de règles universelles qui permettent d’éviter la bévue. c’est ce que le physicien dénomme incertitude. etc. les données comportent une erreur ou une incertitude. 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). GÉNÉR. ce qui permet de diviser les erreurs machine par deux.2. L’arrondi est une opération qui consiste à ajouter à la mantisse du nombre la valeur 0. sont entachés d’erreurs dont les sources proviennent d’origines différentes. car même dans le premier cas. pour une fonction pourvue d’une infinité de dérivées. Il s’agit de voir comment l’incertitude finale a été propagée au cours de toutes 21 . des produits infinis..~LITÉ~ suRLE ~AL~~LNuMÉRIQuE n tend vers l’infini. 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. 6. Que d’ennuis liés à la transmission de mauvaises données. Après l’exécution de tous les calculs. 6. La machine traite ces données selon un certain algorithme et procède à chaque étape élémentaire à une opération d’arrondi. derrière toute instruction de lecture. Cela peut aller de l’erreur de méthode ou d’algorithme à la simple faute de copie ou de transcription. Tout d’abord. C’est la raison pour laquelle. comme ailleurs. . c’est-à-dire la méprise. 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). nous ne savons calculer que peu de choses avec une extrême rigueur.

7. 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.. incertitudes qui dépendent. 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 . la procédure n’a d’intérêt que dans la mesure où la suite générée est convergente.1. exponentielle. 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. les calculs sont réalisés au moyen d’opérations introduisant des arrondis et de fonctions de bibliothèque affectées d’une précision limitée.Calcul de la racine carrée d’un nombre positif N. 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. cela fournit une valeur bien plus raisonnable de l’erreur qui serait sans cela toujours exagérément surestimées.. L’algorithme propage des erreurs. de ce point de vue. Le plus souvent. 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. arc tangente. On a la relation : ~4 = a0 + eo. il n’y a aucune chance pour que toutes les opérations du calcul soient systématiquement l’objet d’une erreur maximum. . 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. En résumé. 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. Les calculs itératifs Comme nous l’avons dit ce sont des calculs répétitifs que l’on limite nécessairement à un certain ordre. Désignons par ao une première approximation de fl et par eo l’erreur liée à cette estimation. mais pour bien situer le problème disons que. Pour cela développons au premier ordre l’expression : N = (ao + e0)2. . 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. fonctions de bibliothèque. cosinus. Pour s’en convaincre. arc sinus. Nous allons essayer d’obtenir une approximation de eo. tangente. mais cette hypothèse admet des limites qu’il convient de ne pas franchir et nous en verrons un exemple un peu plus loin. en effet. de la taille de l’argument. racine carrée (annexe E). en règle générale. 7. logarithme.). La limite obtenue ne dépend alors que de la précision de la machine utilisée (représentation des nombres. Nous faisons allusion plus spécialement aux fonctions dites fonctions de bibliothèque : sinus. arc cosinus. il faut alors avoir recours au manuel du fabricant de logiciels pour connaître l’incertitude attachée à l’usage de telle ou telle fonction. Cependant. Exemple de calcul répétitif . 22 ..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ les opérations d’arrondi. et qui consistent à réintroduire dans le calcul la dernière valeur calculée.

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

. . mais tout simplement qu’au cours du calcul la somme partielle s’est montrée supérieure au plus grand nombre représentable... soit : +. 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. Utilisons ce développement toujours convergent (rayon de convergence infini) pour calculer exp(-1000). à la technique de calcul des fonctions de bibliothèque. D. Dans ce domaine. Ces considérations sur les séries attirent deux autres remarques : 1. En passant aux logarithmes puis en faisant usage de la formule de Stirling log. mais bien que le développement de exp(x) soit absolument convergent le calcul de la série alternée va poser des problèmes quasiment insurmontables..(1000) = R log. et donc de raisonner plus facilement sur les erreurs absolues. E.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 +. 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. malheureusement il n’en a rien été.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si la série avait divergé plus rapidement. Un exemple de calcul d’erreur sur la somme d’une série convergente . on aboutit au résultat suivant : 72 10g. 2.. Nous avons consacré les annexes C. donc lorsque 1000” N n!. 12 = 1 . d’où l o g . ( 1000 ) On obtient n. Revenons un instant sur les séries lentement convergentes. . Cet exemple montre à l’évidence que les fonctions de bibliothèque ne sont certainement pas calculées au moyen de développements de ce type.(n) . Un dépassement de capacité signalé ne signifie pas obligatoirement que l’algorithme utilisé est divergent. 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). nous allons examiner en détail le calcul d’une série banale et connue dont la somme vaut l’unité. Nous savons que cette valeur est très petite. + 5 +.n. 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.10s154) et qui dépasse de très loin la capacité des motsmémoire les plus optimistes. Il n’est peut-être pas inutile d’insister sur la taille immense des nombres intermédiaires qui doivent être calculés (2 718! .(n!) = nlog.(n) . Nous pensons plus particulièrement aux séries de Fourier (1768-1830) lorsque les coefficients décroissent comme l/n. Soit n = 2 718.n. elles constituent un piège redoutable car rien ne permet de se défier du résultat si ce n’est justement un calcul d’erreur. &‘+&+i+L+.+ 1 1x2 3x4 4x5 n x (n+l) 24 x2 x3 .

En effectuant un passage à la limite quand m devient infini.822 0. On en conclut que cette manière de concevoir les erreurs n’apporte rien et surtout n’est pas réaliste. globa.06 1. mais uniquement le calcul numérique effectif ainsi que l’erreur qui en résulte. on en conclut que la limite de la série est égale à 1. Nous donnons ci-dessous un tableau (Tab.999 0. Comme GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 1 1 ~~ n(n + 1) .502 err. Comme il n’y a pas d’erreur sur les multiplications (pas de troncature).1) où sont portés m.(mkl) À présent supposons que les calculs soient réalisés sur une machine qui travaille avec des nombres représentés sur 5 octets. l’erreur statistique et 1 ~ S .999 0. 25 .999 0.255 2. Chaque étape du calcul introduit une erreur de l’ordre de (cf.931 1. puis de passer à la valeur 100 000.672 0. ce terme est désigné par erreur réelle dans le tableau.999 0. stat. On peut majorer Eg : E.950 1.72 4. c’est une erreur mathématique qui est majorée par le premier terme abandonné de la série convergente alternée : e --. 108 0. Eg est environ 500 fois trop grand.999 900 950 967 975 980 991 err. Il est bien préférable de raisonner en termes de probabilité.999 0.1. l’erreur globale.l).. m 10 000 20 000 30 000 40 000 50 000 100 000 S 0. S. Ce n’est pas l’examen mathématique de cette série qui va retenir notre attention. / . 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!&. 1.88 2. Quand on limite la somme aux m premiers termes. Nous avons choisi de faire varier m de 10 000 en 10 000 jusqu’à 50 000.475 0. 09) : f& = 10-9J32.S .440 0.. on peut majorer l’erreur de troncature de cette série. Du reste.79 3.30 77. et pour m = 50000.1.329 0.31 err. Tableau 1.66 9. m.0 Il est facile de constater que les erreurs globales Eg majorées a priori ne représentent pas du tout la réalité. = 2me.86 2. 106 0.& 1est un terme qui représente les erreurs cumulées au cours des opérations réalisées 1 en machine. réelle 106 0.n (ni 1)’ on voit que la somme partielle limitée au me terme s’écrit : STn=l(m.& . la probabilité pour que l’erreur soit effectivement égale à Eg est pratiquement nulle.

m)2dX = 0. l’erreur totale sera la variable aléatoire : Y=&.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8. À partir d’un certain rang K < n. la précision optimum est obtenue pour une valeur de n voisine de 100000 que nous avons portée dans le tableau. d’où l’on tire o = 0. La distribution ne sera plus du tout rectangulaire et les estimations effectuées au moyen des erreurs gaussiennes deviennent caduques. c’est-à-dire que l’on va arrêter les calculs lorsque S. est 95% et à 3a. 8. soit CT = 0.042 10P2. Grosso modo. les grandeurs statistiques ne sont plus des estimateurs acceptables de l’erreur. g2 = 1.1. la division va introduire une erreur systématique qui va garder le même sens très longtemps.102fi. 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%. En réalité la variable aléatoire X” prend ses valeurs sur l’intervalle (0. Y est une variable aléatoire gaussienne de moyenne m et d’écart quadratique moyen CT : CT. 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 ./(n + l)/(n + 2) sera plus grand que 10g932 si l’on dispose de 4 octets pour représenter la mantisse.25.l).5) puisque la machine effectue non pas des troncatures mais des arrondis. et cy = 0. On va alors raisonner sur la valeur absolue de la mantisse considérée comme un nombre entier. on peut associer à l’erreur une variable aléatoire X.7%. cependant elles le demeurent pour n allant jusqu’à 50 000 environ. pour ce type de problèmes. Réexamen des erreurs du point de vue statistique Supposons que l’on utilise une machine qui travaille sur des mantisses de n chiffres significatifs. Il s’ensuit que : m = (X) = 0. = Na2 ce qui donne en définitive une mesure de l’erreur donnée par l’écart type : cy = 0.5. ce qui divise chaque erreur élémentaire par 2. 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 ».083 3. à 2a.102.288 7. 0. 3=1 D’après le théorème central limite. puis l’écart quadratique moyen 0’ : o2 = s 0 I(X . S’il y a N opérations dans la procédure globale et si l’on suppose que les erreurs sont indépendantes. Cas où la distribution des X peut être considérée comme rectangulaire On peut aisément calculer les caractéristiques de la variable aléatoire X. On calcule d’abord la moyenne : 1 m = (X) = s 0 XdX = 0. À chaque opération. On voit très bien que.2. 8. est 99.288 74%.

Exemple . Si l’on se limite au point de vue opératoire. 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). chapitre 19). on représente les nombres sur l’intervalle fini (-2”-l. qu’à l’exécution. la représentation en complément à deux consiste à écrire le nombre en binaire pur. même si la taille de la mémoire devait être considérable. Avant d’envisager la manière de stocker un 27 . Cette propriété sera exploitée pour générer des nombres pseudoaléatoires (cf. cela montre que la machine passerait le plus clair de son temps à travailler pour rien. GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 9.On suppose que le mot-mémoire a la taille d’un octet (8 bits). 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. 9. de cette façon. Ainsi. Sur la représentation des nombres en machine 9. Le nombre de configurations différentes susceptibles d’être obtenues est alors 2”. 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). donc on peut représenter 256 configurations différentes. Les représentations binaires sont les suivantes : a 00111001 11011100 b Ibl C 00100100 100010101 report On s’aperçoit alors.. ce qui a une incidence directe sur le temps d’exécution des opérations et la taille de la mémoire centrale. En définitive. le problème des très petits nombres fractionnaires resterait entièrement posé. Tout bien considéré. il s’agit de trouver un compromis acceptable entre la précision de la représentation et la taille du mot-machine.1. puis à changer le symbole zéro en symbole un et le symbole un en symbole zéro. 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. La plupart des compilateurs masquent ce dépassement de capacité (report) et l’on génère des nombres entiers modulo 2’. 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.1. considérons un nombre de l’ordre de 101”. on peut donc représenter 2” nombres entiers en binaire. alors que toutes les opérations arithmétiques devront porter sur tous les bits sans exception .2. En ce qui concerne les nombres négatifs. il y a un dépassement de la capacité du mot-mémoire. et enfin à ajouter un. on préfère utiliser la représentation en complément à deux qui permet alors d’effectuer l’addition des nombres et non la soustraction. soit encore les nombres de -128 à +127. +2’-l ~ 1). 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.. On désire réaliser l’opération c = a + b avec a = 57 et b = -36.

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

soit 0 si le nombre est positif et 1 si le nombre est négatif. 29 .5 10Vj.Précision de la représentation . Ce type de représentation permet d’obtenir une dynamique s’étendant de 10V78 à 10-75 approximativement. soit : e. a pour limite l’unité. il s’ensuit que l’erreur relative la plus défavorable vaut : e. L’octet 1 est utilisé pour représenter l’exposant tandis que les 4 derniers octets servent au stockage de la mantisse. qui se réduit à l’erreur relative sur la mantisse : e. Compte tenu de la présence d’un digit supplémentaire utilisé en mémoire centrale lors de l’exécution. Il existe également une double précision qui occupe huit octets. 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. = 0. = 1/231 = 4. GÉNÉRALITÉSSUR LE CALCUL NUMÉRIQUE b . comme on va le voir. tandis que le plus grand est de l’ordre de 1038. = 1 mantisse Ici encore le cas le plus défavorable se rencontre lorsque la mantisse est la plus petite possible. Toujours est-il que cette suite infinie. le premier bit de l’octet 2 est inévitablement 1. Puisque la représentation est hexadécimale et normalisée. à une précision plus grande mais aussi à une dynamique plus faible que celle précédemment étudiée. La précision relative est majorée par : e.1. Cela constitue une information sans grand intérêt et certains constructeurs utilisent ce bit pour y stocker le signe du nombre. La dynamique n’est pas affectée tandis que la précision relative de la représentation est passée à 10-16 environ.54 10e7. la plus petite mantisse vaut 16”. on aura une erreur absolue de 1 unité sur la mantisse considérée comme un nombre entier. c . Le plus petit nombre représentable est de l’ordre de 10V3’.710V10. on ne réalise pas des troncatures mais des arrondis ce qui a pour conséquence de diviser les erreurs par deux. aussi préfère-t-on raisonner en terme d’erreur relative sur la représentation du nombre. ou une suite infinie de 1 en notation binaire). Cette conception conduit. quelle que soit sa base. et par conséquent. = 9. 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.La troncature du nombre porte sur la mantisse seulement. autrement dit. Cette façon de concevoir n’est pas toujours la mieux adaptée au calcul des erreurs.La plupart du temps la représentation s’effectue sur 5 octets et la base implicite est 2. représente une erreur absolue de 1 unité sur le dernier chiffre significatif de la mantisse du nombre stocké. Les quatre octets supplémentaires sont uniquement affectés à la mantisse.Représentation usuelle des nombres flottants dans les Basics . soit environ 1OW. Comme le nombre est normalisé en notation binaire.

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

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

1) qui est bien connue pour sa convergence lente. Autrement dit. . Le terme général s’écrit alors : s(“+l) -. SP) .s&] 2 À partir s(O) + s.3 10P2 à 5.2. k À partir de la dernière suite formée.11 s’ensuit. Dans la mesure où les x.1. . S$” dont la convergence est lente.785 526. Ic = 0.(O). et par 2: une suite auxiliaire « choisie convenablement » Nous aborderons un peu plus loin le problème du choix de la suite auxiliaire.edpsciences.com/guilpin/ 32 . 1. En retenant les cinq premiers termes de la suite on trouve S = 0.&y1 . L’usage de l’algorithme d’Aitken. . Présentation de la méthode Considérons une suite numérique S.. l’erreur relative sur T passe de 6.2) avec m. . Le procédé d’extrapolation de Richardson (1881-1953) On désigne toujours par S’(O) avec j = 0. on forme une nouvelle suite Sj” obtenue de la manière suivante : $0) s(l) = &pj2 k lct2 . Remarque : Dans le cas particulier où l’on choisit comme suite auxiliaire la suite : 2 m -.834 920.MANUEL DE CALCUL NUMÉRIQUE APPLIQUE 1.. . la suite initiale que l’on désire voir converger plus rapidement. n. L’application successive de ce processus nous conduit à l’obtention de la suite qui n’est plus constituée que d’un seul terme à condition toutefois que le nombre de termes de la suite initiale soit impair. de la suite des S(o). il est aisé de s’apercevoir qu’il s’agit <d . *http://www. et S. 1.l 10V4. alors.2sg1 .1.2. celle des S(1). page ci-contre. La succession des opérations est symbolisée par le tableau 2.. d’un algorithme en triangle et que S$+r) est une combinaison linéaire de SC. que le procédé de Richardson est une transformation linéaire de suites. La méthode de Richardson consiste à former une suite de « vecteurs » au moyen de la relation suivante : (2.s(4) k k+21. c mettant en œuvre cet algorithme.2. sont indépendants des Sg’. On trouvera sur le Web(*) un programme aitken0. . TX. on obtient une autre suite au moyen du même procédé. 2. avec les mêmes nombres.sp = a$‘. On note qu’à chaque construction d’une nouvelle suite. le nombre d’éléments de la suite diminue de deux unités. permet de trouver S = 0. S’$a). Un exemple numérique On se propose d’appliquer cet algorithme à la suite des sommes partielles obtenue par la sommation de la série : (2.

. . À présent nous allons énoncer quelques théorèmes importants.ASEik+l (2.1. La relation générale est donnée par l’expression : As(“)s’k’ s(L+l) m _ m m+l ... les Sj’) peuvent s’exprimer sous la forme d’un rapport de deux déterminants. xt+k 33 .. QUELQUESALGORITHMESACCÉLÉRATEURSDE LA CONVERGENCE DE~ SUITES Tableau 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).j+l.. .. .. . . . ..$k) 3 = x: ‘. ..aixi. $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. mais dont nous ne donnons pas la démonstration.. . x:+k 1 . x3" . . Quelques éléments de théorie Revenons à la suite initiale Si”’ qui converge vers S ainsi qu’à la suite auxiliaire 21. .j+ k. .. Sj”’ est la valeur en zéro du polynôme d’interpolation de degré Ic..3) 2. il faut et il suffit que 3 z-r sg’=s+g... . En effet.2. Autrement dit. a ... lequel.. . .1.. ce qui constitue une autre expression de ce théorème : s(O) .Théorème / . .Pour que S!“) tende vers S quel que soit j > N. xj+k . S!O) 3 J+k xj .. 1 xj+k .. . quel que soit m > N. . 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.. . aux abscisses xpr prend les valeurs SF’ p o u r p=j. xj .ASE)tk+lSgJ ’ AS(“’ .

Si la suite X~C (formée de nombres réels positifs.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b .Dans le cas où Sj(O) = @(xj) e t que a(x) est suffisamment dérivable.Pour que S!“) tende vers S quel que soit j > N. alors S/“) tend vers S lorsque k tend vers l’infini.Q(O)] sans que rien de ce qui vient d’être établi ne soit modifié. /3) avec /3 > 0. continue et strictement croissante sur l’intervalle (0. i=l Voici quelques choix possibles pour les fonctions *I(Z) : @I(x) = xq Q(x) = cf Q(x) = log. Généralisation du procédé de Richardson On considère une fonction Q(x) définie.Q(O)] sj”’ . il est raisonnable de retenir la suite x.Théorème III . Ce théorème nous donne des indications sur les choix possibles de la suite des xj. Par exemple.) .4) sg = s-t &@Xj) . c .2).+. 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. on peut remplacer zq par [a(~~) .q(o)). alors la limite de la suite Sj”’ tend vers S quand k tend vers l’infini.q(o)1 sj+1 . décroissante et tendant vers zéro lorsque n tend vers l’infini) vérifie la relation : pour tout n.) par un nombre M indépendant de ~ç. force nous est de reconnaître que cette condition n’est pas aisément vérifiable dans les cas pratiques. Cependant.(l +x). 2. 34 avec 4 2 1 avec a > 1 . 3 '(xj) -*bj+k+l) Le théorème 1 s’énonce alors de la façon suivante : Théorème V . 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. il faut et il suffit que : 3 (2.2. dans la relation (2.) Dans le cas où les conditions du théorème II sont satisfaites. = om et de l’assortir de la condition 0 < Q < 1.Théorème II . alors S.[fqZj+.(Ce théorème concerne l’accélération de la convergence. On obtient alors la relation : S!“+I) = P(%I . d .(k) tend vers S quand 1 tend vers l’infini.Théorème IV . Alors. Si de plus M est indépendant de k. La condition énoncée est nécessaire et suffisante.

3+2 3+1 + 3 On reconnaît le procédé d’Aitken en réduisant au même dénorn~.644941. 3.sec&. nous obtenons : s(1) 3 s(O) $1 . du plus puissant algorithme permettant d’accélérer la convergence des suites.+$+. . 3+2 = 3 S!OI .644 934 066 8. 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. à l’exception toutefois de la suite initiale qui prend le rang 1 au lieu du rang zéro. dans l’état actuel des connaissances.$eur l’expression (2. Les termes de la deuxième suite s’expriment au moyen des relations suivantes : $2) = s(O) + k k+l 1 s(1) . Elle vérifie les conditions des théorèmes précédents.. .com/guilpin/ 35 .s(1) k+l *http://www.0 10-‘. Autrement dit. Un exemple numérique .3).3) obtenue en remplaçant 2. Comme précédemment on conserve les notations introduites au cours de ce chapitre.Nous allons appliquer l’algorithme de Richardson à la suite des sommes partielles de la série : szl+. On trouvera sur le Web (*) un sous-programme richar0. par &S’~“‘. 2. En comparant avec le résultat connu on voit que l’erreur relative sur la somme est de 5. Présentation de I’epsilon-algorithme scalaire Il s’agit sans doute. et du est également la deuxième reste on verra un peu plus loin que ce vecteur de composantes Sj colonne du tableau de l’epsilon-algorithme. et si l’on fait Ic = 0. et nous avons retenu arbitrairement la suite classique 2. et voici les résultats trouvés : S(25) = 1. alors les fonctions : g1(2) = a191(2) + a2*2(5) 92(x) = @l(X) .2.@2(x) vérifient aussi les conditions de la généralisation. = 6 convergente et qu’il ne faut pas confondre avec la série harmonique qui diverge.605 723 403 S(Richardson) = 1.+$+. la suite initiale s’écrit : St).2s!O) S!OI . c qui réalise cet algorithme.edpsciences. Nous avons effectué les calculs avec les 25 premières sommes. Ici il nous faut en plus choisir une suite auxiliaire. Relation entre le procédé A* d’Aitken et celui de Richardson Revenons à l’expression (2..=g = 1.3.

2. .. 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) = . p 3.723 809 5 +9 0.1. (n ~ + 1). Les suites de rang pair ne constituent que des intermédiaires de calcul.4 10P4 3. On poursuit les calculs jusqu’à ce que l’on n’obtienne plus qu’un seul terme qui est SP’.2. et avec comme convention S(o) = 0 quel que soit k.2.+.866 666 6 . (siy Isiy I. . la pe suite sera donnée par : 1 $+. .-.666 666 6 +5 0.783 333 3 +329 0. 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. 1. il faut donc choisir un nombre impair de données au départ.) 36 . Sur le tableau 2.= +J8539&2. . (n.g).l) _ s(P-1) k SA’ = sp+. soit (n + 1) impair. nous avons donné les suites successives S(Q) en limitant la suite initiale à 5 termes : Tableau s(1) 1 . On se persuade facilement que les résultats intéressants figurent dans les suites de rang impair. . Il s’agit maintenant non plus d’un algorithme en triangle mais d’un algorithme en losange. 94) s(5) L’erreur relative sur la valeur donnée par St) est 2. . 1.1).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ où k = 0..3 0..791666 6 -115 0.786 309 5 0.785 585 s(2) s(3) 2.834 920 6 0.2) + où k = 0. . . pour que le terme SC’ soit une approximation de la limite de la suite Sa (l). + sin [.ll)~l + .7 0. . Exemples numériques On désire calculer la somme de la série alternée déjà évoquée au cours du premier paragraphe : sd+.

v* v2 Cette précision apportée.‘) = 1’052 942 746 94 S”) = 1’066 278 967 14 S.‘) = 1’055 820 20184.l. Cette méthode converge très lentement et il va de soi que nous pourrons l’accélérer au moyen de l’epsilon-algorithme vectoriel. Par exemple. 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. L’epsilon-algorithme matriciel Ici. Conclusion : l’epsilon-algorithme fait disparaître le phénomène de Gibbs. 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.2. rien n’est modifié dans la conduite du calcul. et il nous reste à définir l’inverse Vpl (= l/V) d’un vecteur V. Si la suite à traiter est formée de nombres complexes. QUELQUESALGORITHMESACCÉLÉRATEURSDELA CONVERGENCEDES SUITES Cette série sera étudiée chapitre 16 et elle servira d’introduction à l’étude du phénomène de Gibbs. mais pour le cas qui nous préoccupe. 50 7 S@) = 1 031279 464 80 S”” = 1’060 110 382 5 3 5’. 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.SF’) . La technique de calcul se trouve 37 . la série converge lentement et. rien ne nous empêche de considérer un nombre complexe comme un vecteur à deux dimensions et d’appliquer l’epsilon-algorithme vectoriel. qui plus est. c’est-à-dire les lentes oscillations au voisinage de la discontinuité. nous sommes en présence du phénomène de Gibbs. Il est donc nécessaire de préciser la technique de calcul des opérations proposées notamment en ce qui concerne la grandeur : l/ (SF& . v. Du fait de la discontinuité de première espèce de la fonction. 5.‘) = 1’043 240 233 83 5”‘) = 1’064 575 573 01 S”’ = 1’061704 093 49 49 S@) = 1017439 936 43 5’. La différence de deux vecteurs ne pose pas de problème. L’epsilon-algorithme vectoriel Les suites S(Q) ne sont plus des grandeurs scalaires mais des grandeurs vectorielles. Ainsi nous avons : v-1 = v* = u*.‘) = 1’065 271752 62 48 ) ) on obtient la valeur : S = 1. pourvu que cette dernière soit régulière. nous étudierons la méthode de Picard qui permet d’obtenir par itérations un échantillon d’une certaine fonction solution d’une équation différentielle. 4.000689 pour la valeur 5 = 0. Cette opération n’est pas définie habituellement. il n’y a aucune difficulté à définir la différence de deux matrices carrées de même ordre et l’inverse d’une matrice.

Lorsqu’on applique l’epsilon-algorithme à une suite. si nous avons obtenu SC’ en simple précision. Nous venons de voir la forme scalaire de l’epsilon-algorithme. Remarques et propriétés de I’epsilon-algorithme 1. Toutefois. 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. En aucun cas il ne peut fournir une précision supérieure à celle ui a servi à faire les calculs 4 des termes initiaux. si le dernier élément S.” de la suite initiale a été obtenu à la « précision de la machine ». il est toujours possible d’utiliser ou bien l’epsilon-algorithme scalaire ou bien 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. la forme vectorielle et la forme matricielle. quels que soient la géométrie et le maillage retenu pour intégrer l’équation de Laplace. 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). Cette remarque prend toute sa signification lorsque la suite des matrices est constituée de ce que l’on appelle des matrices mal conditionnées. 3. 38 . Dans ce cas. il est inutile de vouloir appliquer l’epsilon-algorithme quand bien même bénéficierait-on d’un accroissement de précision pour réaliser cette dernière opération. Par exemple. Il n’est pas possible d’extraire une information qui n’est pas contenue dans les données. sur le plan pratique. En revanche. Pour information. Autrement dit. 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). 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. 4. L’epsilon-algorithme ne peut donner que ce qu’il a. dès lors que l’on utilise une méthode itérative. 6. l’application de l’epsilon-algorithme en double précision n’apportera strictement rien. c’est-à-dire que l’addition du terme suivant de la série laisse inchangée la valeur de SC’. 2. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ inchangée. Il est bon de remarquer que l’epsilon-algorithme ne s’applique qu’à des matrices carrées . c’est-à-dire qu’il peut accélérer la convergence à condition toutefois que la précision des termes retenus soit suffisante. Cet aspect négatif des choses se trouve alors réduit par l’usage de l’epsilon-algorithme vectoriel. 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. À l’occasion de l’étude des séries de Fourier. il existe aussi deux formes topologiques que nous nous contentons de mentionner.

epsill.. kacmarzi . Accélération de la convergence lors de la recherche des valeurs propres des matrices. Calcul des limites de suites. Résolution des équations intégrales de Fredholm de deuxième espèce (série de LiouvilleNeumann). on peut en général effectuer le prolongement analytique de cette série en dehors du disque de convergence. suppression du phénomène de Gibbs. on trouvera deux programmes réalisant l’un l’epsilonalgorithme scalaire epsilon. c.S(p)) dans le programme et de procéder à l’arrêt des calculs lorsque l’une de ces différences est nulle. En conséquence de quoi. 5. il est recommandé d’effectuer un test sur les différences (Si. calcul des dérivées ayant un développement divergent. epsil2.com/guilpin/ 39 . h. c. il est souvent préférable d’abandonner la procédure. bien qu’il existe des règles particulières qui peuvent être utilisées. 4. QUELQUESALGORITHMESACCÉLÉRATEURS DELA CONVERGENCEDESSUITES 5. 6. h et l’autre l’epsilon-algorithme vectoriel evectr0. c.Sur le Web (*). 7.edpsciences. application au calcul numérique des intégrales. . epsil0. 8. Réalisations pratiques . Accélération de la convergence des méthodes itératives utilisées lors de l’intégration des équations différentielles. 3. epsi14. On trouvera sur le Web (*) des illustrations de ces différents problèmes : aitken2. Intégration des équations aux dérivées partielles de type elliptique. S’il n’en est pas ainsi. Alors il est possible d’appliquer l’un des algorithmes à la suite des sommes partielles *http://www. Calcul des séries de Fourier. c. Résolution des équations f(z) = 0. on aura pris soin d’enregistrer ou de faire imprimer les résultats partiels qui demeurent susceptibles d’être exploités. 7. Au préalable. 2. L épsilon-algorithme dans les autres chapitres 1. Il est possible qu’à un moment donné la quantité S(p) . c.1. 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. Propriétés remarquables du procédé A* d’Aitken et de I’epsilon-algorithme 7. c et newtono. Le prolongement analytique Si une fonction admet un développement en série de puissances convergent dans le disque D. Accélération de la convergence lors de la résolution des systèmes linéaires et non linéaires. c.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.2.

com/guilpin/ 40 . il est aisé de rattacher ces développements aux prolongements analytiques. + (-l)d& +.edpsciences. .t) dt avec CE > 0.000 000 536 4 E . = 9. on donne les programmes aitkenl .$ + .x3 + x4 + . Sur le Web (*). Appliquons les algorithmes à la valeur x = 99. = 1.000 000 000 0 E + 00 S.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ même si celle-ci est divergente. .8000000000 E+ 01 S. En limitant le nombre de termes à 5. on obtient les résultats suivants 5’. *http://www. car on passe de l’un à l’autre par une inversion. Voici quelques exemples de développements asymptotiques et les différents résultats obtenus au moyen des procédés d’accélération de la convergence. f(x) = /t-l exp(z . cependant l’application des algorithmes donne comme limites : Aitken Epsilon-algorithme S = 1.605960000OE+05 Si = 9. c’est-à-dire en posant x = 1/x.x + 52 . 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. 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. 7. = -9. .02 alors que le calcul direct de la fraction donne S = 10-‘. z admet comme développement asymptotique l’expression (cJ chapitre 3) : f(x) = b .000 000 000 0 E . Considérons par exemple la série : 1 ~ = 1 . .2. c et epsi13. c’est-à-dire hors du cercle de convergence. Sur le plan théorique.g + g . . 11 est évident que cette suite diverge. 1+x Cette série a un rayon de convergence strictement plus petit que 1.02 S = 1. c qui réalisent ces opérations.7030000000 E+03 S. . = -9.5099005000 E+07.

301820 E + 06 Si.423 866 20 E + 08 S.o s. 0 si = 20.o si = -100. + pnA”y + . = -442. la série de Liouville-Neumann donne la solution du problème : x = y + pAy + p2A2y + p3A3y + .596 347 Epsilon-algorithme 0. = -5. Cours de mathématiques.596 336. . ~)X(S) ds = y(t).0 S.1927) de deuxième espèce : x(t) .26980 E + 05 Si. Algèbre et Analyse linéaires.3. Masson. l’application de l’epsilon-algorithme vectoriel à une suite divergente conduit au bon résultat.2. 41 . = 8. Sous réserve de convergence. 1968 et Lichnerowicz. = 3.Neumann (1832-1925) Considérons une équation intégrale de Fredholm (1866. Ici encore..O SA = 3 590. Jean Bass. = 2.o s: = 0.o Sg’ = -3. = 1. où 1x1~ 1est la plus grande valeur propre de A en module (cf. f(1) = 0.P J 0 1 K(t. tandis que les quinze premières sommes partielles sont : s. On reconnaît la série géométrique dont la convergence sera assurée si - ii > Ixkl.139 365 702 E + 10. La série de Liouville (1809-1882) . = -3. 1955). Voici les résultats obtenus : A’d’Aitken 0.784634 18 E + 09> Si..661498 E + 07 S.4 . QUELQUES ALGORITHMES ACCÉLÉRATEURS DE LA CONVERGENCE DES SUITES Pour z = 1. que l’on écrira de façon plus concise : x-pAx= y où A est l’opérateur « intégrale » qui est évidemment linéaire. = 4. Masson. .0 s3’ = .o SG’ = 62.596 572 7.

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

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

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

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. (181991903) qui ait pressenti le premier l’intérêt d’une telle procédure. En effet.G. les coefficients du développement asymptotique de cette quantité sont identiquement nuls. on doit avoir : lim &(z) = 0 quel que soit 72 même lorsque 2+03 lim Rn(z) > 00 quel que soit I : fixé. Il suffit donc de calculer la somme des cinq premiers termes des deux séries pour connaître Ci(l0) avec une précision supérieure à 0. Pour la petite histoire. alors ce développement est unique. lors de l’exécution des calculs. Définition On dira que la série Sri(z) représente un développement asymptotique de la fonction f(z) au voisinage de l’infini si. sur un certain intervalle 1]a.454 81 10V2 et l’on peut donc voir que l’algorithme proposé permet d’obtenir les trois premiers chiffres significatifs exacts. il faudra ajouter les erreurs effectuées sur chacun des termes constituant les sommes. et c’est à Poincaré H.003 6 10-2.548 10-2 310. il semble que ce soit Stokes G. En définitive : Ci(l0) = 4. 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. LES DÉVELOPPEMENTS ASYMPTOTIQUES Rappelons que cette erreur est liée strictement à la troncature des deux séries. essentiellement dans le but de résoudre quelques équations différentielles apparaissant en mécanique céleste et en mécanique analytique. (185441912) que revient le mérite d’avoir développé la théorie (1886). L’affirmation inverse est fausse car deux fonctions différentes peuvent avoir le même développement asymptotique. Quelques propriétés utiles des développements asymptotiques Unicité du développement asymptotique . La somme Szk(lO) donne : S2k(lO) = -0.3.Quand une fonction f(z) admet un développement asymptotique. 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. supposons que les deux fonctions diffèrent de exp(-crz) avec la partie réelle de hi positive. 2. alors.36 10V4. on choisit n de telle façon que l’erreur commise sur l’approximation soit la plus petite possible.&(z)). oo[ auquel appartient z. les conditions suivantes sont remplies : En posant Rn(z) = X~(~(X) . Pour utiliser au mieux le développement asymptotique. 45 .

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

(2n .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. Développement asymptotique de quelques fonctions spéciales 3. + (-1)” l. . 3.3.3) .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. .4. .3. . + n=O (-l)n+l(n + l)! p+2 JO3 dz . Les fonctions erf(x) et cerf(x) z erf(x) = L &O s exp( -t2) dt cerf(x) = 1 .t) 3. 1.2.S122n-2 22x4 23x6 Xfi ( 47 1 .1. Cosinus intégral Ci(x) = .s2m!! !$) & m exp(x . . . .5 = exp(-x2) l-&+-.t) dt 5 3. Sinus intégral Si(x) = x !!$ & s 0 3.-+ . LES DÉVELOPPEMENTS ASYMPTOTIQUES Rapport de deux développements asymptotiques . . .3 1. 3. alors le développement asymptotique de 0 s’obtient en portant le développement asymptotique de f dans le développement en série entière de 0 .3. Exponentielle intégrale I(x) = dt pour x > 0 s z t I(x) = c<-l)n&.erf(x) .

B. 48 L .12)(4n2 .32)(4n2 .(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.5.(z) sin(U)) A. Les intégrales de Fresnel (1788-1827) C(x) = z COS(&~/~) J’ 0 dt et S(X) = J sin(xt2/2) dt 0 3.32)(4n2 ..12)(4n2 . A = 1 _ (4n2 ...B.. cependant le calcul de ces fonctions pour les grandes valeurs de l’argument trouve sa place dans ce chapitre.52) +. Les fonctions de Bessel de première et de seconde espèces notées respectivement Jn(z) et N. Les fonctions de Bessel (1784-1846) Le calcul numérique des fonctions de Bessel fait l’objet d’un chapitre à part (annexe F).52)(4n2 .(z) sin(U) .12) _ (4n2 .72) n 2!(82)2 4!(82)4 B = (4n2 .12)(4n2 .(z) COS(U) ... 7L 1!(8x) 3!(82)3 -.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3.32) + (4n2 .6.

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

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

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

mais en général il n’en sera rien...f(~o) = ~rf’(~o) 2 10-P~of’(~o). on trouverait alors 36 et 56 tours. quand bien même la dynamique de l’intervalle serait multipliée par 10.. Sur le Web (*) on trouvera le programme dichot . 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. Gl= LT(&-1) >1 i Pour aue cette technique soit efficace. et. Comme f(~s) = 0 et f(Xc + Er) ? 0. Dans l’hypothèse où f(x) est continue et où la suite des ~k converge. encore une remarque : quel doit être l’ordre de grandeur de f(zo) ? On s’attend à trouver zéro. Dans les centre de calcul. car il s’agit dans ce cas d’une erreur statistique. un écart type est fourni.com/guilpin/ 53 . alors la limite de la suite que nous désignerons par x* est racine de f(x) = 0.3. soit : f(x) + 2 = IC.edpsciences. 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).. cela ne ferait qu’ajouter une unité à p + 1.. on forme la suite : Xl =S(~OI / . un développement au premier ordre donne l’ordre de grandeur de f(zo + ~1) : f(xo +a) = f(xo) +%f'(ZoL d’où f(~. 1. dans l’exemple précédent. ce qui ne changerait pas grand-chose.. Pour des valeurs de l’argument appartenant à un certain domaine.4.. l / I x2 =Ll(a) . la prudence la plus élémentaire exige toujours de reporter la prétendue racine dans l’équation et d’afficher le résultat. il est possible de consulter une documentation fournie par le fabricant de logiciel qui informe l’utilisateur sur ce type d’erreur. Quoi qu’il en soit. on peut poser f(x) + z = g(z) sans changer quoi que ce soit. d’autre part aux propagations des erreurs de troncature entre autres.. il est indispensable que la suite des X~C soit convergente. quand k tend vers l’infini xk et xk+r tendent vers x*. c réalisant la recherche de racine par dichotomie... La continuité de f(x) entraîne celle de g(x) qui entraîne à son tour *http://www. 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.. 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. Par goût de la simplicité. À partir de la première approximation 20 obtenue par un des procédés proposés précédemment. À ce sujet. Cette technique est simple à mettre en œuvre car elle ne fait appel qu’au calcul de la fonction elle-même. + ~1) . 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. E n effet....

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

est : e = F UP. 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 .Précision sur la détermination de /a racine . Si nous arrêtons les itérations après n tours.Représentation géométrique de la méthode ..-11 avec M < 1. 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. nous aurons : x. Nous pouvons donc écrire : /un1 = M Iu. b .=~u.4. en adoptant x* comme approximation. Sur le graphe de la figure 4.On désigne par M la limite supérieure de la valeur absolue de la dérivée dans le domaine où l’on effectue les itérations. RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES a . p=n+1 55 .On porte sur le même graphe les fonctions y = mx et y = g(x) = f(x) + mx. p=o et l’on déduit que l’erreur e sur la racine x*.=s.1.

Nous obtenons : f(xo -t ho) = 0 = f(xo) + hof’bo) ce qui va permettre d’obtenir la valeur approchée de ho : *http://www. Nous allons chercher à calculer ho ou plus exactement une approximation de ho. On désigne par x0 la première approximation de cette racine. b).-l Sur le Web (*). Nous pouvons écrire : f(x*) = f(xo i.j(K+K2+K3+. Supposons qu’un travail préliminaire nous ait permis de localiser une racine dans l’intervalle (a. Comme x0 n’est qu’une approximation..X.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On en conclut que : el C (up(=(u. p=n+l On reconnaît une progression géométrique de raison K et de premier terme K.edpsciences.dxn-d . X?L . c’est-à-dire que nous développons la fonction f(x) au premier ordre au voisinage de x0. 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. on trouvera le programme itera.ho) = 0. on peut estimer K de la façon suivante : K = dxn) . 1.. la racine x* que l’on recherche s’exprime de la façon suivante : x* = x0 + ho.I. 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).5. c qui calcule les racines par cette méthode itérative.com/guilpin/ 56 . Linéarisons le problème.

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

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 de l’ordre de grandeur de l’incertitude introduite par le calcul de f(xk). b . autrement dit il faut que : 2 j=k+l jxk+l xki = 2 j=k+l soit négligeable. mais qu’il n’y a pas de contradiction avec le fait qu’elle puisse en être une. C’est alors que la précision de la machine utilisée intervient ainsi que la nature de la fonction f(x).. la courbe peut présenter des changements de concavité ou encore présenter des extremums. On note : ek = f(xk). +A dz avec dz = lOFPz* 58 . 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. *2 dz. Bien entendu. En effet dans le domaine voisin de la racine où l’on travaille.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.. Pour peu qu’il y ait une racine dans le voisinage de zk+i. Cela laisse la porte ouverte à quelques désastres possibles. l La suite est encadrante . Si un point xk tombe au voisinage d’un extremum.. . car cela impose que la racine soit aussi un point d’inflexion. Lorsque l’on se trouve dans un cas analogue. 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. 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. l’estimation de l’incertitude est liée intimement à la différence IX~ . on retombe dans le calcul standard des erreurs. si ek est trop grand. on doit obligatoirement le savoir avant d’entamer les calculs puisqu’on a pris les précautions d’usage. Comme il n’y a aucune raison particulière pour que la tangente soit verticale. la seule condition de convergence est que f(zk) tende effectivement vers zéro quand k tend vers l’infini. Du fait de ces erreurs. il est fort possible que l’on trouve deux limites en machine.À partir d’un certain rang r. À partir de là. Il faut s’assurer que lorsque deux valeurs consécutives xk et xk+i sont égales à la précision de la machine.Il faut bien avouer que c’est un cas d’école qui se présente rarement. on aura toutes les chances de la calculer en croyant être dans un autre voisinage. Seul un résultat négatif donne la certitude d’une erreur.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).xk-il sans oublier les erreurs entachant les calculs de f(xk-1) et f(xk). Deux cas peuvent se présenter : ou bien la suite générée est une suite encadrante.Estimation de la précision de la méthode de Newton . 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. En revanche. et la technique de Newton nous donnera un point zk+i qui pourra être très loin de la solution recherchée. l La suite est monotone à partir d’un certain rang . 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. Pour obtenir une estimation raisonnable de l’erreur. cela ne signifiera certainement pas que xk soit une racine. tous les zq générés sont donc classés par ordre croissant ou décroissant. f3 dz. Pour éviter qu’au départ la suite générée présente des instabilités ou des divergences locales. alors f’(x) est proche de zéro.

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.3. c qui calcule les racines au moyen de la méthode de Newton et des parties proportionnelles. Soit zo la première approximation et [zo. Désignons par 22 l’abscisse de ce point. on lui associe la méthode des parties proportionnelles qui ramène les valeurs des approximations dans un domaine que l’on espère généralement plus raisonnable. 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. 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.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. 0 n effectue une deuxième approximation : f (x0) x1 = x0 . RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES où 10-P est la précision relative de la représentation en machine. nous obtenons : x2 = ~Of(Q) - Rf(~o) f(Q) -. C’est une évaluation directe de l’erreur qui constitue un garde-fou contre les mauvaises surprises. ne provoque des instabilités préjudiciables à la bonne conduite du calcul. On trouvera sur le Web(*) 1 e programme newtonid. à laquelle correspond le point B sur la courbe. f(zo)] le point A sur la courbe y = f(z). c qui calcule les racines par la méthode de Newton. 1. On trouvera sur le Web (*) le programme newtonpp.edpsciences.4. 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. cette méthode est utilisée lorsque dans l’intervalle où l’on recherche la racine. il faut rappeler qu’en l’absence de racines multiples. Donc.com/guilpin/ 59 . 4. Fig. la méthode converge quadratiquement et pratiquement seules les erreurs de troncature viennent altérer la précision du résultat. Peu de valeurs suffisent. pour éviter que la valeur de la dérivée apparaissant dans la méthode de Newton notamment durant les premiers tours d’itération. 2. peut se trouver un point d’inflexion ou un extremum.Y) = 0. Quand on tient un certain nombre de chiffres significatifs. Compte tenu de la précision de la représentation on pourra estimer un intervalle dans lequel se trouve effectivement la racine.f’(xo) .6. *http://www. Méthode de Newton et des parties proportionnelles En général. page suivante).

et de déterminer une première approximation (x0. 2. Comme chaque fois en pareil cas. Le système étant non linéaire. Le système s’écrit : f(x*. yo) + .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.Yo + dY0) g(x*. 0.a!?hl way a x est différent de zéro pour la valeur de la racine.+ dyo. 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..Y) = wzs . Soit x0 et yo une première approximation. Nous admettrons que les fonctions sont deux fois continûment différentiables dans un domaine D du plan (x. y) qui contient la racine recherchée et que le déterminant fonctionnel (ou encore le jacobien) : J(X. Méthode de Newton et des parties proportionnelles.= aY 60 af af 0. g(x0.Y*) = 0 = g(xo + dXo. nous allons commencer par le linéariser puis par effectuer des itérations sur le système linéarisé.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Figure 4.1. La méthode de Newton Nous généralisons sans difficulté la méthode étudiée lors de l’étude de l’équation f(x) = 0.Yo) ax + dxo. yo). On note par dx et dy les écarts à la solution exacte c’est-à-dire : x* = 1x70 + dxo et y* = y0 + dyo.3. Nous obtenons : f(Xo.= aY ail ag dxoz + dyo.y*) = 0 = f(x0 + dXo.

edpsciences. Du reste. soit la transposition au cas non linéaire que l’on traitera au moyen d’une procédure itérative s’appliquant sur le système linéarisé. on obtient le point Al de *http://www.4. 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. yo). 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. les méthodes quadratiques sont beaucoup plus performantes. 2. Ici encore la méthode convergera quadratiquement en l’absence de racines multiples. Ce système admet une solution désignée par (x*. avec des moyens semblables. Au premier examen on peut s’interroger sur l’intérêt présenté par de telles méthodes puisque. y~). y*). Soit le système six + biy + ci = 0 (droite 01) a2x + b2y + ca = 0 (droite Dz) avec alb2 # a2bl. C’est par ce procédé que nous calculons des diagrammes de phase théoriques lorsque les conditions deviennent délicates. Cependant il existe des méthodes à convergence simple qui font apparaître elles aussi les dérivées. Partant d’une première approximation A de coordonnées (1~0. En revanche ces problèmes disparaissent avec les méthodes à convergence simple.2. 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. on projette ce point sur la droite Di. 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. RÉSOLUTION DES ÉQUATIONS NUM ÉRIQUES Il nous reste à résoudre le système linéaire de deux équations à deux inconnues pour obtenir dzc et dyc. comme la vitesse de convergence est éventuellement une source de préoccupation. d’abord élaborée pour les systèmes multilinéaires. La méthode de Kacmarz (1937) Nous allons présenter la méthode.com/guilpin/ 61 . Le lecteur trouvera le programme newton2d. c sur le Web (*). 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.

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

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

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

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

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

-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 . 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.-an 1 0 0 0 0 -a. dans le cas où les coefficients du polynôme sont complexes. partout ailleurs il y a des zéros. . Toutefois ces programmes appellent plusieurs remarques : 1. c et bairstow . -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. Hormis l’ennui précédemment cité. on s’intéressera aux polynômes à coefficient principal réduit que nous écrirons donc : H. = 0. 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. + un-12 + a. il n’y a pas lieu de procéder à une détermination locale préalable des racines qui peuvent du reste être complexes. . 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-‘. la méthode de Bairstow nous donnera les valeurs propres de la matrice.com/guilpin/ 67 . réciproquement. 3. Cependant. On montre que (-l)nIII. Il suffit alors d’associer la matrice suivante (une des formes canoniques de Frobenius (18491917)) : ’ 0 A = 0 0 0 0 . . quand nous aurons obtenu l’équation caractéristique. 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. h réalisant l’algorithme de Bairstow. On pourrait mettre en œuvre une méthode qui utilise un binôme au lieu d’un trinôme. Cela mérite évidemment un examen attentif. . . Pour simplifier le problème sans pour autant nuire à la généralité. la réécriture de la méthode de Bairstow appliquée à la division par un binôme donne une excellente manière d’opérer (voir les problèmes). ce qui ôte tout attrait à ce procédé. Cependant. on pourra utiliser les méthodes directes de calcul des valeurs propres pour obtenir les zéros des polynômes. mais seules seraient calculées les racines réelles du polynôme à coefficients réels.edpsciences.(~) est l’équation caractéristique *http://www. 3. L’équation caractéristique est en fait un polynôme dont les zéros sont les valeurs propres de la matrice. .4.(z) = zn + Ulrc n-1 + a22n-2 + .On trouvera sur le Web (*) les programmes bairstow. . . . . Ainsi. .3. 2. . RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES Mise en œuvre de /a méthode . 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.

Ceci appelle une remarque importante. *http://www. On donne sur le Web (*) froben. on obtiendra alors les zéros de II.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ de cette matrice. nous aurons beaucoup de difficultés à calculer des valeurs propres correctes. Si la matrice est mal conditionnée.edpsciences. Il est facile de former cette matrice puis de chercher ses valeurs propres par une méthode directe.com/guilpin/ 68 . c un programme qui forme la matrice A à partir des coefficients du polynôme. 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.(x).

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

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

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

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

. c mettant en œuvre cet algorithme.. ÉLÉMENTS DE CALCUL MATRICIEL Par identification. Connaissant 2. la première ligne de G : i t 911 = a11 Q12 = a12 ‘. Cet ensemble d’équations permet de déterminer les composantes de 2. elle ne peut pas être décomposée en un produit de deux matrices triangulaires. + 912x2 + Q12X2 + 911x1 = 21.3.. an = &lgln + &mn + an 6.. d.zya + . . On trouvera sur le Web(*) 1 e programme triangle.. la troisième ligne de D est donnée par : a31 = &gll a32 = &lm + &m2 5. la deuxième ligne de G s’obtient au moyen des relations : a22 = &m2 + g22 a23 = dzlgl3 + m .edpsciences. Application à la résolution du système linéaire AX = B Nous pouvons donc écrire : AX=DGX=B il est possible de poser 2 = GX. ... 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 . ... *http://www... c qui réalise une telle décomposition... Sln = a171 2. la troisième ligne de G est obtenue au moyen de : ~33 = &lgl3 + dm23 . Remarque : Si la matrice est singulière. + yn = d. Donc à partir des récurrences ainsi définies nous sommes en mesure de résoudre un système linéaire. 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 . la deuxième ligne de D. On trouvera sur le Web (*) 1 e programme trianlin. Qln% + Qln-lG-1 + . . on trouve : 1. On poursuit en calculant alternativement la ligne suivante de D puis la même ligne de G jusqu’à la ligne 72.lyl + d.com/guilpin/ 73 .5. 2. ... soit l’élément &r qui s’obtient à partir de : a21 = d21g11 3. mn = d21gln + an 4.

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

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

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

. c qui fournit les résultats de ces calculs. . .G.+ ._. ... = [B.... On dit que la matrice A est creuse.1. chapitre 6). 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.-l]. puis en remontant on calcule par récurrence : Xk=Gk-WkXk+l *http://www.7.AkWk-J1 .... ...A..A2G1] [Dk . 2.. A... . [Dz . = [Bz . On obtient aisément les expressions suivantes : W..... . = G. m . Comme l’inverse d’une matrice creuse est une matrice pleine. Ga = [B2 .com/guilpin/ pour k=m-l. ....L'I G. . le vecteur inconnu X et le vecteur second membre D étant partitionnés en sous-vecteurs de n composantes.W..... .edpsciences.. W.A2W. 77 .1. .]-‘C.. . . ÉLÉM ENTS DE CALCUL M.AzW.. Bm x.J1 [D. . .5.. Dm-1 D.AkW... G.]-’ C...3. Bk et Ck comme le montre la figure ci-dessous : Bl A2 CI B2 C2 Xl x2 x3 . 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 .~TRICIEL On donne sur le Web (*) 1 e programme hilbert . . cm-. .AkGkel] Gk.. .. .m-2.... A3 B3 G . . . WTT-1 Im ii. . Au moyen d’opérations linéaires... = [Bh .= [B. .. . .-I -Gl Dl 02 03 . .. ... . .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... On calcule alors facilement X.......... GI = BFID1 .. = BilC1 W. . ..... . GI G2 G3 ....]-’ pour k = 2.

. Au lieu d’accoler à la matrice A le vecteur second membre.k+2d~+&k +. Inversion d’une matrice carrée d’ordre n 3.k + h. puis de procéder à la même transformation que celle qui a été proposée pour résoudre un système linéaire.k soit encore : h = -(hk+lh+l. sinon.com/guilpin/ 78 . il suffit de lui accoler la matrice unité (les n vecteurs unité). 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. où Ei est le vecteur colonne unité qui possède la valeur zéro partout sauf sur la ligne i où la valeur est un.edpsciences. nous effectuerions inutilement n fois la transformation de la matrice. Commençons par traiter la matrice D dont la matrice inverse est A.2.1. Nous pouvons écrire : X = A-lEi = Ai1 autrement dit. Méthode des pivots Soit une matrice carrée A d’ordre n que l’on suppose inversible. ‘1 es proposé le programme matinv . Méthode par triangularisation L’inverse d’une matrice triangulaire supérieure est une matrice triangulaire supérieure.hk+ldz+l. Sur le Web (*). c qui inverse une matrice carrée. . + + &. + dkk &ldlk &dlk)bkk.k+dz+z.lc + .M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3. et I’inverse d’une matrice triangulaire inférieure est une matrice triangulaire inférieure. 1 t 3. Dans un premier temps. Nous savons résoudre ces n systèmes linéaires. mais il est plus habile de les résoudre simultanément car. pour 1 > k 611. à la différence près que l’on traitera n seconds membres au lieu d’un seul. portons notre attention sur le système linéaire suivant : AX=E. *http://www. = . la résolution de ce système linéaire fournit la ie colonne de la matrice inverse A-l. Nous avons : AD=I qui fournit les équations : dkkdkk = 1 et.

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). et les racines de ce polynôme sont les valeurs propres de la matrice. Nous allons examiner diverses méthodes qui donnent des résultats plus ou moins intéressants selon la taille de la matrice A ou son conditionnement. Il sera bien venu de procéder ou bien à la multiplication de A et de A-’ qui doit redonner . 4.l+lgl+l.k + %. Nous écrivons : rG=I qui fournit les équations : ykkgkk = 1 et.1+2&+2.5. on trouvera le programme trianinv . 4. On procède d’une façon tout à fait identique pour la matrice G dont la matrice inverse est l?. ÉLÉMENTS DE CALCUL MATRICIEL Après avoir calculé les dkk.k + ‘. et dans chaque ligne les éléments colonne par colonne à partir de la dernière colonne. et dans chaque ligne les éléments colonne par colonne à partir de la première colonne. ou bien à l’inversion de la matrice inverse qui doit fournir la matrice de départ ~ toujours aux erreurs près. c qui inverse une matrice carrée au moyen de cette procédure. Remarque : Quelle que soit la méthode utilisée. on calcule ligne à ligne à partir de la dernière.edpsciences. Après avoir calculé les Ykk. pour 1 < k Yllglk Ylk = gkk + Yl. Calcul des valeurs propres Il s’agit de calculer les valeurs propres de matrices carrées d’ordre n à coefficients réels .com/guilpin/ 79 .1. il est prudent d’effectuer toujours les vérifications usuelles. ’ )?“kk. Le problème est donc la résolution de l’équation caractéristique ou séculaire : AX=XX où X s’appelle vecteur propre et X valeur propre. Sur le Web (*). la méthode de Bairstow nous permettra d’en calculer les racines.1+2g1+2.la matrice unité. Si nous pouvons obtenir les coefficients du polynôme caractéristique.k + %.l+l~l+l.k + ” ’ soit encore : ?‘lk = -(?‘llglk + %.aux erreurs près . cependant. *http://www. La méthode de Le Verrier (1811-1877) L’équation caractéristique d’une matrice d’ordre n est un polynôme de degré n. on calcule ligne à ligne à partir de la première. les méthodes proposées peuvent s’appliquer aux matrices à éléments complexes.

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

. u()sn + Ul!Y1 +..3.2... . + a.. 4. .... on obtient d’une façon générale : A4X = X4X avec q = 1.~~+u. et ainsi de suite jusqu’à obtenir la valeur de S”. Le problème qu’il reste à résoudre consiste à calculer effectivement les valeurs S4 qui.edpsciences....1) fois à gauche les deux membres de cette équation par A : A2X = AXX = XAX = X2X et ainsi de suite. seront les sommes des valeurs propres à la puissance q. . ... 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.. nous obtenons : uosp + Ulfrl f. la trace de la matrice A’J est égale à la somme des valeurs propres de A élevées à la puissance q. triangulaire inférieure et l’autre. n. n. QS4 + ulS4-l + . soit : *http://www. Dr.2.. 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.... pour q = 1. la trace de la matrice A4 est égale à Sq. ÉLÉMENTS DE CALCUL MATRICIEL Il reste à identifier les coefficients des termes de même degré en ~ç. ’ + un-lSP+l-n + &sp-n = 0.. ici. triangulaire supérieure telles que A = DlG1..=O .com/guilpin/ 81 .-lS1+nu....5. . On trouvera sur le Web (*) 1 e programme leverier .. de même..... . Gi. Revenons à l’équation aux valeurs propres : AX=XX et multiplions successivement (n ... ce qui nous fournit les relations de Newton : aosl + a1 = 0 aoS + ulS1+ 2a2 = 0 QS3 + UlS2 + apsl + 3a3 = 0 . Par conséquent. on multipliera B par A puis on calculera la trace de B....-lS1 + qu3 = 0 pour p > n. Nous savons que la trace de la matrice A est égale à la somme de ses valeurs propres.) Il suffit de calculer la trace de A puis de multiplier A par A soit B = AA et de calculer la trace de B.. Ensuite.2. (On rappelle que la trace d’une matrice est la somme de ses éléments sur la diagonale principale.

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

bP. . . ce qui correspond à une rotation de 7r/2. ... 0 0 1 p3 . 0 0 0 1 . ..2 an-l.. . .. ..' 1 @2 0 ........1 b-l. 0 kil b32 = bql ba bd3 .. bqp et bpq sont remplacées par les quantités : C pp C Pq = r bpp + s b..~ = 0.q p uis r = 0 et s = 1.5. ..... = aPq . . pn 0 0 0 . ........l avec 1 = 1..2.-1 lesquelles viennent remplacer les valeurs correspondantes dans le tableau des aij.. 0 a22 a21 a33 . GLn D 0 .... .. .s ..q-1 pour q=2. 0 0 . an-l.l cql = -s* bpl + r b...... 0 0 0 . .3 . cqp = cpq.. 0 .. 83 ...... .n.p = ap-l. ... ....-i.. 0 b 7X1 bn 2 b n3 b nn .. 1 0 G= Les bij et les /3j sont donnés par les expressions : pq = Qq b..... . . les quatre valeurs bq4. ...2 bn-1.....n. 0 a32 a31 a43 . 0 ...... Pour des raisons de commodité d’écriture. . b pp..... Les lignes p et q se transforment par des expressions analogues : cpi = r bpi + s b. 0 bzl b22 b33 . .... ...1 an-l. Cette méthode nous conduit donc à obtenir une matrice quasi triangulaire inférieure.. b-l. n... 0 ...B4 bP.. 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.. Dans le cas où ~~-1. .. ÉLÉMENTS DE CALCUL MATRICIEL Ensuite.... Une telle matrice se décompose aisément selon la méthode de Rutishauser en une matrice triangulaire inférieure D et une matrice triangulaire supérieure G. pour p = 1. .. 0 = a41 a42 ... 0 0 0 0 .. .... = r bPq + s bqq cqq = -s* bpq + r b.. Toutes ces expressions viennent se substituer aux éléments correspondants dans la matrice A. . an a11 a2 0 a3 A Gtl bu an2 un3 .. .. On écrit donc : .. . alors on prend bp-l.. .

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

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

.. . Les dispositions du calcul sont les suivantes : L-1 bln-2 br-:3 . = ABnpl. .edpsciences.1 h-2 b-3 . b. .com/guilpin/ 86 . On donne sur le Web (*) 1 e programme krylov.6.ArL-q X = -A”X. annexe H.'. . on obtient : ~a. malheureusement elle conduit à un système mal conditionné lorsque n atteint et dépasse quelques unités de l’ordre de 8 a 10. On multiplie les deux membres de cette expression par un vecteur arbitraire d’ordre n que l’on appelle X.b. En effet. . . 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). . Toutes les conditions sont réunies pour avoir des valeurs propres très grandes et à coup sûr d’autres très petites..-l. cependant. 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. bll bl0 a1 = b ~ 0:: nn h. ~2 a. Bk+l = ABk. Les vecteurs Bk sont les colonnes de la matrice du système linéaire à résoudre pour obtenir les coefficients ak du polynôme caractéristique. b. 4. . 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. q=l On commence par calculer & = X. la somme des valeurs propres est égale à la trace de la matrice.-. 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 fournit également le programme (cf.l. . Retour sur les matrices de Hilbert Les valeurs propres des matrices de Hilbert sont réelles puisque la matrice est symétrique. 4. . bzl bo .bnni..5.O b Le vecteur X est arbitraire.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 4. Cette méthode n’exigeant que peu de calculs est fort attrayante.' . problème 5. . . .. le produit des valeurs propres est égal au déterminant de la matrice.. et on le choisit très souvent avec toutes ses composantes égales à l’unité. *http://www. 'b. et enfin B. Reste à déterminer aa = (-1)“. Par ailleurs. Br = ABo. La méthode de Givens-Rutishauser permet de contourner cette difficulté.7. . c qui réalise cet algorithme. .. . Cas des matrices symétriques Les matrices symétriques sont hermitiennes et par conséquent ne possèdent que des valeurs propres réelles. soit : les ak étant les coefficients du polynôme caractéristique.8).

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

nous dirons que nous rkalisons une extrapolation. cc qui importera en priorité. Pour ce qui concerne les opbrations dc lissage. et nous examinerons un certain nornbre de méthodes qui rkalisent ces opérations dc filtrage 89 . 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. 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. Au passage. Quand nous cherchons à connaître f(z) 1loin. Toutes les fonctions transcendantes dites spéciales ont fait l’objet de tabulation pour des valeurs dc la variable en progression arithmi:tique. Ces ensembles de valeurs constituent un échantillon de la fonction f(z) à laquelle nous nous intéressons. il est sans doute utile de prkiscr la nature du problème propos& car. nous dirons que nous effectuons une interpolation. on dispose toujours au départ d’un ensemble fini d’ordomkes correspondant à un ensemble fini d’abscisses. très souvent. Appelons I l’intervalle de définition des abscisses. mais c’est le calcul d’erreur qui va introduire une diff&ence entre les deux. ces deux cnscmbles appartenant nécessairement k des intervalles finis. 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. nous noterons que l’extrapolation dans les voisinages immédiats des bornes de 1 fournit d’excellents résultats.une quelconque valeur appartenant à 1. Nous aurons amplement l’occasion d’approfondir ce problème. les opkrations d’interpolation et les opérations de lissage sont confondues dans l’esprit de bien des utilisateurs. au sens large. En revanche. sera l’élimination de ces erreurs qui constituent un bruit de fond. Ces deux problèmes s’abordent de la même façon. hormis pour les points dc l’échantillon. c’est l’éternel problème : on ne peut avoir accès qu’à 1111 nombre fini de valeurs. quand nous cherchons à obtenir f(z) pour une valeur de z située à l’extérieur de 1. 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). ne nous sont données que pour un cnscmblc discret de points qui constitue un échantillon. 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. Quel que soit le problème auquel on s’attache.6 1 L’interpolation Avant dc dkvelopper le thème dc l’interpolation. la plupart des fonctions. Bref.

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

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

(z) : (6.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Comme l’indice j prend toutes les valeurs de 0 à n. remplacée par PT2 (ix).(X). Pour parvenir à notre fin. 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. excepté la valeur i: les produits seront toujours tous nuls sauf celui pour lequel nous aurons i = k. ce qui donne : Remarquons que la fonction Q(U) s’annule pour toutes les valeurs u = ai mais aussi pour la valeur u = IC. et nous en avons obtenu deux expressions.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. et c’est l’expression due à Lagrange qui va nous pcrrnettre de résoudre le problème.. Évaluation de l’erreur Supposons que f(z).Ui) Q(u) = f(u) . explique la structure de Q(U). soit (7~ + 1) fois derivablc sur l’intervalle 1. On en déduit l’expression suivante : n brc = Ak: l-&k: . j=o . par parenthèses.P.(u) . Comme par expérience on sait que l’extrapolation est une opération peu précise loin du domaine 1. et considérons la fonction auxiliaire Q(U) définie comme suit : I-p .[f(x) . par tous les points de l’echantillonnagc. dérivons (n + 1) fois la fonction Q(u) par rapport à U. Il convient d’ajouter que ce polynôme peut être utilisé aussi bien pour réaliser une interpolation qu’ime extrapolation.. 3.1) P.7#i Nous tirons alors la valeur de Ak: que nous reportons dans l’expression de P.aj). ncx . 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 .P&)] y .(z) est donc le polynôme passant.

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

1. . Cette règle demeure dans lc cas où la fonction f(x) est connue empiriquement.uo)(x .-~). Pour ce faire.(x ~ u~)(x . 0 n en déduit que lc polynôme de Tchebycheff de degré (n + 1) à coefficient principal réduit defini sur (a. . 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. 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. +l) à l’intervalle (a.(x) . + B..a() +. D’abord on a F’. ensuite on peut poser : Qn-l(x) = Pr?.a0 Considérons à présent : Q7. . 2(n + 1) Pour minimiser l’erreur: il faut choisir les ak identiques aux xk qui sont donnés par l’expression (6. 5.ul) .bo = &+ Ba(x .(Q) = bo = BO.(x . n.as) .(x ~ Ul)(X ~ u2). (x .. . b).Ul) + . 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. et cela est indépendant de la fonction à interpoler.2). 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.a 74% + 1) xk = ~ 2 COS 2 + avec k=O. (x .uz)(x ~ a:s) + ..Ul)-t L%(x ~ Ul)(X ..3) x . on se propose d’adopter la disposition suivante : Pn(x) = BO + Bl(X ~ uo) + Ba(x .anpl).Un-l).uo)(x .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ permet de passer de l’intervalle (-1. dont il faut déterminer les B k. Remarque : Il est à noter que l’erreur est donc minimum pour un partage de l’intervalle 1 selon les xk.2). .u.a1 B2 + &(x ~ ~2) + Bd(2 .-2(x) = Q+l(x) ~ B1 = 2 . 94 . b) a pour forme : ce changement de variable donne également les zéros de ce polynôme : a+b b . (x .u2) (6. ce qui permet d’écrire Qnpi(al) = !!LI!f! = ~~ ai . + B.2 . + B.

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

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

1)M2h2 +. L ‘INTERPOLATION À présent. . c’est-à-dire en changeant de signe la raison de la progression arithmétique. soit b-k.1) ‘. on affcctcra un indice aux valeurs correspondantes des ordonnées avec un signe ncgatif.. .. [x ... pour éviter toute confusion.. 1..)(z ~ ao + h) +. 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).6.111 *nbo. l (6. b ~ (TL . ....h’J . L’expression (6. rnais....4) devient : P.. au moyen des opérateurs de difference définis au paragraphe préccdent... + zA1bo + ~~2b0 + .qMlh + q(q . On obtient alors : = b. = ~ n! h” Pour des raisons de concision d’écriture il est commode de poser : Ainsi l’expression devient : PrL(z) = b..uo) . n. 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. (6. on donnera à z les valeurs ae ~ kh avec k = 0. ...q(q .2. On obtient donc : . ..5) Cette formule s’appelle polynôme de Newton descendant. = Mo P.l)h].Mlh P.2Mlh + 2!Mshj2 Pn(ao ....(a.. + 42 .2h) = bka = Mo . 1%.qh) = bk.l)(q ~ 2)M# .(ao .u.h) = bki =A&. N.. = Mo .6) Comme précédemment. A”b. nous allons exprimer de proche en proche les coefficients NI.L(x) = Mo + Ml(z ~ uo) + Mz(x .a0 + (n..+Mn(rx . .. .. + (-l)“q!M<. (ao) P..

.ao + qh) . = SO + qSih . + dz + l) ” ’ (’ + n ~ l) A’“&.l)(q + l)&h” +. .il.h) +. 2! n! (6. .j~y &j’. . 8. + (2q)!. Il reste donc la partie centrale que l’on interpole par les polynômes de Stirling et de Bessel.(z) = b.(z .uo) +&(CC ~ uo + h)(z .q(q . . . ao + h.qSlh + q(q . Mk. &‘(io’+ &j = b.l)Szh2 . .&h’? 98 .a0 + h)(z .2S2h2 Su .h) K(~O + h) Pn(uo .uo) + S:j(x . + S2.l)h] + S~..ao . on tire la suite des Mk données en fonction des opérateurs de différence : . il suffit de donner à z la suite des valeurs ao.q(q . ao ~ 2h. .l)Szh2 + q(q + l)(q . etc.(x) = SO +SI(X . (6. a0 = h.ao . + zA1bkl + ~ A bp2 + .l)!S2<~-&24~1 ..(q .qh). ‘.7) En résumé. (ix .. = ~ k!h’” A”bLk Toujours en posant z = (z-ao)/h.uo)(x .4) sous la forme suivante : F’. .+I(X . pour cela on écrit le polynôme (6.8) Pour obtenir les valeurs de Sh. .2Slh + 2!SLh2 ~ 3!S”h” i~(a.a0 . . ce qui permet d’écrire : Pn(uo) P. 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. . 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. nous obtenons la forme canonique du polynôme de Newton ascendant : 4z+l) 2 P.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ À partir de ces expressions.2)S3h” + .(uo . [z .2h) = bo = b-1 = bl = b-2 = = = = SO SO ~ Slh SO + Slh . + (-1)“1(2q . = SO .uo + qh) .

.qh) Sans entrer dans le détail puisque les opérations ont éte explicitees à plusieurs reprises. . .pi S 2q+1 = (‘& + l)!h%+l En ut. = bo A1bo RI = h R = A2b-i 2!hZ 2- . + R2q[x .ao + R2(11: ..ao . on obtient les coefficients Rk: au moyen des expressions : R. .6. .. L’INTERPOLATION Tout comme précédemment.l)b2 .10) + ..l)(z + 2.. .4. écrivons le même polynôme (6..11) 5! 0521439687 z(z” . . .8) cn fonction d’abscisses données pour une saison négative : P.ilisant le même changement de variable que celui déjà utilisé à propos des polynômes de Newton. 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..ao ~ h) h)(z ~ uo)(x .h) (6..(X) = R.qh) -t Rzq+l(x ~ ao + qh) (x . 4! 99 . 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 . abbb2 + dz2 .9) À présent..ao .. A2q+lb-.. + (q . . a”bp2 + .l(z) = bo + zA1bo + +f$A2bk1 + + z(z” ~ 1) 3 y. + Ri(z .‘)(’ ~ 2)‘&p2 + ‘b2 ~ ‘)b2 .a.4. (6. .QI) + + R:<(x . . a”bps + + 4! 5! . 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 ..l)h] . A2qb-. .. . . . (z ~ ao ..ao)(x . A bkl (6.

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

par exemple. Le polynôme de Newton descendant (6.6. Pour réaliser cette opération on impose les conditions suivantes : *http://www.17) Dans ces quatre expressions MTb conserve la même dcfinition que celle qui a 6ti: explicitee au cours du paragraphe 3 de ce chapitre. c.n)(z2 ~ n . (22 .edpsciences. Chaque polynôme ayant (4 + 1) coefficients.L+2.15) 10. . Un polynôme et un seul représente la fonction dans un intervalle formé par deux abscisses consécutives (uk. on doit au total calculer n(q + 1) termes.3.16) 10.1. on pourra préférer de réaliser les interpolations. c qui permettent d’obtenir les formes de quelques polynômes rencontrés dans ce chapitre. 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. c et descend.com/guilpin/ 101 .1). Le polynôme de Bessel (polynôme impair) p&+2(Z)l < Iz(z” .k+r). Programmes déterminant les polynômes d’interpolation Nous avons donné sur le Web(*) 1 es programmes lagpoly .4. L’INTERPOLATION 10. Interpolation par les fonctions-spline Replaçons-nous dans les conditions générales du début du chapitre du moins pour ce qui concerne les données. a. soient le polynôme de Lagrange et les deux polynômes de Newton qui sont les formes les plus usitées (cf.)+d2. Stirling ou Bessel.l)/ (2T’y. la méthode d’Adams concernant l’intégration des équations différentielles). 11. 12. Le polynôme de Stirling (polynôme pair) (6.14) 10. Le polynôme de Newton ascendant (6.2. peut souvent conduire à des calculs assez longs et dont l’intérêt n’est pas toujours vraiment immédiat. Alors. . 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. (6. ascend.

Ces généralités étant énoncées..+dad = Q~+.(an) = 0. Ces quantités vont être déterminées par un système linéaire que nous allons définir. Il s’agit en fait de réduire le plus possible le nombre d’inconnues en exploitant convenablement les conditions que nous venons d’expliciter. Comme nous avons : 102 . 13.2. c’est-à-dire qu’elles sont égales chacune à chacune. les (q-2) d ernières dérivées de 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.. Chaque polynôme Q”(z) réalisant l’interpolation entre les points ak et ak+r passe par ces deux points.-%) et Q”C x ) se raccordent au point uk. Nous avons : Qk(x) Q/c(~h) Qkbk) QXac.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a. Comme nous avons imposé [2n+ (n . nous allons développer une méthode spécifique pour obtenir les paramètres inconnus.1) conditions pour fermer le système. Si Q est impair.. plus les deux conditions arbitraires : = (Yko + ‘%IX + ak2x2 + Qk3x3 Qk(uk-l)= bk-1 = bk = Q. il nous faut résoudre un système linéaire de 4n équations à 4n inconnues. .ak-1 Mq = Qi(uq) pour 4 = 1.l)] (4 ~ 1) conditions. 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.(~k> Qi’bo> = 0 Q. deuxièmes et ainsi de suite jusqu’à l’ordre (4 . Alors. b. En toute rigueur.1) des polynômes Q. Comme la matrice des coefficients est une matrice-bande. Les dérivées premières. (n ~ 1). Nous allons exprimer les polynômes en fonction des Mq qui sont pour l’instant des inconnues. c. Pour cela posons : hk = ak .(X) et Q:(x) s’annuleront respectivement au point ao et au point a. nous allons fixer notre attention sur les fonctions-spline du troisième degré qui constituent de loin celles qui sont le plus fréquemment employées. 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. il manque encore (q.

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

14. Pour calculer effectivement les Mk. méthode d’autant plus intéressante qu’elle est généralisable au cas d’une matrice pentadiagonale par exemple..Mk&. on obtient donc un système de (n ..+1 .T (Uk . À présent. . . système que l’on peut écrire sous la forme condensée : MX=C.x > ) ..1). écrivons un système linéaire qui dépend d’une matrice tridiagonale : ml1 m21 ml2 m22 0 m23 0 0 m34 0 m32 m33 . 0 0 0 mn-l. il est préférable d’utiliser une méthode adéquate pour traiter ce système linéaire...'-')" ..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ d’où nous pouvons écrire : hkQk(x) = Mk(" . il reste à résoudre un système linéaire dont le premier membre dépend d’une matrice tridiagonale...akpl) + h2” bk-1 . (x c:. Nous . 0 0 0 m-h mn+ Xl x2 x3 xn-1 271 Cl c2 c3 G-1 CT. Résolution d’un système linéaire dépendant d’une matrice tridiagonale Comme la plupart des éléments de la matrice sont nuls. Donc nous allons présenter une méthode adaptée au problème. 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.n-2 0 0 00 0 0 0 mn-l.Mk_.+hk+l++-. D’une façon tout à fait formelle.j3 + (bx ~ Ma:) (x . Par cette succession de transformations nous avons réduit le nombre d’inconnues du système linéaire.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... obtenons ainsi : Mk!?-~+~k!!!&+!!-hk!!i 2 6 6 bk+l Mk+l kil bk =&f-. okl. On traitera plus avantageusement le tableau T à n lignes et (n + 1) colonnes obtenu en juxtaposant à la matrice M le vecteur C..... 104 . 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. CY~Z et czk3.1) inconnues en faisant varier k de 1 à (n . et ce sont les Mk qui deviennent les nouvelles inconnues au lieu des coefficients akc.+1 mn..

Cette remarque fait gagner (n. . . chapitre 5). nous allons diviser la première ligne du tableau T par l’élément diagonal mil. Nous donnons les étapes du calcul de l’expression qui est programmée. mais dans ce dernier cas. tous les éléments de la diagonale principale prenant la valeur 1 (cf. En particulier. on trouvera le programme lispline. on aboutira nécessairement au tableau T* qui aura la forme suivante : 1 0 0 PlZ 1 0 0 PZY 1 0 0 4 dz .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. 15.1) par substitution et ainsi de suite en remontant jusqu’à la première ligne du tableau. La ligne (n ~ 1) permet d’obtenir alors l’inconnue (n . . On pourrait penser qu’il vaut mieux commencer par effectuer la division par le pivot avant d’effectuer la combinaison linéaire qui élimine m21... Il n’y a pas de difficulté particulière donc à utiliser les polynômes d’interpolation pour réaliser les opérations de quadrature. .. Partons de l’expression générale du polynôme d’ordre k : *http://www. on aboutit à une économie considérable de mémoire et de temps de calcul. si l’on utilise les fonctions-spline du troisième degré. on réalise une opération en trop qui est m2i/m22. En poursuivant de ligne en ligne la même façon d’opérer.~ dz 61 0 0 0 0 0 0 0 1 4. Pour parvenir à notre fin. . En considérant le problème de résolution d’un système linéaire sous cet angle particulier. 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.1) opérations ce qui n’est pas négligeable lors de procédures répétitives où le temps d’exécution peut devenir important. Sur le Web (*). Ensuite. il s’agit d’interpoler une fonction par une parabole cubique. 0 P34 0 1 P+I. c qui réalise l’interpolation par des fonctions-spline du troisième degré. Une application simple des polynômes d’interpolation L’intégration formelle d’un polynôme est une des rares opérations que l’on sache réaliser rigoureusement. h qui assure cette intégration. dans les deux cas.. Nous fournissons sur le Web (*) 1 e sous-programme aire.. En effet.edpsciences. il est inutile de diviser m& par m& après la réalisation de la combinaison linéaire car rn& est nul. La dernière ligne donne directement la valeur de la dernière inconnue. On divise alors cette deuxième ligne par 1’ClCment situé sur la diagonale. il suffit de multiplier la première ligne par mzi et de retrancher le résultat de la deuxième ligne.6.

. n....... Y~) a’ 1‘exception du point (IC.tc) . Avant même de rentrer dans le cœur du sujet. il est possible d’ores et déjà de remarquer que l’ordre des points ne joue aucun rôle quant à la nature des polynômes. 1. Pp .. q p.fn) . .__ 4 et Pp ..q le polynôme de degré (Q ._...._ .q(x._ q il existe la relation de récurrence suivante : (x77 .<< q .2.x) (x77 -xl pp . .7J . q (x u) = Pp . nous pouvons poser h = hk quel que soit l’indice k.___ . . Dans ce paragraphe. .) = pp . .18) où. 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. . ... (6. Y~) .. (xq. ..bn k=O 16. .1.bo...p .. . Dans le cas fréquent où les abscisses sont en progression arithmétique. pour une valeur 2.q = (xc7 . - h2k bkpl . on arrive alors à une expression encore plus simple de S : ~ S=h -&. ..(cr) ... on a : Pp.(m) )_..tx) . yp) ...(7T) .4.2) qui passe par les Points (Q.. nous précisons que le second membre est un déterminant. 16.%)Pp. (xkq.4” 24hk 24hk (uk 2hk cc)” + (hi ..... Relation de récurrence entre les polynômes P Entre les polynômes Pp .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Désignons par Sk la surface comprise entre ak-1 et arc. La démonstration de cette relation repose sur le fait que..1) qui passe par les poilits (q. yT). pour plus de clarté. et x. différente de 5. on désigne par Pp._ 4 le polynôme de degré (p ~ q ....j&!!i) (x-2. en ce sens elle est analogue au polynôme de Lagrange. & = yv.AI/+6 Le développement de cette dernière expression conduit à la formule simple : là on tire : expression dans laquelle S est l’intégrale totale. 106 . (0) ..-1)2 ak ak-1 . il vient : Sk = J’ alc-1 Pk(x) dz = Mk-1 (x ..ak-1)4 _ Mkpl (Q ..._. Y~) et par Pp . yk) avec k = 0.__. C’est une méthode directe qui permet d’obtenir donc une valeur unique du polynôme.

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

2. x1 - x2 x2 -x3 x2-x1. .048 4 -0. Y3 . . . . de telle sorte que l’on réalisera la disposition suivante : . . .5118 0.398 0.O 375 0. . . .5 3. -211 yn P+I.. donc il convient tout simplement de faire jouer un rôle prioritaire à ces points dans les calculs.5 230 2. . . . . . x3 ~ Y Pola p123 h23 X1-Q xn-2 -x71 xc.com/guilpin/ 108 .1L 16. < x1 < 23 < . il n’est pas utile de poursuivre les calculs jusqu’à l’obtention b . ce sont les points les plus proches voisins de xm qui jouent un rôle prépondérant. .x1 . . c réalisant la procédure d’Aitken.223 9 -0. on choisira une distribution initiale qui correspond à un encadrement du point z. si au cours du calcul. . .397 97..lc et %.70. .938 5 0. . P012n PO1.765 2 0.Méthode de Neville .3.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ S’il s’agit d’une interpolation.000 Y 0 0. < x2 < x‘. . . . . 2. . .x3 x0 . On trouvera sur le Web (*) le programme p-aitken.380 1 On reconnaîtra là un extrait de la table de la fonction de Bessel de première espèce Jo(z). Remarque 2 : Il n’est donc pas nécessaire d’utiliser les points très éloignés de 2. . . . . .5 14 1. clans le calcul de yr.Neville a proposé une autre disposition du tableau d’ilitken qui est reportée ci-dessous : x0 X0 ~ . comme le montre le calcul concernant l’interpolation. < 22k < . . . *http://www. . . On désire effectuer l’interpolation pour la valeur x = 1. . .. < x‘&+l . Autrement dit. . lequel fournit pour la valeur d’interpolation 0.-l-X..edpsciences. . . .xp Y0 1 2 Xl -xp Y Pol fi2 p23 x0 -x2 x0 . Du reste.> car ils n’auront que très peu d’influente sur le résultat.260 1 -0. Exemple numérique d’interpolation par la méthode d’Aitken On se propose d’effectuer une interpolation dans la table suivante : 070 1.. . < x. X.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 ». . . on rencontre deux termes Pol. La table donne y = 0.

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

Sans trop de difficulté on obtient le système des équations normales associé au système surdéterminé de (n + 1) équations à (m + 1) inconnues. . 1..1.m. alors les sommes discrètes sont remplacées par des intégrales sur l’intervalle d’interpolation 1. Le calcul de ces intégrales peut être éventuellement conduit numériquement dans le cas où les quadratures n’existent pas. Généralement on parle de régression parabolique au moyen d’un polynôme de degré m . 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.Système linéaire surdéterminé de (m + 1) équations à (n+ 1) inconnues m étant plus grand ou égal à n. . 1. m. 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. ..m.. . 1.. b .2. Il sulht de remplacer @l(x) par XL dans la relation précédemment établie . Applications immédiates a . .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.. .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ cette dernière expression peut encore se transformer avantageusement de la façon suivante : C~jCm. ou pour le moins ne sont pas évidentes. . .2. On écrit le système : 2 UZkxk + (Yk = 0. avec 1 = 0..2. . R. on obtient alors : xaj xu&ujk = xurr:hk j=o k=O j=o 110 avec 1 = 0.2. Remarque : Dans le cas où la fonction f(x) que l’on approche par la fonction O(x) est connue analytiquement.(uk)~i(uk)=Cpll(ak)lrk j=o a v e c Z=0. 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. j=o pour 1 = 0.

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

et c’est le but de ce chapitre que de proposer les enchaînements mathématiques propres à éclairer la méthode. Définition Les polynômes de Legendre sont des polynômes orthogonaux sur l’intervalle fondamental (-1.1. 1. c’est-à-dire qu’ils sont calculés une fois pour toutes. comme le sont les coefficients des séries de Fourier avec lesquels nous sommes davantage familiarisés. 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. Les polynômes de Legendre ont la propriété d’être orthogonaux et de constituer un système complet sur (-1. dans la classe des fonctions sphériques introduites par Laplace en 1785.7 Les polynômes de Legendre. En 1783. 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. Les polynômes de Legendre rentrent.1806) est postérieure de deux ans à leur avènement. +l) pour les fonctions généralement continues. .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. +l) qui prennent la valeur +l pour la valeur +l de la variable. Aujourd’hui. 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. c’est en électrostatique que l’on se familiarise avec les polynômes de Legendre. 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. les coefficients de la combinaison linéaire ne sont pas corrélés. comme cas particulier. en revanche. La technique opératoire est d’une très grande simplicité. ainsi s’ils sont utilisés comme base de décomposition. Les polynômes de Legendre 1. MacLaurin détermina aussi la valeur de l’attraction exercée par un ellipsoïde homogène sur un point situé en son intérieur et sur sa surface. La solution repose sur l’introduction d’un ellipsoïde homofocal et d’une fonction génératrice des fameux polynômes de Legendre. 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. 113 .

il reste cependant défini à une constante multiplicative près que l’on désigne par K.(x) dz = 0 (7.1) si P. Si l’on remarque qu’un polynôme quelconque Q. la définition impose que : -1 J +1 P.2) soit nulle. On peut adopter les polynômes orthonormés.(l) = 1.(s) est le polynôme de Legendre de degré m tel que m # n.(x) le polynôme de Legendre de degré n.1) premières dérivées de F&(x) ainsi que &(z) s’annulent pour z = -1. mais l’on peut tout aussi bien s’intéresser aux polynômes à coefficient principal réduit.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Designons par P. Pour cela.1)“. (7.1) près . il nous est possible de choisir arbitrairement n constantes définissant &(z). et l’on peut par conséquent convenir que les (n. À présent nous avons imposé n conditions au polynôme Rzn(x) .1)7L(z + 1)” = K(x2 .(s)P. On peut donc l’exprimer sous la forme : Rz. que lorsque Rzn(x) et ses (n ~ 1) premières dérivées s’annulent pour z = 1. pour p < n on aura également : -1 J +1 P. autrement dit.(x) dz = [Q.2) Cette dernière relation va nous permettre d’exprimer les polynômes de Legendre d’une autre façon en procédant à une intégration par parties. Cela nous conduit à écrire que : cependant pour que l’intégrale (7. on posera : où Rs%(z) est un polynôme de degré 2n que nous allons déterminer. Il y a plusieurs façons « canoniques B de choisir K.(x)~R~. paragraphe 1.(x) de degré p peut s’exprimer selon une combinaison linéaire de polynômes de Legendre de degré égal et inférieur à p (cf. quel que soit le polynôme arbitraire Qp(x)..(x) +1 -1 Il convient de remarquer que le polynôme Rzn(x) est défini à un polynôme de degré (n .(x)Qp(x) dz = 0.14)) alors. on peut préférer la condition P. il faut encore que : Cette condition ne peut être satisfaite. c’est-à-dire ceux dont le coefficient du terme de degré 114 . On obtient alors : Jpnm Q.(x) = K(z .

(l) = 1 = KW& = Kn!2’” ce qui donne : K=--- 1 2%! 2 . w) : dn(uv) ~w~+.2. (an) ’ et l’on obtient alors l’expression générale des polynômes de Legendre connue sous le nom de formule de Rodriguès (1815) : d” P.c~~~ d”u d+‘Ju dqv d”v dxn-q .(x) = LOn déduit sans peine les premiers polynômes : P()(x) = 1 PI(X) = x P2(x) = (322 .1)/2 .+I(x). LES POLYNÔMESDE LEGENDRE le plus élevé est égal à un.l)n + 2nx2(x2 ~ 1).(x) et P+I(~). Relation de récurrence entre trois polynômes consécutifs Nous allons montrer qu’il existe une relation de récurrence entre trois polynômes consécutifs P.7. En effet. 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.l)"} On peut encore écrire : PTL+1(x) = &$S {(x2 .jxq + ’ ’ ’ + Ud2n’ dz” dz” il suffit de poser u = (x . 1.6?. et l’on obtient : P. .4 .1)“..-l} 115 . l)! &n+l pn+l(x) = 2"+l(n+ On dérive une fois l’expression (x2 . Cela est une affaire de circonstances et nous aurons l’occasion de revenir sur ce point. .. pour x = 1.-1716) qui fournit l’expression de la dérivée ne d’un produit (u. p.l)n et w = (x + l)n pour obtenir la valeur de K. 2”n! dz” ( x 2 . Quoi qu’il en soit. tous les termes sont nuls sauf le premier et l’on obtient alors : P. puisque on peut calculer K au moyen de la formule de Leibnitz (1646.l)n+1.+1(x) = &&$ {x(x2 .

2” n! dZnpl [(2n + 1)(X2 - V] +Pn-l(x).PApl(x) avec n # 0.-l(Z).l)+l. cela donne : soit encore.) = 11 2+l (n .(z)} D’autre part. cette quantité est égale à : En définitive.+i(z) .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis on ajoute et l’on retranche 2n(x2 .3.2n(22 .. Calculons le premier terme du second membre en utilisant la relation découlant de la règle de Leibnitz.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’. 1.1. La soustraction de ces deux dernières expressions conduit à la seconde relation de récurrence entre les polynômes et les dérivées : nP. { d’où une première relation de récurrence entre polynômes et dérivées : PA(x) = xP.nPAel(z). la dérivation de la relation de récurrence (7.5) PA(.4) donne : (n + l)Pn+l(z) = (2n + l)PTL(x) + (2n + l)zPA(z) .q-1 + 2+? . il vient : On aboutit finalement à la relation de récurrence désirée : (7.qn-l . en utilisant la relation de Leibnitz : x&+n S} (x2 .(z) = xPn(c7~) .1)” + 2n(22 ~ l)+r] . (7.6) Ces deux dernières formules sont utiles dans le cadre de l’étude de la méthode d’intégration de Gauss-Legendre. Relations de récurrence faisant intervenir des dérivées Dérivons la formule de Rodriguès par rapport à 2.l)! (7.s 1 1 dl’-’ [(2n + 1)(x2 .L-l(x) + nP.5) peut encore s’écrire (n + l)Pn+l(~) = (n + 1) {taper + (n + l)P.(2n + ~)CEP~~. (n + l)P. La relation (7.(X) quel que soit n.-l(2) = 0. 116 .I)+l dans la dérivée du second terme : [(x2 .1)” + 2nz2(22 .-l] _ soit encore : Pn+l(S) = .(X) + nP.

et l’on peut ajouter que cette fonction a (n . qui possède n racines réelles comprises entre -1 et +l.7.(x)} R.. Revenons à la fonction I&(Z) = K(z2 ~ 1)“. 1 / I 1.7) I 1 I Cette dernière relation est vraie quel que soit TZ.6) donne : .(x). + . t l / / .(z). LES poLmvônnm DE LEGENDRE 1.P.(x) et de ses deux premières dérivées : . (1 .(n ~ l)P.(z) = 0.6. De même.1) racines égales à +l. J= Posons -1 J P. En poursuivant le calcul jusqu’à la dérivée n ième.l).este à éliminer PAPI (x) l’aide de la relation (7.(x) dz = K” -1 J +1 $(x2 ~ 1)+$x’ .(x) sont solutions Derivons une fois par rapport à z la première relation de récurrence (7.5) faisant intervenir les dérivées : ai = %(x.-.(z) . la dérivation de la relation (7. d’où l’on tire : Éliminons Pl’l(x) entre ces deux relations : P.(x) + xP. (7.p. en vertu de la formule de Rodriguès.(x) = (n ~ l)P.. Norme des polynômes de Legendre Calculons à présent l’expression : +1 .2zI374 + n(n + l)P. Elle possède 2n racines égales à -1 et +l.6) : \ Cette expression ne dépend plus que de F’.P&) = xP:L(x) + PA(x) ~ P:I-l(X). Équation différentielle dont les P. Le théorème de Rolle montre que Ri. les racines de P.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.-.4.5.’ dx 1 avec K = ~ 2%! du = $x2 . 1.1) racines égales à -1 et (n .(x) + 2 {xly(x) .. c’est une équation diffkrentiellc linéaire du deuxième ordre appelée équation différentielle de Legendre..“)P.>. Ce sont.(z) a une racine réelle entre -1 et +l.). on voit que R&)(z) est un polynôme de degré n.L(x) + nqpl(x) = (7-L + l)P.

expression que l’on intègre par parties. &2(1) 1 x2np2(z2 .l). 5. .l)l dz. .2(n .J:’ .2n 1 . La première quantité (toute intégrée) a une valeur nulle. J prend l’expression suivante : J = (-l)nK2(2n)! +1 s -1 (x2 ~ 1)” dz. Il n’est pas très difficile de calculer cette dernière intégrale.1)+2 dz.2). Il suffit d’écrire : u = (2 .4. .1)” est un polynôme de degré 2n (à coefficient principal réduit) que l’on dérive 2n fois. . et donc du = 2x dxn(x2 ainsi que du = dx et v = x .1)” dz. Une autre intégration par parties permet d’écrire : +1 L = tn(n .6.1)“s jr” ..1)” dz. -1 qui conduit à l’expression suivante : L=E 2. et dc proche en proche on obtient : J = K2(-1)” +. On poursuit ainsi de suite les calculs et. (2n + 1) 118 2.. Alors.i’ -1 Comme (x2 . pour cela on pose : +1 L= -1 J’ (x2 . en notant par E le signe que l’on déterminera plus tard.1)2 -1 s X”(X” . on arrive à l’expression : +1 L = c2ni2(n - 1). le résultat est une constante qui vaut (2n)!.. on obtient alors : +1 ~ l)n-l: L = [~(CC’ ~ l)‘“]:: - 2n -1 J’ z”(z” . 3 .l)nP1 dz.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..

pour des raisons d’économie de place mémoire. 2.7. on entasse tous les coefficients des polynômes les uns à la suite des autres dans un tableau unique à une seule dimension. Les premiers polynômes de Legendre P”(X) = 1 PI(X) = 5 P2(x) = (322 . on peut calculer les coefficients selon les puissances croissantes ou décroissantes de la variable 2 des k premiers polynômes de Legendre. Calcul des coefficients des polynômes de Legendre À l’aide de la relation de récurrence (7.3x)/2 P4(2) = (35x4 .30x2 + 3)/8 PS(z) = (63~” .7.702” + 15x)/8 P6(z) = (231x6 . nous pouvons écrire : J = (2n)! 1 yÏ2’“-11. Il est courant de définir d’autres polynômes de Legendre sur l’intervalle (0. 1.l). 1. 1 . Dans le cas où l’on utilise un calculateur arithmétique.4). 5.3. et ils sont appelés parfois polynômes de Legendre modifiés. On en trouve une application intéressante lors du calcul de diagrammes de phase.edpsciences.9.5 En définitive. On trouvera sur le Web(*) 1 e programme legendre. . on obtient le résultat suivant : .t (2n + 1) = (2n+ 1) .2n 2. b).315x4 + 105x2 . . +l) ainsi L s’écrit : L = (-1)" Ensuite..8.4.. 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. l).693x” + 3152” ~ 35x)/16. On les rencontre lors de problèmes de lissage sur l’intervalle de définition (0.5)/16 &(Cc) = (42927 . Rien d’essentiel n’est changé pourvu que a et b restent finis.. +l) qui est remplacé par l’intervalle fini (a.1)/2 PS(z) = (52” . de Pc(x) et de Pi(x). (2n + 1) -1 +1 c%-4 dz = (2n+ 1) s (7. c permettant de calculer ces coefficients.8) 1.com/guilpin/ 119 . *http://www.6. Variantes concernant les polynômes de Legendre Il n’est pas bien difficile de reprendre cette étude en changeant l’intervalle fondamental (-1.3.

ainsi que cette autre expression : 1. sinon ils seraient dcfinis à une constante multiplicative près qui ne permettrait plus de comparaison. + hTLP.11. évaluée sur l’intervalle (-1. On note par un astérisque les polynômes de Legcndre à coefficient principal réduit et l’on écrit par conséquent : Gn(x) = P. Cette notion sert essentiellement à comparer les polynômes de degré 71 entre eux. Il s’ensuit que N[G. Théorème . Une propriété importante des polynômes de Legendre Par definition.2hx + h2 = ~O(Z) + hPl(x) + h2P2(z) + .(X) = PG (x) . Désignons par G. ce qui démontre le théorème.Parmi tous les polynômes de degré rl à coefficient principal réduit. la norme envisagée étant ccllc du produit scalaire (la fonction poids ctant égale à l’unité).(x) + &P.(s) un polynôme répondant à la question et décomposons-le selon une combinaison linéaire de polynômes de Legendre. celui dont la norme.. fl). est la plus petite est le polynôme de Legendre. (z)] est minimum quand G. k=l où les c~k sont des coefficients constants.10.ek(x).. opération torijours possible. Fonction génératrice des polynômes de Legendre Nous admettrons le résultat suivant sans démonstration : 1 2/1.12. on se propose dc rechercher un dcvcloppernent de f(x) sous forme d’une combinaison linéaire de polynômes de Legendre : .~k(x)]2 !+=l -1 dn: Ce second membre est minimum lorsque tous les o5k sont égaux à zéro. 1.<. +l) ou éventuellement ayant des points dc discontinuiti: dc première espèce CII quantité dénombrable.. . D’une façon tout à fait analogue a l’analyse de Fourier. La norme de G..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1.(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.: + $wcP.(x)] Soit encore : = Il[.(z) s’écrit : N[G.

ri:. -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~&. dkignons-le par II+~(X). on obtient : +l cc f(x)Pk(x) dz = c aTLPIL(x)Pk(x) s s p1 7z=o +1 dz. Décomposition d’un polynôme quelconque en polynômes de Legendre Considérons un polynôme quelconque dc dcgri: n : QyL(x) = ~u. 1. 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.:xnmk k=O avec ao # 0. il suffit de remarquer que lc polynôme est un polynôme de degré n ~ 1.(X) dx = c a. Ses coefficients sont donnés par : . (x)%(x) dz. En toute rigueur.(x) que l’on écrit : Le principe de la décomposition est tres simple.13. LES POLYNÔMES DE LEGENDRE En multipliant chacun des membres par &(x) puis en integrant sur l’intervalle (-1. fl).7. que l’on se propose de décomposer sur la base des polynômes orthogonaux de Legendre l’. -1 Soit encore : +1 / ~(X&. dz.

a tz2 +yz *http://www. 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). 2. Position du problème On se propose de calculer numériquement l’intégrale : b 1 = F(t) s dt (7. bien entendu. Cette relation est utile lors de l’étude de la méthode d’intégration de Gauss. a un sens et que les bornes d’intégration a.14. c réalisant cet algorithme. remarquons que le changement de variable : a+b b . 1.1.com/guilpin/ 122 . et b demeurent finies.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Il n’y a pas de difficulté à calculer les coefficients /?. Calcul de ~lx”P. Avant d’entamer ce calcul. en outre F(t) ne comporte pas de singularités notamment aux bornes du domaine d’intégration c’est-à-dire en a et b.ddx -1 On peut toujours décomposer xn en polynômes de Legendre selon la manière qui vient d’être décrite. et il est très aisé d’effectuer cette décomposition en calcul automatique. on obtient : et comme : on peut écrire sous la forme : Il est aisé de déduire : en tenant compte des relations d’orthogonalité. et l’on trouvera sur le Web (*) le programme dcomleg.9) lorsque cellc-ci.edpsciences. Méthode d’intégration de Gauss-Legendre 2. Par ce procédé. nous arriverons au degré zéro.

10) et (7. nous pouvons écrire : M = -1 s Qn.2. 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. Dans le cas général où f(z) n’est pas un polynôme. 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. choisir un critère pour déterminer les zk et les Hk. b). (7. dans le cas où f(z) est continue et possède des dérivées successives continues sur le compact (a. le développement en série de Taylor montre que f(z) peut se développer selon un polynôrne de degré n. /:i:. on peut espérer une bonne approximation en vertu du théorème de Weierstrass selon lequel toute fonction continue sur un compact (a. +l)..+r (X)I”(x) dz = 0.10) a -1 La méthode de Gauss pour évaluer numériquement l’intégrale 1 consiste à : a. C o m m e il y a 2(72 + 1) coefficients arbitraires. le polynôme sera au plus de degré (2n + 1).(. le théorème de Weierstrass est très postérieur à la méthode de Gauss un petit siècle les sépare ~ néanmoins on peut remarquer que. LES PoLmôMEs DE LEGENDRE ramène le domaine d’intégration à l’intervalle fondamental (-1.(x)Pn+l(x) dx = +1 J!Pn+l(x) 2 AjPj(x) dz = 2 A.11) dans le cas particulier où f(z) est un polynôme. En vertu des relations d’orthogonalité.. b) peut être approchée uniformément par un polynôme. un calcul d’erreur fondé sur cette remarque viendra apporter tous les éclaircissements utiles.7. -1 j=o j=o -1 123 . Bien sûr. 2. à une approximation près qui est donnée par le reste de la formule de Lagrange. Quoi qu’il en soit. Ce polynôme peut torrjours s’exprimer au moyen d’une combinaison linéaire unique de polynômes de Legendre de degré égal et inférieur à n.11) montre qu’il y a (n + 1) valeurs zk: à déterminer ainsi que les (n + 1) valeurs Hk qui leur correspondent. Calcul des abscisses xk Supposons que f(z) soit un polynôme Qn (z) de degré n. ce qui donne : I=]. Soit : n expression dans laquelle PJ (x) est le polynôme de Legendre de degré j et Aj le coefficient numérique de la décomposition. L’examen de la formule (7. adopter pour valeur approchée de 1 l’expression suivante : (7. Pour obtenir ces valeurs.11) b.11)).d~=~~(z)dz. on retient comme critère l’égalité rigoureuse des expressions (7.

+l (zr) sont réelles. ainsi défini : À Puisque l’expression (7. Remarque 1 : Avant dc poursuivre plus avant les calculs.n+l fi(X . nous pouvons écrire : (7.3. Calcul numérique des racines xk des premiers polynômes À l’aide de la méthode de Bairstow. Calcul des coefficients Hk Puisque le polynôme dc Legendre P. distinctes et comprises dans l’intervalle (-1.outes les racines de tous les polynômes de Legendrc appartiennent à l’intervalle (-1. nous pouvons l’exprimer en fonction directe d’un produit de monômes : P.l ou infcrieur à n. ne dépendent pas de la fonction à intégrer et sont donc des constantes universelles. présent considerons le polynôme QTL~(z) de degré n. et comme par ailleurs les Hk. 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.+1(2) = UO. 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. nous allons calculer les racines des k premiers polynômes de Legendre. il est bon de les obtenir avec une bonne précision. page 131.3. nous savons que toutes les racines dc P.~~+~ étant le coeflicient du terme de degré le plus élevé dans le développement de P. 2. 2.Xj) j==O UO. on en conclut neccssairement que Pn+i(zj) est nul. +l). Il). elles pourront être rentrées une fois pour toute dans un calculateur. ne serait-ce que pour les employer lors de calculs réalisés sur les petites machines portatives. Bien entendu: si l’on dispose d’une possibilité d’effectuer les calculs en double précision.+r(z). Remarque 2 : Puisque t.11) doit donner une valeur exacte de l’intégrale de QTLk (z). de degré éga.4.+l (z) ne possède que des racines réelles et simples. Il s’ensuit que les xk sont les (n + 1) racines du polynôme de Legendre de degré (n + 1). les valeurs numériques des racines du polynôme de degré 13. d’ores et déjà. +l). On a reporté sur le tableau 7.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ En introduisant la relation (7. la rnéthode de Bairstow va se réveler particulièrement pratique et efficace pour obtenir les valeurs numériques des racines. nous obtenons l’expression suivante : Comme cette relation doit être vérifiée quel que soit le polynôme Qn(z). À ce propos. il est recommandé de l’utiliser. Comme ces valeurs sont universelles. Remarque 9 : Il est important de constater que les valeurs x1.13) 124 . ne peuvent être nuls sinon lc nombre des abscisses zk s’abaisserait.

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

on peut écrire : Pn+l(X) = (x .17) Il existe une autre forme de HI. + arr+1.n+lxn+l + qn+llCn + .emplaçons n par (n + 1) et x par xk: dans cette expression.n+1 et comme d’autre part xk: est une racine du polynôme.n+lx n-1 + . R.+1(x) = u”.~+~/a~.(zk) d ans la relation (7.~~ en identifiant les termes de degré (n + 1) . Il suffit de reporter la valeur de (n + l)P.14) .~ en remplaqant dans l’expression (7.~)pL. Éliminons Cl( x 1 en re 1 es relations de récurrence (7. .(x) -~XE&(X) = 0. .13) et (7.17) pour écrire : (7.(Q) n + 1 (7.xk)(h~. on peut alors écrire : -1 +1 .14).18) 126 . (1 -~“)I?n(x) ~ nP+. par identification. on obtient : 2 2n + 1 La relation de récurrence entre trois polynômes consécutifs permet d’obtenir directement ~.+ ~20. En définitive.<.ll+lxn + h.+ = h. + h7.. .+~(xk) = (n + lR(xk). très utile à connaître parce que très facile d’emploi.~ 2n + 1 n+l 2 En revenant à l’expression (7. Hk prend mie forme très simple : Hk = 1 1 2 P. on obtient : t .+l(xk) P. T s’exprime alors de la façon suivante : +1 T = -1 J’ uO...n+l. En tenant compte des relations d’orthogonalité. on obtient la valeur (2n + l)/(n + 1). on note que : ao.+1).I’ 1 1 ao. nous obtenons : (1 ~ x..n+lxnl?&) d z ao = A n~.MANUEL DE CALCUL N UM É RI QUE APPLIQUÉ Évaluons le premier terme : Comme P.16).+i(s) admet un développement du genre : P.

f”“(O) +‘.vôms DE LEGENDRE Cette formule est d’un emploi plus intéressant que la relation (7. LES Pow.f”(O) + .. On trouvera sur le Web (*) 1 e programme r-legend.edpsciences. 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.1. k=O + .5.)j f’““+“(o) + p+2)(<) (2n + 2)! expression dans laquelle J: et < appartiennent à l’intervalle (-1.+)j..1. + (2m. et chacune des intégrales se ramène au cas qui vient d’être présenté. .)./ $ Hkxp+l k-0 + f’2”+“‘(E) 2 I&X~+~... Yk = ~ 2 2 Les HI. Intégrons terme à terme cette expression. 2. Calcul de l’erreur commise lors de l’approximation Supposons que f(x) soit une fonction continûment différentiablc sur l’intervalle fini (canonique) (. 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.2. c calculant les Hk.com/guilpin/ 127 ..cm ! Hkxp + k:=O . Le développement de Taylor-MacLaurin à l’ordre (2n + 1) nous donne : . f ” ( 0 ) 7’ 2! c H~Z:. .p+2 f ( x ) = f ( 0 ) + $(O) + $(O> + . on obtient : +1 I = s -1 f(x) dz = 2 f ( 0 ) + .7.17) non seulement sur le plan de la programmation mais aussi sur le plan du temps de calcul. +l). (212 + 2)! k=” *http://www. L’exploitation directe dc la relation (7.+ f(24 (0) n . + 1). 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. + (2.6. +l) Par conséquent ~il suffit alors dc calculer : b+a+b-n -Xk. 2. b) Nous avons montré que le changement de variable : b-u b+a 2 y=T+-x nous ramène à l’intervalle (. .11) donne : f’(O) n J-f(0)~H~+T~H~x*+ k=O k=O +. n’étant pas modifiés.

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

293 0.292 0.732 0. Le calcul devient très souvent arborescent et rapidement inextricable.738 0.457 0. elle risque de devenir catastrophique dans la mesure où elle est très surestimée.edpsciences.1.185 0. la méthode des trapèzes et la méthode de Simpson. { > sont directement tirées du du fichier Legendre.116 0.Méthode de Gaoss 5 points : 6 points : *http://www. E donne l’erreur mathématique liée à la troncature de la série des polynômes de Legendre.249 999 996 I = 0. a . Un exemple numérique.116 0.z’& H~x:~‘~ .7.465 0. LESPOLYNÔMESDE LEGENDRE Dans la mesure où l’on peut obtenir une majoration Mzn+2. Tableau 7. + 2).Les valeurs du tableau 7.177 0. Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations.1.txt sur le Web (*) où figurent les racines et les poids associés des premiers polynômes de Legendre. & .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.com/guilpin/ 129 I = 0.7.183 0.249 999 999 9 0 9 . Table des valeurs numériques de 77 = Degré du polynôme 2 3 4 5 6 7 8 9 10 11 12 13 Erreur mathématique 0. quand à la majoration. cette expression n’est pas d’un emploi très commode dans la mesure où figure une dérivée d’ordre (2n. Bien qu’elle soit très intéressante. 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.

250 248 062 027 009 9 Méthode de Simpson 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. et l’on peut montrer que : [zlog(l + ~)]‘“’ = (-l)TL(n . Mi2 est une fonction monotone décroissante dans l’intervalle (0.250 0. cela est dû à la majoration de la fonction Mi2. il suffit de fabriquer un sousprograrnme dans lequel on rentre une fois pour toutes les racines et les poids du polynôme 130 . Mi2 = 1 1 10!(2 + 12) 2i2( 1 + . l).8 1oP. avec l’écriture choisie. 11 x 8192 On s’aperçoit que l’erreur E est environ 100 fois plus grande que l’erreur observée directement . Alors nous pouvons écrire : dz/ dt = 1/2 et i > b-u 1 Rappelons que.250 0.0.r..u 12! z = 0. Tableau 7.Par chance.250 0. Donc TMi. la dérivée est 3780 fois plus petite qu’au point x = 1.12.381 10p4 .250 000 086 000 005 4 000 00107 000 000 138 Nbre de points 20 40 60 100 c .38110-‘$. En I : = 0.Méthode des trapèzes et méthode de Simpson .250 0. +l).8 10-s.250 0. et que 2 = 2.r log( 1 + z) est relativement aisé.. Méthode des trapèzes 0. Remarque : Pour utiliser aisément la méthode de Gauss.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 .! n. le calcul de la dérivée ne de .-&&z. est plus petit ou égal à 11 x 2 x 2ia.250 0. h=O = 7.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b .2. Ici.En 6 points la méthode de Gauss est un peu plus précise que la méthode de Simpson en 100 points. On en conclut que l’erreur est comprise entre 2 10-12 et 0. g = A. l). 2 appartient toujours à (0. On tire une valeur de E : E = 7. Effectuons le calcul d’erreur pour 6 points : E= $ . 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. elle est maximum pour b .

L. Mc Graw-Hill.917598399223 ho.. M. to the numericul analysis.0921214998377 0. R A L S T O N et H. LES Tableau 7.7. *http://www.23045831595513 *0. ANGOT (1965) Compléments de Muthémutiques. txt où l’on trouvera les racines et les poids des treize premiers polynômes de Legendre. Racines x Poids Hk 0 232551553230874 0~226283180262897 0. POLYNÔ MES DE LEGENDRE Racines et poids associés des polynômes de Legendre. ’ o e Dunod.17814598076194 0.20781604753688 0. 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.801578 090 733 3 f0. Éditions Dunod. il suffit d’ailleurs de rentrer 6 racines et 6 poids associés à cause des symétries.9841830547185 de degré 12 ou 13 (ensuite. des problèmes de précision apparaissent avec des représentations sur 16 chiffres significatifs et des racines complexes apparaissent. H. CROUZEIX et A.edpsciences.3.64234933944033 f0.N. H.8.S.138873510 2198 0. F. M IGNOT (1984) Anulyse numérique des equations diffkentielles.040484004765 Degré (40 1 13 ho. World Scientific. On donne sur le Web (*) un fichier texte appelé legendre. HILDEBRAND (1956) Introduction..com/guilpin/ 131 . Éditions dc la Revue d’optique. M HASKAR (1996) Introduction to the theory of weighted polynomial approximation. A. M INEUR (1966) Techniques de Calcul Numérique.. 2. Éditions Masson. les racines sont deux à deux opposees.métiques.44849275103645 10.) . Éléments de bibliographie A.

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

Théorème De tous les polynômes de degré n à coefficient principal réduit. (8. Il nous suffit de poser comme relation de définition une nouvelle expression : Tri(x) = & cos(n arccos z). On voit que les polynômes de Tchebycheff sont orthogonaux sur l’intervalle fondamental (-1. c’est le polynôme de Tchebycheff T.5) 2. (8. +1) au sens du sup du module. 1.1.I 2/1-2 -0 s 7 r si n est différent de zéro sin=O.+l(x) . Nous allons donc définir une suite polynômes à coefficient principal réduit. +l) relativement à la fonction poids h qui est une fonction définie positive sur cet intervalle. Seconde définition Cette suite de polynômes orthogonaux peut être avantageusement modifiée pour le propos qui nous préoccupe. Une propriété essentielle des polynômes de Tchebycheff à coefficient principal réduit 2.3) = 0.4xT.2. Si nous examinons la relation (8. On peut définir la suite de telle sorte que le coefficient de degré le plus élevé pour chaque polynôme soit égal à 1.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 .1.(x) + 4T. 134 . (x) qui approche le mieux l’axe des x sur l’intervalle (. La relation de récurrence est alors légèrement modifiée et devient : 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).-I(Z) 11 va de même de la norme qui s’exprime : si n est différent de zéro 7l (8.4) si n=O.

. Par ailleurs. .1) fois de signe et par conséquent possède n racines.(z) = T. On en conclut que le polynôme f(z) est identiquement nul et que p. On trouve les expressions suivantes : T. Calcul des poids Hk correspondant aux racines xk du polynôme T. +l). il suffit d’exploiter directement la relation (B.(xk) est positif. LES POLYNÔMES DE TCHEBYCHEFF 2.2.5) de l’annexe B. +l). 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. Donc. possède n extremums alternativement positifs et négatifs sur l’intervalle (-1. +l). f(z) doit être un polynôme de degré n. ce qui est en contradiction avec le fait que f(z) est au plus un polynôme de degré (n . .+i = 0.2. f(zk) est négatif et quand T. Quand T..+i(x) Pour cela. Il change donc (n .(z) et T. On les obtient en écrivant T. ( 2 ) sont à coefficient principal réduit. f(zk) est positif.6) 4.:’ 1) ) sin 2(n + 1) 135 . 3. soit : cos[(n + 1) arccosz] = 0. (n ~ 1).8. D’abord. ce qui donne : Xk = COS 7r(2k + 1) 2(n + 1) ’ (8.+l(xk) = F ~ sin[(n + 1) arccos X~C] > d’où TA+. Démonstration Désignons par pn(z) un polynôme répondant à la question et considérons alors la fonction : Puisque p.1).1).c4 = g Z(i. f(z) est un polynôme au plus de degré (n . Donc : À présent il nous faut calculer Ti&+. (zk) et Tn+i(xk). T. il s’ensuit que f(z) est alors un polynôme n fois positif et négatif alternativement sur l’intervalle (-1.(z) ce qui démontre le théorème. tous égaux en module à 1 et dont les abscisses sont données par la relation : xk: =cos lwr ( n > avec k = 0.(sk) est négatif. on calcule le coefficient K qui est égal à In puisque nous traitons de polynômes à coefficient principal réduit. 1.

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

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 . Par conskqucnt. + 1).I d7/. rappelons-le. posons . 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. on obtient alors : 7r Qn = J’ 0 COS~ x dz. c’est pour rester cohérent WCC les expressions établies au chapitre prkcédtnt. +l). Calculons 1 en remplaçant f(z) par son développement.8. 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.î: = COS z. il faudra calculer des expressions du type : Pour cela. la raison en est simple. 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. on calcule 1 au moyen dc l’approximation : où. 5 calculer : supposons <p? f (z )soit continûment difkentiable sur l’intervalle canonique (~ 1.sin zdz . Soit. dans cette expression. soit dz = . Le développement de Taylor-MacLaurin à l’ordre (2n + 2) nous donne : cxprcssion dans laquelle J: et < appartiennent à l’intervalle (-1. les zk sont. 7. les racines du polynôme de Tchebycheff de dcgrk (n. +l). . seuls quelques points de détails vont différer.

la dérivée de f(x) d’ordre (2n + 2) est nulle. et l’on a l’égalité : I = J. on obtient en conséquence le système suivant : 138 i . = (n - l)Q+z avec &a = s 0 dz = 0. De là.1) s 0 COS’~-~ x(1 .')!lT = (2n ..+ 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 : .li(2TL+1)(o) + (2n+ 2)! .l)Q.+ 7T s 0 cosnP2 x dx d’où la relation de récurrence : 7r x dz = ?r et Qr = cosx s 0 n&. (2n+ / y2y ". . on tire que : Q 2n+1 Q271 = 0.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 ..:'!! +. x2n+2 + g"(o) +. + (2~~i.cos2 x) dx = -(n .. .+(. =* [f(o) + ..1)!!5i = (2n (2n)!! 2”n! Revenons au calcul de 1 : I=l&[ x S'2"+2'(E)] f(0) + Ef'(O) . . Si f(x) est un polynôme de degré (2n + l)...

Le tableau 8. en définitive. on trouve : E24 = 1. en effet. E(z) donne l’erreur mathématique liée à la troncature de la série des polynômes de Tchebycheff. seul le dernier chiffre significatif change. ce qui constitue un résultat remarquable. 139 .(x) + ‘. soit le 16” chiffre. +l). la méthode d’intégration de Gauss-Tchebycheff constitue la meilleure façon de calculer les fonctions de Bessel de première espèce.(X) + z??z(X) + . + iTn(X) + . LES POLYNÔMES DE TCHEBYCHEFF Bien entendu.. + fT. donne les résultats obtenus. .765 197 686 557 966 4 avec une précision absolue de l’ordre de 10-15. . calculons l’intégrale : +1 Cet exemple n’est pas tout à fait gratuit .. comme toutes les fois en pareil cas.tx = TO(X) + Krl(X) + t2T2(x) 1 .1.47 10-4”M24. Pour l’instant. 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+. Toujours est-il que pour n = 12. 9. Nous reviendrons sur ce point au cours de l’annexe F. Nous avons trouvé dans la littérature la valeur suivante : JO( 1) = 0. Si l’on poursuit le calcul pour des valeurs plus élevées de n.10) où M2nt2 = SUP If (2n+2)(x)1 pour 3: appartenant à (-1.8.>! i (2n + l)!! 2n. on recherche une majoration la plus raisonnable possible de la fonction f(“‘“+“)(<) dans l’intervalle (-1. Fonctions génératrices des polynômes de Tchebycheff Nous admettrons les résultats suivants sans démonstration : 1 . 8. + l)! n+ 1 c“”J O k 1 ’ 1 n x”n+” (8. Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations.2tx + t2 et exp(xt) cos(t&ZS) = Te(X) + +r. Dans la mesure où l’on peut obtenir une majoration raisonnable M2n+l. .+l(. + ‘. +l) . Un exemple d’intégration À titre d’exemple. page suivante.

Nombre de points J(l) 0>765 239 563 0. 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. les zk: cessent d’être tous r-tels à partir de n = 8.I f(x) dz au rnoyen de l’approximation où les Hk ont été choisis u priori.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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 8. on cherchera à fixer les zk dc tcllc sorte que 1 = J pour ur1 polynôme de degré le plus élevé possible. excepté toutefois pour rz = 9.765 197 686 556 966 0 765 197 686 557 967 7 01765 197 686 557 966 2 0. Comme précédemment.765 197 687 084 089 0. Cette modification des conditions. apparemment anodine. Même lorsque tous les Hk sont égaux. Quoi qu’il en soit. la méthode est moins précise que celle de Gauss.1.765 197 498 111 0. cette dernière consiste à évaluer l’intégrale : +1 I= . 140 .

ce qui dorme : Soit : L.. Méthode d’intégration ( de Gauss-Laguerre Les polynômes de Lagucrre (1834-1886) sont orthogonaux relativement à la fonction poids exp( -22) sur l’intervalle (0.1) 1.ion. 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”}. ce qui nous permct. w)...cx. L’expression donnant L. Ou peut aborder l’étude de ces polynômes d’une façon tout. Relation de récurrence entre trois polynômes consécutifs À partir de la relation de défiuit. Par définition.exp(-x)x”+l+ (n + 1) exp(-z)X”} . ccpcndaut. nous avons préféré utiliser une formule semblable à celle de Rodriguès pour établir plus rapidement leurs principales propriétés. (9.+l(z) = exp(x)s { . à fait analogue à celle que nous avons adoptke pour les polynômes de Lcgcndre. Il suffît d’krire la relation dc d&litiou pour l’indice (r> + 1).(z) ..tra par la suite de calculer facilemeut les coefficients de l’un quelconque des polynômes de Laguerrc.nL(z) . 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”} + .+I (CC) devient : Lfl(Lx) = (n + l)L.(+jg {exp( -X)C} 141 .s {exp(-X)2?}.9 L es polynômes de Laguerre.

Cela démontre au passage (en utilisant un raisonnement 142 .r. 2.+1(z) a un degré supérieur de 1 unité à celui du polynôme de degré n. -L(x> = -p(z) s {n exp( -2)znP1 .3) = G {exp(-z)?} ~ ns {exp(-z)znP1} À présent. (9.exp( -z)zc”} .2) montre que le polynôme . Ll(Z) = -z+ 1 La relation de récurrence (9. Relation de récurrence faisant intervenir la dérivée Hk.-1(2). (9. II vient donc : L+1(z) = (n + l)Lx(z) .G(s) + G. Il s’agit de pouvoir exprimer simplement la dérivée L~(Z). transformons cette dernière expression : x5 {exp(-z)z”-l} On en déduit directement que : L?&(x) = nL. soit : La(x) = 1.(z) = zzexp(z)s {exp(-z)z+l} . nous allons établir une autre relation très intéressante pour le calcul des coefficients 3.(z) = n exp(z)$ { exp( -2)271P1} . soit : L.1).2) ~ exp(-X)3?}. ce qui permet d’écrire : L.1) : L+~(X) = =P(:I:)= {nexp(-Ic)27L-1 soit encore.(~) .n%-l(~) De là nous tirons la relation utile pour déterminer les différents polynômes connaissant les deux premiers : L+~(Z) + (x ~ 2n .(cLz) . dérivons la relation de définition (9.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On calcule directement le dernier terme du second membre à partir de la relation (9.5. Les premiers polynômes de Laguerre La relation de définition permet de calculer les deux premiers polynômes.nL. Toujours A. Cela nous sera bien utile pour calculer les Hk de la formule de Gauss généralisée. l’aide de la relation de Leibnitz.l)&(s) + 7?L-1(2) = 0. Dans ce but.

On trouvera sur le Web(*) 1 e programme laguerre. 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. Pour le montrer il suffit de calculer : Ink = J 30 exp(-z)L.16x” + 72x2 . et d u = 2 {exp(-x)x”} . selon les puissances décroissantes.2 + 1 L2(x) =x2-4x+2 l&(x) = -si’ + 9x2 . c réalisant cette tâche. Effectuons une intégration par parties en posant : u = exp(x)-& {exp(-x)xnl.com/guilpin/ 143 . Voici les premiers polynômes de Laguerre : L”(X) = 1 Ll(X) = . *http://www.2002” + 600x’ .9. du = 1% exp(x)g { exp( -.(s) est aussi un polynôme et ainsi de suite. 4. 2. car L~(Z) et Li (x) sont bien des polynômes donc L.18x + 6 L4(2) = x4 . w).6002 + 120. = s {exp(-x)x”} .96x + 24 &(x) = -x5 + 25x4 .(z)Lk(z) dz = 0 J ev-2) & {exp(-x)xnl 00 $ {exp(-x)zk} dz. par souci d’économie. 5.edpsciences.r). 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. Ils seront entassés dans un tableau unique. supposons que nous ayons n < k. 0 Pour fixer les idées et sans nuire à la généralité. LES PoLmôMEs DE LAGUERRE par récurrence) que nous avons bien affaire à des polynômes.r”-‘} .

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

page suivante.577 215 664 90 au moyen dc l’expression suivante : x Y= . 00) ctj l’on approche l’intbgrale au moyen de l’expression : 9.1. rappelons-le.5) de l’annexe B dans laquelle 110~1s explicitons le coefficient K.5) 8. on trouvera le programme r-laguer .3). 9. Si nous utilisons la relation de récurrence (9. *http://www. très faciles à programmer. Sur lc Wch (*). Exemple 1 On se propose dc calculer la const. nous fourniswnt les valeurs numériques des Hk dont on donne 1111 tableau 9.3. Donc.edpsciences.ante d’Euler y = 0.com/guilpin/ 145 . zzk est une racine du polynôme de degrk (n. page 149. Nous K = -(n!)” car le rapport des coeficients de dcgre le plus élevé dc deux polynômes conskutifs -1. on obtient. est égal à expression dans laquelle. Calcul des poids Hk correspondant aux racines xk R. LES POLYNÔMES DE LAGUERRE 7.eprenons avons : la relation (B.1.9.i( 0 1 1 ~ exp(-z) 1 ~ exp-2) dz n: > Les rksultats trouvés sont indiqués dans le tableau 9. Calcul numérique des poids Hk associés aux racines Les deux expressions que nous venons d’établir. + 1). 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. : cc qui nous permet d’obtenir deux expressions plus simples : (9. c qui perrnet de calculer les racines et les poids des polynômes de Lagucrrc.

I= s 0 exp(-x)x’” dz = 10! Puisque la fonction à intégrer est de degré 10. D’autres cas bien sûr peuvent présenter des dangers analogues liés au nombre de points où la fonction s’annule. Compte tenu de l’expression intégrale de la fonction factorielle. si m est « assez grand » .3. COS mx peut être assez mal représenté par un polynôme de Laguerre de degré peu élevé.2. Remarque importante On note une fois de plus que la méthode donne d’excellents résultats.577 0. En effet.577 0. 146 .999 999 97 9.577 0.1. Nombre de points 4 5 6 lO! 3 033 216 3 614 400 3 628 799. nous devons obtenir un résultat exact en 6 points négligeant les erreurs d’arrondi propagées par la machine.577 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 9. Exemple 2 Il s’agit de calculer la fonction factorielle. C’est ce que l’on se propose de vérifier.577 215 215 215 215 215 215 215 409 316 638 683 671 664 927 664 244 6 7 8 9 10 11 9.2. Les résultats obtenus sont donnés dans le tableau 9. 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. nous savons : cc . et nous avons choisi : 10! = 3 628 800.577 0.577 0.2. Nombre de points 5 Constante d’Euler 0. (CI~ Tableau 9.

L’erreur E s’écrit : Si f(x) est un polynôme de degré (2n + l).+~~H~~~ k=O k=O k=O k-0 p+l) (0) +.. Calculons 1 en remplaçant f(x) p ar son développement.9. Soit à calculer : CO I = exp(-z)f(x) J’ 0 dz. Supposons que f(x) soit continûment différentiable sur l’intervalle fondamental (0. seuls quelques points de détail différent.. 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. 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~+. 147 .. f'""+"(o) + Le (2n + 2)! f(2n+2) (El > expression dans laquelle x et < appartiennent à l’intervalle (0. et l’on I = J..T). la dérivée a l’égalité : de f(x) d’ordre (2n + 2) est nulle.. oo). oo). LE~ PoLwiôïms DE LAGUERRE 10.. développement de Taylor-MacLaurin à l’ordre (2n + 1) nous donne : x27L+2 f(x) = f(0) + .+ TL c k=OHkxk 2nt1 (2n + l)! l tf. + ...2ny..f'(o) + fg"(O) + ./ c Hkxp+2. .

. on recherche une majoration la plus raisonnable possible de la fonction f (2rr+2) (<) dans l’intervalle (-1. 148 . (n + 1) équations quelconques prises dans le système précédent constituent un système linéaire permettant de calculer les Hk. une approximation.. = 12.. = = l! 2! 2 k=O k=O HkXfi 2rrL-1 = = (arr-l)! (2rn)! c Hk5k 27n 2nt1 Hk.. k=O . alors. + 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.6) en prenant soin de noter que : H&‘+’ # (2n + 2)! k=O Bien entendu. E(x) domle l’erreur mathématique liée à la troncature de la série des polynômes de Laguerre.. +l). + l)! k=O Il est intéressant de constater que le système de (2n.. l’erreur s’exprime de la manière suivante : ’ où (9.7) hf21L+2 = sup )f@f2) (X) ) p our z appartenant. Dans la mesure où l’on peut obtenir UIIC majoration raisonnable Mz~~~. 00)..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.. en dkfinitive. comme toutes les fois en pareil cas. Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations.. à (0. on trouve : Ez4 = 3.Xk = (2n.. si l’on connaît les xk.. Toujours est-il que l’erreur prend la forme Suivant>e : (9.698 10-7M24. En revanche. Pour n. CHk =1 k=O 2 H&I& k=O 2 H@Z...+~. on obtient en conséquence le système suivant : Tl.

487 967 251005 0. Sur sur le Web(*) on trouve le fichier texte appelé laguerre.844 525 453 118 77 4.621316 842 445 915 22. Racines et poids associés des polynômes de Laguerre. Degré Racines CE 0.006 054 993 319 3 9.000 000 166 849 388 0.000 000 000 003 062 11.116 855 187466 37.090 449 222 211682 0.3. En effectuant le changement de variable y = pt.244 082 011319 895 0. Sous réserve de cette convergence.377 759 275 873 127 0.099 121044 461 0.512 610 269 776 45 6.264 731371055 443 0.9. on obtient l’expression : F(P) = i s ~(Y/P) m-y) dy 03 0 *http://www. LES PoLYNôms DE LAGUERRE Le tableau 9.002 663 973 541842 0. txt qui donne les poids et les racines des 12 premiers polynômes. 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. Fonction génératrice des polynômes de Laguerre Nous admettrons le résultat suivant sans démonstration : 1-t =Lo(x)+tL~(x)+t2L~(x)+-+tnL.3 donne les racines et les poids du polynôme de degré 12. on peut être amené à calculer numériquement F(p).151090 379 373 17. h(t) exd-pt) expression dans laquelle t est une variable réelle (généralement le temps) et p une variable complexe.833 751337 743 36 1.020 102 381154 650 0.com/guilpin/ 149 . les calculs sont réalisables si l’intégrale est convergente.000 000 001342 391 0.(x)+- 12.611757484 515 13 0. Sans entrer dans les détails de la théorie. Tableau 9.000 203 231592 668 0.000 008 365 055 857 0.000 000 000 000 001 8.599 227 639 418 09 13.115 722 11735802 Poids Hk 12 2.edpsciences.

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)$$[exp(-z)zn+rr] avec toutefois une restriction concernant le paramètre <y.in (x. La première intégrale se calcule par la méthode de Gauss-Legendre. Nous n’allons pas renoncer pour autant à utiliser cette technique. en calcul usuel. tandis que la seconde intégrale se calcule par la méthode de Gauss-Laguerre en posant z = y . les calculs ne sont pas toujours aussi simples. 13. 0 J a L’intérêt est évident dans la mesure où l’on a une très bonne estimation de la queue de la fonction.(z) polynôme de Laguerre de degré n servant à l’intégration numérique). plus le degré n est élevé. Malheureusement.(Z) ce qui nous donne : (n + l)L:+. Il suffit de couper judicieusement l’intervalle (0. plus X.(z) = exp(x)&$ [exp(-X)?+“+l] expression qui peut s’écrire sous la forme : (n + ~)L:+. Relation de récurrence entre trois polynômes consécutifs Partant de la relation de définition (9. il est difficile de dépasser le degré 12 ou 13.in tend vers zéro et meilleure est la précision du calcul. LE+. soit : P 1 mh(y/p) exp(-y) dy = i T~[(z + a)/@ exp(-z)dz. notamment si la fonction h(y/p) a à peu près l’allure d’un pic entre zéro et Z.a. Bien entendu. D’un point de vue pratique.(z) = (n + o! + l)L. la méthode de Simpson etc. il faut que sa partie réelle soit plus grande que -1. 13. co) en deux de la façon suivante : F(P) = i J a ~(Y/P) exp(-y) dy + y 0 J a w ~(Y/P) exp(-y) dv a étant déterminé par des considérations sur la fonction h(y/p).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ qui se calcule évidemment par la méthode de Gauss-Laguerre.. écrite pour le polynôme L:+~(X).1.8).in est la plus petite racine de L.(z) 150 = exp(z)$$$ [exp(-z)zn+“(n + Q: + 1 -z)] on obtient : .

exp(x)ss puis.(n + a) exp(-z)L.8) : [L.2.(n + n)[L:-l(x)].3. ce qui donne : (n + a) exp(x) 5 z $ [exp( -2)5n+a-1] = (n + o) exp(z) g $$ ./’ 0 = Jexp(-x)x7 & [exp(-x)@“] s [exp(-x)zm+a] 0 dz.(2n + 1 + QI ._. + exp(s)s$[(n + o) Grâce à la formule de Leibnitz.10) J = wexp(-x)P[LE(x)][Lg(x)] dz . Orthogonalité des polynômes de Laguerre généralisés Il s’agit de calculer l’expression : (9. Dérivons la relation de définition (9.exp(-x)3?+“] la relation de récurrence cherchée : (9.9.ns [exp(-z)lçn+u-l] [exp(-z)zn+“] = “+“LE(x) .“(X)]’ = @n(x)] .n+Lg1(~). 13. on peut transformer la dernière expression : i!a + exp(x)-.(x)]’ = ~[exp(x)x-” .(z) + (n + a)L.(X)]’ = -~L:(X) + (n + cy)exp(x)$& [exp(-x)2?+“-‘] .cm-U-1 exp(x)]&[exp(-z)z’“Pa] x exp( -2)xn+“-l .exp( -2)2n+CY] On obtient alors : [L. 151 .s [exp( -x)xnfu] Comme par ailleurs on peut écrire : ~L:(X) = n. Relation de récurrence faisant intervenir les dérivées . LES POLYNÔMES DE LAGUERRE En utilisant la relation de Leibnitz.z)nL. nous allons transformer la dernière expression du membre de droite.T(’ on trouve esdéfinitive = ~L:(X) .9) (n + l)Lq+&) . -nexp(z)L ~bp(-~)xn+a] .-l(x) = 0. 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. 13. [(n + 0) exp(-x)xn+aP1 .(z) .

il faudra construire la chaîne de calculs déjà réalisée pour les cas prccédemment étudiés. Une autre relation de récurrence On peut avantageusement utiliser une relation de récurrence portant sur les LE+. 13.5. on obtient J = 0 pour n # m. Si X~C est une racine de L:(x).-‘(x).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.6.“(x)]’ = ~L.-l(x.(x) + FL. 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. on simplifie l’expression précédente : [L.(z) de degré (n + 1).).(x) calculer les poids Hk. 13. 13. 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. Nous obtenons ainsi une forme aisée à calculer pour les HI. où nous n’avons plus à exprimer formellement la dérivée. co). En effet. 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+. f(z) est une fonction régulière sur (0.4. on établit que : pour [LE(x)]’ = -EL. . Dans chaque cas particulier que l’on sera amené à considérer. Technique de calcul des intégrales du type I = Sexp(--x)x-“f(x)dx 0 Bien entendu. Reste à calculer la norme : 1 = aexp(-z)zP” s 0 [LE (z)]” dz = n! /exp(-z)zP+” dz.

Les polynômes d’Hermite. /‘ <’r“ .‘:.. Relation de récurrence entre trois polynômes consécutifs Pour obtenir la relation désirée. Pour des raisons qui apparaîtront un peu plus loin.~-~._r . Nous allons en effectuer une étude en tout point semblable à celle des polynômes de Laguerre. (10. il nous suffit de développer l’expression de l(n+r(z). 1 ( . 1~..‘.(-1)12-1nKTL-1(X) .10/./> .+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. K.s>.“8. .1) 1._/ .x$ exp (-x2/2) .2) = -(-l)RZ&(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. +oo). le polynôme d’Hermite (182221901) de degré n est défini par la relation : &(Cc) = (-1)‘“exI@/2)~ exp (-332) .ns exp (-x2/2) .Y >< ‘..].

154 . +CC Ink = (-l)n+k .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2. 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. il suffit en réalité de connaître les deux premiers polynômes d’Hermite pour déterminer tous les autres.com/guilpin/ exp (-x2/2) $ exp (-x2/2) dz. +oo). Calcul des coefficients des premiers polynômes d’Hermite On trouvera sur le Web (*) 1 e programme hermite.-l(X).(x) = (-l)nexp(z2/2)$$exp (-x2/2) + (-l)‘“exp(x”/2)& [-zexp (-x2/2)] . on peut supposer que k > n : +CC Ink = exp -00 soit encore : s (-x2/2) K(x)&(x) dz. ce qui donne grâce à la formule de Leibnitz : K.(x) = TX. Nous obtenons : Ko(x) = 1 ICI(X) = x K&4=x2-1 K3(x)=x3-3x I&(x) = x4 . Sans nuire à la généralité.3) 3. (10. +3 4.6x2 et ainsi de suite. C’est ce que nous allons montrer en calculant l’intégrale Ink. 5.I exdx2/2)& *http://www. 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 destiné à calculer les coefficients des polynômes d’Hermite dans le but plus précis de calculer leurs racines. Les premiers polynômes d’Hermite Puisque nous bénéficions de la relation de récurrence (10. Relation de récurrence entre polynômes et dérivées Dans le même esprit que précédemment. Pour ce faire nous dérivons la relation de définition et nous obtenons : K.2).edpsciences.

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

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. Exemple On se propose de calculer une intégrale dont on connaît la valeur numérique.3). Remarque : On note qu’il n’y a pas de difficultés pour calculer les intégrales du type : I= /‘:xp(-$)f(x)dx en effet. +co). 8. page 162 les valeurs numériques de ces poids en face des racines correspondantes pour le polynôme de degré 12. La relation (B.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 7. 156 . Grâce à la relation (10. On trouvera dans le tableau 10. Les résultats que nous avons obtenus sont donnés dans le tableau 10. 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). on obtient diverses expressions de Hk aisées à calculer. page ci-contre. 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. le changement de variable : nous permet de revenir au cas canonique que nous venons de traiter. soit : En exploitant une de ces relations. on calcule numériquement sans difficultés les poids Hk associés aux racines zk. L’approximation se réalise au moyen de la somme : expression dans laquelle les X~C sont les racines du polynôme de degré (n + 1).2. On trouve que la constante K vaut n!fi. soit : exp (-x2/2) COS(X) dz = 1.1.

10.2aTX-.‘(z.(lç. et le carré scalaire de l’intégrale vaut alors : 17l. L ES PoLYh&rEs D'HERMITE T a b l e a u 10. De même. constituent une base orthogonale de l’espace L2 qui est l’espace des fonctions de carré sommable sur (-CO.1.000 000 1.(x. Dans ce cas. expression dans laquelle a est un nombre positif (il s’agit d’une formule analogue à celle de Rodriguès concernant les polynômes de Legendre). soit : K. 2 En remarquant que : . la relation faisant intervenir les dérivées prend la forme : K.u) = (-l)n exp(az’)$ exp(-ax2).p. -cc 157 .(z. u) = exp(-uz2/2)Kz(x). a). on obtient les modifications à apporter aux expressions des racines et des poids des polynômes correspondants. Autres notations très utiles Il arrive que des auteurs adoptent une définition légèrement différente pour les polynômes d’Hermite.B =In 4q2q . à savoir : xk = x& Les fonctions 02(x.999 998 1.000 000 143 175 097 099 099 9. +oo) ( 7 f(x)’ dz). u) .999 222 1.(z. u) = 2unK. la relation de récurrence entre trois polynômes consécutifs s’écrit : K*Lfl(X) u) = 2azK. a). encore appelées fonctions du cylindre parabolique ou fonctions de Weber-Hermite. Nombre de points 4 5 6 7 8 9 12 Résultat 0.000 043 0.000 000 1.000 000 1.

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

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

fco).~ exp( +ru2). (27rj)p dup ce qui permet de conclure que le signe à conserver est le signe plus. par conséquent. 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. mais on a déjà établi la relation suivante : 1 dp upxp exp( -7rx2) 3 ap .exp (-x2/2) . 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). On intègre par parties cette expression en posant : 21 = x2n+lx ce qui donne : du = (2n + 1)x2” dz On peut écrire : et u = . *j”Kh(u. +co). et du = exp (-x2/2) 2 dJ: Q 2n+2 = [-ew-x2/2)x 2n+‘]+z + (2n + 1) Texp (-x2/2) x2n dx. . l’ambiguïté du signe se trouve levée en examinant le terme de plus haute puissance (coefficient uP). seuls quelques points de détails vont différer. 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. 10.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ on en déduit que : et que. Le développement de Taylor-MacLaurinà l’ordre (2n + 2) nous donne : f(x) = f(0) + $(O) + g”(o) + . + j2yy. 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. Calculons 1 en remplaçant f(x) par son développement. on a : K&(x.). . -cc 160 . 2~) exp(-rx2) ?-.

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

2 . k=O b . nous avons porté les valeurs approchées. 3. Tableau 11. n et les H* par la relation : 27r H.598 10-16 4.a TX”. 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).166 10-15 0.6. 173 .. +l) relève directement de l’étude des polynômes de Tchebycheff.3...1..97110-i” 0. = ~ 2n + 3xk.277 10-l” 0.11. Sur le tableau 11. et qu’elles ne sont dues qu’à l’exécution des calculs. Un exemple numérique Soit à calculer : I= -1 J +1 zJ1-ldJ:=O. Les zéros de Sri(x) s’expriment au moyen de la relation : xk = Cos2 avec k=O.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. Nombre de points 3 4 5 6 7 Résultats 0. On vérifie que les erreurs sont de l’ordre de 10P16.555 10-16 0.

215 360 318 131115 0. Tableau 11. Sur le Web (*).019 884 996 920 956 0.(x).145 912 283 394 760 0.667 439 806 085 0.018 541356 326 165 726 210 434 493 336 683 424 673 756 101 0.7.com/guilpin/ 174 ..p.2.958 605 650 752 0.261873 780 008 211 0.182 332 521001007 0.7 les valeurs numériques correspondant au polynôme de degré 11.398 271993 473 0.108 800 727 724 129 0.1. 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 .242 546 154 164 063 0. Les zéros et les poids associés des polynômes S.995 342 973 018 0.043 360 378 833 454 0.073 750 248 299 135 0.’ k zkf [a + (b .a)y ce qui permet d’approcher l’intégrale au moyen de l’expression : soit encore : J = “f.edpsciences.005 065 164 245 362 4.887 855 645 352 0. Calcul numérique des xk et des Ht des polynômes s.269 967 481134 0.a)xk] k=O *http://www.788 340 161057 0. Degré Yk 11 0. on trouvera les résultats concernant les premiers polynômes dans le fichier texte sn-x .271909 754 072 704 0.(x) On trouvera sur le tableau 11.158 723 428 390 0.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 4.534 121206 682 0.072 790 297 726 0. txt.

et l’on note que les deux derniers chiffres significatifs sont faux.8. Éléments de bibliographie M.141592 3. H. Ici encore les erreurs ne sont dues qu’à l’exécution des calculs.141592 653 653 653 653 589 589 589 589 792 791 791 791 5.8.L.141592 3. Tableau 11. MIGNOT (1984) Analyse numérique des équations dijférentielles.11. MINEUR (1966) Techniques de CuZcuZ hmérique. CALCUL DE QUELQUES INTÉGRALES AU MOYEN D’UN CHANGEMENT DE VARIABLE 4. Masson. Éditions 175 . Un exemple numérique Soit à calculer : 1 = -1 Il s’agit d’intégrer un polynôme de degré zéro.3. Éditions Dunod. CROUZEIX et A.141592 3. Les résultats trouvés sont donnés dans le tableau 11. Nombre de points 3 4 5 6 Résultats 3.

non seulement sont continues. bien entendu.. selon la parité) est en l/nq.:/ ‘/-: formule d’Euler-MacLaurin. Formule d’Euler-MacLaurin Les polynômes et les nombres de Bernoulli (Jacques Bernoulli 1654-1705) jouent un rôle important en analyse mathématique. Cette propriété relie aussi de près ces polynômes à la fonction dzeta de Riemann (182661866). Méthode de Romberg et autres 1 techniques d’intégration 1. les fonctions sont continues à dérivées continues. mais ont toutes leurs dérivées continues partout.1).12 /. 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). cela signifie que les fonctions périodiques qui sont définies sur une période par les polynômes de Bernoulli. ou b.1) et par identification directe. on voit que : E&(z) = 1. 1.1 177 ./. Ces éléments sont à la base d’une technique d’intégration numérique obtenue à partir de la formule d’Euler-MacLaurin.1 = z. on montre que : (12. Fonction génératrice des polynômes de Bernoulli Les polynômes de Bernoulli sont les coefficients du développement de l’expression suivante : u exp(uz) exp(u) . laquelle sert ensuite de tremplin à la méthode de Romberg. $wd. Par dérivation de la formule (12.3) = u exd(l . Le coefficient de rang n de ce développement (a. et plus spécifiquement les nombres de Bernoulli.1. </ . l). En outre. Notamment. En utilisant l’identité : (-2~) exp( -zu) exp(-u) .. nous ne nous intéressons qu’aux dérivées non nulles. Au passage nous verrons une application des nombres de Bernoulli au calcul de la constante d’Euler.1 (12.~14 exp(u) . aux extrémités de l’intervalle (0. 2 Les polynômes de Bernoulli.

1 Bl(X) = x .1 est une fonction paire. Il s’ensuit que les nombres de Bernoulli de rang impair ~ hormis le premier . On obtient alors : BO(X) = 1.2. Voici donc les premiers 178 . on voit que la fonction : 21 + .1).-x2 + -.-> 2 B2(x)=x2-xf1 6’ 3 x BS(X) = x3 .coth. on établit que : (12.1) par rapport à Z. On déduit alors que : et B2m+1=0 avec m 2 1. les nombres de Bernoulli sont donnés par l’expression : En faisant x = 0 dans la formule (12. 2 2 1. = . Les nombres de Bernoulli Par définition. En intégrant la relation (12.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis la relation de définition (12.sont nuls et que seuls diffèrent de zéro les nombres de Bernoulli de rang pair. on déduit alors l’expression suivante : Bk(l. exp(u) .1) pour obtenir les nombres de Bernoulli.x) = (-l)“B&) ce qui permet d’écrire : Bk(1) = (-l)“Bk(O).4) Bk(x)dx=O s 0 pour k>O.

~ .. . + ~~. . LES POLYNÔMES nombres de Bernoulli non nuls : BO = 1 B1 DE BERNOULLI. l’expression (12.$+-~ = 2 $Bn(x) = 1 + B&).+ -g . &(x) = xk + xk-lB1 + x”-~C~B~ .+B&+. > B.1 . Expression des polynômes de Bernoulli en fonction des nombres de Bernoulli Pour IC = 0. .3. . uzn + Bzn (2n)! ~ + ...30 691 -~ 2 730 3617 ~~ 510 174 611 -~ 330 236 364 091 2730 1.(x): + B&>$ + . u exp(uz) U exp(ux) = exp(u) .. . FORMULE D'EULER-MACLAURIN = Bfj = Blo B14 BIS Bz2 = = = = 1 42 5 66 7 6 43 867 BS B12 B16 = = = 798 B2. + Bk si k est impair. si k est impair. . + X&+l + xkp4C.... + n=O L’identification des termes en u donne : xk-l Uzn ~ + .+B.1) nous donne : U exp(u) .+ 7 + . Bk cx) Xk Ic! = XT+ ( k . Bas = = ~ 854 513 138 1 -2 1 30 1 . . .B4 +.1 u3x3 UkXk u2x2 1+ 7+ 7 + 7 +.1 il s’ensuit que : =l+Blu+B2.12.1 = exp(u) . si k est pair...l ) ! 1 De là nous tirons l’expression générale : ‘. . si k est pair. + B2n (2n)! l+BIu+B~.

t) t2p-” d t . (12. nous allons intégrer successivement par parties l’expression suivante : CC+11 F(x + h) . c’est-à-dire l’égalité (12.&‘@)(z)] = hk+‘F(“+‘)(z) + .9) À présent.l).7) h” [F@)(s + h) .t)& dt. (12.) (2p . . ( 1 2 .. soit : J’ 0 F(2p+1)(x + h . z On aboutit alors à la formule usuelle : F(x + h) ~ F(z) = hF’(z) + $“‘(x) + . (12.8) par Bk/k!. + h2p j7(2P+.F’(z)] = h2F”(z) + .+ J 0 0 F(2p+1)(x + h .F”(z)] = h3F”‘(s) + .t)t dt. 8 ) (2p ~ k)! h h2P-l $2PF1+-+ /+F(2PPl) (X)l = h2Pj7(2P)(x)+ h2P-1 / 0 F(2p+‘)(x + h . puis. puis l’égalité (12.4.6) par Bi/l! et ainsi de suite.F(x) = / F’(t) dt = ]J”(z + h . nous allons multiplier l’égalité (12.2)! h (4 t2"-2 + h2 J' 0 F(2p+1)(x + h ~ t) (21.5) par BO. ~ 2)! dt. Nous obtenons les formules suivantes : h[F’(z + h) . + h2P Jd2”) (21.t) dt. pour l’obtenir. .l)! dt. Additionnons toutes ces relations. + (2phyk)! F(2P)(x) 1L + h’” On poursuit le calcul jusqu’à l’ordre (217 . (12.6) + h ~ t) t2p-1 (2p ~ l)! h2[F”(z + h) . nous allons appliquer la relation (12.5) Maintenant. en se 180 .5) aux dérivées successives de F(z). .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. .. + h’“pqn:) (2P)! h +. en nous arrêtant toutefois au même ordre à chaque fois. La formule d’Euler-Maclaurin dite formule de la somme Il s’agit d’une méthode d’intégration qui utilise les nombres de Bernoulli.

[F”(x + h) . . + (2p)! J h 0 f(2p)(x+h-t) b2p(.. On en déduit alors que c = 0. j! ) expression que l’on peut écrire sous la forme : C= lC! 1 l+c~&+c~B2+.t) & + B1h(2p .. 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 ~ + ‘.) -B2p] dt.11) Évaluation du reste . il reste : F(x + h) .2)!2! t2 = &qBZp 1 dt. 0 B2kh2”t2P..1) + B&(k .+ k . + (2p .F(x) = -Blh [F’(x + h) + F’(x)] + Bz..F”(x)] F(2P4) (x + h) _ F@P-2) t2P-1 +.. +B.2) 2! 3! +. En utilisant la relation (12.] d t E = (2p!) o J h (12.) -n.10) -4~p=&&p(+%p].. (12.Bk (k est pair).. nous remarquons que : c = Bk(1) .+ F(2p+1)(x + h .k(k-1).Le reste est donné par l’expression : h2P ~ f(2p)(x+h-t) b2p(.l)! [ .. En définitive.(-J-l) +.+C2~B23. (12.2)!2! t La dernière parenthèse s’exprime simplement en fonction du polynôme de Bernoulli de degré 2p. où Cz est le coefficient du binôme. ..2k B2p-2h2P-2 2 (217 . on obtient le coefficient de F (k) (x) que l’on désignera par c : B&(k ..4) du paragraphe 1.1.+ J h +.12) 181 . . pour cela on remarque que : B2p-2h2P-2 h2P (2p ..Lk)!(Lk)! +.12. FORMULE D'EULER-MACLAURIN = 0.. (2P)! h2P Si maintenant on pose F’(X) = f(x).l)(k .. L ES souvenant que B2m+l POLYNÔMES DE BERNOULLI.

2. 182 .. = a + nh = b.5. Comme Bzp et BQ. b) divisé en n sous-intervalles de longueur identique h. b) tels que : x0 = a. En posant pour plus de clarté yk = f(u + kh) avec k = 1. Appliquons la relation (12. 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 (..I 0 B&/h) dt = 0.t)B2p dt + &. 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.f’ff(u)l + . ~2 = a + 2h. 0 (4) dt . (i) conservent chacun un signe constant.2)! [fc2~-3)(b) _ f(2~-3)(~)] a + 4! [j-f”(b) B4h4 . on obtient en définitive : 1.) dtl 0 h mais : .. on définit des points xk en progression arithmétique sur l’intervalle (a. x. .11) à chaque sous-intervalle puis effectuons la somme de toutes ces relations.yo+yl+y2+-. . autrement dit. ..MANUEL soit : DE CALCUL NUMÉRIQUE APPLIQUÉ h h f(2p)(x + h ./+2P)(s+h-i)B2.. . xl = a + h.~+l 2 f(2P)(Xi). Application au calcul des intégrales simples Considérons un intervalle fini (a. + B2p-2h2P-2 l’erreur étant majorée par E = l%J. nous obtenons : b . TL. . B2h2 + 7 F’(b) ~ ml (2p .

’ + (-lPh +. +. On se propose d’établir une table de la chaleur spécifique de l’argent pour lequel U = 215 K.Par définition. 1.6.qrn2” Retenons les treize premiers nombres de Bernoulli (non nuls). elle s’appelle température caractéristique). 0 on déduit que : 2 exp.. . Cette dernière expression a fait l’objet du programme argent. (n + 3)n! k=l (2k + 3)(2k)! B2k d’où 1+3~ci?2&$ kEl (2k)! .edpsciences. 2. 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. . ‘. LES POLYNÔMES DE BERNOULLI. FORMULE D'EULER-MACLAURIN Application au calcul de la constante d’Euler . = . la constante d’Euler (17071783) est donnée par l’expression : 1 + . Application au modèle des chaleurs spécifiques selon Debye (1884-1966) En 1912. on obtient y avec quinze chiffres significatifs exacts en utilisant la représentation des nombres sur huit octets (16 chiffres significatifs).com/guilpin/ 183 . .1 z n=O avec &k+r = 0. *http://www.(m)+y-&-&--k=l y = liliv 120m4 & + . 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. h = 1 et ICI = m (entier positif quelconque). . + ‘.(m) ( ) Cette série ne converge pas très rapidement.1 n=O n=.I expb) . + .1 .exp(x) .log. On écrit les relations suivantes : X exp(x) .12. et calculons la somme pour m = 13 : alors. + . c qui est donné sur le Web (*). _ 1 s exp(y) . + . On obtient alors sans problème : 1 =log.. +F x2k+3 3x Y3 du . on fait f(x) = loge(z).1 Y3 puis on calcule l’intégrale : dy = 2 yn+3 B.

MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. Comme l’erreur est un polynôme en hi. 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. Pour pallier cet inconvénient. (. la suite Inn.) -n. = 0. = ~ 2” On vérifie alors que l’on obtient : avec ho = b ~ a. converge vers la valeur de l’intégrale. Si n tend vers l’infini. = -vf”(:. L’idée de la méthode de Romberg repose 2 sur le calcul de 1. on choisit la suite S. X. on aura recours à la procédure de Richardson généralisée . la condition assurant la convergence ne sera pas vérifiée car : hn lim ~ = 1 h n+l quand n tend vers l’infini.. on calculera les intégrales 1n par la méthode des trapèzes avec un pas donné par l’expression : b-a hz... ho 2n+1 2. pour des valeurs différentes de h. si nous appliquons le procédé de Richardson à la suite des In. tendant vers zéro est une extrapolation du polynôme d’interpolation.] & 0 et nous notons que cette erreur est un polynôme en h.7. formée par les valeurs Iz. Pour réaliser l’extrapolation. 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. b). Il faut bien remarquer que la valeur obtenue de In pour en h. et assurer la condition de convergence. 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.généralisation qui semble avoir été conçue à cet effet. Autrement dit. On peut alors songer à accélérer la procédure de convergence au moyen d’un des algorithmes présentés au chapitre 2. on prendra : Malheureusement. 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. = $$.+1 2” ho 184 .. générée par la méthode des trapèzes. Revenons à cette expression de l’erreur : h2Pt2 hn E = (2JT+ 2)! J’ f2p+2(x+hn-t) [n.+.= -~ = x.) avec a < a: < b. lim...

240 216 00 0. T(k+l) _ (ho/2n)Tf21 .240 225 87 0.(ho/2n+“+1)TTF 72 (ho/2n)2 . 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.(2)]’ = 0. f(a) + f(b) +ef(a+kh.I 0 1%1(1+ xl dz = +x .240 226 5 0 7 et de former la suite des Ik à partir de ho = f .. 185 0. L’epsilon-algorithme appliqué à la même suite donne le résultat suivant : I = 0.240 226 653 .22 8 0. Suite initiale 0.12.240 225 49 avec une erreur E = 0. LES PoLwvôMEs DE BERNOULLI.240 224 6 0.1..14 1OW”. 1.235 5 0.) 2 k=l avec m = 2n .240 206 6 0. Un exemple numérique On se propose de calculer l’intégrale suivante : 1 1 = . [log.8.) = 2.240 226 5 0. Sio) = h.240 226 03 0.240 066 6 0.240 151 L’erreur est E = 0. on utilise les relations suivantes : h 0=bpa n ’ hz=.1.239 926 0. On obtient alors le tableau 12.1 Tableau 12.240 226 64 0. En résumé..l 10F5.Tik) T(“+l) n = : 4’“+1- 1 .(/@/2n+k+1)2 ce qui s’écrit encore : 4k:+‘T~~l .240 226 651 0.239 03 0.

Quoi qu’il en soit. et que nous en ferons ensuite la somme.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.240 226 509 I = 0.240228 I = 0.= c si = c f(G). Autres méthodes d’intégration Si les méthodes fondées sur la technique de Gauss sont. 2.1. 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. 2. i=o i=o . ne serait-ce que pour la réflexion qu’ils suscitent. Désignons par 1’ l’approximation obtenue : N-l N-l I’. les plus performantes. La valeur de l’intégrale entre deux points consécutifs xi et xi+1 notée si est approchée par s: : si = hf(xi) . Cela signifie que l’on effectue le calcul sur les différents morceaux selon une des méthodes que nous allons exposer. il existe un certain nombre d’algorithmes très simples qui méritent d’être présentés. d’ailleurs cette fonction peut être continue par morceaux avec des points de discontinuité de première espèce. 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 sommation des si fournit une approximation de l’intégrale 1. 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. Ces derniers calculs ont été réalisés avec une machine fonctionnant avec 10 chiffres significatifs. 4 points 6 points 1 2 points I = 0. b) a un sens.240 226 507. 6 et 12 points. d’une façon générale. 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. Il est bien entendu que l’on s’intéresse ici à l’intégration numérique des fonctions dont l’intégrale sur un intervalle fini (a.

b) 2. soit : où Mr est le sup de la valeur absolue de la dérivée f’(x) sur l’intervalle (a. nous pouvons écrire : N .) + f(%N) + 2 Ne f(xi) i=l . 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.1'1.F(G) . on désigne par si la valeur de l’intégrale calculée entre deux points consécutifs zi et zi+l .L’erreur due à l’approximation mathématique s’écrit : E = II.ii). elle est approchée par si : s: = . f(x. i=o Cette expression prend une forme plus simple en majorant la somme. Nff'(. Désignons par F(U) la primitive de la fonction f(x). on obtient une estimation de soit : suivie de celle de E : E = . f(~i) et f(~i+r).2.12. soit : E.F(zi) . L PoLyrvônnEs ES DE BERNOULLI. = F(Q)+ hf(zi)+ .si = F(x~+~) . où ni est un nombre compris entre ICI et X~+I.f'(qi) -F(G) ~ hf(zi) Ei. FORMULE D'EULER-MACLAURIN Estimation de l’erreur mathématique . La méthode des trapèzes En conservant les notations du précédent paragraphe. À partir de là.hf(zi) = F(xi+h) .kf(G).. X~+I. En désignant par 1’ l’approximation de l’intégrale 1 obtenue par sommation des si. 187 . = i=O . Nous pouvons écrire : puis : Ei = si . [f(%+1) + f(G)1 qui représente la surface du trapèze déterminé par les points xi.l 1’ = c s.

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

on obtient le résultat suivant : E = zNM4 = BM4. Les quelques exercices que l’on peut mener facilement le montrent fort bien : dans bien des cas. nous écrivons la nouvelle valeur de E. [f(X2i + 2h)+ f(zzi)+ 4f(xz+r)].i et Oi sont deux nombres compris entre x2i et x2%+2. M l M4 189 . lO). (p. b).. = . (il y a 2N points). Tous calculs faits. Effectuons un développement limité de F(xzi + h). Il s’ensuit l’expression de E : E = $ ” flv(pi). LES POLYNÔMES DE BERNOULLI. (f(x) + 2hf’(zi) + 2h2f”(2i) + +(Xi) + ~/qo)) . FORMULE D'EULER-MAC%AURIN Estimation de l’erreur mathématique .43. où Md est le sup de la valeur absolue de la dérivée d’ordre quatre sur l’intervalle (a. 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). Remarque : Autant il est aisé de tirer des conclusions quand au rôle joué par N dans chacune des méthodes.f’“(pi) où pi est un nombre compris entre zi et X~+I. estimation de Ei : À partir de là.. on trouve les résultats suivants : Mr = 0.) + 4f(G) + 4hf’(Xi) + 2Pf”(L7Ji) où [i. ainsi.En adoptant le procédé exploite pour les méthodes précédentes. et l’on voit que . sur l’intervalle (0. i=o Il est aisé d’obtenir une forme plus simple en majorant la valeur de la dérivée sur l’intervalle (a. (f(x..12. M2 = 0. 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). autant il est impossible de savoir quoi que ce soit concernant les majorations des dérivées d’ordre de plus en plus élevé. : G = si ~ s: =F(%+a)F(zzi). on obtient : EL = 2hf(zi) + 2h2f’(4 + $f”(z) + ~~“(CC) + $&) . [f(zai)+4f(z2i+1)+ f(xai+a)].= 25.893 et Md = 10. = F(X2i + 2h) ~ F(Z22) .95. f(zai + 2h) et de f(x2% + h) respectivement à l’ordre cinq pour le premier et quatre pour les deux autres.5. b). on obtient une E.. Prenons un exemple simple : 10 I= /exp(-z") 0 dz.

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 = (. Cette expression peut faire l’objet d’une intégration terme à terme à condition de connaître les ay). (u . .k + l)(u . . ce qui donne : Hk = (-1)“-k2 “u(u .xj) j#k dz = 2 f(xk)&.1). Méthode de Newton-Cotes (1682-1716) Soit une fonction f(z) continue sur (-1. Hk = (-1)“-k2 nP&h) d u . si l’intervalle d’intégration est (a.j) du sn o j=o 190 .” . k=O -l n(xk Le calcul des Hk s’effectue au moyen du changement de variable xk = .b). L’intégration de Pk(u) entre 0 et n est immédiate. +l) laquelle possède des dérivées continues sur le même intervalle jusqu’à l’ordre (n + 1) au moins. 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.JI est estimée à partir de l’expression de l’erreur commise en remplaçant f(x) par le polynôme de Lagrange PL(X). .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3. soit : n +1 rp-x3) J = &k)/ k=O ‘.1+ %. On calcule au préalable les S” qui sont les sommes des racines à la puissance m. le changement de variable permet d’obtenir : +1 f(x) dz = 7 2 Hkf(a + kh) s -1 avec h = e .=-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. 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.1) s nk!(n ~ k)! 0 0 . (u . nk!(n .k .n) du. k=O L’expression de l’erreur E = 11 .y+.1.)! Rn+2 (u .

12.2.219 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.968 lO-’ 0. Rappelons que le calcul de M n+i est rarement simple. L’intégration du polynôme sous le signe somme est effectuée de la même manière que celle de Hk. FORMULE D'EULER-MACLAURIN où A&+i est le sup du module de ~C”+‘)(Z) sur l’intervalle (a. Sur le Web(*).529 10-6 5 6 7 8 9 10 0. on aura écrit le polynôme de degré n + 1 sous la forme : n+l P.edpsciences.2. b). j=o à l’aide des relations de Newton. Au préalable. T a b l e a u 12. il suffit d’intégrer entre deux entiers consécutifs.354 10-7 0. Les premières valeurs calculées sont données dans le tableau 12. dans chaque intervalle constitué par deux entiers successifs. 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.717 10-5 0.com/guilpin/ 191 . 0 *http://www. c qui réalise cette technique d’intégration suivi d’un autre programme cotes-2.).823 10-l 0.888 10-4 0. Pour obtenir une majoration de l’erreur. on trouvera le programme cotes-i. Si le principe que nous venons d’utiliser pour calculer les Hk demeure.973 10-s 0.(u) = c a$%“. c qui calcule la quantité : Il faut prendre quelques précautions pour calculer cette dernière intégrale. la fonction est soit positive soit négative (elle est alternativement négative puis positive etc. LES POLYNÔMES DE BERNOULLI. de prendre la valeur absolue du résultat et d’en effectuer la somme depuis zéro jusqu’à 12. n Q(n) 3 4 0.

b) ici (0. Désignons par A&+i cette valeur. J = 0.+z(s)exp Ce sont donc les zéros du polynôme d’Hermite de degré n+2 qui sont les extremums de g(x). Ce résultat peut apparaître médiocre. les six premiers chiffres significatifs sont exacts.. En général. 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. on tire : Pour fixer les idées. Il est facile de calculer les valeurs de g(ak) correspondant aux racines ak contenues dans l’intervalle (a.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La dérivée d’ordre n + 1 de l’expression sous le signe somme. elles donnent des extremums du même ordre de grandeur et l’on trouve : M n+l = 217. Cette opération va être rendue aisée par l’usage des coefficients HI. d’où 0.6 10-5.2). aussi ne s’attardera-t-on qu’exceptionnellement sur leur majoration.2).47725 f 0. en effet nous avons : j7(“+2) = k (n + (n + l)!Jz 2. en fait il est dû à la majoration excessive de la dérivée d’ordre (n + 1). pour 7~ = 8. Quoi qu’il en soit. chapitre 10) : = (-l)“+‘Kn+r(x) exp Cherchons le sup de la valeur absolue de cette expression dans l’intervalle (0. on les note a&. calculés lors de l’intégration de Gauss-Hermite . et de choisir la plus grande valeur absolue. soit : = (-l)“K.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. alors nous trouvons : J = 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.00046. choisissons n = 8.. 192 . E(n = 8) < -Jg5 2 9 et lO@ = 4. il est très difficile de calculer formellement la dérivée d’ordre n d’une fonction. dans le cas général.2). iKn+l (uk)] 2’ de là. ici. Elle est obtenue pour l’une des valeurs qui annulent la dérivée de g(z).. et rares sont les exercices qui le permettent. Cette raison explique pourquoi il n’est pas possible de comparer directement.. notée g(x) est donnée par les polynômes d’Hermite (cf.

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

y).. Pour s’en convaincre. Cette équation différentielle ne possède pas de solution formelle connue c’est-à-dire de solution exprimable au moyen des transcendances usuelles. Ici. 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. mais rien n’est changé en faisant usage d’autres variables. 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 ). Ici nous avons choisi le temps comme variable puisque l’exemple retenu est le pendule simple. 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. On connaît les valeurs de la fonction inconnue à des instants différents. il est encore plus rare de pouvoir exhiber une fonction f qui soit solution d’une équation différentielle donnée.) $.1dans le champ réel Ces types de problème relèvent du vaste cadre de l’analyse fonctionnelle. b.. D’autant plus que la nature des conditions aux limites peut singulièrement compliquer le problème à savoir : a. Conditions de Cauchy (178991857). Conditions aux limites (ou de tir). S’il est rare de trouver une primitive à une fonction donnée. il suffit de considérer une des toutes premières équations différentielles rencontrées dans la physique : l’équation du pendule simple dans le plan. 195 .

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

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

Il suffit donc d’écraser les valeurs au fur et à mesure des calculs. yk). c qui met en œuvre cette technique. = b. *http://www. il suffira d’effectuer les calculs à un ordre suffisamment élevé pour obtenir la précision souhaitée à l’avance. La technique de calcul est simple : à partir de x0 et yo on calculera y1 au point xi. sur le plan strictement mathématique.com/guilpin/ 198 . 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. 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). Précision de la méthode La suite de fonctions étant absolument et uniformément convergente. c qui réalise cette procédure. + SYk’ + .edpsciences. Les problèmes sont malheureusement plus compliqués que cela. on obtient : = dxk. . Par suite. On trouvera sur le Web (*) 1 e programme picard. 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. + gY. ensuite. 4. par dérivation. Yk). et On peut aller aussi loin que ce que l’on désire. puis y2 au point x2 et ainsi de suite jusqu’à x. la méthode s’appelle méthode d’Euler. 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. On trouvera sur le Web (*) 1 e programme taylor . yi est donné par l’équation différentielle et vaut simplement f(xk.

INTÉGRATION ms ÉQUATION~ DIFFÉRENTIELLE~ mNs LE cH.f [zo + h/2. yo)/ L’ordonnée de C n’est pas la valeur définitive que nous allons conserver comme approximation de l’intégration en zo + h. T~O)P. yo). Y(Z)] dz = y1 . 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.yo+hUl).com/guilpin/ 199 . *http://uww. nous calculons au moyen de la méthode d’Euler les coordonnées du point B [Q + h/2. c’est-àdire en supposant que les trois points A. à partir de ~1.1. y). On trouvera sur le Web (*) 1 e programme runge . y(~ + h)] en effectuant une interpolation parabolique. nous donnons les résultats du calcul en quatre points. Ensuite. [Uo + 4Ul + U2]. YO + hUo/2) f(zo+h. partir du point A(zo. Sans s’attarder sur les développements.hw RÉEL 5. = = = Yo). YO + hf(zo. B et C sont sur une parabole. La méthode en trois points Nous allons présenter cette technique de façon géométrique. y(~ + h/2)]. On détermine le point C [XO + h. Cette procédure montre que l’on itère trois fois la fonction f(z. Méthodes de Runge (1856-1927) et Kutta (1867-1944) 5.edpsciences. > f (50 + W’.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. Cette façon de procéder est généralisable ce qui permet d’augmenter la précision des résultats. 1Jo + hf(zo. yo + . On peut alors écrire : y1 = y(zo + h) = YO + h.13. soit : À = YO + Wzo. puis nous verrons ce qu’elle signifie analytiquement et nous proposerons une généralisation à plusieurs points. c qui réalise cette procédure. Nous pouvons retrouver ce même résultat par voie analytique. yo + hf (20 + W. on calcule y2 et ainsi de suite jusqu’à atteindre la borne b souhaitée. yo)/2)) La technique de calcul consiste à écrire : UO Ul Uz puis y1 = f(zo. [f(A) + 4f(B) + f(C)] expression dans laquelle f(A) signifie f(ze. go)/21 signifie f (50 + h. y~) f(B) f(C) signifie f 1x0 + WA yo + V(a.

. .+1 . Les méthodes en seize points (ordre 8) Il faut résoudre un système de 285 équations pour satisfaire les conditions d’identification et en 1981.x. en voici deux : 1.yo+R/2). 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.3. T étant l’intervalle sur lequel on désire effectuer les calculs et sur lequel la fonction f [x. YO + UoP) .2. et y(x0 + h) = Y(Q) + z + F + y + ? . et y(~0 + h) = y(zo) + z + : + ? + ? . annexes H et 1). 6. 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.f (20 + h/3. 2. 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. . < x.R. Les méthodes en quatre points Il existe plusieurs variantes de la méthode. < x. Prince et J. 200 .Uo/3 + Ul) . u3 = V(~O +~.. . YO + U2) . = hf (20 + h. 5.Yo + Uo . = x. Souvent nous utilisons leurs résultats pour intégrer les équations différentielles.J.Ul + U2). On peut aussi calculer cette autre suite : uo = hf (XO.YO) U3 . Les abscisses ne sont pas nécessairement en progression arithmétique et l’on les note simplement dans l’ordre croissant (20 < ~1 < x2 < . On note h. y(z)] a les bonnes propriétés énoncées dans le théorème de Cauchy-Lipschitz. P. yo . Uz = hf (20 + W3. On retrouve ce type d’intégration dans quelques programmes fournis avec les corrections de problèmes (cf.} = T. On calcule les valeurs suivantes : Ul = h. U2 = kf(~o+W. Ceci permet de calculer aussi le pas d’intégration adapté au type de l’équation différentielle que l’on traite. YO + Uo/3). ul = hf (20 + W’.

1. On se propose de calculer la valeur de yn+r au point x.13. On adopte la notation : Pvn(xn-j) = f[x. Méthode de Adams-Bashforth On désigne par Pyn(x) le polynôme de Lagrange de degré v qui interpole la fonction f[z. y(z)] dans l’intervalle (z. f n+l = f (%+1. y(z)] au moyen du polynôme d’interpolation de Lagrange de degré u. la méthode d’Adams-Bashforth a (ZI + 1) pas s’écrit : Y~+I = yn + 2 h&L. expression dans laquelle nous allons approcher la fonction f[z.-j.~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)] = fn-j avec j = 0. INTÉGRATION DE~ ÉQu. YYn+1 1 201 .+1 au moyen de la relation : “n+l Ynfl = Yn + s fh ~(~11 dz. ~ç.1.. ce qui signifie que la détermination de ce polynôme nécessite la connaissance de v + 1 valeurs calculées précédemment. V.+r). 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. 6. . 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. y(x.

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

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

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

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

-‘) .yje1 avec 60=~0=1.u~i”u+l~~$b+j-~) -1 -1 du.~+I -1 J' (u)du=]Esd.j ne dépend plus de n et l’on désigne par d. &+*‘) -1 du=y.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La quantité D. . j=o 6.1 = 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 . Calcul des coefficients Sj et d.h..2 (m -! + 1) = O. en réutilisant la relation établit à propos des rj...+h!f&~fn “i~](~+.&-lf (x. on extrait : Yn+l avec =Yn+h-p I cfn+l . à savoir : m-1 m 2 & . Nous allons relier les coefficients ~?j aux coefficients y&..Lj. yn+l) = yn + 2 h..j cette nouvelle expression qui s’écrit (attention au changement de variable qui définit u) : 0 dvj = L+I.6. -1 k=O k#3 De là. L’expression générale à itérer devient plus simple : yn+l .+1.dvj. Nous pouvons également calculer directement la suite des 6. Écrivons 6j et effectuons le changement de variable u .

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

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

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

JY .Z) et g(x.1.~)-~(x. yo.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8.~01 5 c. b/M et C/M où M étant la borne supérieure de if\ et /g/ dans le parallélépipède considéré.y11 + B Iz . a . y. En effet. dz Il ne coûte rien d’étudier le système général suivant : 2 = f(X. y.zo) x0 dt zo + 7 g(t. 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. 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.dz.Y.z )sont continues dans le parallélépipède xc 5 x < x0 + a.~~)/<A~Y-~~/+BIz-z~I. 20) dt x0 210 .~o. Y> 2) . comme nous l’avons vu précédemment d’écrire : dy -=z d2y dz dz -= dz.Y~.y01 5 b et 12 .211.= S(T Y. dz 8. 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. Y. Cas du problème de Cauchy En xc.YJ) dz . 2). yl. alors le théorème de Cauchy-Lipschitz se généralise de la manière suivante : Si les fonctions f(x. on connaît les valeurs yo et ~0.? f(t. h étant le plus petit des trois nombres a. et si les fonctions sont lipschitziennes c’est-à-dire que : I~(~.a)l < A Iy . z).Nous formons la suite de fonctions de la manière suivante : Yl(X) Zl(X) = = YO + . et elles en constituent un cas particulier. is(xç.Méthode de Picard .

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

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

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

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

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

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

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

’ d2@(x. d2+b.MANUEL DE CALCUL NUILIÉRIQLJEAPPLIQUÉ Dans le cas particulier où le maillage est régulier (points en progression arithmétique).2@(xb.2@(xb. !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. 3 Bord du domaine i 4 + 0 ’ Nous pouvons écrire : X Figure 14. 14. = Yc) . 6X2 @(xb. Yb) . Voyons ce qui se passe à deux dimensions (CJ? Fig.1). 6x(1 + a) 2 (Y+?).1. Yb) 8X2 “b Yb) + @(&.Y) dy2 Yb L/b) + @(x6. Yb) . Y . Valeur de l’opérateur de différence sur les bords du domaine. !/b) 6Y ~ @(xc. On en déduit que : !eJo= !z~o= 2 (T+Y). dX !/b) Yb ~ @(x6. Yc) .@(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. on obtient des expressions plus simples en désignant par 6x et Sy les raisons des progressions arithmétiques : d@(zb). by(l+ b) 218 r .

.j. Ic) + Q(i. k) + @(i .l. l’orientation du maillage à trois dimensions étant définie conformément à la figure 14.. Ic) . y. Repère orthonormé. 14. L’opérateur laplacien Compte tenu de son importance.. 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 = & [@(i + l. k ~ 1) . k.j. dz 62 > 3.LQ(i. k)] + & [@(i.. 3..1.. Ic)] . cartésien / X SX Désignons par 6x.1 .LQ(i.2. j + 1. k)i . Il vient immédiatement que : aqx. j. INTÉGRATION ms ÉQU..j + 1. j. k) Figure 14.j. j ~ 1.-$ .2@(i.j. k + 1) + qi. Z)i.~TIONS AUX DÉRIVÉES PARTIELLES en généralisant sur la troisième dimension : dz@ sz2 0 2 bz(l + c) 4>5 -ao @6 -@O -+-.] + $ [cqi. Repère cartésien orthonormé M(i. k) .2.j.l M(i. j ~ 1. Sy et Sz les dimensions de la maille élémentaire. 219 ..j.

3. r6fl ct 6~ Irs dimmsions de la mailk Clhmt.~irr (cj’..2.i~..j> k -.1) ~ @(i. x: + 1) + @(i.Figure 14. Coordonnées cylindriques (r. + & [Q(i. 220 . 8. 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). Coor. 14.j. k)] z 1 4. Fig. z) Dksigrlolw par CI~.do.j.rl.s 3.rl.3).s cu/l%rrd~ique.

s. 1Clallleureuscmcnt. dc Bcssel.ç sph. Conduite du calcul permettant la résolution numérique de l’équation de Poisson Par raison de simplicités. al1trenient dit ccllcs qui jouent un rôle important en analyse : sinus. de Neumann. IIOUS connaissons une solution particulib : du ét. Il suffit d’ajouter c:ett. pratiquement dans tous les cas il f’aut avoir recours au calcul nurri&icliie. ct nous tlevons résoudre IIIE: équation dc Laplaw : A@(F) = 0. 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~:s solutions formelles drviennent cx<:c:pt. Les fonctions qui olkksent à cette CquaLtion portent. fonctions tic Legendrc associks.iorlrlelles ct. ths un rcpèrc~ cartésien ortlioiiormt? ct 221 .ARTIELLE~ Figure 14. fonctions dc Weber-Hermite.4. on lts appelle fonctions harmoniques. Dans tic nornbrcux cas p( F) = 0.Criqur. wsinus. de Mathieu ctc:. = 6y = 6z = h.ant 1’6kment de volume.1.14. un n o m . 1101x3 étudierons le probkmc nous choisirons 63.e solution aux solutions dc l’équation dc Laplace (kluation sans sec:ontl membre) pour obtenir la solution complète (kyuatiori linbaire). Dans lc cas de l’équation dc Poisson.~TJX DÉIIIV~~ES F. INTÉGRATION DE~ RQUAT~ONS . 4. Coorrlonm2e. lorsque le probkne étudik n’admet pas dc symktries simples.

Comme le probkme admet une symétrie d’ordre six.j: k) : qi.7r/3) e . Une larnpe triodc est constituée d’une cathode K. La grille est constituée dc six fils parallèles à la cathode disposés régulièrement sur le cylindre de rayon T = 0. j. Fig. k)]. Pour ce faire. k) + Q+‘)(j. G(i. Méthode de Gauss-Seidel (1821-1896) On peut montrer que la technique itérative de Jacohi est convergente et ahsolumcnt convergente. [a+‘)(i + 1.j. k) en fonction des valeurs prises aux points plus proches voisins de hi(i. Nous n’avo11s plus besoin que d’un seul tableau dans lequel les valeurs sont « écrasées » succcssivernent. d’êt.j + 1. k) + @(i. La dcrniere relation i:tablic permet alors de calculer tous les points adjacents à la frontière. k + 1) + Q +l)(i>j.j.ion.4.. sur la frontière. Application On se propose d’étudier les équipotentielles d’une lampe triode que nous prksentons assez simplifik. lesquels sont les seuls à être modifiks.j. k) au point M(a. il n’est pas trk utile de programmer cette procédure car la mCthode de Gauss-Scidcl en est une importante amélioration. On montre que la méthode est convergente.iel dans un plan perpendiculaire à l’axe de la triode.hode exigt environ deux fois moins dc calculs que la mkthodc de Jacob car elle converge beaucoup plus rapidement . 4. k) + Q(i. d’une anode A et d’une grille G1: Gx. Au rhe tour d’it.re calculkcs et.3.MANUEL DE CALCUL NU&RIQVE APPLIQUÉ Maintenant. j. k) + Q> (“--‘I(i . Gx. 222 .j . Gd. j. k) + Q(i. 4.l>j. k) + Q(i .j> k .Jacohi : au cours du calcul. on écrit les relations qui font appel aux calculs effectubs au (n . page ci-contre montre la coupe de cette lampe simplifike. k) = g [a+ + l.j. La cathode est un simple fil métallique de rayon négligeable placé sur liaxc du cylindre de l’anode. Gauss et Seidel ont profité de cette proprikti: pour améliorer la rnkthode de . k .2 cm. De toute façon. 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. Ccttc rnét.s par rapport. Gs. nous compléterons ensuite t par symétrie.5. k) + Q> (n-1)(“> j. k) = . j. k + 1) + @(1. il faut deux tableaux pour mcttrc tn couvre cet algorithme. ces six fils ktant rnaintenns au Potent)iel -5 volts par rapport à la cathode. 4.. nous ferons usage des coordonnées polaires à. k)] D’un point de vue pratique. La figure 14.krat.j. à la cathode qui SC trouve au potentiel zéro.l. L’anode A est un cylindre métallique de rayon 1 cm port6 au potentiel 100 volt.1. k) + d’“-“(i. j + 1.2. La réitération de l’exploitation de la formule pcrrnet de proche en proche de modifier tous les points du maillage. 14. On se propose de déterminer la carte du potent. page ci-contre). cause dc la symétrie cylindrique.1) ~ h”p(i. on peut faire immkdiaternent usage des valeurs qui viennent.6. nous n’avons donc besoin pour effectuer les calculs que de faire varier l’angle H dans l’intervalle (0. exprimons Q(i.1)’ : d”‘(i> j.1) ~ h”p(i. nous n’avons plus besoin de sauvegarder les différents tours d’itbration.1.j . Nous choisissons le rnaillage suivant : 68 = 7r/36 et 6~ = O:l cm (cf.

Nous calculons le potentiel sur les droites D 1. Nous complétons par symétrie car sur la droite DF> le potentiel est le même que sur la droite D 9.14.5. c qui réalise le calcul des potentiels par la méthode de Gauss-Seidel. Dz.5. Technique opératoire On met des zeros partout aux nceuds du maillage hormis aux points A.com/guilpin/ 223 . 4. GI et K.edpsciences. sont Sgales ü une certaine précision près. *http://www. On trouvera sur le Web (*) 1 c programme triode. et celui de la droite Da est le mCmc que celui de la droite Dl. lors de deux itérations consecutives. Représentation triode.6. INTÉGRATION DES ÉQUATIONS AUX DERIVÉES PARTIELLES Figure 14.pe Anode K Cathode Figure 14. schématique d’une lnm. 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. 03 et Db.

: on obtient. La solut. Problème de stabilité Nous ne pouvons las choisir u’irrlportc~ corumcnt 1~: quadrillage de l’cspac~c~ (x.lClitk est. t)] Au temps t = 0. Le non-respect clc la condition de sta. 4 cm Ci sclori qu’il y a une. t) + qx . l’expression de 1’6qnatiorl dcvicnt : 5. ct. . t) ct lr: ca. uous calculoris au moyeu de la relation ci-dessus les valeurs en c‘llacluc~ poirlt (111 maillage.r.hr. Puis nous cfhkuons les calculs au temps 26t par le rr&nc: procéd6. rsfk Nous obtenons alors 1’Pvolution du syskhne au cours du temps.e est rcniplie : cy valmt 2.2. très rspidcrncnt ri’irriport. du maillage.lcul proposé est st~ablc lorsque la conditiori suivant. t) at .5.ir ch. t + 6-t) = 9(Z) t) + g [fD(zr + ch. Au temps ht. t) ~ qz t + n‘t) ~ q.r. cm tenant compte tics conditious iruposks au systhc @tu&+ (conditions aux limites). ii11 tclll~>s 3Ot. au cours du temps) : qz. nous connaissons la valeur de @ CU t.ollt poiut.t ~ qx + 6x. ct il est facile tic s’apcrcmY)ir que &tc~ m6tlde u’cst pas itérative (les vsleurs changent.3.&r:.3 coritlitions iiiitialcs.t h‘t Au moyeu ch diff&ences finies. aiiisi clc suitr. 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. Nous pouvoiis écrire : mqx.c. t) ~ ‘Lqx.c. Résolution des équations de type parabolique (méthode explicite) 5. Maillage pour une coordonnée d’espace et la coordonnée de temps Cornriie prKdcrnrurnt~ nous choisissons un maillage rbgulier. t.. cT:cSt. t) + q:x: .ion du problCme est &tcrmirlC+ par une suite tl’oph-atious 6lhcmta~ires cffcctui33 CI part. la maille ~lhncmtaire a la kille a2 . 224 . 5.1. tlcux ou trois coordoririCcs d‘cyacc. sanctionuC~ irriirl~diatrrll~llt.c quoi : ou ahoutit à uu tl@üsserncnt dc capac‘itb (overflow) qui produit un arr?t de la rriachinc~. t) 6:IJ +D(. t) ct. t) ~ 2qn.

12 crn”sP1 Au tmut de cornl)ieii de tririps pouvons-nous adrncttrc qiic 1iL tcnipi:mture est 2. 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.tt>les d‘espace 2. c>llc est. noiis m coiis~mmis qw la seule mordonnk: d’mpaw 2.14.mipkrature à l’int.kd formel. plong&.Prieur dc la plaque fn fonct.NT&RATI~N DE:S ÉQU. î et. dans un rkrvoir d’eau 5 la température 01 = 10 “C suffisanirricnt grand c:t. Maillage pour une coordonnée d’espace et la coordonnée de temps Cornrnc pr@c~~derrirrierit.raite ce prol~lèrne.airc~ a la tkllr Au moyen clcs diff6rcncw finks. c qui t. 6. de la variatdc clc tcrrips t. en série de sinus et tic cosinus qui. trrup~rat~ure uniforme Ho = 90 “C. Nous pouvorls écrire : 1111 rriaillagt rkgulicr~ ct la rmilk 616rncml. L’klimtion sc rkluit alors à.s de fac.1 “C la t~mip6ratim du tlicmnostat ? Il est tout à.ion dc ccttc équation.ori riotable la teinp&dure du réservoir.4. C‘est ce genre de problème que Fourier a t. nouveau uniforme dans la plaqw. l’~~xpression : 32q2. Au temps f = 0. La foiiction tl&mcl tirs trois vari.ion dc lin distmw z c. 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). teinp6rdure la plus élevée ut tl6passc que dc 0.1. On trouvera sur lc Wcb (*) 1 c progrmm~c chaleur. bim agit6 pour qiw l’on puisw admettre que l’briergie &lPc par la plaque nc clmngc pa. Application : Refroidissement d’une plaque homogène Une plaqué hmnog~?nc d’kpaisscur i! = 10 cm mt port& a la. Cornrnc prMdtrnnicnt. de tliffusion est D = 1. t) 3z” 1 dz@ r2 3t” 6.joiml’liui.~TIONS A~IX DÉRIVÉES PARTIELLES 5. ai~. c’est-k-&-c> lorsqiw la. pour kt.raitF ct pour lcqwl il II trouv6 la solutioii sous forme tl’uii d~velol)l>eriierit. du temps t (ou notera la symétrie du prol)lèmr) La. fait intérrssmt dr corripare~ les résultak du calcul riiirn6riqiic rwcc les rk1dtats du c. On sc propow dc dik:rrniner la ~. l’expression de l’iquatiorl tlcvicnt : 225 .t. pork sou nom (Thkorie malytiyue de la cldrur.utlicr l‘intPgrat. plaqur est t‘11 cuivre dont le coefficient. I. y. 1822). nous choisissons bzh‘t.

6 pour que l’on puisse adnwt.antc appelée cCkrit. t.csse de phase).tquelle c est une cwnst. elle est plong6c dans un réservoir tl’e. Application : Refroidissement d’une plaque homogène Une plaque homogène cl’6paissr:ur / = 10 cm est. dialeur. pour 6tudier l’intégration de cette 6qu.1 “C la tcmptrature du tlicwilostat ? Il est tout à fait.rouvC la solution sous forme d’un dfvcloppcmrrit.empkdure est. l’expression de l’équat.com/guilpin/ 225 .ion dkpentl des trois variables tl’cspaw XT. L’kpiat.ion devient : *http://www.i.ru à la température 01 = 10 “C suffisan~mrnt~ grand et lkri agit. t) 1 a2ù.inalytiquc tic la. ai~. On SC propose de d6tc:rminer la. C’est c’c gtnrc dc probkmc que Fourier a trait6 et.P de l’on&~ libre tlrtris le milicu corisidér6 (vit.sse que dc 0.1. à. porte son nom (TlGwrie .(f2 (yt2 arr” 6.ion suivaritc : c~xprrssion dans l. hz&. 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. pour lcqwl il a l. nous clioisissoiis im maillage r&g&X”. Maillage pour une coordonnée d’espace et la coordonnée de temps Comme préréclcmmrnt. Al1 bout dc combien de temps pouvons-nous atlmcttrr que la.ion SC‘ rkluit alors à. tic cosinus qui.‘.edpsciences. tempPrat~ure ?i l’intbricwr de la plaque cn fonction de la tlistancc~ :1: et du temps t (on notera la.4. Nous pouvons &rirc : et la maille 6ltmentairc a la taille Au moyen des tliff6rences finies.urr uniforme 8.tre que l’éncrgic cklée par la plqur: ne change pas de faqon notalde la. Comme prtcklcmment. l‘expression : iS”Q>(z. portbe n la tcmpk.) = 90 “C. intkwaiit~ dc comparer les rksultats du calcul numtric~ue avw lw rkultats du cald formc. 6. l’kluat. c qui tr. LR plaque est en cuivre tlont le coefficient dc diffusion est D = 1. températurc du réservoir. c’est-Mire lorsque la tc~mptraturc la plus @lev+e nc tlbpa.joiud’Iiui. nouveau uniforinc dans la plaque. 1822). z ct de la variabk~ de temps t. La fonct. y.ttion. On trouvera sur lc Wcb (*) 1 e programme chaleur . nous nc wnservons qu(~ la seule coordorm~e cl’csl~ac:c: CE. sym6trie du problème). Au temps t = 0.12 cn?s.5. en s6ric dc sinus et.tt. .ite ce prol)l?mc~.l.

Une corde vibrante ABC est fixée à ces deux extrémités B et C. et. deux ou trois coordonnées d’espace. on se propose de dctcrminer les profils successifs de la corde sur une demi-période. On note que l’on doit retrouver un profil 226 . et l’on voit ici encore que cette mcthode n’est pas itcrativc : qx. Y A LT/ > n x B L c Figure 14.qx. Ici encore. t . Nous obtenons par ce moyen l’évolution du système au cours du temps. à l’instant initial t = 0. nous connaissons la valeur de Q en tout point du maillage. 6.2. le non-respect de la condition de stabilité provoque l’arrêt quasi immédiat de la machine: Application : Profil d’une corde vibrante pincée .MANUEL. Profil d’une corde pincée.7. n&. . c = 300 mspl et (L = 15 cm. en tenant compte des conditions imposées au système étudié. t) + r2qx ~ 6x. h = 1 cm. 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. 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. DE CALCUL NUMÉRIQUE APPLIQUÉ 6. cette corde est disposée conforrnérnent à la figure 14. 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. . . t + ht) = r2fD(x + 6x. Problème de stabilité Ici encore.3. La solution du probleme est déterminée par urle suite d’opérations élémentaires effectuées a partir des conditions initiales. t) . 4 ou 6 selon qu’il y a une. t) + 2(1 ~ T2)4>(X.7. Sachant que L = 100 cm. expression dans laquelle on a posé : Au temps t 5 0. Au temps 6t: nous calculons au moyen de la relation ci-dessus les valeurs en chaque point du maillage. . et ainsi de suite au temps 36t. .&).

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

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

Au temps t = 0. on peut rkaliser un changement d’origine des tcmpérakures poser : TO est la nouvelle référence. Une solution de (15. A’: B’ ct C’ ktant des constantes d’inGgration. et l’on obtient : A=0 0 = B sin(kh) La solution non triviale impose : kh. pour déterminer compktement la solution il est. Au temps t < 0. (15. .ions initiales : O(0. t) = [A COS(~. T = T. Il reste à appliquer les conditions aux limites ct les condit.TO = L3 sin (7x) exp [.4) Maintenant.2.5) s’krit alors : Q(~C.. 1. .3) (15. On obtient alors les kquations : X”(X)+ k”X(z) = 0. Les solutions des kquations (15. t) .=n?r avec n . ce sont des combinaisons linéaires des autres constantes A’.1) s’krit : /3(:1*.3) et (15. 7l dor1c k = 7-lh et l’expression (15. avec .O) = TO = Acos + Bsin(kh) et Pour simplifier les équations.(y)ZDi] 230 . (15. t > 0) = Q(O> 0) = r.5) expression dans layuclle A et B sont des constantes.iales et aux limites.0 . = A: 6’(h.n = 0.~) + B sin(kz)] exp(-k2Dt).4) s’écrivent : T(t) = A’exp(-kDt) X(x) = B’cos(kz) + C’sin(kz). 2 .MANUEL DE CALCUL NUMEIUQUE APPLIQUÉ Comme lc premier membre dc (15. nkessaire dc faire intervenir les conditions init.3. 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?. 3 . 1 . . T’(t) + k2T(t) = 0. pour 0 < z 5 h et T = TO partout hors du mur. . .t > 0) = H(h. on a T = TO sur les parois du mur c’est-à-dire pour z = 0 et z = h. 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’.2) est constitué d’une fonction nc dépendant que de z et.

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

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

à variations hornks sur (Ut h).O)I/L dans le ca.~ de la discontjinuitjP (convergence simple).11) 4.Soit f(z) une fonction d&iic sur mi intervalle (n: h).t . on obtient : (15. et à variations bornées sur tout intervalle fini.7) est. convergente pour tout n: et a pour somme f(z) dans le cas dc la continuité et [. la somme S. sont calculk au moyen dc la mkrle formule. < Lcn-l < b. multiplions les deux membres de la relation (15.15. rcstc infbricurc a 1111 nombre M fini.riqiic (15.els qw : a < ICI < 52 < 5y < ‘. . on dit que la fonction f(z) es. Définition d’une fonction à variations bornées . alors sa série de Fourier est convergente et uniformément convergente clans tout intcrvallc où f(. LES SÉRIES DE ForrRrER et. Conditions d’égalité de f(x) et de la série de Fourier associée On admettra sans di:monstration les théorèmes siiivants : 4. 4. On divise (a.f(z + 0) + f(z . continue et pourvut d’une dérivée prcnii?rc continue f’(z). Si f(z) est p ériodique de periodr: 27r. cn tenant compte des relations d’orthogonalite. Théorème III Appcle thi:or?rnc dc Jordan (1838-1922). DC la même façon. S la somme définie par : Si.2. b) en n sous-intervalles partiels au moyen de (n ~ 1) points t.. sauf eventuellement en un nombre fini de points sur une période et.z) est continue.9) par sin( Icx): puis intégrons sur une période . soit. qui sont alors des points de discontinuit6 dc première espèce pour f(z) et f’(z). 1a série trigonorri~t.1. 233 . Théorème II Le théor+me 1 est conservé si f(z) est à variations bornees sur un intcrvallc dc pkriode 25~. corllrrle ceci explique l’origine du çoeflicicnt ao/2 : tous les ah. quelle que soit la décomposition de (u? b).3. Théorème I Si f(z) est une fonction periodiquc dc pikiode 2~r. 4.

l’un des coefficients arr ou h. pas néccssaircmcnt idcntiqucs c’n dehors de cet intervalle. on peut.MANUEL DE CALCUL NUMÉRIQUE APPLIQUE 5.5. nc sont. sont nills. si f (x) n’est pas continue. alors a. 5. 27r) où il cxistc pour ces deux fonctions des discontimlith d c prcmikrc C~~~:C:C~.bles eu série de Fourier. paire.2. Comme . Dérivabilité d’une série de Fourier Si a(~) et . si f’(~) et f”( z ) existent et sont coiitinues sa.f’(:c) WI skie de Fourier. vers zéro comme 1/srL”7 x eb ) a -t 01s çoutinuc partout sur ime ptriode. sur un intervalle intkrieur à.~) est ur1c fonction impaire. Si la strie trigonomhtrique est convergente. Quelques propriétés remarquables 5. tcndcnt. la convergence de la série peut Ctrc trks lcntc.uf éverituellement eu un nombre fini de points daus l’intervalle (0.inues ailleurs. tcndcnt vers zbro au moins comme l/n. 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. corit. La rkponse est.x 234 . 27r).Soit la fonction paire de période 27r définit ainsi : f(x) = r-:x’ si si 0 S:I: < 7r f(x) = 5 . mais la série convcrgc lcntcmcut .7r ~ rr< z < 0. f(~ 1 R6ciproqucmcnt. alors f(:Z.4. À propos de ce théorème. Sur la parité des fonctions f(x) Si f(x) est. on peut calculer directement UII dheloppement de . ct h... alors. une fonction paire. et tous les arr sont nuls. lhn au moins des coefficients tend vers zéro CoIIIrIl~ 1/71. toutes les fonctious continues ne sont. des discoutirmités de premi&e espèce en nombre fiui sur l’intervalle (0.f’(~) 1. ou cn tlhluit immkliatement que les coeffkients b. Sur la vitesse de décroissance des coefficients a. SC poser la question dc savoir si toutes les fonctions continues sont développa.) est dhcloppablc cn s6ric dc Fourier. 5. 5. En revanche. non. a. alors la shic dc Fourier est int6grak>lt terme & terme. lc dhcloppcmcnt II~: comprend que des termes en sinus.. tend vers ztro avec l/n et la série dtrivke ne converge pas. ct h.f(.c) est u n e fonctiori c o n t i n u e et. Si la shic trigonomCtriqllr: est convergente et uniformément çouvergcntc.1. Il reste à calculer les cc.ossèdrnt. une pbriode. En cffct. Remarque : Deux séries dc Fourier dont les sommes c:oiincidr:nt. et b. la série trigonométrique associée n’admet yu’uri développement en cosirms (fonction paire) j les coefhcierits des termes en sinus sontj nuls. Quelques développements traditionnels a . cependant. À propos du théorème de Jordan Si les conditions du théorème de Jordan sont vérifiées. Si f(. : 2.. 5. et sorit...3.

Approximation des fonctions par une série de Fourier tronquée La première application des skies de Fourier concerne l’approximation d’une fonction f(z). 5. il s’ensuit que : 4 %+l = r(‘$)+ 1)“’ avec p = 0. + sin(Tr) + . 0). La démonstration repose sur le théor~mc d’approximation de Wcierstrass selon lequel toute fonction continue sur l’intervalle (0. COU~S de Muthémutiques. Lc d~vcloppement alors est limitk à l’ordre 12.J. Paris 1961. b). Cette fonction est impaire.) C .ns cette expression E est 1111 nomlw positif aussi petit que l’on veut.7r) et -1 sur (+r.1/2 si 0 < z < 1.2.6. Note sur le calcul effectif des coefbcients de Fourier Il n’est pas nécessaire de calculer les coefficients de Fourier au moyen des intfigrales. Donc. 235 . Masson. b) peut etre approchée par un polynôme Pr. 312. On trouve : d'où La dérivke dc cc dkveloppement n’est pas mi dCvcloppement convergent. On trouvera urle démonstration complète dans l’ouvrage dc .15. b . (:x) tel que : quel que soit z appartenant à (a. cependant on pourra l’utiliser quand mêrne pour calculer f’(z) . Bass. p. donc les uy1 sont nuls. Tome 1. 6. On obtient le d&Aoppcment suivant : f(z) i ~ (sin(f7rz) + sin(l7rz) +.Soit la fonction qui vaut 1 sur (0. 5 8. . 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. (cf. 1. il n’est pas utile dr fournir 1111 programme qui calculerait directement les intégrales.Soit la fonction f(z) = 2 . LE~ SÉRIES DE FOURIER Les termes correspondant à une valeur de n pair sont nuls.2 de ce chapitre). Da.. On trouve no = 7r.

12) CII écrivant que : dE” y&=0 ct 3E2 w=o. Les 2N + 1 valeurs de la variable sont réparties en progression aritlmkt. l’ordre 71.ique sur toute la pkiodc. On a poli6 : CE. . Voici ces relations dans lesquelles j et 236 .. . 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.Considhons une fonction f(z) périodique de période 227 dont on connaît uniquement 2N+ 1 valeurs yk. Autrement dit.1 N .Ao .. Approximation d’une fonction échantillonnée . ’ N r Comrnc f(7r) = f(-7r).. pour 2N+ 1 valeurs zk dc la variable. +l. on désire rendre l’expression : 2 E”= 2 l=-N+l la plus pctitc possible. . On y parvient. d’une fonction développable en série trigonomktrique. Théorème Si l’on veut approcher au sens des moindres carres UIIC fonction f(z) définit sur (a. . b) par une skie trigononktriquc et que ccttc S&ic est tronqukc à l’ordre n. Autrement dit. seules 2N valeurs ~(XL) sont indépendantes. Nous allons dhontrcr ccttc proposition dans le cas d’m1e fonction éc~lallt.nt de la formule de Moivre (1667 1754) ct de l’expression de la somme d’une progression géométrique. assure la mcillcurc approximation. Bien entendu ce Worèmr est. ~N. x T1 N avec 1 = -N + 1: -N + 2:. alors les coefficients du développement trigonométrique sont @aux aux coefficients du d~vc.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 6.. au sens des moindres carrks.1. soit : N .. parmi tous les dhcloppcmcnts trigononi~triqucs possibles trouyués à. NT. le développement en série de Fourier tronqué & l’ordre n est celui qui.loI>pr:rncnt CII shic dc Fourier. il faut utiliser 1111 certain nombre de relations trigonométriques qui s’établissent en se serva.> TTT. ~(XL) .l -.O.0. valable sous réserve que les conditions de validité de développcmcnt en skrie de Fourier soient vérifiées. Pour obtenir des expressions commodes d’emploi..e[Ak COS(~~) + Bk sin(kz)] k=l (15.illorlrlée. . -1.

On obtient alors les relations suivantes : AN = & F ~(XI) /--N+I et si k # 0.pparencr plus de précision. Conclusion. mais on ne doit pas perdre de vue que lc calcul de toutes les intkgrales peut Ctrc réalis sur n’import. 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. telles. nous devons utiliser w1e m6t. N CO~(N~. I=-N+l Bk = . la méthode des trapèzes ou la mkthodc de Simpson.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. À bien y réflkhir. Remarque très importante .hode qui affecte à chaque point le même poids : il n’y en a qu’une seule. par exemple. on calcule les derivées de l’expression (15.c quel intervalle pourvu qu’il ait la longueur d’une période. [=-N+I On reconnaît sans grande difiïculti: les coefficients du d6veloppcment en série dc Fourier calculés par la méthode des rectangles. en a. la méthode tics rectangles.12) par rapport.15. c’est.). aux coeficicnts Ak ct Bk. On retrouvera rigoureusement le meme procédé lors du calcul des transformkes dc Fourier par les algorithmes appropriks.) Ak = . ces méthodes privilégient certains points cn leur affcctantj des poids diffkrents. 2 f(z/) sin(kz.Lorsque l’on effectue le calcul numkrique des coefficients de Fourier de fonctions périodiques. 237 .) sin(kzr) = 0 s i j # k I--N+1 2 N COS(. on est tenté d’utiliser des nkkhodcs offrant.

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

rouvks sont présentés dans le tableau 15. Les résultats t. Nous avons considk+ les termes depuis 5’71 jusqu’à Ss5 pour la valeur z = 0. Usage de I’epsilon-algorithme et disparition du phénomène de Gibbs Nous allons appliquer l’epsilon-algorithrnc à la suite des sommes partielles S. Pour les grandes valeurs de n et les petites valeurs de 5.l de l’argument.1)t] = msino on obtient. LES SÉRIES DE E’OLJRIER ct puisque sin(2. Ainsi quand ‘II tend vers l’infini et :r: vers zéro. ....3.1.nt) cas(t) + cos(3t) + ‘.. 239 phCnorr&ne de Gibbs et 1~s . page suivmte. : 3 Les cxtrernurns de S.(X) va cffectucr une série d’oscillations pour un point 5 quclcouquc choisi dans le voisinage de l’ordonnée y = 1. on peut effectuer un dkveloppement lin&6 de sin(u/2n) et remplacer cette expression par SU/~T~.999 998 031 On voit que l’epsilon-algorithme fait disparaître le fkheux iuccssantes oscillations au voisinage d’un point de discontinuité. Soit encore : lm zk = !n avec k= 1.1.n. +‘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). Pl us on prend de termes.. + COS[(272 . + (-1)” du dbvcloppenlcnt en (271. 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 . 8. posé u = 2nz. L’cpsilou-algorithme appliquk à ces quinze valeurs donne le résultat suivant : 0. Ou voit sans trop dc difficultk que lc premier maximum est le plus grand . pour le calculer on peut écrire : ?r/‘h 71 sin( 11. (x).) sin(2nt) dt = 2 2 sin( t) 7l J’ 2n sir+L/2nj) 0 du eu ayant. (:E) sont donnés par sin(2nz) = 0.15.2.. La courbe reprkeutant S.

0) et -tl pour z appartenant. 1111 pic (1~ Dirac.990 0. c qui mont. Si l’on dérive chacun des deux mcmhres.MANUEL DE CALCTJL NUMÉRIQUE APPLIQUÉ Tableau 15.inues t.) tendait vers zéro c:onmie l/n.035 1>038 1.re ce gcnrr: dc calcul.edpsciences. Les points de discontinuitk ne sont plus la source d’oscillations.2. en skie de Fourier mais qu’au moins une skie dc coefficients (a.040 1. de cosinus.r convcnablemcnt ur1c discontinuitk. ~NOUS avons pris pour exemple la fonction qui vaut -1 pour z appartenant à l’intervalle (-T.999 1. ct les fonct.(.025 1. 0. chaque point.016 1.elles que les fonctions de Hadamard. : 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.ait un développement.008 1.019 709 731 733 562 519 556 728 834 054 265 047 814 349 421 045 437 581660 560 117 708 447 325 920 Sur le Weh (*): on dorme lc programme Remarque epsi12. L‘rpsilon-algoritllme tire nkmmoins parti de ces données en calculant les sommes partielles de la série divergente. on voit que lc seconde membre est une skie divergente puisque e’cst une série de terme en cos(krc) ou sin(kz).038 1. Palcy et dc Haar. Il n’en est plus de mCme si la base des fonctions (orthogonales si possihlc) est constitukc de fonctions discont. Lc prol&me est inhPrcnt à.ions ~c:hantillonn~es sont parfaitement rendues. 8. Walsh. Retour sur les fonctions f(x) présentant des discontinuités Nous avons dit que la fonction f(z) admctt. 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.024 1.hlrle...035 1.1. dc discontinuité quelle que soit la hsc de fonctions continues utilisée et le d~vcloppemcnt continu nc peut en aucun cas représentc. æ = 0 et z = T où f’(z) est. C’est hicn ce qur donne l’cpsilon-algorit.com/guilpin/ 240 . *http://www. ou h.

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

g(z)1 soit lc plus petit possible. ramenons l’intervalle (a. 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. Soit une fonction f(z) continue à dérivées continues sur un intervalle (a.)/2 à partir de (n.jb.appelons rapidement quelques résultats fondamentaux relatifs à l’interpolation par des polynômes. L’erreur commise &(x) est donnce par l’expression : où 7 appartient à l’intervalle (. + 1).14) Les coefficients sont alors donnes par les expressions suivantes : ars .)/2 CII changeant n en -n.MANUEL DE CALCLJL NUMÉRIQUE APPLIQUÉ Soit encore : (15. + 1) points d’abscisse cv. la série trigonométrique s’écrit : Cc c. Le polynôme qui passe par les (~2. = 1 / ’ 2 T. b). R.j sin(nwz)] dn: = $ / f(z) cxp(-. mais elles servent d’introduction commode aux transformces de Fourier. on t.rouvc des formules plus faciles d’emploi cn posant : Alors.. est le polynôme de Lagrange L.ervalle canonique (-1.1.. b) à l’int..(z) de degré n. Examinons le cas où g(z) est un polynôme P. exp(jnwz). 242 . .(z) dc degri: n. 11. Nous recherchons une approximation g(z) de la fonction f(z) dans cet intervalle de telle sorte que sup If(z) . 0 f(x)[cos(nwz) . 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. C’est ce qui est convenu d’appeler l’approximation au sens de Tchebycheff. Pour l’amour de la simplicité et en faisant usage d’une transformation linéaire classique.jb.jnwzr) dz 0 Si l’on rcmarquc que l’on obtient (a. + jb. +l).

1. Pour des raisons pratiques. k=O Po = & 2 k=O CO~(~Q~). Donc.3. formrllemcnt : Il nous reste alors à calculer les coefficients pk. ~[COS(Q)] = cpi CO~(~Q) + En cc=(Q) = Q(Q). à savoir : cY=cos ( 22+17r ~r1+12 > a v e c i = 0. d’obtenir une formule fournissant l’erreur minimum au sens de Tchebychcff. Pour cela.2. nous avons : et pour les valeurs 2i+17r Qt=-n.+12’ nous avons : Q(Qi) = cpi. k=O Eu égard a la définition des polynômes de Tchebychcff... dc la fonction paire ~[COS(Q)]. on prut krirc : tn se souvenant que pour les valeurs <y~. il est possible d’opérer dc la facon suivante : toute puissance de 2: notée zk. tronqué à Les coefficients pk sont donc les coefficients du dkveloppement l’ordre 72.15. ce qui nous imposera le choix des abscisses. (x) sous la forme d’un polynôrne de Tchehycheff : Posons alors 5 = COS(&). On peut écrire : Q(Qi) ou cncorc : 243 . 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. nous allons kcrire l’erreur minimum E.n. infkieurs & k. peut s’exprimer au moyen d’une combinaison linéaire de polynômes de Tchebycheff dont les degrés sont égaux et. en skie de Fourier. .

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

1 d’orthogonalité : +TT/Ot .ion c Ak exp(jkw&) . cos(kw16t) b .I exp[jw(m on en déduit que : + k)&]dw = zLTn.I -T/& T(w) exp( -jkwSt)dw. b.WI)21 [sin(kw&) + sin(kwr&)] avec Au = (w2 + wl)St . Les Ak sont les coefficients de Fourier du développement de la fonction de transfert T(w). Application à l’étude d’un filtre passe-bas a .15))) e nsuite. d’appliquer ce filtre à une fonction présentant des irrégularités (courbe expérimentale entachée d’erreur). filtre symétrique. a.. 245 .16) dans la dernièrt intégrale. pourra-t-on choisir un filtre du type suivant : Wl I /WI < wz T(w~={~+cos(d3}:2 T(w) = 0. Aussi. on trouve les coefficients suivants : Ah: = 7T 2k [7r” ~ k26t2(w2 . il est possible d’écrire : dl aA.1. +r/h‘t A.k.2 k 2iT Deux remarques s’imposent : . équation (15. LES SÉRIES DE FOURIER et.Nous allons porter notre attention sur un des filtres les plus simples à réaliser : la fonction «fenêtre » dans l’espace réciproque de Fourier. Les Ak sont indépendants de M et N.. les termes en sinus sont nuls. 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) = 0.15.Il est préfcrable d’utiliser un filtre constitué d’une fonction continue afin de reduire les oscillations données par l’approximation. = 2 En faisant usage de la relat. Il reste a WiSt a v e c Au = ~ Ii- A/i = .T ( w ) exp(jmw&)dw. 12. en reportant la relation (15. 2n Un bon exercice consiste à représenter lc filtre théorique ainsi que la fonction de transfert approchée pour N = M = 20 (cf. w2 5 lwl < 7r/& Tous calculs faits.

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

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

.. en résolution des équations de convolution. cos(nfB) + b. 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. environ 3 heures pour obtenir la transforrnée de Fourier. et enfin à faire tendre T vers l’infini et à examiner le résultat. en corrélation (théorème de Wiener (189441952) . Le calcul des fonctions sinus et cosinus au rnoyen de relations de récurrence rnentionnées par J. +T/2): puis à procéder à son développement en série de Fourier. 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. Oran Brigham cité en bibliographie. dans tous les problèmes où il y a avantage à travailler dans l’espace réciproque. le rôle des transformées de Fourier dans les problèmes de traitement de fonctions &.. sin(nnt)] n=l (16. Sur cc sujet. en cristallographie. et d’une facon générale. Cependant. 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. cn traitement du signal. Les transformées de Fourier trouvent leurs principales applications en optique. En calculant les intégrales au moyen de la technique des rectangles pour une fonction échantillonnées en 2048 points il fallait. En posant : on obtient le développement : f(t) = !$ + 5 [a. en thcoric des probabilités (fonctions caractéristiques).16 1 Les transformées de Fourier Depuis la vulgarisation des algorithmes rapides (1965). on trouvera un petit aperçu historique dans l’ouvrage de E. avec une calculatrice de la fin des années 60. 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. 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.hantillonr~ées s’est notablement accru. 1. en analyse harmonique.1) 249 .Kintchine).

I’ À f(z) sin(nRz) dz. l’on fait I’hypothk~ que : tT/2 1 cc cc 1 -+ > s 0 lirn - T -T/a I’ f(z) dz = 0...12~) dz h. on peut dire que (2 est l’a<:croissrment dr: w pris cntrc deux valeurs consécutives. cela nous pcrmct d’obtenir une autre forme du dkvcloppcmcnt : f(t) = ff + k F R [CI .2) Dans cette nouvelle représentbion. = . ou peut considérer que 62 est l’accroissement Sw dt: w. que 6w A d w c t q11c CL=62 alors on peut krirc : f-(t) = .4) C’est lc dbvcloppcmcnt cn iutkgrale de Fourier de la fonctiou f(t). Lc développement (16.3) Soit encore : Si. pour T tendant vers l’infini. posons w = nR.. sin(wt)] cl=62 (16.W@RIQIJE APPLIQIJÉ f(x) cos(n. / -T/z O .l( z C)[ S ( wn:) COS(~~) LECI -+/a + sin(wz) cos(wt)] dz.!.M. On peut encore écrire : f(t) = . 250 ..a f(t)=.f(z)dz+$$+j”.(x) cos[w(n: . 7 dw i. COS(~~) + h.2) s’krit alors : +T. 0 -00 (16.4NlrEL D E C A L C U L hrU. présent. 7 cos(wt) -n +CC / f(x) COS(~~) 00 +CC dz + sin(wt) / p(z) sin(wz) dz ~00 du. (16.t)] dz. Autrement dit. Ces formes dc dhcloppcmcnt corrcspondcnt aux dhcloppcmcnts CII shic dc Fourier de fonctions offraut « un spectre continu » encore appelé « spectre de bandes >>.

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

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

Le prohkme fondamerkal repose sur les conditions d’existence de 1’intCgrale dc Fourier qui est l’une des expressions (16. Théorème La transformée de Fourier +C= F(t) = -CU . b.1.i f(x) exp(2njTjzt) dz 253 .hkorie doit. Conclusions a.16. elle donne lc mêrnc résultat que l’intégrale de Lebcsgue. 3. Nous ne parlerons pas davantage de cette intkgrale qui passe par la notion d’intégration dc mesures abstraites. des exemples de fonctions bornées qui ne sont pas intégrables au sens de Riemann. Quoi qu’il en soit. il s’agit d’un élargissement de la classe des fonctions intégrables. le cas dc fonction discontinues nc comportant que des discontinuitk de prcmike espèce. C’est. la norrne est celle de la convergence en moyenne. 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. un survol rapide de la t.héoriqucs essenticls. C’est k Henri Lchesguc (18751941) que revient le merite d’avoir découvert la nouvelle intégrale en 1902. Non seulcmcnt l’espace L1 devient un espace complet mais aussi L2.it. LES TRANSFORMÉES DE FOURIER Dans ce paragraphe.2. 2. d&nics qui ne sont pas intégrahles a. Il existe des fonct. Voici pourquoi : lc point essentiel repose sur le fa.6).kgrable. Les rnathérnaticiens ont trouvé une définition plus génkrale dc l’intégrale de Riemann afin que L’ soit toujours ml espace vectoriel.. complet au sens de la norme L1. permettre d’éviter quelques pièges que l’on peut rencontrer dans la théorie des fonctions khantillonnées.rant en gCnkra1 <t de honncs fonctions ». le physicien rencont.ions parfaitement. pour la fonction f(z) ü valeurs récllcs ou complexes. Insistons toutefois sur un point csserkiel : lorsque l’intégrale de Riemann est rkellerncnt calculable. Au fond. 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. nous dksirons rappeler les résultats t. (16.7) Ici.I’ If(x)1 dz = h (fi fini). La transformée de Fourier dans l’espace L1 On dit que f(z) appartient à l’espace L’ si. on a : +LX . Il faut bien reconrlaître que l’usage pratique des transform6es dc Fourier passe exceptionnellement par les considérations qui vont suivre. et. que l’on doit lui substituer la notion d’intkgrale au sens de Lebesguc (1875 1941). dc suite que la notion d’intbgralc de Riemann ne suffit plus pour l’ttudc de tels problèmes. Disons tout. Le lecteur intércss6 trouvera des d&eloppcments et des exemples dans les ouvrages citts en bibliographie : cn particulier.11 sens de Riemann. 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. 3.

bien noter que le cas particulier ~1. Si f(z) appart. La translation qui consist. En effet.ient à L1 et si la fonction XI(:~) appartient. Si i(z) appartient 5 L1 sa transformhe de Fourier F(t) est uniforrriémcnt continue pour toute va. si 0. dkrivhs a.jm) 3 F(t . si a # 0.F.l (z) r_F. donne : (16.I -00 If(z)1 dz = . prerniàres ou encore 6.f(O) est une coristantc et la fonction constante n’appartient pas à L’. 5. 254 .I’ -<xi f(z) exp(27rjzt) dz < +Oc .ppartjicnrirntj à Si f(x) est dériva& n fois.appclons que l’on note : f (xl 1.2.f(x)I 3. de plus F(t) est bornée uniforrnhent : IF(t)1 < I. alors F(t) admet.f Ll . Continuité de la transformée. est linéaire. La dilatation d’abscisse. = 0 nc prtsentc pas beaucoup d’inthêt. (16. La syrnktrie donne : f(x) 3 F ( t ) exp(2rjty).r en (z .9) 4. Donc F(t) existe pour tout t. F ’ ( t ) .10) Il faut. ct. = 0.z).MANTJEL r]E CALCIJL NUMERIQUE APPLIQUÉ existe si f(.e r. (16.jzf(z) : 2-irjz. Propriétés essentielles dans L1 R. En effet. aussi à. La T. F(t) à changer . I)artout une dkrivke F’(t) Imrnke qui est la transformée de Fourier de 2~. si f(z) ainsi que sw n.leur de t.8) exp(-2r.Ir/) donne : f(x -Y) 3. 2. on a les inégalitbs suivantes : +CC .z) appartient à L’. d ors : . L1. .f().

2. l’intkgrale (16.f (2. LES TRANSFORMÉES DE FO~R~ER 7. 8.r = i. -oc.out point. (16.7) est prise au sens de Lehesgue. et sa valeur n’est pas modifiée quand on change les valeurs de f sur un enscmhle dr mesure nulle.pparticnt à L2 si l’on a : +CC . F(t) n’appartient pas à L1. alors nous avons 1’Cgalité dc Parseval (1755 -1836) : +^c> /’ I~(:I$ c1.) à valeurs rklles ou complexes a.’ d t . +l) 25 0 ailleurs ski(&) ( > ’ I= 7rt 4. b) f (xl I= 0 ailleurs 23 sin[&(h ~ u)] iTt cxp[j7rt@ ~ u)] Dans ces deux derniers cas.3. En effet. /’ f”(:x) dz = if]‘.F(t).11) Il faut alors des propriktts dc continuitk pour dCterminer . 255 .‘) exp(-27474) &fi F ( t ) 4=-G fi exp( 4”) 1 f(x) 1 = 1 si z appartient à (-1/2. Si f et F appartiennent ensemble à L1. 3.r appartjicnt a ( . La réciprocité dc la transformée de Fourier pose un problème dklicat. Les transformées de Fourier dans l’espace L* On dit.16.f(I ” )en t. a partir de F(t). P(z) I = 1 . cependant la transformée dc Fourier inverse existe si l’on prend la valeur principale au sens dr Cauchy. Du point de vue du physicien: l’Égalité de Parseval nc fait que traduire lc principe de conservation de l’bnergie. +1/2) ski(&) 7’6 ts= 0 ailleurs 7r-t 7r(l + t”) (= 1 si Ic appartiern à (a. Exemples de fonctions transformées de Fourier l’une dans l’autre f(x) exp( -7r.]n*l s i .12) c’est-a-dire que l’intégrale existe.1 . -Ix (16. que .

I’ -31: F2(t) dt. assurée notamment quand p et g appart.f”(Lc) an: = +Oc .iennent à L1 ou L’. Les autres propriétés rencontrées dans l’espace L’ restent vraies dans l’espace L2 à savoir : la linéarité.M. c’est-à-dire que h = f *g = g * f. la dilat. Si l’on utilise im spectromètre à fentes.(z) définie par l’int6grale : +X2 h(z) = . Notarnment. Remarque : Le produit de convolution est commutatif./’ G(t) exp( -j27rzt) dt.! * f(?/)dlr: ~ Y) dz/ (16. 5. Ch démonstrations reposent sur les propriétés des suites de Cauchy. 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. Définition On appelle produit de convolution de deux fonctions f(z) et 9( z) une fonction h. 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. la fonction d’appareil est constiti& de la «fonction fente > (triangle isocCle). à L’. L’existence est. en spectroscopie. Supposons qur les fonctions f(z) et G(t) appartiennent.1. on peut dknontrer que F(t) appartient aussi à L2 et que nous conservons l’égalit6 de Parscval : +CC J’ -30 .9(z) = . 5.13) qui est notée d’une faLon plus concise : h = f * g. Il faut respecter certaines conditions pour que cette intkgrale existe.~NuEL DE CALCUL NTJMÉRIQUE APPLIQUÉ Propriétés fondamentales Si f(z) appartient à L2. toutes les mesures expérimentales sont les rRsultats du produit dc convolution du signal fondamental et dc la fonction d’appareil. la translation. Par exemple. en prcmièrr approximation. dc telle sorte que : +33 F(t) = / f(x) cxp(j27rzt) d z et . 256 .atlion d’abscisse.

on sait que les transform~cs de Fourier g(z) ct F(t) appartiennent % L2.ons g(z) par sa transformée de Fourier dans 1’intAgralc (16. g(z) est bornée et l’intégrale définissant le produit de convolution cxistc. Par ailleurs.I -430 . F F(t) G(t) F.16.13) : En inversant l’ordre des intkgrations.2. Rcmplac. LES TRANSFORMJhS DE: FOU~~I~~ Alors. La démonstration est encore plus simple si f(x) et G(t) appartiennent à L2 . il s’ensuit que h(z) est la transformkc dc Fourier dc G(t) F(t). 257 . 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). 5. On résumera les opérations ainsi : f(x) 3 g(x) yl-i f *9 3 f. Remarque sur le sens de la transformée de Fourier Du point de vue de la physique. h(x) ét. Il s’ensuit que la transformte de Fourier transforme un produit de convolution en un produit simple de transform@es de Fourier. 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). 1’Cgaliti: dc Parseval n’est rien d’autre que l’expression du principe de conservation dc l’hcrgic. la connaissance de la fonction f(x) est stricteruent équivalente à la connaissance de la fonction F(t) . cn effet.2 f(w) exd2Wy) h dt +CE h(x) = J G(t)F(t) exp-2jdx) dt. l’une et l’autre fonctions conticnncnt exactcmcnt la même information. Le tableau 16.g 111-.4.g(x)) = /i(x)g(x) -!x. 5. + G G 5.ant une fonction bornée et la fonction [G(t) . page suivante donne les principales correspondances. dn: (= /f(x)g*(x) -cIcI d 2 si les fonctions sont complcxcs). G(t) exp(-2jKtz) +LX s pc.3. on obtient : +CC h(x) = ct par suitje : .1. F(t)] appartenant & L1.

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

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

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

et l’on peut trouver des relations de récurrence tout à fait analogues.1)00]. 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). il suffit de calculer au depart seulernent Ao = cos(00) et 13” = sin(&) puis d’utiliser les formules de récurrence : 261 . LES TRANSFORMÉES DE FOURIER 8. k=l (16. Cornrne l’appel des fonctions de bibliothCque SIN et COS dcmandc 1111 temps important. Les relations (16. l’une paire et l’autre impaire . Cependant.16) sin[(p + l)&] = 2 COS(@~) sin(pO0) .l)O”] (16. pkriodiques.16.. k-71 (16..14) Dans le cas où f(z) est une fonction rkelle.15) ktaicnt simples à calculer mais qu’cllcs exigeaient un temps de calcul considérable.6) au moyen de la méthode des reckanglcs .cos[(p .sin[(p .f(-qh) e t T.n..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 : 0.1 71-l F(t) = h c f(M) cos(27rkht) Il est plus commode de poser : rq = f(qh) + f(-&) s q = f(qh) .-1 = -f(-nh). = f ( . Cette façon de procéder rcvicnt à décomposer une fonction en une somme de deux fonctions. il est beaucoup plus astucieux de calculer ces fonctions au moyen des relations de rkurrence du type : COS[@ + I)@l] = 2 COS(@)) cos(p@~) .n h ) S 1L + jh c f(M) sin(2z7kht).15) Remarque : Nous avons dkjà dit que les relations (16.. On approche F(t) au moyen dc l’expression suivante : 71-l F(t) = h c f(W) exp(27r-jkht). 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. Quoi qu’il en soit. nous pouvons kcrire : 71 . ce qui fait que les argurnents des sinus et cosinus sont en progression arithmktique de raison 00. avec q=O:1. la raison en est la suivante : comme les fonctions sont.) = 27rht. Calcul par un algorithme ordinaire Il s’agit ici de calculer les intégrales (16.

17) D’une faCon genérale. La transformée de Fourier discrète Il suffit de reprendre les formules (16. Donc. les fonctions f(z) et F(t) sont des fonctions complexes de variables réelles respectivement zr et t.)exp k=-n (16.17) 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.15) et (16.jg) .21) quels que soient les entiers pi et pz. on a la transformée inverse : f(kh) = T c F(qh) exp q=-n (16. La transformée de Fourier réciproque ne présente pas plus de difficulté à calculer. 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.15) et (16.20) f (kh) = T ny F(qh) exp (-2~. q=-n+p2 (16. dans les relations (16. 1=-n (16. si l’on fait a: = mr. on écrira sirnplement : f(x) = T C F(lh) exp(-2nj2ht).19) Par ailleurs. 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.) Il s’agit d’un algorithme que l’on désigne souvent sous le nom de FFT (fast Fourier transform).18) . 9.17).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Quelles que soient les formules de récurrence utilisées. si la fonction f(z) est périodique de période a. 9. 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. Réciproquement. et l’on va observer une lente dégradation de la precision des valeurs calculees pour les sinus et cosinus. on aura les égalités suivantes : F(mr) = h k=-n+pl c f(kh)exp (16.1. 262 . L’algorithme de Cooley-Tukey (1915. elles mettent en ouvre toujours une soustraction.

et f(kh>) = fi. il suffit donc de poser : n = 2nh = 1.. Rappelons que T est la période de la transformée F(t). nous allons décomposer la fonction f(z) en deux fonctions. il est plus commode d’écrire en indice lc numcro du point c’est-à-dire que l’on notera désormais : F(mr) = F. l’une constituée des indices irnpairs fzk+i et l’autre des indices pairs fzk. Maintenant. Il faudra se souvenir de cette opération lorsque l’on désirera effectuer une interpolation dans les transformées de Fourier.16. Pour démontrer cette proposition. Puisqu’on ne calcule qu’un nombre fini de points de la transformée. T = 1: T = N = l/h. N = 2n. on obtient leurs 263 . P our des raisons qui deviendront évidentes par la suite. Par ce procédé. +a/2) soit transformé en un intervalle dc longueur unité: soit l’intervalle (-1/2.22) Il faut bien reconnaître que. c’est-à-dire que l’on va effectuer une transformation linéaire des abscisses de tcllc sorte que l’intervalle arbitraire (-a/2. +1/2). LES TRANSFORMÉES DE FOURIER Comme cela est sans intérêt. nous n’avons pas amélioré la technique de calcul.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 préfère travailler sur une transformée de Fourier normalisée. II~IE poserons : WN = exp(2nj/N). Normalisation de la transformée de Fourier Pour obtenir la normalisation.2. les transformées de Fourier discrctes normalisées s’tcrivent sinplement : (16.3. Il s’ensuit que : h = l/N. et pi = p2 = 0. jusqu’à présent. et nous avons toujours besoin de N operations complexes pour mener à bien les calculs. Il est bien entendu que l’on conserve l’ordre des échantillons dans la fonction f (cc).. on choisira un nombre N de données qui est une puissance de deux. 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. Comme dans le cas du calcul des fonctions trigonomctriqucs. nous allons étudier un algorithme qui rend le temps de calcul non plus proportionnel à N2 rnais à N log. Les transformées de Fourier respectives de u et ‘v sont désignées par U et V. (N). Calcul de la transformée de Fourier au moyen de la technique de partage Théorème . 9. chacune de ces fonctions comprenant N/2 points. 9. et l’on posera N = 2’“.

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

Pour obtenir l’indice j.2. La manière dc l’exploiter sur un cnscrrlblc de huit donntes numérotées de un à huit est presentee dans le tableau 16. 1. 9.6. 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. 265 .2(j) + & et l’on prendra au dkpart : RN(O) = 0. Il faut donc rn = log.Le tri direct . (N) bits p our exprimer tous les indices de la fonction échantillonnitc dans le système binaire. Certaines donnees conservent le même indice. 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. Tableau 16. 3.1. .iendrons la valeur de j au moyen de la rela.. Remarques générales 1.tion de récurrence suivante : j = RN(k) = &(AI .Pour des raisons de simplicitk.enons UIE représentation binaire sur trois bits.2.16.2.Dans l’ordre séquentiel on considère la donnée d’indicc k. 9. Exemple Nous avons huit données numérotées de zkro à sept et nous obt. .Tri par inversion de bit . on considère encore que les indices commencent a la valeur zero et se tJermincnt donc a la valeur N . 2.. Désignons par 4 l’exposant de deux qui permet d’encadrer le nombre k dc tcllc sorte que : alors nous obt.3. N ~ 1. page suivante.5. Il est simple de passer d’une numérotation à l’autre selon que la première dom& à la valeur xero ou la valeur un. -~ ~~~ -. 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. LES TRANSFORMÉES a DE E'~URIER .(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 . 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. La façon d’opérer est schématisée sur lc tableau 16. Ccttc méthode s’applique pour k = 0.

23) et (16. La plupart. 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. Autrernent dit. Nous ne l’avons pas retenue pour la raison suivante : lorsque l’on traite des données échantillonnées au cours du t. 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. 4. on SC trouvera également en présence d’un déphasage de T. h pour calculer les transformées de Fourier. le premier point calculé est celui correspondant à l’origine. Il convient alors de noter que le module de la transformée de Fourier est correct.emps: la première donnée qui se présente correspond à l’abscisse normalisée -1/2 et non pas zéro. 1. 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. Il est très facile de se retrouver en présence d’un fâcheux décalage de T lors du calcul des transformk dc Fourier. 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. h ct df f tinv0. *http://www. Programmes de calcul des transformées de Fourier On trouvera sur le Web(*) 1 es sous-programmes df ft0. Nous avons retenu une méthode non récursive agrémentée d’un algorithme de tri direct des données.edpsciences.22): il ne faut pas diviser les données par N lorsque l’on calcule la transformation réciproque. 3. 5. Quelle que soit la manière retenue.com/guilpin/ 266 . si l’on utilise ce prograrnme avec des données numérotées à partir de l’origine.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 16. 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. C’est pour cela que la transforrnée de Fourier directe que nous proposons tient compte de ce décalage. Comme le rnontrent les relations (16. Par conséquent.3. des programmes exigent cette façon de procéder. le calcul successif des transformée au moyen des relations (16.24) irnpose la division des résultats par N. Ces programmes nécessitent quelques commentaires. les résultats de la transformée de Fourier directe sont donnés à partir de l’origine. dans l’espace réciproque. 2. Cette opération a été rkalisée au cours du tri et non pas après les calculs (les opérations sont linéaires). Lors du calcul de la transformée directe.

Cependant. Ajoutons que la taille du domaine de définition de f(z) déterminera la taille dc la fréquence d’échantillonnage r dans l’espace réciproque. LES TRANSFORMÉES DE FOURIER Espace direct Espace réciproque ~ 42 Figure 16. il est nécessaire qu’au moins elle soit. +O. (Elle peut évidemment devenir nulle avant le bord. et l’on doit retrouver les données initiales (à partir de l’échantillon correspondant à l’origine).. car on observera de toute façon des divergences par rapport aux données initiales. = a. Ainsi. s’effectue au bord du dornainc (-0. afin d’obtenir une bonne période d’échantillonnage dans l’espace direct. nulle à l’infini. Cela constitue 1111 bon test de mise au point. 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. après avoir obtenu la transformée directe.1.5. Pour que F(w) appartienne à L1 ou L2. Lors de la mise au point d’un programme de transformkes de Fourier. c’est-à-dire au bord du domaine (-0. pour une expérience donnée. Détermination expérimentale de ho On effectue un échantillonnage à la période h puis on calcule la transforrnée de Fourier F(w)..16.1. il convient.riques intervenant dans les calculs sont des sources d’incertitude qu’il ne faut pas négliger.. dans l’espace normalisé. Il y a deux façons de procéder avec une fonction f(t). +O.e de transformées de Fourier. N = TII-. on a tout intérêt à cc que l’annulation. 6. Avec 0 + cl/2 2 . Au fond. 5) et non It l’intérieur pour la bonne raison qu’il est. Par ailleurs.aillc du domaine de représentation de la transformée de Fourier F(t) dans l’espace réciproque.T/2 0 +T/2 ” h.1. dc se souvenir que le calcul rapide des fonctions trigonomét. Dans ces 267 . laquelle a fait l’objet d’un enregistrement continu. on rnodifie le pas d’échantillonnage h pour s’assurer de la nullité de la fonct.lN h = 1/T a = l/r r = l/a. 11.) Si tel n’est pas le cas. La déterrnination dt la période d’échantillonnage h. on revient dans l’espace initial au moyen de la transformée rkiproque.5.ion F(w) au-delà de lwOI. Bien entendu.. ce procédk permet d’apprécier de façon tangible les erreurs qui viennent altérer les résultats. il est raisonnable de réaliser simultanément la transformée directe ct la transformée réciproque qui n’admettent que peu de différences. 11. inutile dc rkaliser des calculs qui n’apprennent rien sur la TF. chaque fois que l’on trait. il est indispensable d’avoir présent à l’esprit la figure 16. 5). T = l/h. 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~. divergences qu’il est souhaitable dc trouver de quelques ordres de grandeur de l’erreur de troncature affectant les nombres traités en rnachinc.

definie numériquement pour les valeurs w = Icra : G(w) = F(w) * R(w) (produit dc convolution). OII deduit que l’étendue de l’cspscc réciproque est. La fréquence d’échant.illonnage est fixée aux environs dc 45 kHz. La transformée de Fourier de g(t) notée G(w) est continue. 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.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). auront une amplitude très attémicc ~ au moins 20 dB par octave. On impose ho Dans cc cas. (-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 ).2. Quand cette condition est remplie. soit : R(w) de là. 268 et il . où R(w) est la transformée de Fourier de la fonction porte. 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. tirons : 11. I~OIIS sin( 27rTw) = 2$Jlw .i!!fANLJEL DE CALCLJL NUMÉRIQUE APPLIQUÉ conditions. Autrement dit j il faut. Il s’ensuit que le signal ne doit pas comporter de fréquences superieures à 22. 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 . C’est réellement cc problèrne qui est traité dans la réalisation d’un disque numerique. périodique et. si elles existent.5 kHz ou tout au plus ces frcqucnces.

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

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

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

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

+ &I?l La fonction f(z) est donc remplacée par la fonction y(z) : 00 273 . nous écrivons donc : soit entaché d’une erreur et cg = a.. 1. E/T~ (à l’cxccption dc ~0 c n . Cependant. et nous avons sculcment cherché dans ce chapit. On peut a. dits mal posés aujourd’hui.(). des variations des donnkes aussi Petit)es que l’on vcwt peuvent amener des variat.icles originaux. 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.17 Initiation aux problèmes mal posés : équations intégrales. Grosso modo. 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) . Ce chapitre doit énorrnérnent à l’ouvrage de réf&ence écrit par Tikhonov (1906 1993) et.f.rc à r&umcr la philosophie sous-jacente. la lecture des exemples et l’usage des programmes sont amplement suffisants.. 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. bibliographie).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..ions aussi grandes que l’on veut de la solution. La lecture de ce livre demande une solide connaissance en mathematique. C’est Hadamard (1865-1963) qui le premier a mis en Cvidcncc ce type de problèmes.jouter que ces problèmes ont fait l’objet d’une récente actualité au cours du développement de la thkoric du chaos. Ar&nine aux Éditions dc Moscou (c. dans une première approche dc ces problèmes. ct l’on trouvera en bibliographie ses art. En d’autres termes.

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

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

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

Il existe d’une part Q fonction dc S tel que.(u. E > 0. on ne peut pas retenir un élément arbitraire dc M.. d) soit. 6)) et ~6 est un de ces éléments. il existe &(E.:. 0. R(u. c’est-à-dire que S tend vers zéro cela doit entraîner que z. L’exploitation du principe de sélection consiste à rechercher les klérnents dc FIS qui minimisent la fonctionnelle 0( 2). 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. on définit un opérateur rkgularisant qui dépend de S.~ pour l’équation AZ = U.:.) < S1 tel que l’inégalité : On note que nous ne faisons pas l’hypothèse d’un opérateur univoque.~ > 0 est un compact sur FI.. En outre: cette fonctionnelle est telle que l’ensemble des éléments z de FI pour lesquels C?(Z) < 6 quel que soit. équation dans laquelle le paramètre rkgularisant est lik à l’erreur entachant les données initiales ‘ut. On cherche la solution approchée dans l’ensemble M de F te1 q11e : comme la solution n’est pas continue en 6. 277 . 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. En général. INITIATION AUX PROBLE~~E~ MAL ~0sÉs : ÉQUATIONS INTÉGRALES. Il existe 61 > 0 tel que R(u. Mini quel que soit 6 t (O.ug) < b(E). dans les métriques appropriks.. quel que soit.:. si uap t. tend vers z.[.end vers u. de telle sorte que.. et il existe d’autre part S(E) 5 61 tel que si us E U et p. u. qui permet d’apporter une définition plus commode. Quel que soit E > 0.17.On dit que l’opérateur R(u. s’il possède les propriétés suivantes : 1. Pour pallier cet inconvénient. o!(6)]. n’approche pas la solution z. À la place de 6. Définition . 6) est rkgularisant dans le voisinage dc u = u. nous pouvons écrire : F~A = M n Fl. a!) est défini quel que soit (1 > 0 et pour tout YJ E U tel que : b. a. 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. il peut cxistcr un ensemble {R(us. cela entraîne : On choisit comme solution approchée la solution ZJ obtenue au moyen de l’équation ~6 = R[U~.. on peut substituer un paramètre de régularisation notk (v ((Y > 0). Il nous reste donc à chercher des opérateurs régularisants et à définir le paramètre a connaissant l’erreur 6 entachant le deuxième rnernbre. 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 .Sl) ct pour tout ug tel que 2.

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

.z de 4. alors. En outre. 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 : . minimise la fonctionnelle Aabilisante 0(z) avec la p.Exemple 2 .17.x)I on peut choisir l’ensemble 4 des fonctions de carré sommable qui admettent des dérivées jusqu’à l’ordre p sur (a. ug) = 6.&) = SUP 121(x) .z2(. INITIATION. 4. on écrit l’équation d’Euler associée à la fonctionnelle lissante Me (z. b . où A*A est un opérateur auto-adjoint. b). Si l’on désigne par {fk} un système complet de l’opérateur A*A (vecteurs propres) et par {Xk} les valeurs propres associées. On aura donc : sont des fonctions continues connues > 0. est muni de la métrique : PF(Zl. b) ( esp ace de Sobolev (1908&1989) IV. Recherche de la solution régularisée sous forme d’une série On suppose ici que A est un opérateur complètement continu de F dans U. On peut alors prendre comme stabilisateur la fonctionnelle : Q(Z) = 1142~ Puisqu’il s’agit d’un problème variationnel. la solution sera approchée par les fonctions les plus lisses jusqu’k Les stabilisateurs s’appellent dans ce cas stabilisateurs d’ordre p.Si F. avec toutefois et comme la solution régularisée z. u). tels que Ilzl1 5 d.~~~ PROBLÈMES MAL POSÉS : ÉQUATIONS INTÉGRALES. et que U et F sont des espaces hilbertiens. On montre qu’elle se met sous la forme : A*Az + az = A*u. on parle alors de stabilisateurs d’ordre p à cocfficicnts contrainte l’ordre p.) muni de la rnétrique : expression dans laquelle les qk:(z) qp(z) > 0. 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 . et si les fonctions des coefficients constants 2 0. sk(zr) sont constants.(Az.3. est compact dans F. espace des fonctions continues sur (a.

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

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

. et l’on posera z-1 = ~0 et z.1 inconnues à partir du moment OU l’on connaît ~0 et. il existe une classe de systèmes linéaires qui sont indiscernables cntrc eux pour un niveau d’erreur connu. comme les calculs sont effcctu6s avec une précision finie.i’ K(x.2.. On trouvera sur le Web (*) le programme f redh-1 . Quoi qu’il en soit. on peut utiliser la méthode du résidu. Si l’on ne connaît pas zo et z. y) = (1. Nous considérons ici les systemes d’équations algébriques pour lcsqucls dc petites perturbations du second rnernbre peuvent induire des variations inacceptables de la solution. . 6. parmi les vcctcurs X qui vérifient l’inégalité : 1/2 avec : [Z] = 2 2. dans ce cas.edpsciences. et l’on la comparera aux résultats numériques : u(y) = zii’[sin(nx) ~ 3 sin(3Tx)].. j=l i i *http://www. . On obtient donc un système dc n .l).2. Ceci assure que les dérivées nurnériques en a ct b sont nulles. La solution est connue analytiquement.+l = z.. Exemple numérique On se propose de résoudre num&iquement l’équation de Fredholm de première espèce suivante : +1 . On va rechercher la solution.1. . on pose ~‘(a) = z’(b) = 0: et ces conditions seront irnposées en écrivant le système pour k = 0. Y)~Y) dz/ = 4x1 -1 avec K(z. c qui résout ce problème dans lequel les intkgrales sont évaluées au moyen de la méthode dc Simpson. Il se peut également que la matrice A ait un déterminant très proche de zéro. nous ne serons pas en mesure de savoir si le systknc est rkllcment dégénéré ou non.com/guilpin/ 282 . il faut résoudre chaque fois un système linéaire pour urle valeur dc o. appelée solution normale. Ici encore. 5. Résolution d’un système linéaire mal conditionné Soit AX = B un système linéaire le plus général.. n . Pour déterminer la solution.0 ~ x)~ K(x. b) = (-1. n. z.0 ~ Y)X e t u(x) = [sin(7rx)]” s i O<y<x s i x<y<l sur l’intervalle (a..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Ainsi.1 équations à n . 1..Y) = (1..2. nous pouvons écrire un système d’équations aux différences finies : pour k = 1.

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

ceci étant essentiellement dû au rôle des hautes fréquences. f(w.2. on adrnettra sans dérnonstration que l’opérateur suivant est rkgularisant : I”OJ(w a)w(w) iiU) cxp(-27rjwt) R[u. 5. Un exemple de fonction f(w. quel que soit Q! > 0.1. 6. Désignons par O(U) la transformée de Fourier de à. pour tout w différent de zéro.. la résolution de l’équation de convi)lution est p. +co). Q) tend vers zkro quand Q + 00. en revanche. a) f(w’ a) = K”(w) + ~M(W) = K”(w) + ~M(W) 284 K( -w)K(w 1 K2 (WI . a) appartient à l’espace L2. et quel que soit u: > 0. si l’on doit s’attaquer à la rkolution numérique d’un tel probkmc. relativernent sirnple à identifier : elle est duc aux «hautes fréquences )). 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. 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.+oo).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Sur le plan formel. a) est définie quel que soit <y > 0 et quel que soit w t (-00. K(w) 7. a(S)] = . Présentation d’un opérateur régularisant Pour neutraliser l’influcncc des hautes fréquences. 2. P(U. 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. on va se heurter à un problème mal posé. L’origine des ennuis est. quel que soit Q: > 0. il n’y a rien à reprocher à une telle facon de faire . l’écart de w(t) par rapport à zéro peut être aussi grand que l’on veut. 7. d w . le sup de chacune des fonctions étant égal à un. Cependant. a) obéisse aux conditions suivantes : 1. 4. 0). pourvu que les fonctions appartiennent aux bons espaces. f(w. quand bien mknc la transformation inverse existerait notee w(t).. on obtient des valeurs oscillantes entre -26 et +34 et une quinzaine d’oscillations. 7.. En revanche. f(W) QMW) appartient à l’espace L2. on peut multiplier la fonction à inverser ~(w)/K(w) par un facteur stabilisant f(w.O) = 1. Ainsi. f(w.I’ -30 pourvu que la fonction f(w.a) 5 1 quels que soient Q > 0 et w E (-oo. f(w. la transformation invcrsc de Q(w)/K(w) peut nc pas exister. 3. c’est-à-dire que cette intkgrale peut diverger. f(w.trfaitcmcnt rkaliséc. QI) est une fonction paire de d. cy) tend vers zéro quand /w/ + 00. Il est facile de s’en convaincre en choisissant deux fonctions arbitraires. 0 < f(w.(t). une fonction gaussiennr g(t) et imc fonction triangle tri(t) p ar exemple: dont on réalise lc produit dc convolution SU(~). dans la métrique LZ 011 L”.

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

la probabilité pour que M sur El soit compris entre 5 ct I : + dz est : 287 . Désignons par M le milieu de l’aiguille et par EF la perpendiculaire aux parallèles passant par U. il est très facile de réaliser quelques simulations de ce type à l’aide de générateurs de nombres pseudo-aléatoires. Alors. 1.E. On pose EM = 2 que l’on suppose inférieure à FM (A1 compris entre E et I). Le problème de Buffon Sur une feuille de papier nous traçons des paralléles équidistantes séparées par la distance 2~. . Pour que l’aiguille coupe la parallèle AB. Avec le développement des calculateurs arithrnétiques. La paternité de cette idée revient à J.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. et nous jetons dessus une aiguille de longueur 21 telle que 1 < (L. Ce problème s’appelle aussi probkme du drapeau américain. nous donnerons deux générateurs de nombres pseudo-aléatoires que nous utiliserons dans quelques applications classiques à savoir : Calcul d’une intégrale définie. Soit 1 le milieu de EF. Mayer qui l’utilisa pour la première fois cn physique statistique. Fig. Le problème consiste à calculer la probabilité que l’aiguille rencontre une des parallèles (cf. Après avoir présenté lc célèbre problème de Buffon (1707. 18.1788) comme illustration historique d’une méthode de Monte-Carlo. il faut premierement que :x: < 1. ~ Recuit simuk (minirnum dkme fonction). la feuille de papier étant rernplacéc par le drapeau américain qui comporte des bandes équidistantes. ~. lors de sa convalescence après blessure.Rksolution locale de l’équation dc Laplace. s’était posi: le même problèrne.Inversion d’une matrice carrée. Nous plaçons cette feuille sur un plan parfaitement horizontal. page suivante).1. car durant la guerre de Sécession (1861-1865) un officier américain.

M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Figure 18. la rclat.ion précédente se simplifie : Lc nom de Buffon est. 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 = .1.arccos t 0 7l . 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. 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 . Nous pouvons écrire : Dans le cas où l’on choisit 1 = CL/~.st cflktivernent mont. 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. la probabilitC dp de réaliser l’kkncment recherchk est dom& par lc produit des probabilités. avec 5 000 lancers de l’aiguille. 011 cn déduit une dktermination expérimentale de T. Au Palais de la Découverte ü Paris.flon.ée et.k: le point dc AB tel que Q’M = I. Il reste à intbgrer le long de EI c’est-à-dire de 0 à 1: pour obtenir la probabilité p.159 6.est le coefficient de normalisatjion car EMQ’ est compris entre 0 et 5. Il faut deuxièmement que l’angle aigu EMQ soit plus pet. Le probl~rne de BlL. Comme (1~~ et p2 sont T des probabilités indkpendantes. resté attaché à cc problème car ce fut lc premier à en donner la solution correcte. La prcrnière dktermination selon cc procédé remonte & 1850 et fut réalisk par Wolff qui. ccttc expérience c.it que l’a~qzr. obtint la valeur 3. 2.

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

25. pour N = 100 000 000. 3. et b.718 281828 459 045 235. on trouve T = 3. autrement dit.141507. T-Q du carré 4 N Comme pour N donné on sait dénombrer Q.com/guilpin/ 290 . on trouve T = 3. Calcul de 7-r Il est très facile d’obtenir une valeur approchée de T en effectuant une simulat. . on trouve T = 3. On trouvera sur le Web (*) le programme calculpi. Il est tout à fait simple de dénombrer les points A qui tombent dans le cercle de centre 0 et rayon unité. c qui effectue le calcul de T selon cet algorithme.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.25. x1 = T = 3.140 2. Elle donne des résultats tout à fait semblables a ceux fournis par le générateur de LehmerGreenberger. -l).. elle vaut 0.141592 653 589 793 238. et pour N = 1000 000 000. on voit que la probabilité de tomber dans le cercle est donnée par : P= surface surface du cercle ----.. (1. 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. il suffit de tirer deux nombres aléatoires indépendants à distribution rectangulaire sur (-1. On suppose que f(z) est une fonction continue par morceaux.edpsciences. Dans le plan. On vérifie bien que pour diminuer l’erreur d’un ordre de grandeur. 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. 1) et. il faut multiplier le nombre d’épreuves par lOO. *http://www. On obtient des nombres pseudo-aléatoires à distribution uniforme sur l’intervalle (0. Pour cela. 4.. seul son intérêt pédagogique est à prendre en considération car la précision relative varie en l/fi. le point aléatoire A de coordonnées <i ct & obéit à une distribution uniforme dans le carré de sommets (-1. on vérifie bien sur cet exemple que la précision varie comme l/fi et que le générateur dc nombres pseudo-aléatoires se comporte bien.ion analogue à celle liée au problème de Buffon.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 = 2.141603 5.. Pour N = 1000 000. +l) que l’on note ci et &.

b). on effectue le calcul de l’intégrale de If(z)l. Première approche : simulation géométrique (intérêt strictement pédagogique) On note X. N. Si . Soit < une variable aléatoire distribuée uniformément sur (a.. 0 n note < et q ces deux nombres.2.. et . 4.p).b). On tire deux nombres aléatoires indépendants à distribution uniforme l’un sur l’intervalle (a.0. et Q est le nombre de points A situés entre le graphe de f(x) et l’axe des 2. il convient ôter une unité à Q. À présent nous allons présenter un autre estimateur de l’intégrale qui exploite des connaissances plus fines. b). ce qui a pour conséquence que l’intégrale est estimée par la quantité (b .a)<. Remarque : Pour tirer des nombres pseudo-aléatoires entre a et b.. et Xmin les extrcmums de f(x) sur (a.!?). Si l’on ne réalise pas cette opération. Si l’on part d’un nombre < compris entre -1 et 1.1. . On peut donc écrire : J n 291 b .. J #qui constitue une approximation de l’intégrale.18. On désigne par a et p deux nombres tels qlle Ck 2 X. b). o) et (b. on effectue la transformation : q = a + (b .a)(< + 1)/2.. Nous effectuons N tirages que nous notons [i avec i = 1.. la grandeur : est un estimateur de la moyenne de la fonction f(x) sur l’intervalle (u.. N est lc nombre de tirages de couples < et q. on effectue la transformation : 7j = a + (b . Attention. . INTRODUCTIONAUXMÉTHODES DE MONTE-CARLO 4.a)fa. 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 . on part d’un nombre < compris entre 0 et 1. ~1) est uniformément réparti dans le rectangle de sommets (a.a)(/3 . Si N est un nombre grand devant l’unité..o) = $ On aboutit en définitive à l’expression : b f(x) dz = $(h .6 est positif aucun problème ne se pose. l’autre sur l’intervalle (cr. . Deuxième approche La méthode que nous venons de présenter est très sommaire.0 < Xmin. 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.û). il s’agit d’effectuer la somme algébrique des aires. Ensuite.

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

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

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

5. Si l’on remarque que la distribution de 1 .(l .<) = -X27 soit encore : 77 = -$log. Distribution normale Eu égard à l’importance de cette distribution.(l .5) : 77 = C. nous allons étudier diverses techniques permettant de la générer. Si tel est le cas. alors l’expression se réduit à : rj = -$ log. D’après ce qui précède. Soit Q(t) 1 a fonction caractéristique de chaque &.exp(-X2x) F(x) = 0 pour z > 0 pour x < 0.5). 8. elle s’écrit : 0. 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). Somme de n nombres à répartition uniforme sur (-0. l). INTRODUCTIONAUXMÉTHODES DE MONTE-CARLO 8. lrt 295 .18.(<) [ appartenant à (0.Pour obtenir la distribution de 7. on peut générer une suite de nombres pseudo-aléatoires à distribution sinusoïdale en utilisant la relation : < = arcsin( [ est évidemment entre -1 et +l. Il est donc très facile d’obtenir des nombres pseudo-aléatoires à distribution exponentielle. Distribution sinusoïdale Par exemple.5 (a(t) = exp(2njtz) sin(7rt) dz = ~ . 8. donc pour obtenir 5 il suffit d’inverser la relation précédente à condition toutefois que cela soit possible. & .5 est la même que celle de < puisque < appartient à (0. on écrit : 8.0. Distribution exponentielle De la même façon.1.l). Simulation d’autres lois de distribution Il est assez simple d’obtenir d’autres lois de distribution à partir de la distribution uniforme. La variable TI = F(J) est uniformément répartie. nous utilisons la notion de fonction caractéristique (voir le chapitre 21 consacré à cet effet).2. on écrit alors : log. La loi de répartition est : F(z) = 1 . Supposons que la variable aléatoire < admette la loi de répartition F(z).3.

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

DURAND (1961) Solutions numériques des équations algébriques. Tome II. SCHREIDER (1966) The Monte-Carlo Method. HAMMERSLEY et D. dans le plan. 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. sin2 (27r&). d’un point M d’argument 4 = (OX. 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.l) . G. J. OM). d’où l’on tire : m = JJGiX2W2742) 72 = ~~CO~(2~l2). Éditions Dunod. A. Springer-Verlag. Cet argument 4 suit une loi uniforme indépendante de la longueur de OM. avec & appartenant à (0. algorithms and upplications. En se référant aux propos de l’alinéa b du paragraphe 8.C. The method of the statistical trials.2 (concernant la distribution exponenticllc). 71 et 772 peuvent être considérés comme les coordonnées. Pergamon Press. 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. INTRODVCTIONAUXMÉTHODES DE MONTE-CARLO 8. Éditions Masson. il suffit alors de poser : avec Ii appartenant à (0.= tari(4) = tan(27r&) 72 soit encore : $ Cos2 (27r&) = 7.4. 297 . Par ailleurs. 1). Éléments de bibliographie E.18.l) indépendants pour obtenir deux nombres aléatoires à distribution gaussiennc v1 et Q indépendants (distribution normale réduite).5 dont nous venons de simuler la rcpartition (voir aussi la loi du &). 9. FISHMAN (1996) Monte-Carlo : concepts. soit Ç = $ + 72. HANDSCOMB (1967) Les méthodes de Monte-Carlo. Il suffit de tirer deux nombres aléatoires à distribution rectangulaire <i et (2 sur l’intervalle (0.M. La somme des carrés de ces variables.

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

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

ne. nous venons d’introduire une notion nouvelle de la convergence : la convergence en probabilité : On dit que X. 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. 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.git d’envisager l’étude des cas où la propriété de symétrie a disparu : c’est le cas. les valeurs possibles de la variable alCatoire X sont 1: 2> 3. Notion de variable aléatoire Par dkfinition. et lion parle dans cc cas dc probabilité empirique ou statistique. Notons qu’un écart import~ant peu cxistcr mais il est peu probable. Ainsi.~RII. 6.7 PROR. Somme et produit d’événements. Il s’agit dc mettre en œuvre une méthode indirecte qui peut s’appliquer à. et d’autant.ion d’une Bprcuvt appartenant à. la probabilité de vérifier l’inégalité tend vers 1 quand n tend vers l’infini. On réalise ainsi une mesure cxp6rimentale de la probabilité.4~~~1. quel que soit E > 0 aussi petit que l’on veut. 301 . Par exemple. À l’occasion de l’énoncé du théorème dc Bcrnoulli. Nous venons de définir une variable aléatoire X qui est discrète. Cc thi:orème que nous dérnontrerons plus loin est l’cxprcssion de ce qui est appel@ la loi des grands nombres. une catégorie déterminée est appelée variable aléatoire. 3.2. plus improbable que n le nombre d’épreuves est grand. À présent apparaît 1111 sérieux problème : la probabilité statistique change d’une série d’cxp&icnces 2 l’autre. 4: 5 ct. toute variable dont la valeur est fixée par la réalisat.lculs.IT& 2. la variable aléatoire X désigne lc nombre présent@ par la face d’un dé normalement numéroté. par exemple. Cette difficulté se trouve réglitc par l’intermédiaire du théorème de Bernoulli : Soit un nombre 7 > 0 aussi petit que l’on veut. du dé pipé. C’est l’cxp&ience qui révèle l’absence de sym@trie.. 4.19. 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. Il nc faut pas confondre la variable aléatoire avec les valeurs effectives que ccttc variable est. Probabilité empirique d’un événement ou mesure de la fréquence relative Plus simplement il s’a. que les variables aléat. 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.. tend vers X0 en probabilit6 si. susceptible de prendre. On appcllc fréquence de A le nombre d’cxpbicnccs oi~ l’tvanement A est apparu divisi: par lc nombre total d’expériences effcctu&s. ou plutôt une série de n expériences. tout un ensemble de problCmcs que la probabilité soit connut directement ou empiriquement.oires soient discrètes ou contimIes. Par cxcmple. ÉLÉMENTS DE c.

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

B) = P(A). alors B est indépendant de A. la somme de leurs probabilités est égale à l’unité. forment un système complet d’événements incompatibles. s’ensuivent deux corollaires pratiquement évidents : a . i=l b . et l’on note P(A/B) la probabilité de A calculée sachant que B s’est réalisé. L’événement B : la deuxième boule tirée est blanche. en ignorant le contenu de la boîte no 1. AL. alors la probabilité est P(A) = 1/2. soit : c P(AZ) = 1. On rencontre aussi d’autres façons d’écrire : P(AIB) et P(A si B). .Corollaire 1 . ils sont dépendants. = P(A) Il s’ensuit les corollaires Dans le cas où A est indépendant de B. .Si A est indépendant de B. 303 . ne connaissant pas l’événement B.Théorème .La somme des probabilités d’un événement et de son contraire est égale à un. À présent. 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. La probabilité de tirer une boule blanche. A. est P(A) = 2/3.Théorème .La probabilité de deux événements indépendants est égale au produit des probabilités de ces deux événements.4. si la probabilité de A ne dépend pas de la réalisation de B. calculée sous la condition que le premier ait lieu : P(E) = P(A . si l’on sait que l’événement B s’est réalisé. b . P(B/A). ÉLÉMENTS DE CALCUL DES PROBABILITÉS 4. On appelle probabilité conditionnelle de A relative à B.19. on peut prendre éventuellement connaissance de la boule contenue dans la boîte no 2. 4. Commentons cette proposition. Rappelons que deux événements sont indépendants. sinon.3. On réalise l’expérience suivante : on tire une première boule que l’on place dans la boîte no 1 sans en prendre connaissance. on a : P(A/B) suivants : a .Corollaire 2 . .Si les événements Al. La notation devient alors : P(A) = 2/3 e t P(A/B) = 1/2. On considère les événements suivants : L’événement A : la première boule tirée est blanche. Prenons un exemple : une urne contient deux boules blanches et une boule noire. puis on tire la seconde boule que l’on place dans la boîte no 2 sans en prendre connaissance. 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. on notera : P(E) = P(A + B) = P(A) + P(B) . dans le cas de l’événement A. En revanche.

en utilisant la formule des probabilités totales. seul le premier Ctudiant est reçu. Le premier a la Probabilit>é pi = O:7 d’obtenir l’examen. : sachant que A s’est produit. 304 .bfANUEL DE CALCUL NUMÉRIQUE APPLIQUlt 4. . les probabilités des causes sont P(H.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.u.) = P(A)P(Hk/A) = P(Hk)P(A/Hk) pour k = 1: 2. .)P(A. avec l’un des événements HI. quelle est la probahilit. Formule de Bayes (1702-1761) (théorème des causes ou des antécédents) Envisageons à prcsrnt que l’événement A se produise obligatoirement. soit encore en tenant compte dc la derniere @alit@ : P(Hk/A) = P(H. Bertrand. 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. A) = P(A H E .). cependant. enfin. et on cherche a posteriori la probabilité sachant que l’événement A s’est effectivement réalisé. P(H. Donnons un exemple d’après . il serait plus raisonnable de parler d’antécédent que de cause. les deux Cttudiants sont recus . Avant l’expérience. A priori. Le problème que l’on pose alors est le suivant. . qui sont antérieurs à l’tvcnemrnt A et qui constituent 1111 @@me complet d’évencments incompatibles.ihles.J. sa nature philosophique. La démonstration est sirnplc. Hz.. Ceci peut.A-P(A/H~) P(A) P(Hk)P(A/Hk) n . . être réalisc en amenant le 11 et lc 12 : telles sont les causes de succès. Le mot cause tient tt la formulation historique ct non 5. seul le second étudiant est rec. . L’ensemble des événements {Hk} peut être considéri: comme la «cause » de A. on retient les causes (antccédents) suivantes : Hi : Hz : HC3 : H4 : aucun étudiant n’est reçu .5. H.. lesquels forment un système complet d’evénements incompat. le second la probabilité ~2 = 0.HJ. on obtient : P(HdA) = Exemple . 7=1 4. nous pouvons ccrire : ~(HI. A priori ces probabilités sont conmies. on obtient : P(A) = 2 P(H. ..6.6..Deux étudiants passent l’examen de MPA. L’événement A est : il a gagné. H. Bertrand dit à cc su.jet : « Les causes sont pour nous des accidents qui ont accompagné ou précédé un événement observi: ». . Un étudiant a été reçu.). . Un joueur prend le pari d’amener avec deux dés un point supérieur à 10. P(Hz). . n. par respect dc la tradition nous utilisons le mot cause. 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. C’est pourquoi. . Trouver la probabilité que ce soit le premier. et J.

28 P(i&) = (1 . est rccu) lices aux P(A/H1) = 0.39.7 x 0. Les probabilités conditionnelles restent proportionnelles entre elles.O P(A/Hz) = 0. 305 . 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 0.19. Lois de répartition des variables aléatoires La description complète d’une variable aléatoire.18 = 0.6 = 0.61.28 + 0.4 = 0.3 x 0.18 Remarque : On verifie bien que la somme des probabilités est égale à 1. Les probabilités conditionncllcs causes Hk s’ecrivent : dc l’événcmcnt observé A (ml étudiant.O P(A/‘&) = 14 P(A/H/i) = 1.42 P(I&) = pl(l .7 x 0.28 + 0.0.18 Il faut bien comprendre cc que signifient ces calculs. les deux premières causes deviennent impossibles. et ils peuvent Ctrc obtenus par une autre voie.p2) = 0. On se trouve alors dans le cadre d’un système complet d’cvenements incompatibles. 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). et les probabilités des causes deviennent : 0. 5.28 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. 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~).O Une fois l’événement A réalisé.pr)pz = 0.6 = 0.12 P(H2) = plp2 = 0.18 = 0.4 = 0. . 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. 0.

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

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

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

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

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

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

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

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

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

. k=l 326 . . 1.2. +En a une fonction caractéristique de la forme : CD(t) = @l(t) . . on trouve : po = <f>(O) = 1. . 1.. On peut donc calculer les moments pk = M[zk] à partir des dérivées de la fonction caractéristique de la variable aléatoire. . . Cela découle de la relation de définition : M[exp(jtz)] = M[expjt(zl + x2 + .(t) qui est le produit des fonctions caractéristiques de chacune des variables aléatoires indépendantes El. . Calcul des moments Considérons le développement de exp(jtz) : k=O si les moments pk = hf[xk] existent pour k = 0.. k=O . In. 12. . . +Ch)]= fihl(eXp(jtxk)].1.2. Théorème (sans démonstration) Une distribution de probabilité est déterminée d’une manière univoque par sa fonction caractéristique. ?Dz(t). .3. Propriété de la fonction caractéristique La somme des variables indépendantes : t = El+12 + . 2. n. on peut alors écrire : avec : Ainsi. 1. alors. a?..-kdk)(O). n+ 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. . pk=j pour k = 1.. compte tenu de la relation : M[exp(jt<)] = 2 j” vtk + M[&J?+~] &. .

. @z(t). . Ic = 1. nous obtenons : P(X) = / rI. la fonction @(t) s’écrit : e(t) = nlog. + x. Dans le même esprit. dans le cas de la dernière variable [. on s’intéresse aux logarithmes de la fonction caractéristique : Q(t) = l%P(t)l. n. soit : a(t) = a+(t) . [ ( )1 Q i . 1.. 327 t2 . LA FONCTION CARACTÉRISTIQUE 1. La transformée de Fourier inverse va transformer ce produit simple en un produit de convolution. La fonction caractéristique de cette variable s’écrit donc : +‘X a(t) = J p(x) expjzt -m +CO dz.5. Quelques autres propriétés importantes Soit une variable < de densité de probabilité p(z). . Si par hasard @ 4 admet un développement du genre 1 . La variable [In.cx .) n admet comme fonction caractéristique : Dans bien des cas. En particulier. on aura toutes les chances de montrer que 5 obéit à une loi gaussienne puisque la fonction caractéristique sera gaussienne.2.21.t) .ct> dt -cc +Y expression dans laquelle &(t) est la transformée de Fourier de @k(t). ayant la densité de probabilité np(ny).lorsque n est grand devant 2n 0n t.4. la moyenne < d’une somme de variables indépendantes de même densité de probabilité p(z) : 2 = I(x1 + x2 +. 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. 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.

qui est la somme des carrés de variables aléatoires. + E. Donner la fonction de distribution de 7 = <i + <a. La distribution du x2 On se propose de rechercher la fonction caractéristique. indépendantes. + . Calculer la fonction caractéristique de chacune d’elle.2jt)-i’2.+oo). puis la distribution. Exercice a.2. : 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). + E.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. 0 si y E (0. on obtient la fonction caractéristique de la variable <.f : +CC pk(x)exp(jtx) dz = +03 1 y/- J 0 +oO xp1j2 exp(-x) dz = I’(1/2) 1 = (1 . et le théorème d’addition des variantes 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).6. 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. gaussiennes centrées réduites. En déduire la fonction de distribution de q. qui sont toutes les deux normales (gaussiennes) centrées et réduites. Soit deux variables aléatoires indépendantes & et &.O). b. de la variable aléatoire : xi = l$. Les variables indépendantes sont toujours gaussiennes mais ne sont plus centrées réduites. On désigne par ml et m2 les moyennes respectives et par g1 et 02 les écarts quadratiques moyens. . c. +co) si y E (-co. puis la fonction caractéristique de la variable 7 = [i + [2. &(Fijij 328 .

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

+ca). +co). La loi du xi Nous avons établi au précédent chapitre la loi de distribution d’une somme de n variables gaussiennes centrées réduites. ces deux variables étant indépendantes. Lorsqu’on aborde l’étude de la corrélation et de la régression. 1._::= ::. 331 . il s’agit alors de la loi du xi à n degrés de liberté. 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... Ce chapitre est donc destiné à la présentation desdites lois qu’il convient de bien manipuler pour exploiter correctement les données expérimentales..“‘“-. élevées au carré et nous nous proposons d’en étudier les principales propriétés. (2n .22 La loi du x2 .st.1) fi 2’” +CC ryz) = ..-.:_s.-i.... 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 .-. 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. indépendantes._” . . 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).l)! lY(1/2) = fi I?(n + 1/2) = et : 1 x 3 x 5 x .:.I 0 P-l exp(-t) dt. 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. Auparavant.

Vérification de la normalité de la loi Il s’agit de calculer L. h qui permet degrés de liberté.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 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 ( -. Calcul de la variante D (xz) Au préalable. On donne sur le Web(*) 1 e sous-programme khi2. on a donc : e x p -i dy.2) 1 s 0 0 (m+L)m.(w). *http://www. 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 0 Effectuons un changement de variable u = y/2. à m . > dy.1. le même changement de variable que celui effectué dans le paragraphe précédent permet d’écrire : d’où : 1.2r(11. on obtient : 0 1 cc (2u) n’2-1 exp( -u) du = ~ s u7’/2p1 exp(-u) du = 1 r(nP) 0 1.edpsciences. on calcule le moment d’ordre deux que l’on note x m2 m2 : y (xi) = 2TL.3.com/guilpin/ de tabuler la loi du xfT.2.

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. à m degrés de liberté en variable centrée reduite. 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.m y= on obtient : Pm(YY) = J%i’ 6 2”12r(m/2) (Gy + m)mj2-1 exp i 333 . 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] . Il est aisé de généraliser : Théorème . LA LOIDUX~ ET LA LOI DE STUDENT 2..22. l’autre à m degrés de liberté : La fonction caractéristique de 0 est donc : alors. +m) .66. P(Y) = 2(“+.r4.n + rrl). 3. en faisant n = n + m dans les relations établissant la loi du xi dans le paragraphe précédent.21.Une variable qui est la somme de m variables aléatoires indépendantes obéissant chacune à une distribution du x2 obéit encore une distribution du x2.. 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. en rappelant que M[x] = m et D[z] = 2m (cr = 6) : x .

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

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

On retrouve le résultat que nous avions établi à l’aide de la fonction caractéristique.+oo). 5.(v) du.~1 . PT(a) devient : Application à la somme de deux variables indépendantes .Donc la variable cv est une somme. 336 . Il sera aisé d’appliquer les résultats du paragraphe prccédent lorsque nous connaîtrons la Pc(Y) = & exp distribution 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. Il) 0 1 = -=l l 1 -00 JJ dv -cc +CX P~(U . La distribution de Student (W. 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).P~.(y) de la variable q = de variable : Il convient pour ce faire d’effectuer un changement x = my2 pour x E (O. le jacobicn de la transformation devient : 8(X> d’où : PT(Q) = N 1 -1 Y) qu. on a alors : a!=x+y on effectue alors le changement de variables : y=u et 2=7l-U dans ce cas.

(m) = Y(m + 1)/21 J’>o [l + .+i h. d=wml2) -00 337 . en définitive. +co) 5.1.2r(m. LA LOIDUX~ ETLA LOIDE STUDENT On peut écrire : y = !D(z) LG = Q(y) W(y) = 2my. v) P. on a donc : .~. 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].+m).] -h+l)P dt.2)y”“P1 +CE Pm(t) = J’ 0 p<(t .2) pour 2 E (O. 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. soit : exp (-$1 La distribution devient donc p.(y) = p[Q(y)]V(y) P.)] d y . Vérification de la normalité de la loi Il s’agit de calculer R.. on trouve : p (t) = r[(m + 1)/2] m *l?(m/2) t 2 p(7n+1)‘2 ’ + ii 1 [ pour t t (-cm.(co).(v)v du = mm/2 dz+“+T(m/2) x exp on pose : mm/2 &G2m/2-11T(m/2) Tymexp [-“” (I+ .22.

I[l + u](m+l)P expression dans laquelle B(z. firw) ’ rb + wi 5. il suffit de poser u = y2. y) est la fonction eulérienne de première espèce qui s’écrit : donc : *m(m) = mm + l)Pl r(wr(w) = 1. ainsi du = 2y dy et l’intégrale se transforme : 1 du= r[(m+1)/21B 4z(m/2) 1 m+l 2’ 2 J. 5.2.3.. r[(m+1)/2] /m .1) =m fir(m/2) . Calcul du moment du premier ordre Le résultat est nul car la fonction sous le signe somme est impaire.1 2 On en conclut que : (T= Jl(m + 1)/21 r[(m + 1)/2] r(3/2)r(m/2 .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. nous obtenons : *.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 . = .(a) = .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Posons y = et.2 m -. 33% . Calcul du moment du deuxième ordre Il nous faut calculer : qt.

l . 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. 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) = .2 m .(x)) = Cste + 2 1% 2 m . 6.f loge(m) *http://www. 2 2 m .1og. Soit (a(t) la fonction caractéristique de trn.edpsciences.l m .com/guilpin/ 339 .2(2) est la fonction modifiée de Bessel de troisième espèce. 1. 2 2 ( > ( > ( 1 .2 m-2 m .2(x). n)K. 7.22.2(x)Kn. 2 . s’écrit : le produit des fonctions caractéristiques donne une fonction que l’on peut écrire d’une façon simplifiée : A(m. M a lh eureusement.(6.~ log.+ . 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. on trouve : log.-log. La densité de probabilité s’écrit : rb + WI 29m(x) = fir(m/2) ’ 1 + 2’ [ m 1 (m+l)P ’ En passant aux logarithmes. h qui calcule les valeurs de la distribution de Student quel que soit le degré de liberté 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.l ( > ( > m .l m ..2 m + l . il s’ensuit que la transformée de Fourier inverse n’est pas une distribution de Student.1og. 2 + 2 .wm + 1)/21 ’ Z ’ r m ( 1 Xfi + 2 1 1 expression dans laquelle Km... il suffira d’effectuer un développement de MacLaurin (au voisinage de zéro). 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. La fonction caractéristique de 7. LA LOIDUX~ ETLA LOIDE STUDENT On donne sur le Web (*) 1 e sous-programme student ..

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

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

+m) = 4(E) F(+mrl) = v477) F(fc0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Y l Figure 23. -CO) = F(-CO. v) 2 F(rl. p) appartienne à un domaine rectangle parallèle aux axes Soient A. c). C et D les quatre sommets du rectangle dont les côtés sont parallèles aux axes. Propriété de F(g. d) ~ F(a. à deux dimensions. 2. 2. Probabilité pour qu’un point aléatoire (a. 2.2. 5. d) B = (b.3.F(b. d) . 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.P). 3. 4. 7) 1. = SJ’ -00 -00 342 . +oo) = 1. c) + F(a. 7) 2 F(c-u> VI ==+ F(t. C’est une fonction non décroissante des deux arguments : s i <>a si 72 P =+ F(E. y) qui à son tour s’écrit comme une intégrale double : z F(?Y) ?4 f(w P) da d/J.c) D = (qc). Cette probabilité peut s’exprimer en fonction de F(z.1. r/) = F(-CO. F(E. F([. Fonction de répartition. -CO) = 0.d) c = (b. A = (a. B.

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

y) = 4(z)+(y).ion des 344 . puisque f(x.. Pour ce qui concerne les moments mixtes.0 = Af[xlyO] m 1/ = rn(j. cy = yj). on dkfinit le coefficient de corrélat.] = D[y] = 0. on a alors : +CG K X. seul le premier ..)$(r/) dy = 0. S’il s’agit de variables aliktoires continues. porte WI nom particulier. 110us écrirons : +C. si une des variables s’karte peu de sa moyenne (faible variante).)qb(x) ~ dz r(g . il s’agit de la covariance que l’on krit : Ce moment mixte K.y reste faible même si X et Y sont i%roitcment litcs.q.rées.y(x..M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ expressions dans lesquelles piy = P(z = zi. D’un point de vue strictement pratique.ant ml.joue vraiment un rôle import.f(:q y) dz dl/.~ = M[&.J..oircs alors Krx:. 4. Ainsi.s = . y) dz dy (x ~ m. Remarques importantes a .1 = M[x”y’] = M[x] = M[:I/] et D.] = M[?/..Y ~ I’ (x ~ m. Autrement dit. seuls les moments d’ordre 1 ct 2 sont utilisk : soit : m .î ~ mi. Pour pallier cet ennui.Non seulement Kc.xky. = rr~~).Z mk..rl caractkrisc la liaison de X et de Y mais aussi la dispersion dc chacune des variables.5. décrit la liaison de X et de Y.).. = mz.y = 0.. c’est-à-dire pour caractériser uniyuernent la liaison des variables.o = M[x$y~] = M[xi] = D[z] = ~7.1 = Af[xlyl] dont la forme centrée s’écrit : : ceci est simplement la moyenne du produit des variables akatoircs cent.? = SJ' -x +CL% et pk. Si X et Y sont des variables alCat.: D. indépendantes..)“(y -M 11 ~ mJ. il en résulte we Kz.1.

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

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

nXi = i=l fiM. 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..23. Y] ~ m. 347 . Y] = M[X]M[Y] + Kz.m. = M [X. Après avoir posé 2 = X + Y. 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..Xi].. M[X . Si les variables sont indépendantes.M[X] + m. K z. = M[X . = M[X . Y”] = M [(X ~ m.u. ii. ?=l 6... Y] ~ mEM[Y] . Ce théorème est susceptible d’une genéralisation simple : M I1 2xi i=l =CM[X. Insistons sur le fait que cette relation est indépendante du fait que les variables aléatoires soient indépendantes ou non.m.m.] + 2M [XoJ$] = D[X] + D[Y] + 2Kz.) (Y . 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. et la moyenne du produit est égale au produit des moyennes.. SYSTÈMES À PLUSIEURS VARIABLES ALÉATOIRES On démontrera évidemment le même théorème en ce qui concerne les variables continues. = M[Y].m.y = 0. On obtient alors les expressions suivantes : D[X + Y] = D[Z] = M [Z. Kz. Variante d’une somme de variables aléatoires Nous allons calculer D[X + Y].3..)] m.]. = X” + Yo.] = M [Xi] + M [Y.2. 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. = M[X] Le développement de l’équation donne : et m. 6. on passe aux variables centrées que l’on indice avec un zéro : 2.

2m.MANUEL DE CALCUL NTJMÉRIQUE APPLIQUÉ 6. + Kz. + Kz.7. pour cela posons 2 = X Y : D[X Y] = D[Z] = M [Z.1.?J = MIXo. Propriétés du coefficient de corrélation (démonstrations) Si les variables aléatoires X et Y sont liks linéairement : alors le coefficient de corrélation vaut *l. Dans cette dernière expression..] = M [(Z .M[X] + arn~ Reportons cette valeur dans l’expression du coefficient de corrblation : Il reste à exprimer gy : On en conclut que T. 348 . L)[X.y)M[X = M [Z”] ~ mi = M [X”Y”] .. ~ b)] = uM[X”] ~ mn. (nX + arnz = uM[X2] - = aD[X]. Dans lc cas particulier où les variables sont indépendantes. à partir de la covariance on peut Ccrire : K x.Y] =M [Z” +m.m. Y] = rr~.Z] = M [Z”] + mz .~ = +1 si a est positif et -1 si a est nkgatif.Yo] En remarquant que my = ~TL. soit : Si les variahlcs sont centrées... Y] + (m.)] b b am.m.y)2....M[Z] + K:. En effet. + K.~ + = M [(X ~ 7~) (Y ~ m..II = 0.2m.. en tenant compte du fait que KL. Y] = M[X’]M[Y”] . Puisque X et Y sont des variables independantes.) . alors. Variante d’un produit de variables aléatoires Il nous faut calculer D[X . = M[X .m..y)(m~.y + K.M[X] - nm. .y)2 = M [X”Y”] ~ 2(m.J. Y] = D[X] D[Y] + ml.)2 + Kz. 61 = D[&l D[yOl.Jz] avcvcc m.. 7.D[Y] + rniD[X].q + K~~.$z. Kz.4.m. . Y].m. Y] = M [X”Y”] ~ (ml. on voit apparaître la covariance.. la dernière expression se simplifie.c~r~~y D[X . D[X. = M [(X - m.~rn..) + (m.. or1 obtient : D[~O. ou peut écrire : D[X .. il en est de même de X2 et Y” .m.2(m.

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

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

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

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

soit en ayant programrné la loi du x2 à m degrés de liberté. Remarque 2 : 71 est le nombre d’observations indépendantes de la variable alCat. nous savons que les données expérimentales ne sont pas en contradiction avec les différentes hypothèses formulées. On trouvera plus loin une démonstration de ces affirmations (cf. on est certain que l’opération est fausse. et k le nornbre d’intervalles de regroupement.1 Annexe H. Dans cc cas. on rejette l’hypothèse H avec 0 chances de la rejeter à tort. Il est nécessaire d’obtenir un nombre minimum de plusieurs unités ~ voire une dizaine ~ dans chacun des intervalles de regroupement.oire 2. Le critère du x2 ne permet pas de dire qu’une loi est meilleure ou pire qu’une autre. Simplement. il est possible de montrer que la fonction de répartition de U ne dépend pratiquement pas de la fonction de repartition F(z).MANUEL DE CALCTJL NUMÉRIQUE APPLIQUÉ Si l’on choisit N = 72. les deux derniers nombres identiques. p. 5 14.1. En revanche.Vérification d’un générateur de nombres aléatoires gaussiens À partir d’un générateur de nombres aléatoires à distribution uniforme. et si les écarts persistent. si les deux dernieres opérations sont identiques cela signifie que l’opération peut être correcte ou encore que. Dkm point de vue pratique. s’il y a une erreur: l’erreur est modulo 9. si 0 est infkricur à 0. elle dit seulement quand elle est fausse.. Autrement dit. 4. ni de n. on se propose de fabriquer un générateur de nombres aléatoires gaussiens. il y a lieu de vérifier si possible l’expérience. Notre hypothèse H est donc la loi de Gauss-Laplace. 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. soit CII consultant une table figurant à la fin de tous les manuels. Remarque 1 : La loi thkorique dépend dc 1-1 parametres inconnus que l’on va chercher à déterminer.. PL i=l u est la valeur numérique de la conformité. et l’on a : & (Pi -PJ” u = r2. Il en est de même du x2. il y a lieu de chercher une autre loi.05. Remarque 6 : Le test du x2 est à rapprocher de la preuve par neuf. on dit que U obi. Si cette probabilitt: B est très petite. Nous avons généré 4 096 nornbres aléatoires gaussiens en choisissant la 354 . La preuve par neuf ne dit pas quand l’opkration est juste.it à une loi du x2. Remarque 5 : Parler de probabilité très petite n’a pas grand sens si l’on ne SC fixe un seuil de signification cti. 443). Remarque 4 : Il n’y a pas de difficulté à calculer la probabiliti: 0 de dépasser la valeur numérique U. mais uniquement du nombre d’intervalles de regroupement k qui a servi à construire l’histogramme. Cela signifie que l’on prend le risque de rejeter à tort l’hypothèse H avec 5 charms sur cent. Si tel n’est pas le cas. Dans le cas contraire. Un exemple . 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. l’hypothèse H est vraisemblable c’est-à-dire qu’elle n’est pas en contradiction avec les données exp&imentales. lors du processus de calcul. D’où : m=k-p-1. il faut regrouper certains intervalles pour qu’il en soit ainsi. On peut aisément trouver plusieurs lois tout à fait acceptables qui peuvent rendre compte correctement de la statistique d’un échantillon donnk. si la preuve par neuf ne donne pas.

205e-1 p=1.683e-1 p=1.668 -1.096 -2.169e-2 p=3. le nombre de degrés de liberté est 12.2 p=1..768e ~ 1 p* = 1.189 1.98.868e ~ 1 p* = 1.882e-1 p = 1. x est l’abscisse du début de chaque intervalle.438e-3 p=8.237O 0. on opérera selon l’un des cas de figure suivants : a. rn le nombre d’occurrences.207e . la valeur de u peut se situer dans deux domaines : le domaine des valeurs possibles u < xl-. En l’absence de toute considération sur les risques encourus.174e-3 p* =9.815.167e .144 -1. 355 . 0. et le domaine des valeurs improbables u > xf-.684e . Alors dans cette dernière éventualité.1 p* =6.001 e .1 p=6. On dit aussi que l’hypothèse H est tout à fait vraisemblable.092e-4 p” = 9. expressions dans lesquelles <y est le seuil de signification. la probabilité dc dépasser la valeur u est.180 e .1.442e-2 p* = 1. le seuil de signification le plus répandu est 0. après avoir calculé U.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 = -3.178e ~ 2 p* = 1. D’un point de vue pratique.2 p* =3.05.037e-4 p=3. nous avons effectué les regroupements sur 15 sous-intervalles. comme l’hypothèse à tester est la loi normale. p=8. Les résultats obtenus sont présentés dans le tableau 24. Expérimentalement. 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 24.1 p = 1.665 2. CRITÈRES DE CONFORMITÉ valeur moyenne 6.904e-2 p=1.094 3. et p* la probabilité empirique.216e . les données expérimentales ne la contredisant pas.7153 -0.925e-2 p = 3.601.766 e .618 3. Cela signifie que l’on choisit de rejeter la loi avec 5 chances sur cent de la rejeter à tort. Comme le montre le tableau.2 p=6. p la probabilité théorique de tomber dans l’intervalle.174e ~ 2 p* = 7.0 (nous avons ajouté chaque fois 12 nombres aléatoires à distribution rectangulaire donnCs par la technique de Lehmer).05 et un écart type de 1.395e-3 p* = l. 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.172e-2 p* = 3.1. k est le numéro de l’intervalle de regroupement. Il n’y a aucune raison de rejeter la loi dc Gauss comme hypothèse H.191 -0. 4.519e-2 p* =3.239l 0. on rejettera l’hypothèse H avec Q chances sur cent de la rejeter à tort .0 et l’écart type 2.628e ~ 1 p* = 1.24.174e ~ 1 p* = 1.2.4 p’=4.7132 1.570 Dans ce tableau.620 -2. Nous avons alors obtenu la valeur de u = 7. on trouve que les nombres pseudo-aléatoires gaussiens ont une moyenne de 6.169e-2 p = 3.142 2.417e-3 p=1. Ainsi.

O 0 .0 p(X) 1. b. autrement dit on se méfie des valeurs de u qui se situent dans les queues dc distribution. 5.cs ct trop grandes de U. Le domaine des valeurs probables dcvicnt x:>.27 0 . 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. 0 2 2 0 ..~.~ ct IL > x~~. Estimateurs La formulation d’une hypothesc H conduit à exprirner une certaine loi dont on recherchera l’éventuelle conformité. on rejettera l’hypothesc H avec o chances sur cent de la rejeter à tort. Remarque : On notera l’abscncc de degré de liberté dans l’expression dc cc critère.5 1.edpsciences. : c. La probabilit. Là encore. chercher dans la table de p(X) la probabilité correspondante. 9 6 4 0. l. on peut aussi avoir des raisons de se mefier à la fois des valeurs trop petit. il suffit de : a. calculer 21 puis TI&.o 0. 6.5 2. maximal entre les deux répartitions soit non inférieur à la valeur obscrvi‘c.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b. C’est la probabilité que l’ecart.. on rejettera l’hypothèse H avec Q chances sur cent dc la rcjctcr à tort. Estimation des paramètres d’une loi inconnue. Dans la dernière éventualité.e dc l’incgalité TJ~ > X est donnfe par l’expression : 30 !Ix2 p(X) = l. à condition toutefois que les écarts soient dus uniquernern a des facteurs aléatoires.com/guilpin/ 356 . 0 0 1 Pour utiliser le critère de Kolmogorov. Les paramètres intcrvcnant dans la loi devront être estimés à partir de l’échantillon.. 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. 71 est une variable aléatoire. Donc : tu = sup IF(z) -F*(z)/.o 1. l’unité (71 est le nombre d’cxpcricnces indépendantes).-m hz1 Voici quelques valeurs dc p(X) : x 0. c sur le Web (*) calcule les valeurs dc ccttc distribution. Dans la dernière cvcntualité. 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). 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.~ 5 u < XT& et les domaines des valeurs improbables u < .J$. Il s’ensuit qu’il est plus «optimiste » que le précédent critère. Le programme kolmogor . Il faut bien préciser que ces estimations sont des variables aléatoires et nous *http://www.C (-1)‘exp (-2k2X2) = 2x3l)“:+‘exp (-2k”X”). Bien entendu.

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

b . Notamment. Donc D converge en probabilité vers M[X2] . pour cela nous allons transformer D : soit encore : À présent. xi converge en probabilité vers M[X2] tandis que m2 converge en probabilité vers m2.fi2 et par conséquent l’estimation converge correctement en probabilité (estimation consistante). 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 . En posant y& = xki . -y(Xk . 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. alors on peut choisir l’origine des abscisses pour chacune des expériences en mk. on peut encore écrire : i xk=.L’estimation naturelle de la variante est la variante statistique : 1 n D = .vii)2 k=l avec fi=i. nous allons voir que l’estimation est biaisée. Maintenant. Cela n’est généralement pas vrai avec d’autres lois de répartition.fik.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ il faut connaître la loi de répartition de X pour pouvoir conclure. k=l Comme D est égal au moment du deuxième ordre non centré moins le carré de la moyenne. cxk. 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). la variante de ti est alors minimum. il est possible de montrer que si X obéit à une distribution gaussienne.Cas de la variance .

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

Quoi qu’il en soit.2. la variable aléatoire rl est une mesure entachée d’incertitude.2: mais aussi par des facteurs incontrôlables. à ce moment aucun élément aléatoire ne rentre en jeu. La dépendance linéaire s’écrira sous la forme : 7 = (az + b) + 6. 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. Dépendance de la variable aléatoire q et de la variable non aléatoire x (schéma de régression) Ici. 361 . on étudie le comportement de la variable aléatoire dépendante 7 en fonction de la variable non aléatoire 2.1. Par exemple. 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. 1. Les deux variables X et Y ne sont pas aléatoires Y est complètement déterminé par la connaissance de X. Si par rnalheur la liaison entre deux variables est de type curviligne. elle prend des valeurs qui sont influencées par . 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. on peut chercher alors à se ramener au cas lineaire par un changement de variables adéquat. Voici 1111 exemple simple : l’âge d’un arbre en fonction du nombre de ses anneaux. Les types de schémas de dépendance linéaire 1. 1. Il s’agit alors d’une dépendance fonctionnelle classique qui prend la forme : Y=aX+b. 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.25 Étude des dépendances dans le cas linéaire Notre étude se limite au cas de deux variables aléatoires dont la dépendance est linéaire.

c’est l’expression aléatoire de q.333 3. on porte en abscisse J’(J’ + 1) et en ordonnée la valeur y. La mesure de la pente de la droite permet de calculer T.1 ( s. expression dans laquelle Sj est calculé pour chaque raie j. 362 . $ ( 3) 4. durant ses premiers travaux.47 3. . A est un coefficient connu attaché à la molécule ktudiée.196 3. Sur le tableau 25. on ne recherche qu’un schéma en moyenne pour x.176 3.L’analyse de la structure fine des bandes d’émission d’une molécule diatomique ici H Al .. La droite ainsi définie porte le nom de droite de régression.37 3.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ expression dans laquelle les termes entre parenthèses expriment la dépendance non aléatoire et S exprime le résidu.823 Exemple .980 2. elle est historiquement liée aux travaux de Galton (1822-1911) ~ considéré comme un des fondateurs de la méthode statistique ~ qui avait constaté que.j = log. Dans ce schéma. Il s’ensuit que la valeur moyenne de 17 est une fonction linéaire de x : y = as + b. Le coefficient de la pente ü s’appelle coefficient de régression de y en x. 1 on a porté les résultats. La théorie permet d’établir que : lot& ( 23 > = -gJ(J’ + l).941 2. Tableau 25. Sur un graphique. 6 doit vérifier un certain nombre de conditions : M[S] = 0 e t D[6] = g2.196 2.permet la détermination de la température du plasma émetteur. Pour cela on mesure la surface relative Ij de chaque raie à laquelle un produit de nombres quantiques J’(J’ + 1) est associé. la pente de la droite en question était négative d’où l’idée de régression. alors.1. cela signifie que y(x) est la moyenne de 7 pour une valeur donnée de x. c’est-à-dire une loi de variation de la moyenne conditionnelle M[qj x ] en fonction de x. cette dénomination doit être prise comme un simple nom générique. 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 .

Il y a une contrainte supplémentaire : cette décomposition doit être effectuée de telle sorte que les variables S et 5 soient non corrélées.25. en effet S est centrée.) . On peut écrire : et l’on ajoute : Ad[&. Remplaçons z et y dans l’équation de la régression : qui se transforme : 7 = a< + 6 + (6. et S. 363 . il n’est donc pas nécessaire que < le soit. 1. Cela impose que M[@l = 0. les erreurs qui entachent les variables x et y. . variable x3 fait l’objet de très faibles yj.] = 0. Si l’on fait l’hypothèse d’une liaison linéaire entre 77 et <. 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. Ici encore on s’intéressera à la loi en moyenne et l’on écrira : Y(x) = ax + 6. En effet désignons par 6.7 est sujette à variable un caractère aléatoire. 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. soit encore Y(x) = n/r[q][ = x]. on voit que le résidu est corrélé avec [ puisqu’il dépend du paramètre ü à estimer. alors on est assuré de l’indépendance. expression dans laquelle 6 exprime le résidu avec comme caractéristiques : M[S] = 0 et D[b] = a’. 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. Cela peut entraîner des ennuis dans le calcul des estimateurs qui risquent de perdre leurs bonnes propriétés évoquées au chapitre 24.3. la grandeur 17 se décompose en deux parties : 77 = (üf + 6) + s.as. Si la distribution de ces deux variables 6 et < est gaussienne.] = 0 et M[i?.

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

712 1..736 1. Comrne dans le cas précédent.706 1.701 1. Aiivazian) : p(n) > PE .725 1.712.704 1.693 1.728 1.707 1.Test des suites ascendante et descendante .736 1.69 1..722 1.715 1.676 1.679 1. b .722 1.~IRE La distribution de A(*n) est.724 1.692 1.72 1.692 1.(n + 1) .724 1.726 1.742 1.1.692 1. D’un point de vue pra. de 1 à partir de la suite donnk par l’échantillon initial.2 donne la hauteur d’un échantillon de 100 personnes prélcwks au hasard parmi des conscrits.711 1.685 1.678 1. Tableau 25.713 1.edpsciences.746 1.721 1.9Sj/m [ X(~L) < PE [3. OII calcule : p(n) = 40 et X(B) = 9.706 1.723 1.686 1. 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).709 1.741 1.682 1.665 1.716 1.701 1.723 1.729 1..68 1.698 1.719 1.765 1. quelque peu plus cornpliquéc.663 1.69 1. ÉTUDE DES DÉPENDANCES DANS 13 CAS LINÉ.722 1.708 1.781 1. aussi prbfère-t-on utiliser les rkultats suivants (d’aprks S.Ce test permet. 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 1.713 1.708 1368 1..733 1.702 1.694 1.705 1.711 1.704 1.727 1>688 1.com/guilpin/ 365 . On trouvera sur le Wcb (*) lc programme teststat . 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.702 1.719 1. Par ailleurs. c qui rFalise ces simulations ct ces calculs. le nombre de souschaînes est 56 et la sous-chaîne la plus longue a la taille 6.708 1.735 1.701 1.] = 1.709 La lecture des dormécs s’effectue ligne par ligne.744 1.663 1. tirage au On peut donc conclure qu’il n’y a aucune raison de repousser l%ypoth&c d’un hasard.tiquc on devra *http://www.724 1.Le tableau 25.714 1.719 1.746 1.2.716 1.705 1. de dkceler une tcndancc de dkviation progressive de la moyenne dc la distribution.696 1.728 177 1. Le cas d’égalitk est kart@.716 1.683 1.715 1.721 1. c ..776 1.25.703 1.3 (logd~) + 111 1 où PE définit l’opération troncature (partie entière).73 1.71 1.706 1. Nous avons trouvé x.74 1.717 1. 1.748 1. on forme une suite de 0 ct.Application à une suite de nombres pseudo-aléatoires .727 1.734 1.687 1.723 1.693 1.696 1.721 1.711 1.723 1.698 1. Il s’agit donc de s’assurer du bicn-fondé de l’indkpendance stochastique du tirage.

page précédente) à la lueur de ce nouveau test.On analyse le même échantillon (Tab.1) . Toujours à partir de la suite initiale.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. Pour un échantillon de taille supérieure à 20.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ vérifier les inégalités suivantes : 327~ . On obtient pour le nombre de souschaînes la valeur 67 et pour la sous-chaîne la plus longue la valeur 3.Test des carrés des différences successives .2. e .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. 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. on rejettera l’hypothèse de l’indépendance stochastique des tirages si r(n) < ycy(n). On rappelle la définition du quantile d’ordre (u : P(x < 21. 366 . 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. d . Ici encore rien ne permet. Le calcul donne p(n) = 58 et le tableau A(n) = 6. est le quantile d’ordre (Y de la loi normale réduite.) = a. 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. 25. de repousser l’hypothèse d’un tirage au hasard.Application à une suite de nombres pseudo-aléatoires .1.5(1+u:) où U. on forme la demisomme de la moyenne des carrés des différences entre chacun des éléments et son suivant immédiat.

Quand D[~]Z] est une constante. ÉTUDE DES DÉPENDANCES DANSLE CAS LINÉAIRE soit si a = 0. dans le cas contraire.05 est -1.2. On suppose que les variables ont été regroupées dans k intervalles.00059 et cr”(n) = 0. la variante empirique de chaque intervalle est donnée par l’expression : s. notée h2(z) (car D est une forme quadratique). on examine ce que donne le test. qui sera déterminée empiriquement : Le problème qui nous préoccupe maintenant. 2 2 8 e t ~o.)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. Autrement dit. elle doit être proportionnelle à une fonction connue de 2. f .837. dJ:=0.05 Remarque : Il ne faut pas confondre le quantile d’ordre a avec le point de pourcentage 100 Q. i=l ($) 367 . Soit ICO~ le milieu de chacun des intervalles.Toujours sur le même exemple. = D[ylz& = 02.2 = 5 -gyii . D[~]Z] doit être une constante : D[~IX] = a2 = cte.00048 puis : y(n) = 1 .65. on trouve dans les tables : & / exp(-$) -00 le quantile d’ordre 0. Homogénéité des variantes conditionnelles La variante conditionnelle D[~]Z] d e 1 a variable dépendante doit rester inchangée. si l’on doit envisager une tendance systématique à varier en fonction de z. alors : ~[Yl~Ol] = D[ylzoz] = . Si tel n’est pas le cas. et la variable aléatoire : A= -t&milog.F(wq) = Q où F(z) est la répartition de la variable aléatoire <. 2. Il s’agit de vérifier que les différences entre les k valeurs obtenues pour les sf sont dues au hasard ou. au sens statistique.Application à une suite de nombres pseudo-aléatoires .os(n) = 0.y.05 .25. On obtient q2(n) = 0. c’est de connaître un test qui nous permette de juger de l’homogénéité ou non de la série des variantes. Encore une fois il n’y a pas de raison d’abandonner l’hypothèse d’un tirage au hasard. Le point de pourcentage 100 Q de la variable aléatoire < est la valeur wq telle que P(z > wp) = 1 . quand I : varie.

21 155.3. dans expression. Il faudra alors trouver une fonction hz (22).95 144.93 229.36 185. Exemples 1.MA N U E L DE CALCUL N U M ÉR I Q U E APPLIQUER suit approxirriativcmcnt pour ru. 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.02 220. Tous calculs faits.com/guilpin/ 368 .82 118. Tableau 25.06 149..77 240.86 28.24 215.87 123. 115.lO 241.15 190. Ylj Y2j Y3.19 233. 22 ct 27. on trouve la valeur h = 5.F réalisée 10 fois pour cinq valeurs de la variable J: qui sont : 70. Le nombre de degrés dc lib&é est 5 . c qui rkalise cette simnlat.92 217.93 212.87 10 182.80 210.27 154.71 151. été exécutés avec 16 chiffres significatifs.ion.22 150.08 207. > 2 une loi du x2 à k ~ 1 degrés dc liberté .8 134. On peut affirmer qu’il n’y a aucm~c raison pour repousser l’hypothkc dc l’homogénéitk des varianccs corlditionnc:llcs. mais nous n’en avons report& que 5.46 133.81 187.39 160. on a noti: : n ktant la taille dc l’khantillon. et la probabilité de dépasser la valeur A est 0.15 238.OO 213.39 205.67 20.23 140.12. Lc tableau 25..52 237.74 234.4.98 22 239.edpsciences. la douzième la variante et.61 229.26 17 211.1 = 4. 80.31 5 148.63 182.Ol 210.81 128.47 22. donne les résultats d’une deuxiCme expkricnce qui a ét.44 181. *http://www.51 116. page ci-contre.61 40. on trouvera lc programme varian-1 .29 184. 17.87 119.19 123.36 147.ll 236.49 184. 2.76 182. 10. La onzième ligne donne la moyenne obt.89 27 Remarque : Les calculs ont.enue pour chaque valeur de Z.28 201.53 177.03 210. la treizième les valeurs de CC.99 127.i Y4i Y5j 0 1 2 3 4 5 6 7 8 9 Moyenne Variancc Valeur de X 125.275.03 74.73 151.26 192. 176 et 212. Sur le Web (*).36 150. Le tableau 25. les nornbres ayant été arrondis.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.

77 0. Il a bté montré notarnmcnt que l’estimat.05 69.appelons que l’on a perdu un de@ de liberté en choisissant) h”(z) = exp(z/39.4 81. ÉTUDE DES DÉPENDANCES DANS LE CAS LINEAIRE Tableau 25. c qui réalise cette simulation.47 -57.8 146.47 79.18 115.3 61. soit grand devant.ion dc la méthode des moindres carrés que nous avons déjà présentée au chapitre 4 à propos de l’interpolation.3 109. quoique l’aplatissement et la dissymktrie rendent kgalcment dc grands services. *http://www.2 115. C’est le critère du xL qui sera le plus souvent utile. Conclusions Nous ~O~IS évoquk les conditions idéales d’applicat.l 149.32 59.Ol 76:75 30.2 60.516 et la probabilit.55 69. 3.ion des coefficirnts de corrélation par la mbthode des moindres car& conserve toutes les bonnes propriétks à condition que n. les données expbrimentalcs ne la contredisant pas.o Le calcul de A donne 50. On renonce donc à l’hypothbe de l’homogknéité des varianccs conditionnelles c+.5 100.5 151.3 145.l 140>2 165.edpsciences. cn particulier à la méthode des moindres carrés.5 142.73 31.81 62.com/guilpin/ 369 . Ylj Yzj 138.8 118.0) et l’on recommence les calculs.0) et dOIIC il convient de calculer UI~C valeur du x2 a k .5 146.91 96.85 55.3.O Y3j 109.2 139.8 141.9 31.8 144.Ol 70.44 54.211.l 123.o 212.57.34 10941.l 109. Les distributions sont gaussiennes Il faut vérifier le caractère gaussien des yyij pour chaque valeur fixk de 1:.54 80. 1.O Y4j 75.l 140. l’on va chercher 1me loi h”(z) qui rende les variantes homogènes.0 Ysj 72.6 155.93 389.76 38. À prbsent.7 141.4.59 47.5 113.2 dcgrk de libertk.2 155. Il y a environ deux chances sur 1 0 ‘” dc pouvoir dépasser cette valeur.25.4 140.4 151.3 137. R. on donne le programme varian-2.k de dépasser cette valeur est P = 0. Sur le Web(*) .4 112.o 0 1 2 3 4 5 6 7 8 9 Moyenne Variante Valeur d e X 148. mais ce n’est pas pour cela que l’on va renoncer aux mtthodcs d’analyse de corrélatiorl-régression et.5 129.9 176. il n’y a aucune raison de rejeter l’hypothèse dkmc variation cxponenticllc des variances.2 141.89 68.27 4.33 82.3 126. 2.36 89. On essaye la loi h”(z) = exp(z/39. On trouve alors : A = 4. En pratique les trois critCres ne sont pas toujours vérifiés sirnultankment.7 107.

P. mathématique.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. TRAYNARD (1969) Les principes de la statistique Villars. H. On dit alors que la méthode des moindres carrés est robuste. Princeton. de Boeck. RISSER et C. Éditions MIR. C RAMER (1945) MathematicaZ methods of statistic. R. 4. DAGNELIE (1998) Statistique théorique et appliquée. Éléments de bibliographie s. Moscou. Moscou. H. AÏVAZIAN (1970) Étude statistique des dépendances.E. VENTSEL (1973) Théorie des probabilités. Gauthier- 370 .

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

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

/c qui est beaucoup plus sûr parce que son interprétation ne dépend pas de la forme de la dépendance de la régression étudiée. soit T = 0./2 est le point de pourcentage lOOa/2 de la distribution normale réduite. Cette approximation par une distribution normale nous permet de tester l’hypothèse d’une absence de liaison de corrélation. 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. Cas d’une dépendance non linéaire. On utilise alors le rapport de corrélation pT.On utilise le fait que la distribution de T est normale.3. les propriétés de T et de p sont très semblables : 1. Intervalle de confiance pour la vraie valeur du coefficient de corrélation . les rapports de corrélation pslc et pc/. Il en résulte que T appartient à cet intervalle avec un niveau de confiance (1 . Contrairement au coefficient de corrélation. le coefficient de corrélation perd son sens en tant que caractéristique de l’intensité de liaison entre les deux variables aléatoires.. 2. Si w < ta(n . Si jpl = 1. On évalue les limites du domaine au moyen des relations : u. en revanche. 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. p est compris entre -1 et +l. 1.) ne sont pas symétriques. la grandeur suit une loi de Student à (n .26. 373 .2) degrés de liberté.05. il existe une dependance fonctionnelle univoque entre 17 et < et réciproquement. on rejette alors l’hypothèse d’une liaison de corrélation avec la probabilité û: de la rejeter à tort. et si mesure la dispersion des résultats individuels autour de la moyenne globale y. Si T = 0.2). 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.cr) à condition toutefois que T ne soit pas trop près de 1 et que n soit suffisamment grand (plusieurs dizaines). 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.

4. Dans le cas contraire. alors & = ?j.Tout comme le coefficient de corrélation. Ici encore. la différence $. Réciproquement. Remarque : Il est possible de montrer que le rapport de corrélation ne peut être inférieur à la valeur absolue du coefficient de corrélation r. cela veut dire que la liaison étudiée est statistiquement significative.. Dans le cas d’une dépendance linéaire.h2(x) On pose alors : 1 wfi = h2(xi) et D[EI77 = Y1 = $i72(Y).ic)1-12 g ix1 {s&/“&/}1’2 374 . Cas où les variantes conditionnelles ne sont pas homogènes On suppose alors que l’on a trouvé les deux fonctions h2(x) et g”(y) qui rendent homogènes les variantes conditionnelles : LI[ql< = x ] = a.. Si l’on est amené à rejeter l’hypothèse d’une liaison de corrélation.$ )C CWgiXitJi . 2=1 où zi et yi sont les centres des intervalles de regroupement respectivement pour z et pour y. et la non-corrélation de q et < ne signifie pas nécessairement la non-corrélation de < et 77. dans le cas où : on cherche dans la table de la loi de Student la valeur t. on a une autre expression du coefficient de corrélation : F. $. Les moyennes vi ne dépendent pas de x.F& est une mesure de l’écart de la dépendance de régression par rapport à la forme linéaire.C suit une loi normale pourvu que n soit au moins de l’ordre de quelques dizaines. 1 et wgi = g2(yi) Wf=Cwfi e 2=1 t Wg=Cw. si pv/( = 0. les deux caractéristiques coïncident et.2) du point de pourcentage CY qui est le seuil de signification. Remarque : Il n’y a pas de dépendance simple entre pslE et P</~. Absence d’une liaison de corrélation . 1.(n .. Dans ces conditions. autrement dit la droite correspondante de régression est parallèle à l’axe horizontal.XiYi ~ XY -.< . on le fait avec la probabilité cz de la rejeter à tort.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3. L’absence d’une liaison de correlation entre 7 et [ signifie que p71c = 0. par conséquent. = {( j$j $ Z-1 Wf.

E)" g i=l et 2. elle sera obtenue en règle générale par la méthode de moindres carrés à partir des données expérimentales. il s’agit de déterminer la forme générale de la liaison étudiée. puis d’estimer les paramètres entrant dans l’expression analytique de la liaison. = $ Cwgi(yi . 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). 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. 375 .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). ANALYSEDE CORRÉLATIONETDE RÉGRESSION sz =2 = $ g. Maintenant. le rapport de corrélation prend la forme suivante : 2. Régression linéaire L’analyse de corrélation nous a montré que deux variables aléatoires sont liées. Il n’y a pas de méthode standard pour obtenir la forme analytique de la liaison.wgi(xi . il s’agira alors de décrire une dépendance curviligne et l’on utilisera une parabole de degré peu élevé.26. la connaissance de la nature du problème est utile pour orienter les choix adéquats.c)2. 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. Pour ce qui concerne l’estimation des paramètres. 2. D’une façon semblable. cependant. Dans le cas où la dépendance n’est pas linéaire. 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. il existe entre les variables une liaison du type de celles que nous avons évoquées au chapitre précédent . Les seuls renseignements dont nous disposons sont les données expérimentales.

MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2.t i=l Cette remarque n’est pas une coquetterie.2. la forme de la régression est linéaire du type Y = aX+b’.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. on minimise la somme des carrés des résidus c’est-à-dire la variante empirique s2 des données expérimentales par rapport à cette droite. la variante de la variable dépendante satisfait soit à l’homogénéité des variances conditionnelles D[~l<1 = cri. soit à une certaine loi h’(x) qui rend les variantes conditionnelles homogènes D[~/lz] = a2h2(x) . on transforrne la variable de telle sorte qu’on trouve une forme linéaire. la liaison étudiée est statistiquement significative. 5. il convient d’obtenir des estimateurs de a et b’.S?J -=TA. Il faut bien comprendre qu’il s’agit effectivement d’estimateurs car ces valeurs dépendent de l’échantillon. soit : et wi = h2(x2) Calcul de la droite de régression . 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. En définitive. Si cela n’est pas le cas. On écrira donc la loi sous la forme : avec jj. SX . on obtient alors : et -yixi ~ nxy ns$ 5 " mfyixi ~_ nxy IfA& a= i=l i=l .I 376 . 4. Si on dérive l’expression de s2 par rapport à ü et b et qu’on annule les dérivées. 2. Méthode des moindres carrés Pour déterrniner la droite empirique de régression. .cxi. 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’. les variables sont gaussiennes et les résultats d’observation sont bien dus au hasard : 3. ns?.

.Y(Xi)]’ r=l à la suite de quoi. .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 .edpsciences.2(n-2)L .CX) de tomber dans 2.26.3. alors que la droite Y = a(z .& .2)A < a < E+tn. *http://www.2)5 < b < b + t. 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.Z) + b est inconnue. On calcule pour ce faire les quantités suivantes : Sf = i 2 [xi .Z12 i=l et s2 = f 2 [y. avec ANALYSE DE CORRÉLATION ET DE RÉGRESSION Dans le cas où O[v]<] = C~~‘(X). on trouvera le programme regres . b-t a.com/guilpin/ 377 . 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. fi S:Xfi~ chacun de ces intervalles.2(n .‘45. Sur le Web (*).z) + 6. avec la probabiliti: (1 . 2. Estimation de la précision a .Sur /es paramètres 5 et 6 . nous pouvons affirmer que : 1.& .. a ~ t. c qui calcule l’incertitude sur la pente de la droite de régression.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

. b).-l) est définit positive sur (a. il s’ensuit nkcssaircment que W. (x . On en dbduit que k doit être égal à n puisque l’intégrale prkckdente est diffkente dc z6ro pour k = 71. distincts ct compris dans l’intervalle (a.. Xk:(. h).(x) = c d]Lv. Désignons par :x:1. ceci nous conduit à affirmer que le polynôme W71(z) de degri: n possède 71 racines rtkllcs dans l’intervalle (a: b). . .(z) s‘annule au moins en un point dans l’intrrvallc (n..MANUEL DE CALCUL NUMÉRIQUE APPLJQUÉ 3.5. t ~1 polynôme de degré k. y avoir de racines doubles. quadruples et ainsi de suite.2&l)(ll: ~ Z... (x ~ X. supposons que la h? racine soit double. Comme W(Z) n’est jamais II~I~ fonction négative dans l’intervalle (a.!.)2. Par ailleurs. Faisons z l‘hypothèse que k soit plus petit que 12. Il nous reste à montrer qu’il ne peut. Il vient : W(Z)WIL(~)X~(X) / 0. j=O Il s’ensuit que : en vertu des relations d’orthogonalité puisque ‘II # k par hypothk.x2). (LE -LT&) = W.22. (cc ~ 2. On en conclut donc que toutes les racines sont distinctes (ou racines simples).(X)X~(2T) conserve un signe constant dans l’intervalle (a. Pour cela.(z) sont orthogonaux.(Lc).p1) et l’on retombe exactement sur lc raisonnement prkkdcnt..+l).(:l*) s’annule. b). Xk ( )cs. tous les points O<r wrj.21)(x . . Considérons l’expression suivante : elle signifie que W”(z) et W.x1)(x ~ x2). . xh.z) dkomposable en polynômes ~V~(Z) de degrk kgal et inférieur à k.. b) sont rkels. mais il en est de même II(x) = WTL(L72)(X pour le polynôme : . b). Par conséquent. b). Le polynôme : II(z) = Wn(x)(2T ~ x1)(2 . 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. 392 . dz # 0 puisque Wn(~)X~(2) gil1 d e un signe constant sur l’intervalle (a.x2). b). soit : est X. dans ce cas la forme : II(x) = WlL(2)(2 .. . (:r . car par lc même processus on montrerait qu’il nc peut y avoir dc racines triples. .

6) p ouvant prkcnter des singularités sans pour autant. Pour obtenir cc théorème. lequel. on obtient : b b &ll(x)W(x) 1 dz = A..A N N E X E B. + U.rois polynômes orthogonaux conskutifs.. . les singularités se présentent aux bornes a ou b du domaine. on dksigne par Q. 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.(Anx + %)Wn-I(X) + CmW-z(x) où A..-lWn-l (x). dc poser : u..-z = -CTL ct n.z)) pour obtenir tous les coefficients des autres polynômes.A. 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. ce qui revient à écrire que : II(x) = W.f(x) dz où f(.12) d u chapitre 7 pour calculer une valeur approchée de l’intégrale 1. 5.2). rappelons-le. soit J cette approximation : il J = c %f(~~) j=o 03... Du reste. ..-i ~ B.z) est une fonction régulière sur (a. et C.(X) ce polynôme.1) au plus. h) représentable par 1111 polynôme sur cet intervalle ct ou W(T) est une fonction définie positive ou nulle sur (a.. = u.2). On cn conclut que : a() = a1 = U‘J = us = . L’intérêt. a s a w(x)xWk(x)Wn~. la forme : il existe toujours une relation de récurrence dc = 0 (B. peut être fini ou infini selon les cas. cn identifiant les termes de degré n. Généralisation de la méthode de Gauss La méthode dc Gauss généralisée s’applique au calcul d’intégrales de la forme : 1 = /i(x). écrivant les relations d’orthogonalitk pour k < (n .W. 393 . (x) dz = 0 ca... pour obtenir la relation de rkurrcnce proposée.r XIV~(. altérer la convergence de l’intégrale 1. . .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 .. B.2) K(x) . OII procedc de la manière suivante : d’abord on ajuste le coefficient A.. (x)x est 1111 polynôme de degré (n. Développons alors II(z) sur la base dc polynômes PV7 (x) : n(x) = n()W()(x) En + ulW* (.-. .p:< = 0 Il suffit. sont trois constantes qui ne dépendent que de n.~) est au plus UII polynôme de degré (n ..(x) . Relation de récurrence entre trois polynômes orthogonaux consécutifs Théorème Entre t.lz) + . dans le cas le plus @ni:ral.

Calcul des Hj Comrne nous avons vu que chaque polynôme IV~(X) encore ccrire : n k=O possédait k racines distinctes. b) par rapport à la fonction de base W(X) non négative sur (a. Du reste il suffit de s’apercevoir que le calcul des IT.ivcment le coefficient du terme en 9 du polynôme WT1(z) et le coefficient du terme en z”+r du polynôme WT1+r (. 5. 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). 394 . on écrit l’expression : Les zj sont les racines du polynôme W. On obtient alors : (P+“(.5) où K dépend de la suite particulière dc polynôrnes envisagée. on peut expression dans laquelle a est le coefficient du terme de degré le plus élevé.~~.enir la nouvelle expression des Hj.+~ sont respect. Calcul des xj Reprenant la relation (7.~~ et UO. 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. pour obtenir une expression analogue à (7.f)2”up où ITz+r est la norme du polynôme I%$&+~(X) et u7Ltr le coefficient principal (coefficient de &‘).20) du chapitre 7 est quelque peu modifiée bien que le calcul demeure le même dans son principe.12) du chapitre 7. soit : ou bien (B.z) .+r (x) appa. 6.17) du chapitre 7.hogonalité pour obt. il sera nécessaire d’examiner chaque suite particulière de polynômes orthogonaux.rtenant à la suite de polynômes orthogonaux sur l’intervalle fini ou infini (a. Son expression est donnée par : où QJ.) [ I3 = ~ If(2n + 2)! (u:. est la norme de Wlz.2.1.(z) : En revanche. ne fait appel qu’à la seule ort. Par ailleurs. b). Expression de l’erreur en remplacant I par J L’expression (7. On poursuit les calculs de la mêrne manière que celle abordée lors de l’etude des polynômes de Legendre.

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

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

l).ilise pas une écriture lincaire. = bo + h + b2 + a0 a1 a2 a3 +b:s + +&+. = b. + ~ lb1 lb2 lb.. 2 ~ ao 2 . rien d’autre que l’inverse de la différcncc deuxième diviscc .ant 6(urj. u3). a2.a1 x ~ a2 x . si l’on développe une fraction continue finie.h-1 a1.. Les fractions continues finies Par définition. + . En poursuivant la procédure jusqu’à j = 2n. d’ordre n une expression telle que : R. .3) comme nous avons traité l’équation (C. comme on l’a vu à propos de l’exemple précédent. on appelle fraction continue 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. a2n) CC.3. a11 + 6(ao. ou encore : G-11 Ull UOl R. + quo.2n. ... a1. ’ ak s’appelle le numérateur partiel tandis que bk s’appelle le dénominateur partiel.. = bo + uo/bl + ai/bz + .l) en écrivant : cc.51 le second membre n’étant. Q) + 6(ao.41 Écrivons que l’expression (C. quand z = a3 (j # Ql) : cc. .. on préfère de facon trCs usuelle les formes conventionnelles suivantes : R.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ Rien ne nous empêche de traiter l’équation (C.F FL Comme cette notation n’ut. .. ~2. 2. j prenant les valeurs 2.4) prend la valeur b.61 La fonction y est donnée sous forme appelée fraction continue.+ .+ . on aboutit à l’expression : y=bo+ quo. ul. a1. + a+i/bn. et en not. ar. a2. a3) + . (~2~) l’inverse de la différence 2ne divisée. elle prend la forrne d’une fraction rationnelle que l’on note : 398 C . notons-la &(a~.

-2 BT. notée : 2.eurs ct celle des dénominateurs. par b.A. Relations de récurrence entre les termes des réduites En krivant les réduites successives on trouve : A0 -= b0.B. il suffit de remplacer b.+~ ‘+’ = (bpbp+l + a.-1 + u. + ~.A.-2) + ap+lAp-l @pBp-1 + a.-zb.-2 et puisqut et .1.A.-1 bpBp-1 + u.7) par rCcurrence en faisant la supposition qu’elle est vraie pour la valeur p.+l ’ ce qui peut encore s’écrire : ~ ’ p+l -b P+I bp+l (bTIATl-~ + a.B.ANNEXE C.+dBp-1 + a. Nous obtenons : soit encore : R (bb. la fraction continue tronqke à l’ordre q. - ((3. 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. on appelle réduite d’ordre p (avec q 5 n) d’une fraction continue d’ordre n. LES FRACTIONS CONTINUES Toujours par définition.+l + up+l )A.-1 + ~.A.+~B.+~ dans la réduite d’ordre p. Nous allons démontrer la relation (C.+~/b.-~ ’ A.B.7) Signalons que cette façon d’écrire contient deux égalités : celle des numérat.-2 + u&4-2 BT.B.Ap-zbl.-2) + u. examinons alors la réduite d’ordre (p + 1) : A P+I R p+l = ~ B P+I Pour réaliser les calculs.-1 + a. = b. = b.

ar.cnons : Ces deux dernières relations sont celles que l’on obtient en remplaçant p par (1J + 1) dans les equations (C. ou encore premiers entre eux. on dira que la fraction continue est convergente et a pour limite R.8) et (C. Dans lc cas contraire.91 1. si ime fraction continue est.3. . Ak A-1 -xp= “lt’ : donc : Bk-1 Rkpl = RAI = 0. Remarque : Supposons que clk = 0.nt lJ. Une autre relation intéressante Multiplions A.2..Ao = ai. sont.2) par le produit BI.B.9) nous donnent : &Bkpl . on établit : _ AP+I %%+I Bp+r 2. hz.B. Comme les expressions (C.+~B. .. En posa. cn divisant (C. ~ B. . 2. si l’on désire pouvoir 6galenient les utiliser pour n = 1. Comme Ur = AIBu .&IB. nous dirons qu’elle est divcrgcnte. 1 = 1 ct B-1 = 0.. puis retranchons mcmlne à membre les relations de rccurrence.). .MANUEL DE CALCUL NUMÉRIQTJE APPLIQUÉ 110115 oht. on trouve en définitive : (C. les polynômes A.+r = A. et BT. Nous ohtcnons : L4. . et B. 3.7) sont vraies pour p = 2. On conclut que.7). . tend vers une limite R lorsque ~1 croît ind&nment. il suffit de choisir les convernions A-. d’ordre rr. 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.+lAI. . si les va~riahles uh et les variables bh: sont indcpendantes : 2..+lA. = -af. on en deduit par rCcurrence qu’elles sont générales. Par ailleurs. a~.+l.> = 0. Si R..AkplB. BA- 0 et la fraction continue est alors finie.+l(A.B.. Les relations de recurrcncc (C. infinic~ tous ses uk sont différents de zéro.+l par A rI.+lB3. bl.8) ou encore. aucune ri:diiitje ne se présente sous la forme O/O. ulI: bo. b. irrcductihles entre eux. on obtient la relation : upfl = -%I+l up.. Propriétés essentielles On adrnettra sans dCmonstration les deux propositions suivantes : upfl cc.+r p ar B.Br.-~ . Considérons la réduite R. des variables aTa.

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

5 1.210 581985 b3 = -0.150 6 0.714 285 705 7 4.5 6.umérique. 2 JO(x) tables 0:999 75 0. Résultats n.208 23. Comme nous 412 .245 9 JO(x) Padé p=4 q=4 0.0 2.997 501 0.151214 0.380 952 355 d’où l’on dkduit : bU = 1 bl = 0.938 5 0.327 JO(x) Padé p=3 0.777 777 777 b2 = 2.048 383 -0.7r/4) car ce sont ces dkveloppements que nous allons utiliser pour fabriquer les fonctions de bibliothèque ultkrieurement.$ + $ ~ $ +.765 0>222 -0.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Tableau D.048 4 -0.006 697 0.090 3 -0..006 8 0.305 75 0.1717 -0.047 -0.223 9 -0.300 1 0.997 0>938 0. + (-l)n XT1 (2n + ( l)! + 1 cas(2) = 1 .5 5. t.1. 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.765 197 0>223 890 -0.g + 2 ~ $ + . Nous partons donc des développements en série de MacLaurin : sin(z) = 2 1 . Il s’agit avant tout d’une erreur purement mathématique liée à. 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 (0.022 q=4 501 467 009 080 9 6 0:l 0.38 0.0 7:o 60 9s 1o:o ce qui donne : 10 = 1 II = 1.4. la troncature des skies.765 2 0.O 2..ç ohtenus.938 469 0.111111111 l2 = 2. 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. t + (-l)$$ +.

4 x 10P8 E = 2.6 x 10-s c = 1.338383838 x 10-l bz = 3. sinus Cas p = q = 2 l()= l1 = 12 = 1 3.3. dans le tableau D.425234545 x 10-l 4. 413 .l x 1OV” Cas p = q = 3 c = 6 x 10-l” E = 2 x 10-l” cosinus c = 4. Tableau D. LES APPROXIMANTS DE PADÉ ETDE MAEHLY l’avons vu précédemment.235 543 474 x lO-” 1 -4.595 035 872 x 10-” 1 -1.2. cela nous permettra d’effectuer un choix par la suite. Tableau D.50937951 x 10F4 bu= 1 bl = -1.163 277 311 x 1OV” z()= 11 = l2 = l3 = z”= l1 = l2 = cosinus ho= bl = -4.414321216 x 10P2 2.34 x 10-11 -E = 4. il faut d’abord connaître les approximants avant de procéder aux évaluations des erreurs.585 515 911 x 1ow -4.365079365 x 1OF” 8.ANNEXE D.705 957884 x 10-l 2. Donc. D.563 492 064 x 10-l ba = 2. pour obtenir huit chiffres significatifs exacts. on pourra prendre la fraction rationnelle p = q = 2 pour le sinus et p = q = 3 pour le cosinus.3.2).282828283 x 10-’ 4.723 422 695 x 10P4 L’erreur sera maximum en valeur absolue pour 2 = 7r/4.597 8 8 3 6 x 10P4 1 bu= bl = bz = b3 = 1 2.2 x 10P7 E = 3.760 512 714 x 10P4 1.940421157 x 10-” 4.312890813 x 10-” Cas p = q = 3 2. sinus Cas p = q = 2 c = 2.5 x 1OF’” En conclusion.070 105 82 x 10F2 1 4. Nous allons donc calculer les approximants pour p = q = 2 puis p = q = 3 (cf.237288 124 x 10F4 3.738 828 969 x 10F2 -3. nous obtenons les résultats présentés. Tab.

En effet. +l) sans préjudice de la généralité puisqu’il est toujours possible de ramener tout intervalle fini 1 à cet intervalle. Si l’on souhaite pouvoir obtenir une bonne précision sur tout l’intervalle fini (a. Les polynômes de Tchebycheff obéissent aux relations de récurrence : ainsi qu’à la l/. parmi tous les polynômes de degré n à coefficient principal réduit. +l) au sens de la norme du sup. c’est le polynôme de Tchebycheff de dcgri: n qui s’écarte le moins de l’axe des J: sur l’intervalle (-1. b) que l’on réduira grâce à une transformation linéaire à l’intervalle canonique (-1. il nous faudra développer non plus les fonctions en série de MacLaurin mais. chapitre 8) : T. 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.1. rien d’étonnant à cela puisqu’ils ont été construits pour remplir cet office. 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 . l’erreur oscillant entre deux extremums. on sait que. si l’on développe une fonction en série de polynômes de Tchebycheff. bien sûr. ils seront moins précis dans le voisinage de zéro. f(x) admet un développement unique en série de Tchebycheff donné par l’expression : 414 . En revanche. en une série de polynômes de Tchebycheff (1821-1894). 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. chapitre 8). cette précision décroît notablement. +l).(z) = COS[~ arccos(z on a donc : T”(Z) = 1 e t T~(X) = IC. Généralisation des approximants de Padé. la précision de l’approximation sera homogène sur tout le domaine. Nous avons étudié les polynômes de Tchebycheff quand nous avons évoqué la méthode d’intégration de Gauss-Tchebycheff (cf. Nous avons défini le polynôme de Tchebycheff de degré n au moyen de la relation (cf.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. Malheureusement quand 011 s’éloigne de zéro.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 (. Donc. Aussi serons-nous bref pour ce qui concerne leurs propriétés.

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

&.+b q+zh) + T~(z)(boh + bll2 + bd1 + bsZo + b& + b114 + bd5 + .) + Tdx)(boh + hll + Wo + bol2 + bl13 + bal4 + . + b..~ + 2. 416 . 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. + b.$$2 + . et l’on considère le cas classique où p > 4. disparaît.2ty + t*) sur (-1. +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. + bllo + bal1 + . On peut également développer les deux sommes. On égale à zéro les coefficients des polynômes de degré p + 1. Pour mieux situer le problème considérons les matrices dans le cas p = q = 2. on devra écrire : Q42. ni l’égalitéa4:S = 033. il correspond une valeur dc p que l’on ne retrouve evidemment pas sur l’autre ligne. . Un exemple : étude de la fonction log. + bqp21. Dans ce cas. Il faut. + b. La technique de calcul demcurc la même que celle utilisee lors dc l’étude des approximants de Padé.appelons pour mémoire que les indices negatifs correspondent à des coefficients nuls.(l ..-xl. 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. par conséquent. ce qui donne en définitive : 2f(ZPdZ) = ~o(~)(Wo + blli + ‘.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ R. + bd” + b411 + b5Z2 + . + b. la somme bob + hlk:+l + . sont les coefficients du développement en série de Tchchycheff que l’on souhaite distinguer du developpement en série entière. + b”l”) + T1(z)(boll + bll” + bol1 + hz2 + bals + '. puis regrouper les termes. + b.&) + .p + 4.+ll.-ll. expressions dans lesquelles les 6. + b& + b311 +bzila+. différencier attentivement les éléments selon la ligne à laquelle ils appartiennent.l.+. ... + b.

6.25).~~COS(Z) + t2] COS(~~) J’ Il w7r et . Étude du cas p = q = 3 bo = 0.5 .(l . D.273 101370 2 x 10-l -.5.078971778 la = 1.[l . Tableau D. 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<. Tab.~ 417 .335 223 066 2 bx = -0.ANNEXE D.~~COS(Z) + t2] COS(X) dn: = -:Y./ 0 dz = -it’r’si t2 < 1. Pour des raisons évidentes de commodité de calcul. choisissons t. si t” < 1.4). log. = -7r/4608 ull = -7r/45056 a . on trouve dans les tables : 7T log.516 155 562 b1 = -0.339252452 x 1OF” bz = 0.7: = arccos nous permet de calculer les coefficients du développement en série de Tchebycheff.5.out à fait arbitrairement le coefficient t égal à 0. Il niy a pas de difficulté à calculer les coefficients uk (cf. Le changement de variable . 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 .966 519 6716 l(j= 1 11 = -1. Pour fixer les idées. Tableau D.Étude du cas p = q = 3 . LESAPPROXIMANTS DE PADÉ ETDE MAEHLY En effet.890 890 323 x 10-l l3 = -7. page suivante.2 + 0. reste donc à obtenir les cocfficicnts du développement en polynômes dc Tchebycheff de la fonction : Iog.4.Ce cas est présenté dans le tableau D.

8.815064572 -0.439993085 1 = -1. page ci-contre) : log(l + z) = z ~ . = 0.6.460239216 -0. D.Étude du cas p = q = 4 .7. = 0. 1.481673 325 -1.9. on en déduit que : wp4 ayant été défini au paragraphe 1.109240548 b . 1. 1.158 567 374 = -0. + (-y$ + . De là on tire les valeurs du tableau D.821537645 -0. Étude du cas p = q = 4 10 l1 l2 l3 l4 = +1 = +0.288 160 179 = -0. 1.850 716 186 +1.085 339 731 -0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau D.Les résultats sont présentés dans le tableau D.378 178 065 = -0. bo bl bz b:s bd = = = = = -0. Tableau D. b.424487452 = -2. = 1. nous avons tabulé la fonction sous diverses formes dont le développement classique (cJ Tab. b.013 102 673 Tableau D.029 357 010 b& b.f + . Comme on pe ut considérer que P(z) = l. 418 .377 746 570 Pour mieux apprécier les différentes méthodes. 1. b. 1.614 231378 +0. b.810910968 = -1.152 640 716 = -0. .670 446 132 = -0.104 821387 b. b.884589260 = 0. on peut écrire : L’erreur est donc de l’ordre de : a.7.056954021 = 0. 1.180932496 = -0. .171670 047 = +0.8.238 518 707 = +1. Erreur liée à l’usage des approximants de Maehly On peut se faire une opinion sur la précision des approximations proposées. En effet. 6. . = +2. b. = = = = = +0. Étude du cas p = q = 3 1. + g .453 766 143 -0.047 218 321 Étude du cas p = q = 4 1.

596 759 071 034 102 139 106 761 671 951 0. Annales Scientifiques de l’École Normale Supérieure.R.139 761942 . H.558 333 0.231111721 0.-0. A. 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.231 0.S.139 185 -0. la relation de récurrence utilisée avec les polynômes de Tchebycheff. Annales Scientifiques de l’École Normale Supérieure.139 765 -0.896 046 0.300 104 0. Cambridge University Press. Difficultés liées à la recherche d’une généralisation Il est naturel d’envisager l’usage d’autres polynômes orthogonaux. GRAVES-MORRIS (1978) Padé Approzimants.l -0.139 -0.9.287 688 -0.300 104 592 0.7 0. 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. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques.548 0. Éditions Technip.595 837 0.597 837 000 0.300 0.x) k=O APPROXIMANTS DE PADÉ ET DE MAEHLY Maehly p=q=4 -1.215 798 0. C.-0. BAKER et P.597 832 7. offrant des propriétés intéressantes afin de former d’autres approximants. 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.287 -0.042 0.223 145 0. 8.215 0.301856 0. BREZINSKI (1978) Algorithmes d’accélération de lu convergence.Ol w 0.Ol 071 0.223 958 0. H. PADÉ (1892) Sur la représentation approchée d’une fonction par des fractions rationnelles. mais il n’existera pas de différences fondamentales avec les approximants de Maehly.223 143 551 0.215 113 0. Éléments de bibliographie G. 2 log(l.5 0.559 616 0.2 -0. car on passe d’une représentation à l’autre par un changement de variable du type 1~ = arccos( Quoiqu’il en soit.231113 0.287 682 072 . LES Tableau D. Paris. Dunod.ANNEXE D. PADÉ (1899) Mémoire sur les développements en fractions continues de la fonction exponentielle.215 111379 0. On pourrait penser à des approximants formés à partir des séries de Fourier.559 615 787 0.223 0.232 049 0.25 .5 -0. par exemple.847 958 0. 419 .287 500 -0. voire de fonctions orthogonales.896 088 024 0.A.

on évalue cette dernière fonction au moyen des approximants de Padé. On conçoit sans difficulté que les sommes partielles vont être relativement importantes avant de décroître jusqu’à une valeur petite. Nous obtenons une série alternée dont le terme général va commencer seulement à décroître lorsque : 10” < n! ce qui donne approximativement : n z 10. Considérons par exemple le cas des fonctions de Bessel. Calcul de exp(x) pour x appartenant à (-00. On peut s’en persuader facilement en considérant le développement de exp((z) qui nous servira de technique de calcul pour z = 10. cette technique qui donne des résultats remarquables n’est pas systématiquement applicable. de Maehly ou des fractions continues. 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. 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. insistons sur le fait qu’on n’utilise jamais directement un développement en série pour calculer les fonctions de bibliothèque. Cela imposerait des mots-mémoire de taille importante et de fort longs calculs. Malheureusement. 1. Très souvent. +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.1) 423 . +l) q ui nous permettrait ensuite d’utiliser les approximants déjà évoqués.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. Avant d’entreprendre à proprement parler cette étude. il n’est pas possible dans l’état actuel de nos connaissances de procéder à leur calcul par cette voie. En effet. Dans ce chapitre.

Il reste à calculer la fonction exp(Q) ce que l’on réalisera par les approximants de Maehly par exemple.(e) = N + n. (e) log.(2) = 0.(e) = 1.(2) s’effectue au moyen d’un développement en série et l’on obtient pour log. = = = = +1.(e) = N + Q log. soit par un développement en série. mais il faudra calculer les valeurs de exp(xk). Nous aurons : exp(Q) = 2 wXk(x) k=O avec +1 -p(x) a0 = :-l JziTdX s 2 ak = IT +1 Tableau E.950 +0. Le calcul de log. Du simple fait que la machine calcule en binaire.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ de telle sorte que N soit un entier et Q un terme compris entre -1 et +l. b.693 147.954 415 0. Il reste à calculer N et n. (2) et donc pour log. en ayant développé les polynômes de Tchebycheff. Il faut bien noter que les degrés p et q des polynômes formant la fraction rationnelle sont fonction de la précision recherchée.(2). Il en va de même du nombre de chiffres significatifs qu’il convient de conserver. = = = = 1.442 695 04.015 369 014 951382 261972 540 073 Le calcul des coefficients ak peut se faire par la méthode de Gauss-Tchebycheff.l.905 369 0. [(lix + 12)x + I{]x + 1. bb b. on obtient sans grande difficulté N et n. puis Q = nlog. Passant aux logarithmes en base 2.693 147 180 et log. soit par un approximant de Padé déterminé dans un précédent chapitre. b. 422 . 1.(2) et n la partie fractionnaire du même rapport.015 822 087 684 815 193 10 1. 1. il n’y a pas d’erreur en calculant 2N puisque N est entier. nous pouvons écrire alors : x log.189 -0. On aura donc : exp(x) = I(%x + Wx + ~:IX + % . N est la partie entière de X/ log.(e) autant de chiffres significatifs qu’on le souhaite. 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. sont présentés dans le tableau E.4 En remarquant au passage que log.l. On obtient donc n sans problème et l’on note que Q est compris dans l’intervalle -0.693 147 < Q < +0. (E.190 992 0.905 -0. (2) = 1. Il s’agit là de constantes calculées une fois pour toute : log. Les coefficients que nous avons trouvés pour p = q = 3. xk étant un zéro du polynôme de Tchebycheff de degré p.

puis ensuite. Il suffit de reprendre la technique déjà utilisée pour parvenir à ces fins.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. pour l’instant. puis : / 423 .257). avec 0 < n < 1. décomposition : xlogs(e) = N+n pour cela on réalise la qui donne : N = 50 et n = 0.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). on écrit : sin(x) = (-l)Ncos(ni~) COS(X) = (-l)N cos(ni7r).7r/4). 4 4 8 . on écrit : sin(x) = (-1) N sin(ni7r) et Si si est négatif.86509903 d’où Q = 0. T). > ..599 640954. e t Cos(x) La dernière transformation consiste à obtenir l’argument de la fonction sinus ou cosinus dans l’intervalle (0. Posons : 1 s2 = signe ( 4 . +oo) Compte tenu de la parité des fonctions. on se ramène à l’intervalle (0. T).On se propose de calculer exp(35. D’abord.7r/4).050786 931 Padé p = q = 3 2.0507872 2.721 > 1 1 7x2 = . CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES Un exemple numérique . Posons : . Donc. nous nous sommes ramené à l’intervalle (0. voyons comment ( 1 ) puis : Si si est positif. on réduit le champ à (0. Voici les résultats trouvés par différents procédés.050786965 2 ~T~(X) k=O 2.s2 ( --721 > . = (-l)Nsin(nrT).0507875 Maehly p = q = 3. se ramener à l’intervalle (0.A NNEXE E. il convient de les multiplier par 1015 : machine X 2. 2 2 si=signe - À présent. ~/2) et enfin à l’intervalle (0. Calcul de sin(x) et COS (X) pour x appartenant à (-00. n/2). 2.

25 . toutes choses égales par ailleurs.0 11 obtient sans problème : N=18 À e t n = 0.964 628 186 9. Exemples d’application a . On établit que : = 0. Ainsi.502 007 17. mais on ajoutera l’analyse des cas particuliers usuels tels que 7r/2 et 7r/4 ou encore 7r/3 et 7r/6.587 214 583) = 0. n = 0. on obtiendra de meilleures performances si l’on réduit l’intervalle à (0.17803792. n.530 612 163 8 le dixième chiffre « significatif » étant sujet à caution. nous déduisons : Sl puis : s2 = .5 ~ (0.5 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si s2 est positif.125 769 8) = -0.n) = +l et nl = 0.n) = 0.5 .5 + (0.415 085 41 = 0. pour le calcul des fonctions cosinus et sinus.674 361~) = 0.497 992 83. on conservera les mêmes principes que ceux qui viennent d’être développes. En adoptant l’approximant de Padé p = q = 3 pour évaluer le cosinus. On se propose de calculer sin(7. L’erreur absolue sur ce résultat est inférieure à 5 lO-‘“.674 N = 22 Puis nous obtenons : sl = signe (0. Il est possible de faire mieux encore.5 . lorsqu’il s’agit d’implanter une fonction dans un système.7r/6) sur lequel on adoptera les approximants de Maehly . 424 . Nous pouvons écrire : et n = 0. on trouve alors : cos(58.084 914 59. économie de temps oblige. on aura : sin(nrr) = sin(n2T) e t et cos(n17r) = cos(npT). on se propose de calculer cos(58.Un autre exemple.1 e t = -1 et = 0. Maintenant. 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. L’usage de l’approximant de Padé pour p = q = 2 établi dans un chapitre précédent permet d’obtenir le résultat suivant : sin(69.125 769 8). Cependant. on écrit : sin(ni7r) = cos(n27r) cos(n17r) = sin(ngr).002 007 177r). partir de là. À précision égale.On se propose de calculer sin(69.rb) = 361).587214 N=2 ce qui donne : sz=-1 e t n2 e t 7~ 583). nous obtenons : sin( 7. b .630 566 873 9 x 10p2> les dix chiffres significatifs mentionnes sont exacts. il n’y a plus aucun détail qui puisse etre délaisse. l’algorithme qui contient le moins d’opérations logiques et arithmétiques ~ qui sera par conséquent le plus rapide ~~ sera toujours préferé. mais il nous a semblé préférable de nous attacher surtout à la philosophie générale.002 007 17. Si s2 est négatif. Il nous reste donc à calculer sin(niT). n Il nous faut donc calculer sin(0.n) = 0.25 + (0.

En appliquant les règles précédentes. 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. (Q) avec 1 < Q < 2. À titre d’exemple. = 10. POSOI~S . N = 2L. soit log(1. (Q) Autrement dit.. de telle sorte que l’on puisse ecrire : log. B’ren sûr. Cette série converge pour x2 < 7r2.092 05175 = 0. on peut très bien utiliser les approximants de la fonction log( 1 .7r/4). Encore une fois insistons sur le fait que cette idée ne constitue que le principe du calcul.088 061275 en adoptant l’approximant de Maehly pour p = 4 = 4. Calcul de log.485 269 25 4.(x) pour x appartenant à (0.boblbzbxb4bsb6b7. (x) = L log. opération que l’on réalisera soit avec les approximants de Padé soit avec les approximants de Maehly. Ensuite. +oo) Écrivons le nombre z dans le système binaire. tandis que la division par T ramène l’intervalle à (0. Calcul de tangente et cotangente pour x appartenant à (-00.75 comme limites de variation pour x. on a 5 = LLQ avec 1 < Q < 2. on se ramène à l’intervalle (0. T). OII se souviendra que le produit de tangente et de cotangente du même argurnent est égal a l’unité. il y a plusieurs façon d’évaluer ces fonctions dans un imervallc reduit.35174). CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 3. D’où lc résultat : log(35 784.2tz + t2) en choisissant t = 0. En appliquant la technique dé. 178). 425 . p.157948 et l’on trouve : log(Q) = 0. 2L’1 avec bo # 0.25 ~ 1.5. On obtient alors z = 0. Il reste à calculer log.ANNEXEE. Proposons-nous dc calculer log(35 784.25 -x). oo). +oo) Les raisons de parité permettent de travailler sur l’intervalle (0. Nous obtenons en choisissant la représentation flottante : zx = 0.35174) Ici le dernier chiffre est entaché d’erreur. (2) + log.. Il faut faire : x = 1.@ évoquée pour les fonctions sinus et cosinus.25 et z = -0.092 05175. on obtient L = 15 et Q = 1. On reconnaît une technique tout à fait semblable a celle utilisée pour la décomposition de exp(z).

avec toutefois Qe = 0.5). alors on peut écrire : arctan = . 426 . q dépasse rarement la valeur 12. Ensuite. m=l l2m + 1 7.l) On peut se ramener sans grand problème au calcul de arctan en remarquant que : arcsin = arctan (~/I/D) et arccos = i .0. on calcule la valeur de arctan du second membre au moyen de la fraction continue de Gauss : arctan = $ + g m2t2 .arcsin( Cette remarque étant faite. En règle générale. Calcul de arctan pour x appartenant à (0. Calcul de argtanh(x) pour x appartenant à (0.~/2) selon des angles en progression arithmétique donnés par la relation : Qk = (k .2 + ak > expression dans laquelle ak = cet (hr/q) et bk = 1 + a@.+ arctan 4 k7r ( bk ak . on divise l’intervalle (0. Si x est compris entre Q~C et Qk+r. Ensuite. aussi préfère-t-on implanter une fonction arcsin fondée sur les approximants ou les fractions rationnelles. il faut préciser que ce procédé est « long » en temps-machine. +oo) On pose x = tan(Q) ce qui est toujours possible.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.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. Calcul de arcsin et arccos pour x appartenant à (0.

517 992 144 7 à la seconde. Éléments de bibliographie A. e L’application de la fraction continue donne : fi = 0. il nous reste à calculer fi. on pourra poser : 5 = 22mrl avec i < n < 1 donc qrnP1 < 2 < 4 ” . dont la paternité reviendrait à Héron d’Alexandrie (Pr siècle).517 992 155 5 à la première itération. Cette opération est réalisée au moyen de la fraction continue : fi = 7 _ .5 10-g. 172 + 15 7-2 En introduisant cette valeur dans la formule de Héron-Newton : a+1 = (a + nlyk)P après trois tours d’itération. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques.34833. on trouve : J17584. 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. introduite dans la formule de Newton-Héron.268 315 862. Grosso modo.518 098 408 4.S. on obtient alors une précision relative sur y2 qui sera meilleure que 4. tous les chiffres significatifs sont exacts. On obtient alors fi = 2”fi.348 33 = 256dO. laquelle.F = 0.A2 _ 4 102 7-41 . rappelons-le. quadratique. e t J. En définitive.ANNEXE E. RALSTON Dunod..:.348 33 < 48 e t donc q: udl7 584. En calcul binaire.605 989. À présent... CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 8.. et H. 9. permet d’obtenir : fi = 0. On établit que : 4? < 17 584. Calcul de la racine carrée pour x appartenant à (0.348 33 = 132. oo) Il s’agit probablement de l’un des plus vieux algorithmes toujours en vigueur. 427 . Exemple On se propose de calculer &7584.

Notre but est de montrer cornment on peut obtenir aisément ces t.~) s’écrit en (F.1) c’est cette équation différentielle qui est appelée équation de Bessel. 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 . L’équation différentielle des fonctions de Bessel (1784-1846) L’équation de Laplace (ou de Poisson) à laquelle obéit une grandeur V(p. mais on a coutume de les faire rentrer dans la classe des fonctions dites spéciales. la fonction logarithme et la fonction exponcntielle.Y&+~. elles viennent juste après les fonctions trigonométriques.gjy+i)Z2=0 dp” On recherche les’solutions sous forme de produits de Laplace : V(P. coordonnées cylindriques (p. Il existe beaucoup d’ouvrages qui traitent des propri6tés remarquables de ces fonctions.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. ce qui nous autorise ensuite à passer en dérivées droites : 0. on en trouvera quelques uns cités en bibliographie.21 429 .~) : d2V 1 ûv 1 d”V @V -+p. dans la hiérarchie des fonctions qu’il est nécessaire de tabuler. 0.ables numériques au moyen des algorithmes que nous avons établis.1=0 CF. O>Z) = R(p)@(W(z). 1.

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

ANNEXE F.TL’)-~‘~ COS(~~) du (F. mais tout dépend du nombre de chiffres significatifs retenus pour effectuer les calculs. 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. 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. nous avons tenu à la séparation des deux types. malheureusement. En ce qui concerne le calcul de la fonction gamma qui figure dans les formules.9). . 4. on peut calculer Wn(x) . 3. Du reste une application sera présentée pour le calcul de Jeu(x) servant au calcul de YV(. v sin2v(t) COS[~ sin(t)] dt (F. 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. 431 J exp(-t)tZP1 dt.9)) et pour plus de précision nous calculerons séparément Je(z) et Jr (z) au moyen des relations : 1 COS(d) Jo(x) = .9) 0 avec cette restriction toutefois que u > -1/2.Le calcul de JV(x) avec v non entier s’effectue au moyen de la relation (F. Technique de calcul a .) pour v non entier. À partir de IV~(X) et WI(x). -1 J 6 . Bien qu’il n’y ait aucune différence apparente dans le calcul de J que l’ordre soit entier ou non entier. on utilise l’expression intégrale suivante : 00 r(x) = 0 qui se calcule aisément au moyen de la méthode de Gauss-Laguerre. les fonctions de Bessel d’ordre entier étant de très loin les plus utilisées. J1-t" dt s e t Jr(x)=% cos(st) J1-tz dt.-.8) 0 v (1 . 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 .Le calcul de Jn(z) avec n entier s’effectue au moyen de l’intégration numérique de la relation (F.

. Pour fixer les idkes. f onctions de Bessel.h qui réalisent ces différents calculs. en choisissant toiijours n = 20 : 1x1 = 54. besseljf .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c .7).9). 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. cherchons les valeurs de 5 qui permettent d’ohtcnir mie précision ahsolue de lO-‘O sur Job. le calcul direct en faisant usage de la formule de dérivation de Leibnitz permet d’aboutir. WATSON (1992) Modem Analysis. bessel2n.le qui donnerait directement une majoration de ïV zn+2 pour Jk (z). toutefois. (z) avec n entier est fondé sur l’exploitation de l’expression (F. Pour ce qui concerne les autres fonctions de Bessel de prcmikrc C~~~CC. G. la propagation de l’erreur k travers l’opération de troncature des opérations arithmétiques effectuées. on trouvera url ensemble de programmes besselln. E(z) = (2n + 2) log. c.edpsciences. Éléments de bibliographie A.. 5. GO~DET (1962) L. es C.5) qui utilise le calcul deJ.c.N. Sur le Web I *).n euckdian SZ>(I. et nous obtenons : log. la seule source d’erreur étant. bessellf . La précision obtenue est donnée dans les commentaires en tête des programmes. D’un point de vue pratique. E. Cambridge University Press.h et besse1yn.Lc calcul de Yv(z) avec v non entier est réalisé au moyen de la formule (F. nous pouvons faire usage de la formule de Stirling pour s’affranchir de la fonction factorielle. ANGOT (1972) Compléments de mathkmatique. WHITTAKER et G.T. *http://www. d . besse1jn. cela signifie que tous les chiffres significatifs de la tabulation sont exacts.com/guilpin/ 432 . Éditions Masson.h. pour les prernières valeurs de k. (z .c. Editions Masson.CCR. Springer. On l’obtiendra au moyen de la relation de rkurrence (F. MULLER (1998) Analysis of s&rkul symetries 1.4) dans laquelle on devra calculer JpV(z) que ne permet pas de calculer la relation (F.Le calcul dc Y. c.. bessel2f . il est difficile d’exploiter une relation généra. Calcul de l’erreur sur JO(X) Nous partons de l’expression intégrale de Jo(z) 1 Jo(x)=. 6.s.

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

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

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

(w) =o= . La densité spectrale d’énergie et la fonction d’autocorrélation sont transformées de Fourier l’une de l’autre. +C Sm(w) = s on déduit que : +CC S. Théorème de Wiener-Kinchine (sans démonstration). Le maximum de la fonction de corrélation est atteint pour la valeur T = 0. Quel que soit le signal : 1. les interférences seront données par la fonction q(t.. Czz(0) représente la valeur quadratique moyenne du signal. 2.ensité 1~ au point M est la moyenne du carré de l’amplitude. soit : et sa transformée de Fourier est réelle et paire. 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. = (Q2) = (z(q2) + (z(t ~ T)“) + 2<2(t)z(t S’il s’agit d’une source lumineuse non cohércntc : 1.(O) = 0. 436 . La fonction d’autocorrélation CTzz(7) est paire. ce qui signifie que la fonction d’autocorrélation a une surface algébrique nulle. T) : 9(t. Dans le cas où un signal n’a pas de composante continue S&. où : ~ T)). 3. TF Gx (t) ++ TF-I Szz(w). CL. limT+co C&T) = 0. 4. On désigne alors par z(t) l’amplitude de la radiation émise par UIIC source lumineuse. Ici la fonction de corrélation donne la forme des franges d’interférences. Sauf pour un signal périodique. Comme l’int. T) = z(t) + z(t .s(~) détermine la variation (spatiale) de l’énergie moyenne en fonction dc la différence de marche 7.1. nous écrivons : 1.I -oc Cm(t) dt. alors à partir de : CzZ(t) exp(2rjwt) dt.T). = 2[aZ + c&(T)].MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On peut imaginer qu’il s’agit d’interférences lumineuses. Après la différence de marche 7. 2.

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

(w) est la transformée de Fourier de la fonction de corrélation CZy (t) (théorème de Wiener-Kinchine). les extremums successifs donnent la période Te du signal. Comment extraire ce signal périodique? C’est la fonction q(t) = sha(t) ( pel‘gne de Dirac) qui nous apporte la solution. on obtient en définitive : Csq(~) = e(T) Remarque : Lorsque le signal est susceptible d’être reproduit aux erreurs près dues au bruit. et l’on obtient la densité spectrale d’énergie. on en effectue la transformée de Fourier.. c’est la fonction de corrélation que l’on sait calculer . 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ qui s’écrit encore : Puisque le bruit est indépendant du signal e(t). On a enregistré n fois le signal si(t) = ci(t) + . Nous écrivons alors : car la moyenne du bruit est nulle k En=. En général. tendait vers l’infini. Bien que la période Ti ne tende pas vers l’infini mais est « suffisamment grande ». 438 .6. on pourra admettre que : Ainsi. 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.(T) + Cfiq(7) Coq(~) est nulle et comme Ceq(7) = e(T).(t).2. la corrélation). Calcul de la densité spectrale d’énergie La densité spectrale énergétique S. nous avons dit que ~DB(T) tendait vers zéro quand la période d’intégration T. 3.(t) = 0. Donc : Csq(TT) = G. la somme des signaux successifs permet d’éliminer statistiquement le bruit. on en déduit que : Par ailleurs. p.3. Or la convolution d’une fonction périodique e(t) avec une fonction peigne de même période laisse la fonction e(t) inchangée. 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. 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. Comme c’est une fonction paire. 3.

kAt)At. notamment si une des fonctions est symétrique ils ne différeront que d’une constante multiplicative. s(t) et u(t) sont les deux fonctions connues et c’est e(t) qui est la fonction inconnue. Remarque 1 : En général. Remarque 2 : Les opérateurs de convolution et de corrélation se ressemblent beaucoup . . la convolution consiste à renverser une des fonctions avant de procéder au même calcul que celui défini pour la corrélation. chapitre 17). 439 . Cette réponse impulsionnelle a(t) du système de mesure (supposé linéaire) est appelée fonction d’appareil. qui est pourtant une équation fonctionnelle linéaire.kAt)At. il y a additivité des sk(t) tituer le signal à la sortie. Cela est lié au fait qu’un signal d’entrée infiniment bref (impulsion de Dirac) a une réponse finie. Bien qu’il ne s’agisse pas d’un signal temporel. .ANNEXE G.2. Par ailleurs la fonction u(t) étant nulle pour t < 0. La fonction d’appareil d’un dispositif électronique peut s’obtenir en attaquant l’entrée par une très brève impulsion. soit : pour recons- s(t) = 2 e(kAt)a(t k=O . offre bien des difficultés quant à sa résolution. Sur le plan numérique. l’écriture symbolique de cette équation étant s(t) = e(t) * u(t). 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). 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. Comme l’instrument de mesure est supposé linéaire. les fonctions sont toujours à support borné et l’intégrale est finie.. 1. R. +oo) et l’on a la relation : s(t) = E e(kAt)u(t . Donc u(t) est à présent définie sur (-CO. L’impulsion e(kAt) fournira à la sortie le signal : sk(t) = e(kAt)a(t . La convolution Tout instrument de mesure modifie le signal d’entrée e(t) pour délivrer un signal de sortie s(t). 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. dans le voisinage de Xc.kAt)At. cela revient au même d’écrire que U(t-kAt) est nulle pour t < kAt. ÉLÉMENTS SUCCINCTS SUR LE TRAITEMENTDUSIGNAL 4. -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. Dans les autres cas. par un laser de longueur d’onde X0. signalons toutefois la fonction d’appareil d’un spectrographe qui peut être obtenue. L’équation de convolution. Cette équation devient donc une intégrale de Fredholm de première espèce qui est typiquement un problème mal posé (cf.

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

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

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

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

cependant. 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). + & Effectuer 1111 programme qui réalise le calcul de y selon cette procedurc. c’est-à-dire après B.(2n)! 47d+h 55.3. . Masson.ions est donnée par l’expression : y = lim [ de Bessel de deuxieme espèce 1 + i + i + . " 12’rrL2 120m4 de Bernoulli (cf. La convergence est tres rapide. 218 et 219). Blo = ~ 174 611 B3 = .B2. 1. on préfère utiliser une autre expression pour calculer y : m-1 c:h-=1 1 =log. 691 2 730 43 867 BF] = ~ B. la serie infinie est-elle convergente? 444 . chapitre 12). ils sont reliés à la fonction C de Riemann laquelle permet d’obtenir les relations suivantes : B avec 71 = 2&. et effectuer UIC estimation dc la precision obtenue.4.f.. Calcul de la constante d’Euler La constantc d’Euler que l’on rencontre lors du calcul des fonct. + W . + (-1)7L+1Brj- (2n)! +. 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). 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. .. En machine (précision relative de 10-“). . Valiron.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. l’ordre j compris. Réaliser un programme qui calcule y selon cet algorithme. p. + (-lJkw + .. On donne les expression dans laquelle les Bk sont les nornbrcs premiers nombres : Bz = & B4 = f B7 = .(r+-&. (m) lorsque m tend vers l’infini. + .log. = & 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 “. et par ailleurs. Pour mener à bien les calculs. . Théorie des fonctions. = 1 + & + & + & + . exp(t) ~ 1 p = 1 . Comme la vitesse de convergence est loin d’être satisfaisante. + Bl. Ou bien calculer rn sachant que l’on arretc le développement à.

.Donner l’expression du développement du polynôme P. En déduire la valeur de Rk. et.(cc) par (X . proposer un encadrement de ek. on aura représenté sur un graphique les termes 1.(x).On diisigne par Sk(s) la série dc Riemanrl tronquk Sk(S) à l’ordre k : = 1+ . + f + . En déduire la condition de convergence de la série: au préalable. Soit la fonction de Riemann a . + . ‘. 445 ..6. (H.(x) à.. b .5.L(x) pour la valeur pli = ‘r au moyen du schéma de Horner. ainsi que la fonction associée f(x).(z) par (x ~ sr).(x) s’exprime cn fonction de d ..Montrer comment calculer effectivement tous les Rk: à l’aide du schkma de Horner.On divise le polynôme P. .11 On poursuit la division des polynômes P+. puis en déduire une nkthode de calcul de c(s) lorsque celle-ci converge. montrer que : PI(x) = (x . Calcul numérique des dérivées d’un polynôme à coefficients réels pour la valeur x = r On considère un polynôme Pr. 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 . et l’on kcrit : Pr<(x) = (CE~~)P~-. 1.Associer l’intégrale 1 = T~(X) d x à la fonction C(s) en explicitant p(x).!. c . Écrire la relation de récurrcncc qui donne le polynôme P7.-.Réécrire l’cxprcssion x>r ct. + .(X) 2 cLkXk avec n(J # 0 a ..Rappeler comment calculer effectivement la valeur numérique du polynôme P. b .A NNEXE H. P ROBLÈ MES ETEXERCICES 1.r)Po(x) + RI. Au moyen de l’intégrale associée.fIw f(x) dz et la sbric f(k) ( où k est un cnticr strictement positif) convergent ou divergent ensemble.(X)+ R.Soit f( z) une fonction positive et dkroissantc pour 5 > 1: alors l’intégrale 1 = . Donner la relation de récurrence qui permet de calculer les coefficients du polynôme &I(X) en fonction des coefficients du polynôme Pk(x). Calcul numérique de la fonction c de Riemann Rappel du théorème de Cauchy . 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. $. e . (z). (x) en série dc Taylor au voisinage de x = T + h en fonction de x7 r’ et des dkrivks dc P. 3)” + ‘. par la suite on posera ~O(X) = Ro pour des raisons de commodité d’écriture et d’homogknéité.sr).l) en éliminant tous les Ph(2) : PT. coefficients rCcls que l’on écrit : P. $.r exemple. des Rk. f. puis donner les différentes expressions de 1 (obtenues par quadratures simples sous le signe somme) cn fonction de s. CH.

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

Appliquer l’epsilon-algorithme scalaire (cf. Compte tenu de la précision relative de la machine utilisée qui est de 10-“.(2n . Résolution des équations numériques 4.Réaliser un programme qui donne les racines d’une équation f(z) = 0 par dichotomie. estimer la précision obtenue sur chacune des valeurs. Montrer qu’en machine ce minimum est obtenu dans le voisinage de En(X) = &+1(5) ou G-l(X) E Es..ANNEXE H. chapitre 2) aux sommes partielles S.(Z) passe par un minimum qui dépend de n pour une valeur fixée de 5. 3. 22x4 2”26 5.& + ~3 ... pour une valeur quelconque de 2. 1 2np122np2 4.O(2). donner le nombre de tours de dichotomie suffisant pour obtenir la meilleure précision sur la racine. 1.1. Développement asymptotique a . Les développements asymptotiques 3. Racines d’une équation f(x) = 0 a .1. On désigne par N la valeur de n pour laquelle on obtient ce minimum (N est une fonction de z).On propose la même étude sur les fonctions suivantes : O(x) = c /exp(-t’) dt 0 et cerf(z) = 1 . Effectuer un programme qui. + ( .3. b . L’epsilon-algorithme scalaire En réaliser la programmation sous forme de sous-programme.1. détermine N puis calcule la somme si et enfin l’erreur mathématique EN(x).Réaliser un programme qui calcule les racines selon la méthode itérative du premier ordre. En intégrant successivzment par parties montrer que f(z) admet un développement asymptotique dont on explicitera les coefficients. b .Soit la fonction : f(z) = St-l exp(z ~ t) dt avec 2 > 0 encore appelée exponentielle intégrale.(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. Comparer les différentes méthodes. Calculer l’erreur ~~(5) commise lorsque l’on remplace f(z) par son développement S.1 ) 1L 1 .5 + . 3. c .2.3) + . Montrer que la série est bien divergente quand n tend vers l’infini.(z) pour des valeurs de n quelconques plus petites et plus grandes que N. On aura soin d’injecter la valeur de la racine trouvée dans l’équation f(x) = O.. pour des valeurs quelconques de z (mêmes voisines de l’unité). .Application . P ROBLÈMES ET EXERCICES 2.Réaliser un programme qui calcule les racines selon la méthode de Newton (méthode itérative du deuxième ordre).(z) et montrer que E. d . On montrera que cerf(z) = $ { 1 . 447 .

)] 4.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.Les xCros des polynôrncs de Legendrr jouent ur1 rôle fondamrnt.3. on préfère utiliser des programmes spécifiques dont.(x) + 7LPILp. À l’intérieur dc cc domaine A.. Quelle est la précision obtenue sur ce résultat? ( a .%) = 1 L.B.) > = 20 + arctari[F(.z~.(x) = 1 -z 4.2. Racine d’une équation f(x) = 0 On considère une fonction f(z) continue dans un domaine A.arctan[tan(rc”)] + x0.al dans la méthode d’intégration numérique dc Gauss-Legendre. 0) sur cette tangente. . plutôt que de faire usage des mkthodcs du genre de celles prograrnmées au paragraphe 1. On se propose d’obtenir une meilleure approxirnation x1 dc la manière suivante : En Ao de coordonnées [zo. 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.(2) = 0. On désigne par CU cette projection dont les coordonnées sont (21. On connaît lmc première approximation dc X que l’on note 20.4... on trace la tangcntc à la courbe y = f(z): puis on effectue une projection orthogonale du point Bu de coordonnks (x0. . (x).MANUEL DE CALCIJL NTJMERIQLJE APPLIQUÉ 4.. Méthode de Bairstow Dans le cas particulier des polynômes. l)P. À qucllc condition la skric converget-elle? Calculer la valeur approchée de arctan & en choisissant comme premik approximation ( > 50 = 0. Calcul de la fonction arctan Connaissant la fonction tangente. M&e problème pour les polynôrnes de Laguerre et les polynômes d’Hermite qui sont donnés respectivcmcnt par les relations de récurrence suivantes : Il”(. ~1). Programmation de la méthode de Bairstow. f(z) admet une seule racine X telle que f(X) = 0. Donner lc développement de 2 en fonction de X = F(zo).l(Z) - (2n + l)xP. 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 .8 et cn se limitant à l’ordre 3.. Applications .f(zo)]. 448 .tari 1 + a tan(z.

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

e . donner l’expression de xp en fonction de Q>p et de ses dérivées partielles. 12. .3 . a .Dans le cas où la convergence est assurée.) xu4 = a.x2.. xy. > de la racine recherchée.... En supposant que toutes les racines aient été localisées chacune dans un domaine A. donner l’expression de ep+‘) en fonction des ey’.2.. proposer une méthode générale permettant de calculer toutes les racines complexes du polynôme P. x(lc-l) > avec p = 1.2. par conséquent.. . 4. et l’on note par & l’écart entre la solution et sa valeur approchée au k” tour : x* =xJk:)+&.x~ ..x~). . x.. proposer une amélioration qui exploite mieux les résultats des calculs et qui..Imier ordre au voisinage de la valeur obtenue au k” tour d’itération.. n. d . On se propose d’étudier la convergence d’un tel processus itératif sur l’ensemble des valeurs zr”).. xy-l). augmente la vitesse de convergence de la méthode.Montrer que l’on peut toujours écrire ce système sous la forme : x~=~~(x~. Pour cela on désigne par ZI$ la solution exacte du système..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ f ..xg .) b . Donner l’expression de E(“+l) en fonction de E(O). c .x.2.x~. .... alors montrer que E(“+l) peut s’écrire sous forme matricielle : On explicitera la matrice M.Partant de valeurs approchées suites récurrentes : P ( avec p=l. 3 Après avoir développé la fonction @p en série de Taylor au p.3 ... On peut remarquer que les quantités ey+‘) sont les composantes d’un vecteur E(“+‘). Quelle condition doit remplir la matrice M pour que le processus soit convergent ? (Application contractante)..Donner l’algorithme permettant de calculer la racine appartenant au domaine A.. puis.6. x .(z) à coefficients complexes.Soit E(“) le vecteur des erreurs sur les valeurs initiales. n.... on forme les xp. ) = 0 avec q= 1. 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. 450 .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.

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

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

on rencontre des difficultés pour obtenir un résultat raisonnable. I/) et de leurs dbrivks partielles. ?/k-+l en fonction de xk.OIIL&ES ET EXERCICES a . puis le transformer en sous-programme. Voici une m@thode perrnettant éventuellernent dc se tirer d’affaire.36 = 0 g(s. 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. d .l ce y ui conduit à une erreur rninirnum sur l’enscmblc des calculs. hz ct RI. Par ce procédé nous sommes ramcni: au problème préc6dent.~. IJ~. g(z. 2.On invcrsc la matrice (ou l’on rkout le syst@me dont le module est le plus proche de m.Q. b .tant la rtsolution de ce système linéaire par la méthode des pivots. & en fonction de xh-1.Lintariscr le système f(x. 11~. Dans le cas où la matrice est mal conditionnée ou encore lorsque son déterminant est voisin de zPro. Donner alors les expressions de xk. Rkaliser un programrne permct. y) = x2 + y2 . Rz par les nouvcllcs valeurs fournies par la linéarisation : donrrer les expressions de a1 . y). Cas généra/ .ANNEXE H. 1~k-1 puis SQ 1. cette dernière quantité 6tant ainsi définit : RI = alto + blyo + q. b . ~2. y) = x2 + 4y2 .) mais le pivot dont le module est lc plus proche de z/la. Éléments de calcul matriciel 5. 0 n rCpèt.1.Rkaliser 1111 tel prograrnme. b2 et R2 ccttc dernikrc quantité étant ainsi définit : RZ = qgl + bayl + c2. Donner les expressions des diffkrents coefficients calculés sur l’exrmplc suivant : f(x. Y) = 0 g(x.On calcule une seconde valeur A. nz. ?jU: al. 01: 02 et RI. y) = 0. . Rz en fonction de f(z. bl et R.Donner l’expression des coordonnCes x1 et 11~ en fonction de . c .e l’opération jusqu’A cc que l’on obtienne des valeurs stables & et de m.% d’une importante erreur puisque le produit des pivots est une constante. 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.. du déterminant cn amenant chaque fois le pivot dont le module est le plus proche de m. il suffit de remplacer les coefficients nl.On calcule une première valeur j& déterminant par le produit des pivots. bl.Donner l’expression des coordonnées z2 et y> en fonction de . Résolution d’un système linéaire Soit 1111 système dc n équations & n> inconnues.s qui seront enta&. a .x1. 453 linéaire) en amenant chaque fois le pivot .12~ + 27 = 0 5. PR.

2. Donner l’expression de X1 tir6e dc (H. Expliyucr la méthode à suivre pour calculer cffectivcment X2.4.hodc pour obtenir Xl. 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. Au moyen dc la méthode tics moindres carrbs.rL Equations à n inconnues que l’on kit. Pour cela on dbtaillrra chacune des opérat.~ tics deux systCmes suivants : Montrer que lc problème peut SC ramener à la résolut. 454 . avoir un sens . Résolution d’un système linéaire par la méthode itérative de Jacobi On considère 1111 système linéaire de mat. E n reportant cette expression dms (H. la manière suivantje : 1:: nri#=~i. pour cela on désignera par Il et kl rcspectivcment lc nombre dc lignes et le nombre de colonnes de la matrice A. Montrer yuc lr syst.5. dormcr l’expression de X2. : ATAX = ATB où A7’ est la matrice transposée dc A..udc d’un systPmc linéaire de appel6 SI se prkente sous la forme : 11 équations 5.3). 71 composantes et LI’ lc vecteur sec:o~~tl mcmbrc a ré composantes.3. AcsXI + A4Xâ = BL w4 CH. Détailler eusuitc la mét. X le vecteur des incommcs à. On SC propose d’~limincr le vecteur X1 entre les dwx équatiorls (H. dc m équations CI rn ir~connues. 711 inconnues awc II 2 m.ivement cn quatre sous-matrices et deux sous-vecteurs dr. rfaliser. II et kl positifs IIOII nuls strictcmcnt inf6ricwrs à N. Rhliser un programme qui ét. 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.2) ct (H.ion AIX1 + A2X2 = B.31 et doniicr les conditions sur l’ordre des matrices pour que dc telles équations puissent. il s’agit dc rkluire cc systkc SI au système SS appel6 système des équations normales.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 378.2). 5.èmc des Cqnations normales s’écrit. 011 se propose dc fractionner la matrice A et le vecteur B respect.ricirlle uswlle : . Système linéaire surdéterminé On envisage l’ét. 5.3). Le système que l’on 6crira en notation matricicllc : AX=B.ions à. Mallleurcllserrlcnt la matrice A est beaucoup trop volurnintuse pour tenir dans la mémoire centrale du micro-ordinateur dont on dispose.

triangulaire supkrieurc avec des 1 sur la diagonale: de tcllr sorte que A = LS. hicn solution du problhc. Montrer qu’il est kquivaltnt de rfsoudre le systhe S X = L-lB = Y . dont les éléments sont noti:s CQ~... Écrire explicitement le système B = LY. Dormer l’expression des ékments hh du vecteur B en fonction des Clhcnts Oit du veckwr B’ ct des 6léments de A’. Partant du vcctcur X0 (dont toutes les composantes sont nulles par cxcmple).. En dkluirc la valeur des yk en fonction des 6.. a . (k ~ 1)). 455 .5. Résolution d’un système linéaire dépendant d’une matrice symétrique (méthode de Choleski) 1.Qucllc est la lirrlite 2 dc Xk quand k tend vers l’infini? Montrer que 2 rst. c . On décompose cette matrice cn un produit de deux matrices triangulaires L et S. . . ceux de A notés uik. en fonction de 1.On désire se ramcncr à un système identique notk : AX=Li’ CH. . Exprimer les éléments de A en fonction de ceux de A’ puis ceux de AJ. 5. X:3.Quand cette dernière condition n’est pas vérifiée. Proposer néanmoins une procbdure qui permette quand mhe l’okention dc la solution X en exploitant les donnkes fournies par l’algorit.é doit.Maintenant. Montrer que la sllitcx des Xk converge à condition que W’ tende vers xkro quand p tend vers l’infini. il s’agit de calculer Y.slk les éléments dc S.41 dc klle sorte que l’on puisse décomposer la matrice A en une diffhcncc dc deux matrices : A=I-M (H. Af ct B. Montrer que toujours la décomposition proposée est possihlc dans les conditions de l’honck. ct ceux de Af sou!. X2. .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. Xk. l. On écrira explicitcmcnt l’kquatiori matricielle Ti laqucllc cc processus ohbit. mais on ne demande pas de les calculer. Les éléments de A’ sont notés ulk:.. puis les relations cntrt les &?nients yk. L ktant triangulaire infkricurc avec des élérnents quelconques sur la diagonale.On se propose de rkoudre le système linéaire AX = B où B est un vecteur colonne donné dont les éléments sont notés bl.On SC propose d’étudier la convergence de la procédure.Supposons que l’on connaisse les Clherlts y~ du vecteur colonne Y. d . On désigne par I/k les 6h?mcnts de L et par . vérifier la matrice: M pour qu’il en soit ainsi‘? e .On corlsidere une matrice carrée A d’ordrr: n.. b . et b. ct des yys déjà calculés (s = 1. le processus est divergent.a ..hme divergent.4) la matrice A par son cxprcssion donnée en (H.. c .En rcmplaqant dans l’équation (H. . h. 2. noth nrlk. b . S btant. . On suppose que cette matrice est régulikc (ou non singulière : son dCterminant est différent dc zkro). Montrer comment calculer dircctcmcnt la solution du système SX = Y. expliciter les vecteurs X1. Quelle propribt.5) i montrer que l’on peut générer un processus itkratif de valeurs Xk dc X qui permet effectivement dc calculer la solution X.

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

b . mie suite orthogonale que l’on peut écrire sous la forme : PL.k} orthogonale. en fonction des produits scakres de vcctcurs (connus au fur et a rnesure). . PROBLÈ M E S ET EXERCICES 3.A NNEXE H.. Dans ce cas particulier. a . = PL + c?k+l. + (P:.kVk+l . On pose : Po = yo = B .} dont la définition (légèrcmcnt modifiée par rapport à (H. .hogonaux devient u~e suite de vcctcurs orthogonaux.. Pour cela.lJ$k = tJk+l + 5 r~e+l.lT” (w+l. ?j T/k+* (H..Pk) (%+1..Api 457 .On pose p0 = 210.7) Donner l’expression des ~k+r . ‘.jpi + Yk+l.2.J’ > k.+.>I$ .-l PL. Cette base {pk} A-orthogonale sera détermincc à partir d’une base {r.) (P. .P.P. à partir de celle-ci IIOUS obtiendrons une base {pk} A-orthogonale qui nous pcrrnettra de calculer lc vecteur solution h. Montrer que (7~1<:.a. la matrice unité (A = 1): la suite des vecteurs A-ort. puis pr = vr + aropr Montrer que (Av:Po) a1o = ~ (APO.+1 = 5 . jr0 avec k < N ~ 2. = P’. il nous suffit de connaître une base quelconque de l’espace de dimension N. montrer que la suite des {pk.8) i { 4.Azo T.Si A est. (H.On se propose maintenant de construire Mac base {pk} de vecteurs A-orthogonaux à part. 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.?4 k-1 c . + ctk.. Apj) = 0 pour .7=0 est. N ~ 1.On SP propose d’utiliser les rcsultats précédents pour résoudre le systeme AX = B.lpl + .7)) est la suivantje : k. .oPo + Qk+l.ir d’une base {Q} de N vecteurs lineairement independants (orthogonalisation de Gran-Schmidt) pour k = 0. 1.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. .

s’appelle métllodt~ du gradient co~~jugué.~ ~ (~.iou 1. que l’approximation X. . = n.p.ermincr b .Cet.8).p. a . Dkduirc q u e Z..rlt à ce minimum.B.Soit A une matrice yuelconquc.} est.. .bratif~ r’? dorme l’écart à la solution exactJe vecteur rkklu 0~1 résidu. déperldark d’une matjricc A définie positive et symktriqut. Les formules montrent.7). c .ant. de dét.Montrer CIU~ E’(zj + l. Nous a~llorls voir que.ux troncatiircs des calculs effectifs? 5.1) (APj: déduire que bj = C.I) ex71 )rr :Y‘ a pos6 : ri = B ~ A.1hfhVUEL DE (‘ALCL’L NUMÉRlQlJE APPLIQUÉ N.JJ.) ssion dans laquelle on .7 s’ohticnt à partir de l’a.ns la dircct.te rrkthodc dc rkolution d’un syst. . orthogonale en utilisant.... et.Montrer que? E2(:x) est donné par l’cxxprcssion : E”(z) = [A(h . On note E”(r) le carri‘ du rkidu. Il s’agit de minimiser E’(x) da. ahstra.../) ~. p sur la droite 2.Quel est le nombre maximunl de tours d’it6ratjion qui permettra d‘olh:nir la sohhion exacte..l->l>roximation prkéderlte en ajout. c:orrcsponda.Montrer que la suite des {pl} est A-ort~hogonalc CII utilisant la relation (H.ct~ion faite des crrcurs dues a.À chaque étape du processus it. On pourra poser : b .7..c.XT)> h ~ x]. la wlation (H. 6. une quantitk algkbriquc paralkle au vwtcur p. pr+cisémrrlt. la quantit6 c...f est celle qui minimise le carre du rkidu dans la direction p. + I. Quelles transforma...) = E”(r)) + lj(Ap. et s’appelle a .l~P.j:~).tions doit-on appliquer au système lincaire pour pouvoir utiliser l’algorithmr i:tudib? .p.7(r. (= B ~ xj).hc linkairc.Montrer que la suite des {r.j.2b.

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

+ b. en général. . Choix de /a matrice T . dkmontrer que : i .‘[. on cherche à diagonaliser la matrice A au moyen d‘un<: succession de transformations TplAT. Quelques expressions utiles. au prkalable.(. Donner alors les valeurs numériques de ~OS(Y) et de sin(p) qui pcrmctt.... Donner les expressions de COS(~~) ct dc sin(cp) en fonction de 7 cn prenant garde aux évrntucls problèmes de signe.hme qui arnène progrcssivcmcnt des zéros partout... Dr ces deux équations auxquelles 011 . .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. un paramètre que l’on choisit. et b.) f . donner alors l’expression dc tan(2p) en fonction des nik. On pose tan(2p) = 7.Calculer b..Écrire les 6léments de la matrice (AT).. lc produit de deux rriatrices symktriques n’est pas. g .~.T est ~IIC matrice unit6 d’ordre 71. e . À quelle propriktk import. que l’on prkciscra.joint l’expression de bI. et 1’ on dksigncra par E le signe de 7... b. 2 sin(y) cos(‘p) = sin(2cp). En déduire que cette valeur est invariante si la matrice subit lmc skric dc transformations gknérales du type dc ccllcs définies ci-dessus TplAT.. Puis montrer comment ces ékmcnts sont modifiés lorsque l’on multiplie (AT) par T-l. de telle sorte qu’on annule lc coefficient b. (Attention.9 est.. = ~ COS( y). d .Montrer que pour une matrice symkt. h .En dkduire que B = TplAT est urlc matrice symétrique.En dkluirc que la mtthode étudikc est inconditiormellement convergente.. Dans le cas on 7 dcvicnt infini le proc6di: ne tornbe pas pour autant en défaut.A présent.trique. il peut être utile dc calculer sin(2p) ou COS(~~). ct b.? = o.. uiic matrice symt...MANIJEL DE CALCUL NUMÉRIQUE APPLIQUE b . Convergence de la méthode . Donner l’intervalle de variation de cp.ent de poursuivre la transformation. et par conskquent b.b. É crirc les éléments blk de B = Tpl(AT) ct cn particulier b.antc obéissent les valeurs propres de A‘! c . . en fonction des 01k ct dc cp. Cos’(y) ~ sin’(cp) = COS(~~).Dans toute la suite du problème ou considère que A est une matrice symétrique CL~. b.. hormis sur la diagonale principale dans la suite dc matrices L3. = sin(cp) t<... 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. 460 .Définir ~II algorit.

montrer que ct déduire ur1e procédure générale de calcul des valeurs propres d’une matrice 6.Déduire des ktudcs précédentes 1111 ou plusieurs prograrnmcs qui realiscnt la différentiation et l’intégration.1.1 et 6.9. On notera : En utilisant l’expression de a. b .Donner la relation de récurrence qui existe entre dellx rnatriccs conskutivcs Quelle valeur convient-il de donner à Bu? l?k et n.Comparer les performances des deux a..on suivantJe : B 4 = Aq + alAqpl + QA”-~ + . considérons une suite de matrices B. les racines du polynôme caractCristiquc : dc calculer les valeurs propres Xj: P. P~013LèhfE. + o“1 1 : OU 1 est la matrice unitk d’ordre n. le transforrncr cn sous-programme. a . c . 6. dkfinic de la fac. Pour ce faire..pproches du mkne probkme. La mise au point termink..+a. 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.(z) = a”d7 + UlZ n-1 + a2x” -2 +.Prograrnmcr dircctcment la méthode de Lagrange../.Dkmontrer 1~ relations de Newton exprimant les coefficients (~k cn fonction des sommes des racines élevées à la même puissance m. donnkc par la relation de Newton.AN N E X E H. On dksirc réaliser un programme qui pcrmcttc d’effectuer une interpolation voire une extrapolation par le polynôme dc Lagrange. L’interpolation 6.+. =O avec a() = 1. a . Applications des J 6.2. b .s? Pourquoi? 461 . Le polynôme de Lagrange On dispose d’un fichier dc donnees constitué d‘une suite dc N couples d’abscisses et d’ordonnées..2 . Nous 11011s proposons de calculer directement les cocfficicnts ak: puis de calculer les racines du polynôme.5 ET E X E R C I CE S 5.Calculer les cocfficicnts du polynôme de Lagrange par inversion de la rnatricc fournie par l’kriture du systkic linéaire. 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. Les fonctions «spline » Rkaliser un programme qui effectue les interpolations (des rnêmcs données) au rnoycn dc fonctions «spline » de degré trois.

C . Int6grer nuriiériquement cette équation avec: lrs valeurs suivant. 71 = -1 m/s.3.ioririel). On cssaycra les valeurs 5 = 1. Qu’observez-vous? Quel intérêt. H’ gardid les mêmes valeurs. avec lc temps wlon la loi : a . lc pcntliilc avec la vcrticalc. dB/ dt = 0 radian/s et. WI = 225 s -1. Al1 kmps t = 0. 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. E = 0:57 et.ik qiw l’lmitb.0. Rqr~sentcr les rkultats de l’intégration dans l’cspacc des phases. H et.cur qui peut.icllc à laquelle obéit la charge kkctriquc: q(t). L’équation de Van der Pol Soit 1’Cquation diff6rentic~llc suivante : 011 dolIlle E = 1..r:r de tcllcs équations? 462 . 7. Rtkliscr 1111 programme qui cffcctw la t~abulat~ion dc la solution de cette dernikr k~uation. Quelle 4 alors l’amplitude des oscillat~ions‘? Pcubon considérer que H est. = 10 m. que lc pendule qui nous pr~oc~upc~ est. L et R sont fixrs.O. : b.MA N U E L DE CALCUL NUM. R = 1 il.Écrire l‘équation diff~rcnticllc % laqucllc ohbit l’angle Q que fait.ion de la pesanteur dont l‘int. 0 = 1 rri/s. I varie lin~aircmc~nt. CO = 1V4 F. sachant que cc pcntlule est soumis à l’a.r1te. d’une rksistancc R ct ~‘LIIIP capacité C: tous les t.ialcs tliff6rcnt. électrique fermé constitlk d’une> self L. Système électromécanique dépendant d’une équation de Mathieu On considère 1111 circuit. qc1 = 1V4 C ct i = dq/ clt = 0 A.ct. Cc mouvement des plaques est évitlemment. 7. = 3 m.La hrnnc s’arretc quaiid clic a parcouru 7 in vertidrment (II = 3 m). en rr:vanch(~. y a-t-il à fréyuent.O et E = 10.rois mont& en série. Au temps t = 0. la bc~m~ d’une grue suspentlue au bout d’un c%l)lr de longurur I.cs II = 10 m.t.-à-clirc dans l’cspacc~ où y est port6 cn abscisse et &y/ dt t'ii ordonii~c. crt6 par mi niot. resté petit? d . Intégration des équations différentielles dans le champ réel 7. Étude d’un pendule de longueur variable On considère im prndidc dont la longucwr l = b" + 7rt où ?! est llrl~ cor1sta. 19 = 7r/200 radian.Mêmes questions qu’au $ c avec toutefois des conditions init. donc fournir de 1’6iwrgic au circuit dectjriyue.1. Écrire l‘équation difErcnt.rie t‘11 fonction du temps selon la loi : 1 c(t) 1 + E siritilt G La réalisation de ce condensateur est.Écrire l’équation dans le cas où g est petit. la capacit. sackant.2.cs : L = 1 H.b C va. b . Intégrer nurri~riclilerrient cette bquation cn choisissant des conditions initiales très difkentcs (cc sont des doiirltw qui sont c:oninmniqn~cs cn corivrrsa.ensit.GRIQUE APPLIQIJE 7.é est g. c’est.

d .1 à la tangente en (. dc la droite x = z... y&+r).Rappclcr dans quelles conditions il existe une solut. Étude d’un phénomène transitoire obéissant à une équation différentielle du premier ordre Si la constarne de temps est. Donner l’expression de O/I. b . 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(. Pour calculer la valeur &+r > on considère qu’elle est. 463 ..ère pourra-t-on rctrmir pour limiter les it. faitk devants l’uriitb.. .20.+r e . où l’on rfftctuc les calculs... alors bien avant. par ynr la valeur dc la solution au point. on désire que la solution prenne la valeur yo pour la valeur ~0 = n.. appartenant à (a: 15).+r.î7.crminee de la droit.La mbthode proposée converge lorsque h < L/IV. l’imité.-1... nous allons améliorer la prkision de chaque Y.rap&zcs ct de Sirnpson.. On pourra effcctwr un développcmcnt analogue à celui qui a Pt.+r).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.s d’intégration de la variable .~ est ont ara 6 11.1). y.c Q ct.ANNEXE H.CJuel crit..Par la suite. ) et sa pent. on utilisera la formule de Runbe et Kutta pour calculer yr. De plus. on AT = sup~3f/& dans lc voisinage du point.5. ct l’on dksigncra par h le pa. y.r. dCt. a ... ct l‘on ne peut pas calculer la valeur de y1 par cc procklé. la solution prkcntera de faibles variations donnant l’illusion d’un phénomène rkgit par une grande constante de temps. la droite Q est construite de la manière suivamc : clic de la pente de y(z) calculée passe par lc point (z.. On désigne alors par y&+r la valeur calciilk au $ b et par yI.. peme calculk en (z.(.ude des mbthodes des t. On procède à urlc interpolation paraholiqur d e y(z) sur l’intervalle (z. de la variable. L’intkgration numérique peut alors poser qiiclques prohlèmes.. Soit... y. ym) à la courbe y(z)..r l’intersection valeur itérée. 2.ll) avec y(O) = 0.X.k rbalisi‘ lors de l’ét. la skcant.c est la moyenne arithm6t~ique cn (cc.ion et de la correction. Comment s’affranchir de cet. on supposera que les conditions énoncées au # a sont satjisfaitjcs. y) p our 3... 1.. D la droite tangente en (2.( ~ym): donner alors l’cxprcssion de ym+r c (:x.Hormis yr.. PI~ORLÈMES ET EXERCICES 7. :c. Position du probkme .. Dans ce cas.Cet)te relation appelée prédiction rnontrc que le calcul de yrl! cxig-e l a connaissance des valciirs des deux points précédents..+r la k’ pa.te contrainte? g .e passant par (2.4.r et.) et de la..ion unique y(z) à l’équation diff~wntielle. 7. = (1 + rnh. et . D onner l’expression tir y$.rr!+l>?/rn+l) ‘~ d P c .Soit l’équation diff~rcnt~ielle &Y ~ -507~ + 5 dn: suivante : (H.+~ cn utilisant une formule itérative appclkc correction.. donner les expressions de l’erreur dc la prklkt.+r .eratioiis‘! f .

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

puis les valeurs sk. 3. Intégration des équations aux dérivées partielles 8.2. seul lc calcul de l’int. au besoin expérimentalement.6. 8. 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. des conditions initiales de ce problème pour lesquelles le chien ne rattrape pas le jardinier. Trouver.En conservant le pas h = 0. . Cormaissant à présent y(To) e t y(Tl). formel préckdemrnent r&li& n’est. Décrire urle procédure complète d’intégration de la dernière équation différentielle proposcie. Fig. Application numérique ..çj.). les isothermes d’un réfrigérateur Nous nous proposons de d&rminer dans le plan les isotherrnes d’un rkfrigérateur à l’équilibre thermique. page suivante). modifié. Calculer ?/(II) et y(2h) avec h = 0.ion diff&enticlle (H.2. car les coefficients ak dépendent des valeurs obtenues pour les y(T. t.ant dc calculer cffectivemcnt 02).13) n’est évidemment plus linéaire. Écrire explicitement l’expression donnant y(Tl) à partir de la forrnulc obtenue pour N = 1.Soit l’équation : 2 = -501/+ & avec y(0) = 0.05.rouver la trajectoire du chien et représenter la graphiquement (cf. calculer y(l) et y(2) dc l’tquat.ion (H.).urc: et t lc temps (cf. Donner alors l’expression de y(Tl) en fonct~ion des C. T1 et T2.cmp+rat. Le chien court à la vitesse constante de 20 km/h.1. Étude du cas N = 2 .ANNEXE H. puis les valeurs sk = S(T~) en fonction des (1. Puis indiquer un procédé perrnett. d onner la formule exprimant y(!&) A partir de l’expression obtenue pour N = 2.ion dc ~(T(I) = y(0). Tracer dans ce cas le cycle limitcx de la trajectoire suivie par lc chien.13) .05.égralc demandera le calcul explicite tic s[y(t). expression dans layuellc T représente la t. H. H. une fonction à variations lentes et faibles. PROBLÈMES ET EXERCICES Étude du cas N = 1 . page suivante).T. Rien du développement. Fig. et . Application numérique .Calculer les points TO. Inverser ces relations pour obtenir les ‘II en fonction des sJ Donner l’cxpwssion tic y(Tz) en fonction des C. Exprimer les ni en fonction des sk.0 ri considere à présent yuc s(t) dépend de :Y(t) ct l’on Ccrira : s(t) = s[y(t): t]. 7. 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. ct . c’est-à-dire quand dT/dt = 0.Calculer les points TO et T1. L’équation de Laplace. Indiquer ur1 procédé pour obtenir effectivement y(Tl) en fonct. t]. t] est. Lorsqu’il est en A. mais on supposera encore que s [y(t). Sachant~ que la distance OB = 30 m ct que le chien a le droit de piétiner le parterre.11). Généralisation de l’équation (H. = S(T~) (:II fonction des u.

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

1.ure uniforme Ho = 90 “C. Transformke de Fourier de la fonction porte. Comment pallier cet inconv6nicnt ? 8. L’algorithme de Cooley-Tuckey Réaliser le programme dc la transformée dc Fourier directe et de la transformée dc Fourier inverse. .. On donne 0 = 3. est à une température inférieure à 10. On dit que la sphère est c:orrll->lèt. N. b. elle est plongée dans 1111 grand rkervoir d’wu à la tcmpératurc uniforme 01 = 10 “C.40 Jcn? ct D = f = 1.3. ensuite on fait passer 1111 coura.12 cm p2se. La rkistivitk du cuivre est r(T) = ro(l + QT). où r‘() = 1. : est. Déterminer la durée du refroidissement. dc rayon R = 1 cm. la tcmpératurc de 10 “C.hme rCcurrent .nt refroidie lorsqur son centre. Les transformées de Fourier 9.Attention & l’usage des coordonn~cs sphériques que nous emploierons dc toute façon.B. Au temps t = 0. 467 . PROBLéMES ET EXERCICES 8. Un cylindre dc cuivre de longueur indkfinie. Transformk de Fourier d’un rkeau (taches de difbaction). On pourra tcstcr les deux transformkes de Fourier sur une gaussicnrle tronquk (il faut réflkhir sur la troncature. On demande do calculer la tcmpiirat. c. Refroidissement d’une sphère homogène Une sphère homogène dc cuivre dc rayon 7’ = 5 cm est. la table des simls (et cosinus) au moyen d’un algorit. p est.l “C. la transformke de Fourier par dkimation.A N N E X E H. On considère que cc rkservoir est un excellent thermostat. On plonge w fil dans un bain (thermostat) 5. La transforrn+e inverse doit permettre d’obtenir les valeurs dc départ. mais CII 1’ = 0 les équations sont discontinues. portée à la temp&at. On donne le coefficient dc diffusion dans le cuivre D = 1.).1( OC)-‘.ure dans la sphkc: à diffkrcnts instants.2.6 de voliimr~. éventuellement entachkcs d’une petite erreur. le siège d’un dégagcmrnt de chaleur. la table des adresses pcrmettjant de mettre les domkes dans le bon ordre .72 10-s bL m. Cas où tout le volume est le siège d’un dégagement de chaleur Si tout lc volume s’krit. 9.-1. la capücit~k calorifiyuc par unit6 de volume et X est la conductibilité thermiyuc du milieu. on attend que le fil soit en éyuilibrc thermiyuc.12 cm2/s. parcouru par 1111 courant 1. déphasées dc ?r selon lc choix rctcnu pour rcprkentcr les données. montrer que l’kluation dc la clialcur où P est la puissance dissipk par unit. T est cxprimb en “C ct a = 4.cmr. est. 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.nt continu réparti uniformément d’intensité 1 = 200 A. On c’omrncncera par rkliser des programmes de mise au point qui sont : a. .

epréscnter alors J(V). ’ Canalisatiori dc l’koi~lemrnt Lampe et condensateur Rlesurc Figure H. sinusoïdal. ou plus exactement la vitesse de très fines particules en suspension dans ur1 liquide.I( v).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 9.3).(t) peut être rcprkentée par la figure H. page ci-contre. page ci-contre. Fig. R. On appelle u la vitesse de la particule dont on supposera que la taille est nkgligeable devant la taille des trous. l’intensité reçut par la cellule photoélectrique est constante et égale & 1. Pour des raisons de commodité. B et C’ portées par cette figure.4. on calculera formellement. En l’absence de suspension. Étude d’un vdoçimètre. de dimension et d’espacement donnks. Notons que la plaque trouée peut être avantageusement remplacée par lme diaposhive sombre dans laquelle des points blancs jouent le rôle des trous. L’allure de la courbe est donnée figure H.2. 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.ions parashes dues au courant. On éclaire le systhne avec une lampe alimentée en courant cont. cn fonction des param@tres préckdcmment definis. page ci-contre. On donnera les valeurs de Q et p port& sur la figure H. 468 . soit en calculant num&iquement la TF de I«(t) pour un nombre de trous donnés.inu afin d’éviter les modulat. a .5. on supposera que l’image a lc grandisscment 1 en valeur absolue. Étude d’un vélocimètre On se propose d’étudier un dispositif pcrmcttant dc mcsurcr la vitrssc d’écoulement laminaire d’un fluide.4.3.~. L’image de l’axe portant les trous est. Montrer que l’intensiti: absorbée I. J(V) la transformée de Fourier de ICA(t).Donner les expressions des quantités A. Le passage d’une Part)icule G devant> les trous va provoquer l’absorption dc lumière. parallèle à l’axe du cylindre contenant lr fluide (cf. soit en tabulant la fonction . H. Ensuite.

m) = 0. Dire pourquoi l’allure générale de J(V) ne sera pas modifiée.ANNEXE H. Calcul numérique des transformées de Fourier pour un nombre de données N = b” Soit f(x) UIC fonction appartenant à L2.3.1.rous et l’axe de déplacement des particules G doit être rigoureux. 9.2. Pour chacune des fonctions. Au besoin. Ny fmWN”L m=o a v e c 27r WN=exp jN ( > 469 . n c . et l’on recueillera sur la cellule photoélectrique un signal formé de la superposition de signaux tels que celui présenté figure H.4.Comment concevez-vous l’appareillage du cadre « mesure » chargée du traitcmcnt du signal? Le parallélisme entre l’axe des t. et l’on désigne par v(t) sa transformée de Fourier. . mais déphasé d’une façon aléatoire les uns par rapport aux autres. On ne considère par la suite que les fonctions échantillonnées normalisées. on dispose de N échantillons complexes (uniformkment répartis) notés fin et yak avec (k. La transformée de Fourier discrète s’écrit : cpk = . + jf7. et pk = cpi + jy~i. PROBLÈMES ET EXERCICES Figure H. u 1 I ‘B b .5. on peut 6crirc fTrb = f. le nombre dc grains G est très élevé. .ilisés? Dans la réalité.4. N . Comment réaliser ccttc opération à l’aide du dispositif et de l’appareillage ut. 1. . t n Figure H.

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

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

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

est un paramètre strictcmcnt positif et k une constante de normalisation. Loi de Poisson. puis en déduire sa fonction de distribution.Rappeler la définition de la fonction caractéristique 4(t) dP. Loi de Poisson Effectuer un sous-programme qui réalise le calcul de la loi de Poisson : Pk: = $ exp(-A). On donne X = 30.3.Calculer la moyenne m ainsi que l’ecart quadratique moyen D de la variable aléatoire [.5. Calculer effectivement 4(t). 12.Soit z = i ~~‘.ANNEXE H.l a variable aléatoire < et donner l’intervalle de définition de cette fonction.6. z) de Student à m degrés de liberté d’une variable aléatoire 7 et donner son expression dans le cas où m = 1.Rappeler l’expression de la distribution i(m. c . on désignera par q(z) cette distribution particulière. b .4. Loi de Student ~ 5. e .OBLÈMES ET EXERCICES 00 I-(z) = . par quelle courbe de Gauss peut-on approcher cette loi? Donner le sup du module de la difference entre ces deux fonctions. a . 473 . PR. f .I exp( -t)t*-r dt ryn + 1) = :I! r ( n+. Distribution de Cauchy On considère la variable aléatoire < obéissant a la loi de distribution p(z) = kexp -a121 pour z appartenant à (-00. Donner l’expression de la fonction caractéristique Q(t) de la variable z. 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).Donner l’expression Q(t) de la fonction caractéristique de la variable aléatoire q.Calculer la constante k.. 12. +oo) expression dans laquelle u. ( 2 n 1 ) 6. . ) = 1 . d .

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

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

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

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

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

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

au besoin en les démontrant. Loi quasi normale . En dcduire que wy > a) 2 E(X2) .À présent. on suppose que ]X/ a une borne supérieure désignk par I3. La fonction caractéristique 13.ribution f(z).Rappeler la demonstration de l’inégaliti: de Bienaymé-T(:hehycheff’ : où F’ désigne la probabilité.On considère une variable aleatoirc Y de moyenne nulle E(Y) = 0. E(X’). On montrera que f(z) est bien urlc densité de probabilité. a 480 .1. (%)’ tend vers une gaussienne quand n croît positivement . 12. En déduire la fonction de distribution de q. qui sont toutes les deux normales (gaussiennes) centrées ct réduites.2 B2 Cette expression s’appelle inégalité de Kolrnogorov. puis on calculera E(X). nous dirons qu’une va. b . puis la fon&on caractcristique de la variable rl = <r + &. et b. Calculer la fonction caractéristique de chacune d’elle. et l’on prkisera le domaine de validité de t.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.Par définition.12. les expressions des moments centrés d’ordre trois et quatre. On considère un nombre arbitraire t positif. Une fois les conditions établies.hfA. 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.WJEL DE CALCUL NUMÉRIQUE APPLIQUÉ 12.appelcr. a 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. a .11. Enfin. E(X”) ct E(X4). d’écart quadratiquc cr2 et de fonction dc dist. R. 13. on déterminera n.Soient deux variables aléatoires indépendantes <r et (2.

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

27).) Pour parvenir à nos fins. Y2 = n2. .ribution notée (Zl. : X.. . T..1.L$” ..illoll. Y.22. a11 IIloycIl dl1 tll6or?!IIle concernant la fonction <:Hractérist.. + 6. .ion caractéristiqiic : &q(tl. . sont.1 d . ‘n.) de (K.les irld~pcri<la. ) t. (Ici. . . x.i.nt..4)..)]} où I!J { } est l’opkateur espi‘rance rnath6matique portant sur chacl11Ie des variables Montrer que le rnornent du prernier ordre de la variable X est tlorm~ par : et celui du deiixièrne ordre par : b . ta.j. . nous montjrerons que xL est la somme dc carri-s dc variables gaussienncs cerltr6s. réduites (au stris large) ct iudépendantcs ohkissant cependant à 11116 relation linkaire.. c$(t1. .i<luc d’une sonirne de varial.X. On note: p a r y . .011 désigne par PA../ = 1) = pJ ct “(2. 1~ majuscules Xk. Pour cela. 482 .! Ik. . . t. Y2. . . t2. des variahlcs aléatoirm tandis que les rninusculcs :ck: cyk. TL.irlorrlialc. p?. le rnornent du deuxikne ordre rnzq des composantes x1 du vecteur alfatoirc: (Y1 .Nous allons obtenir. . appartienne à l’intervalle Montrer que les variables Y1 . . K. Yr obéissent à une loi dc probabilitk nniltinorriiale : P(Yl = 121. : Y?).On rappelle que la fonction caractCristique d’iinc variable albatoire a II din~er~sions (ou vecteur akatoire) X = (Xl. qui sppartienncnt à l’intervalle 1.4 = 0) = 1 -7l. 2. . .En utilisant les relations étahlics au 5 a. Yz. fonction caractéristique : q!q(tl.) = ?L! 721!n2! . calculer le mornent du prernier ordre ‘rnlcl ct. . puis donner l’expression de la. + LX. . Ces coniposantes prennent la valeur 0 ou 1.)]. Yk.rltcs.j Montrer que (Y.. la f0nct. t. par voie directe..2.i..2. . (27) avec y = 1. . = n. .. Zi. . . avec 4 = 1. . on considère une suite de vecteurs aléatoires indépendants et dr niêrne dist..<) = iv {cXp[j(tlXl + t2x2 + ‘. obtenue pour ladite ré. . Z. . . . la fonction caractkristique de cette loi rnlllt. une réalisation dc l’~ch.. Yz. et l’on pose : P(Z. . En déduire. sont les rcialisations de ces variables alCatoires. Zz.MANUEL DE CALCUL NUM~~RIQUEAPPLIQUL? Soit 21. lc Il~oIIllm dc v a l e u r s z. (Z:. J$) = ~‘~=.. . 2.fr c . la probabilité théorique que la variable X. . t2. a . yq est la valeur d’une variable akatoire Yc. .p. X2.j(tlXl soit : + t2xa + ‘.. . 2. ..lisation.22.) est l’espérance niatli6rnatiqiic clc la varial)lc corriplexc w[.) de (Z:.

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

721. . Effectuer l’application numérique dans ces nouvelles conditions.05(20) = 1.725 t0. on effectue 1x1 changement de coordonnées orthogonales de la matrice orthogonale A d’éléments (ui. On dorme : 1.os(19) = 1.Sur les variables centrées (zj ~ au moyen m). h . f . ct en déduire la valeur de la répartition de Student h.m)2. tu et n.640 & J’exp(-5) 0 dt=l-0. Commenter les trois résultats obtenus.Montrer que e . de même variante.O5(~).Montrer alors que t est une variable de Studcnt dont on précisera le nornbre de degrés liberté.j=l .m = 3 d .) : Montrer que -g CE/.729 to. indépendantes et.j=l c .On désigne par P( ltl > to) = l-a la probabiliti: que Itl dépasse une certaine valeur positive to.2 est gaussicnne.Montrer que les variables xi sont centrées. 484 . a. normales. On donne : t”.On suppose que la variable t définie au 5 14. de g . 3 approche .Montrer que (x) .05.Effectuer l’application nurnérique. = -& .05(21) = 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a . Déduire la relation entre l(x) ~ ml.Montrer que b .

c .Vkrificr que les nombres générés obéissent bien à une loi de distribution uniforme.5 6.5 3.812.1.T. la quantitk détenue.ANNEXE H.860 h. Ensuite.o 1.5 On désigne par 2 la variable aléatoire associée au nombre de pcrsonncs.moycnnc dc la variable aléatoire q et par 0: sa variante.. PROBLÈMES ET EXERCICES 15. Les données faisant l’objet du classement seront fournies par le générateur de nombres pseudo-aléatoires de Lehmcr. 485 . b .6 2.ns(8) = 1. par 11 la variable aléatoire associée à la quantité détenue et enfin z la variable akatoire associée A l’impôt pcrc.T:~~ entre lc nombre dc personnes et.2.Faire un programme qui rkalisc 1111 histogramme. Exercices du cours a .5 2 2.2 5.0 Impôt 1.l 0 7. 1.8 3. 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. Tableau H.1 L1 4 2 2 316 1.u.Quelles sont les liaisons dc corrélation qui sont fondées ou significatives ? On donne un extrait de la table de Student : h.7 4:l 3. Systèmes à plusieurs variables aléatoires Système linéaire sut-déterminé. Matrice de corrélation Dans 1111 document à caractère historique de 1321 on trouve le tableau H. et l’impôt payé. 16. .Dans l’hypothk raisonnable de dépendances linéaires. b .os(lO) = 1. .2 d’imposition.ryz entre la quantiti: d@tcnuc 2. on désigne par R le nombre dc familles. Par ailleurs on notera (q) la.m(9) = 1. Critères de conformité 16.833 to. calculer les coefficients de corrélation suivants : a . entre le nombre de personnes et l’impôt payé.

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

Homogénéité d’une suite de variante Dans le cadre du schema de régression. proposer mie solution. d . 17. elles sont centrées sur yLu et ont la variante c2. 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 . c . f . yic avec i = 1.Calculer les deux premiers moments 1*1 et D puis l’écart type 0. Il s’agit du même écart type pour les 50 nombres tirés. 487 .Calculer le x&.2. 17.h”(z& Effectuer le test de l’homogénéité des suites de variantes sur les deux échantillons. Pour 5 valeurs de l’abscisse 2.1. : 5. . On affecte un indice aux points zi.Peut-on raisonnablement conserver l’hypothèse H? Justifier votre réponse. e .L’hypothèse H est la loi normale. H.Doit-on regrouper un certain nombre d’intervalles ? Le cas échéant. on les note yy.2. on fabrique deux séries dc données sur lesquelles on se propose dc retrouver les caractéristiques. b . On choisira tous les pararnètres comme on l’entend. b . a . c . on détermine 5 valeurs de l’ordonnée y selon la loi y = ux + b.Générer 1000 nombres pseudo-aléatoires à distribution gaussienne. .4.. Test d’indépendance stochastique des résultats d’observations a .e. b .Pour chaque xi on choisit un écart type a different tel que les 0: obéissent a une loi crédible telle que : CT” = a. Calculer les probabilités par intervalles de regroupement.Effectuer le test de la rnédiane. À cet effet.ANNEXE Tableau H. Tenter de trouver une fonction qui soit différente de h”(zi) mais qui en soit une bonne approche. . On se propose de vérifier les tests usuels d’indCpcndance stochastique sur cet échantillon.Effectuer le test de la somme des carrés des diffkwuzes successives.Le test de Kolmogorov donne-t-il une confirmation du résultat obtenu au # e? On détaillera tous les calculs.Pour chaque yio on prend 10 valeurs obtenues a partir d’un générateur de nombres pseudoaléatoires gaussiens d’écart type ~7 . Étude des dépendances dans le cas linéaire 17. on désire vérifier l’homogénéité d’une suite de variantes. d .Effectuer le test des suites ssccndantc ct dcsccndant.

En choisissant le seuil de signification Q = 0. donner l’inégalit6 à laquelle obéissent. c .nt lequel on note la succession des apparitions.) qui est la longueur d’une chaîne constituée de K sous-chaînes de longueur l. Nous nous proposons d’étudier quelques caractéristiques des chaînes et des sous-chaînes.On suppose que le nombre K de sous-chaînes est.On effectue le tirage de K sous-chaînes. calculer P. On SC propose d’étudier la variable aléatoire [ (désignée par n précédemment. e .3. a .Montrer que la probabilité T de tirer une sous-chaîne constitube de 11. dont la longueur VI soit supérieure ou égale à une valeur arbitraire positive A& (on pourra éventuellement calculer la probabilitk contra.05. v6rificr qu’il en est de mCmc dc XK. A). puis donner l’expression de la probabilité P(c < L/O) pour que < soit plus petit que la valeur arbitraire ~0.Calculer C l’écart type de la variable <.05 = & iexp (-c) dt. au moyen de n tirages conskcutifs. et comparer le résultat avec celui obtenu à partir de l’expression approchk donnée dans le cours. Partie 1.5. f .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). On appelle sous-chaîne une suite constituée uniquement dc A (ou dc B) limitk à droit? ct k gauche par un B (resp. = 8. On bnonccra lc thi:oremc. Effcctucr l’application num&iquc pour une chaîne de longueur nj = 100.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 17. d . UC.Dormcr la probabilité P d’obtenir au moins une sous-chaîne (parrni les K). On énoncera le théorème sur lequel se fonde le calcul. Donner XK la longueur rnoyenne des chaînes contenant K sous-chaînes. En déduire la distribution dc la variable aléatoire <. Rappeler le thkorème central limite. grand devant l’unit&. dans l’ordre dc leur apparition. Test d’indépendance stochastique du tirage d’un échantillon On considère lc jeu de pile ou face dura. b . 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). éléments (sous-chaîne de longueur p contenant pA ou p1B) est égale à ( 1/2)IL.j : a . On donne : 0. 1:ii5 488 . On appelle chaîne de longueur n.05. < et K.ire). Applicat)ion numérique : K = 10. sur lequel se fonde le calcul. la suite des A et B obtenue durant l’cxpkricnce. Partie 2 .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. On note A l’apparition de face et B l’apparition de pile. rn b .Calculer la longueur rnoyenne et 0 l’écart type des sous-chaînes. la prohahiliti: de prkenter l’une des deux faces est 0.

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 ce résultat peut. qui fournit mie autre droite de r@ression : Y’(x) = a’ + b’(z ~ z?$). m.2. On appelle variante empirique 5 . 1). Quelques résultats utiles (l+a)” = l+r~a s i 101 < 1 .): % = 1. e .4. ct comparer cc résukat à celui obtenu avec l’expression approchée donnée dans le cours. individus.Si l’on se domle la taille <> de la chaîne. CO). Ces n individus font chacun l’objet dc la mesure de deux grandeurs physiques dont. 17. 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. les résultats sont notés (5.: 7/.Snedecor (1881-1974) On considerc mie population parente sur laqucllc on prélève un khantillon tic 72. . 489 . cas des évi:nements peu probables. . . Montrer que la limite du module de la différence de ces deux derniers tests (t.96 .2 la moyenne empirique des carrés des rksidus. différente ou non de VL. soit : a: b et s2 caractérisent cntièremcnt la régression étudikc.cst no 2 ct test du cours correspondant) est 1/2 quand la longueur de la chaîne tend vers l’infini. 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. d . servir dc test no 2 des skies fond6 sur la médiane de l’écharkillon. Étude du rapport de deux variantes : loi de Fisher (1872-1962) .ANNEXE H.) Montrer brièvement comment on pourrait pallier ces incomknicnts. PROBLÈMES ET EXFXGICES c . Loi F(m. On considkrc un autre échantillon de taille n.

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

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

Étude d’un chengement de ph.Donner l’expression de la fonction de répartition des variables 5 et y notée 9(x! y). On sait que la repartition de la variable z est as(z) = 9( 2. w). Distribution de Student Reprendre les fichiers fabriqués au cours des exercices 17.Dans le cas on Q # 0. d . Peut-on dkduire que la non-corrklation entraîne l’indépendance des variables I : et y? Argumcntcr. 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. dans ces conditions.Calculer la fonction caractéristique de a(~. Expkrimentalement. 11) cn fonction de @. Calculer les coefficients dc la droite de régression y = ni: + 0 dans chacun des difkents cas. xc. y). donner l’expression de a(~. Analyse de régression.6 montre que les points expérimentaux se disposent selon deux scgmcnts de droite désignks par SI c t sz.E(z) et @g(7/).2. La représentation graphique dormCe par la figure H. e .1 et 17. on 492 .3. on sait que l’incertitude sur chacune des mesures effectuées (Yk). g . 18. Estirner la prkision sur chacun des coefficients a pour un seuil dc signification donni: cy. Calculer la fonction de distribution de la variable 5. Donner l‘intervalle de confiance concernant y pour UIC valeur donnke 20 dc la variable z dans chacun des cas typiques. Les incertitudes constituent une variable aléatoire dont la moyenne est nulle. X- Figure H. De plus. qu’il s’agisse des points du segment SI ou des points du segment 5’2: correspond au même kart type (7.4. en déduire le coefficient dc corrélation ‘r. 18. la fonction de distribution de la variable y notée ay suit aussi une loi normale rkluite. Dans lc cas où u = 0. f .Qucllc relation doivent satisfaire les coefficients Q et /3 pour que az(z) soit la loi normale réduite. donner l’expression de la droite de régression de y en 2.MANUEL DE CALGIJL NUMÉRIQUE APPLIQUÉ c . Montrer que.ry.nsr.Calculer Krry la covariance des variables z et I/.6.

Quelle Ik.uée dkne suite de raies dont on peut mesurer pour chacune la surface: laquelle est proportionriellc à l’intensitk relative 1.I (donnée expérimentale).5.Sachant que le segment 5’1 est déterminé par NI mesures ct le segment & pa. cornmcnt dkterrnincr T? est la précision statistique de cette détermination? c .7 (~veiit. 18.5 de résultats. pour de nombreuses rnoléculcs diatomiqucs. la théorie permet d’et.l) 2Jfl 1 ( OU 1 est l’intensité relative de la raie . au traitement correct. indiquer de quelle manière on pourra estimer la grandeur H..3 -. a . ct a.J ~ +JJ. Sans entrer dans les d&&. soit y = f(T): les grandeurs y et T étant exprimées en unités arbitraires. 1.uxquellcs on peut a.6 15 85. Solubilité du nitrate de sodium dans l’eau Voici le tableau H.5.~iellemcr~t aprks avoir tenu compte de la correction due à la fonction d’appareil).ffectcr un nombre cnticr J appelé nombre quantique de rotat. donnant la solubilité y dans l’eau du nitrate dc sodiurn en fonction dc la ternpkrature T. a . c’est-k-dire à la grandeur H = Y2 ~ Y1 où Y1 ct Y2 sont représentk sur la figure. Lc principe est lc suivant : la bande est constit.ion. T est la ternpératurc absolue que 1’011 cherche à Cwaluer. de dtterminer la ternpkrature de latlitc molécule. 10 80. On justifiera l’option retenue. des dorm~cs 18. A est une constante calcul& (donnée considérée comme rigoureuse).6 51 125.) du paramèke X.4 36 113.Sachant que l’on dispose de N données cxpkimentalcs b . Tableau Y H.Estirner l’incertitude sur la dktermination de H. Mesure d’une température par spectroscopie L’cnregistrernent d’une bande Clcctronique kmise par une molécule diatomique permet .ablir la relation suivante : log. On s’intércssc à.6. la transition au point X0. Une extrknité dc SI et une extrkmitk de Sz correspondent à la même abscisse X0 qui est. bien détcrmirke exp~rimentalcment. opérations conduisant.Rkaliser l’organigramme des opérations décrivant.l 68 493 .9 29 99. dans la mesure OUI l’kqllilibre thermodynamique local est atteint. le traitement autornatique des donnks expérimentales.7 0 71 4 76. il s’agit bien sfir d’une dktcrmination statistique. T 66. B est une constante calculée (donnk considérk comme rigoureuse). c .ANNEXE H. obtenus par MendGev (1834 1907).Rkaliser l’organigrarnrne des expkrirnent alcs.r Nz mesures. PROBLÈMES ETEXERCICES admettra qu’il n’y a aucmle incertitude sur les valeurs (X. b .7 21 92.

. (1 + X) en fraction continue.2.. contenant I : et ~0. démontrer les relations suivantes : En+-I(Z) = A.Au moyen d’ml raisonrlement par récurrence.. Donner alors la valeur correspondante de la solubilitk ainsi que l’intervalle de confiance de cette détermination pour 1111 niveau de confiance dc O. On désire connaître la solubiliti: pour la valeur T = 40 laquelle ne figure pas dans le tableau. 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 . On donne ml extrait de la table de Student : to.ion des coefficients ck = &.415 toJ(9) = 1.-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..P.En supposant que f( I : ) es t une fonction continue indéfiniment dkrivablc sur WI intervalle . Les fractions continues 19. = 0: QI = 1. 494 .-i)~m-i(~) (21) avec Pn = 1.. b . PI = Au. . à l’ordre ~1. Pour y parvenir. 19. puis calculer numériquement la valeur dc log.rr+~(x) + (x ~ ~~.05(9) = 1... + 2. on forme une suite (l’approxirnatiorls EL EL u.f(k)(~O) avec k = 0: 1. Donner A&ila valeur de As en fonct. Q...~)Qm-.. 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.os(7) = 1.833 to... à l’ordre 2.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Peut.(~) Q. Qi'Qz'Q3' a . 2 qui sont respectivement à l’ordre 1. (2).383.On montre que les Ak obéissent à la relation de récurrence ~1 ~ n. = AmQrn(z) + (ix ~ c~r.Donner le développcmcnt de log.895 t0.9.1(7) = 1. . .1. d .

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

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

donnée par la machine (et le langage utilise) .. seront égales a la précision relative E. la racine positive est : 1+2/5 Y= ~ = 1. on en conclut que k.U.-r + UTLPz et d’écrire la relat.. 1 Le dernier terme est plus petit que 2 car la suite U. pour cela: il suffit dc remarquer que U..1 Corrigés des problèmes et exercices 1. l’on divise chaque terme par U... La seule erreur sur k.1. Si l’on sc ramène à l’erreur relative. est evidcmment minorée par 0.618033989.. cela se traduit par l’Égalité : . Calcul du nombre d’or La suite U.y . : k:. G-1 n 1 un-1 v.-r qui est différent de zéro pour n > 2. . = U. est formée de termes strictement positifs pour 12 > 0..ion de définition de k.1 = 0. il suffit dc mont. dont. La suite k.UTzpl = 0 et. admet donc imc limite.... moins de 16 chiffres significatifs en notation décimale si l‘on envisage l’usage du langage C en double précision)..x3L++5zE1+p. positive. OII remarque que k. est compris entre 0 et 2 quel que soit n > 2 ct que la suite k. D&@ons par y cette limite: on écrit alors : Un+1 . est donc l’erreur liée a la division.. . 2 Sur le plan du calcul numérique de y au moyen de la suite dc Fibonacci. On obtient donc : Quand n tend vers l’infini la dernière équation devient : y2 . est lc rapport dc deux entiers Un et UTL-l lesquels admett.cnt une représentation sans crrcur (pourvu qu’ils possèdent. est strictement eroissantc ct. Généralités sur le calcul numérique 1.rer qu’elle admet une limite supérieure. il sera inutile de poursuivre les calculs apri:s que deux valeurs consécutives de k.

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

une fois l’instrurnent accordé dans une tonalité.1. il s’agit dc la note sa : 660 x 3/2 = 990 Hz. propose d’accorder la rnêrne frkquence à ces deux notes. elle vaut (1/12) log.59 792.ANNEXE 1. Bach (1685 1750).54 Hz mat. Tableau 1. page suivante).05 Hz 412. Maintenant. Il suffit de diviser par deux la valeur de la fréquence pour se rarncncr dans le bon intervalle. du volume. Tab. cette fréquence n’appartient pas au bon intervalle puisqu’cllc est supérieure à 880 Hz. CORRIGÉS DES PROBLÈMES ET EXERCICES La quinte du IIL est la note mi dont. 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.057 762.12 Hz . Quoi qu’il en soit on voit aisCment que les diffk-entes tonalités ne poss&lent pas les mêmes notes. soit 495 Hz.éb à 549 Hz. la ré SO1 440 Hz 586.48 Hz Hz 463.2. SOlb si mi En contimmnt de la sorte.86 704.1. T a b l e a u 1.31 521.79 528. En poursuivant ainsi. ont la même fréquence de 554 Hz qui est intermédiaire entre les deux précédentes valeurs. calculons les notes qui vont éventuellement être affectkcs d’un bémol (cf. Calculons à présent la frequence de la quinte dc la note mi. La gamme naturelle propose un do# à 557 Hz et un r. La gamme tempérée. on calculerait les doubles dikes. est une constante quelle que soit la fréquence initiale dc la gamme rctcmle.34 Hz Hz 651. séparées alors par un demi-ton.S. on trouve les notes et les fréquences présentées dans le tableau 1. la fréquence est 440 x 3/2 = 660 Hz. 6 618. 1.3. les mêmes notes ne possèdent pas les mêmes fréquences. 440 Hz 660 Hz 495 Hz 742. 1.66 H z 782. Pour terrniner.22 Hz 695.48 469.y: Sir.67 Hz Hz Hz Hz Hz Hz En poursuivant ainsi. il n’est pas possible d’en sortir (modulation) sans avoir le sentiment que l’instrument joue faux. On établit très facilement la table de la gamme ternpérk (~5 Tab. 880 Hz). ou plus exactement.(2) = 0. On note que le do# et rkt.89 594. l’intervalle d’octave sera divisé cn douze dem-tons d’égale valeur dans une échelle logarithmique. Autrement dit.5 Hz 556.51 488.2). de la profondeur k l’instrument.03 H z 549.31 Hz ré+ l(L# fa do SO1 ré 626. c’est l’octave de la note dont on cherche la fréquence. On note que 660 Hz se situe bien dans l’intervalle (440 Hz. Donc le rapport du logarithme des fréquences de deux notes consécutives.38 Hz 732. ht. 499 . due à J. Autrement dit. on peut d&nir les doubles bémols.88 Hz 835.

OO H 466. dans le cas le plus pessimiste évidemment. Calcul de la constante d’Euler (1707-1783) Avec mie machine qui cffcctue les calculs avec une précision relative de 10-q.25 Hz 771% z mi # o u fa fa]+ ou SOlb SO1 sol~/r 011 lU(.. on obtient l’équation transcendante qui donne k en fonction de y c’est-à-dire : 1 Ic+1 ~ . En utilisant mie représentation de 16 chiffres significatifs.dditions (soustractions) qui introduisent une crrcur absolue de l’ordre de 2.10-” dans le pire des cas. Estimons néanmoins l’erreur risquant d’affecter le rksultat. il faut calculer environ dix millions dc termes ce qui est évidemment prohibitif s’il existe d’autres méthodes. Écrivons la relation de rkcurrence entre deux valeurs conskutives de -yk : %+1 = yhY + ~ kS1 1 log. il s’agit d’un dévcloppcment asymptotiquc qui est divcrgcnt mais qui donne 500 . ( k+1 7 1 il faut rkaliser à peu près 2k a. la précision optimale lorsque deux valeurs consécutives de la suite des ~k seront égales à la prkision dc la représentation.16 Hz 493..88 Hz 523.99 830.loge ( 7 )l k+1 c=z 2 10-9 Sachant que k est t.61 880. Il n’y a pas de difficulti: majeure à programmer la relation faisant intervenir les nombres dc Bernoulli.4. 440. soit : En admettant que yk soit minore par 1/2. on peut se livrer aux approximations commodes : il s’ensuit : de là on tire une valeur approchee dc k FX J1/2 109/“.res grand devant l’unité. On ne pourra donc compter que sur 7 ehiffrcs significatifs après tant de calculs.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 1. on obtient.25 Hz 554 37 H7 J 587133 Hz 622.99 783.3. la 659 25 698146 739.OO Hz Hz Hz Hz Hz Hz 1..

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

On écrit lc développement en sbric de Taylor : cxprrssion dans laquelle on obtient : on a rrmplact: h par (x . cette expression est finit et si s # 1 on obtient 1 = [- 1 x ~1~~ 1 si s > 1 et alors on a : 1 = ~ S . on cn dkduit alors les inégalités ’ suivantes : ce qui s’kcrit encore : 1 1 &(s) + ~ . Calcul numérique de la fonction c de Riemann a . < <(. 1.6.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.1 (k + l).. les coeficients de PyLpl(x) .(x) puis à ceux de Pr.).(x)]F qui diverge. RTL uk + bkplr = un. Ensuite on opère dc la même manière pour PTL-s(z) et ainsi de suite jusqu’à l’ohtcntion de Ru. Désignons par h..l b .) on poursuit les mêmes calculs pour le polynôrne P+z(x) cn notant toutefois que l’on perd u11e rangée.Pour calculer effectivement les Rk:......‘1 &y s . Par identification avec l’expression du $ c.....1.. = ht .. e .MANUEL DE CALCIJL NUMÉRIQUE APPLIQUÉ d .fkyl F dz.. d’appliquer le schéma de Horner aux coefficients de P.L’erreur ek: est comprise cntrc skm & dz et ..y) < G(s) + ... il sufit.. on les calcule en fonction des CL~ de la façon suivante : bo bl ..-I(:L) et ainsi de suite jusqu’à celui de Pu(x) = Ro. + b+17.-1 502 .

il faut résoudre le système &n linéaire de deux Cquations à deux inconnues par une des méthodes itératives proposées dans lc cours. Il faut donc choisir la tangente la plus pctitc cri module. il faut choisir x0 approximativement au milieu de l’intervalle (of.T = Xf et y = yf Yf . peut nous permettre d’obtenir cette valeur de yo.On désigne par Al un point de la droite z = . 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. d . supbricurc au plus grand des deux extremums de CI et Cz. a - b . :rg).. Il existe deux programmes dzeta0. par exemple.634 983 903 puis on 1.2 n et yf. Si la longueur A1Az est de l’ordre de quelques unités.Xf .yo ~ (of ~ zo)f’(z. c qui réalisent ces algorithmes. on utilise mie des mCthodes itkratives proposées dans le cours.ro dont l’ordonnée est.634983 + &> soit encore : 1.f) = 0.644934): dkduit que : on calcule alors Sl00(2) = 1. ~ Y0 011 considCre la fonction Q = Yf ~ ~ qui est la diffkrence des pentes des tangentes . Quand A parcourt le segment A1Az la fonction Q ni: s’annule qu’une seule fois.Dans le cas de fonctions implicites. y.q(xg) et Y ~ yo . Recherche d’une tangente commune à deux courbes On a yf = f(zf) et . et c’est pour cette valeur prbcisément que l’on obtient la tangente commune aux deux courbes. Pour cela. On opère de la môme façon pour l’autjrc tangente pour laquelle on écrit : 503 .20 xg ~ 50 menées de A aux deux courbes.f) . c et dzetal .ANNEXE I. pour connaître les valeurs :xz. c .644 98.~ ~ XO)~‘(:Z~~) = 0.(J.634983 + & <C(2) < 1. Y.. On examine le signe de cette fonction en Al puis en (Al + AZ)/2 ct ainsi de suite. et une bonne précision sur la fonction @.Passant par le point A. pour avoir des erreurs semblables sur les calculs dc z f et ICI. l’ordre de 10pl’. À condition que les fonctions f(x) et g( n:) soit calculables dc façon semblable.~ Zf . il existe cn gbéral deux tangentes à la courbe CI ct à la courbe Cz.j(~.Y0 % On écrit encore : ~ = -F pour z = of et y = yf.7. Donc. La tangente à CI s’écrit : d’ofI: dy -‘$!L dz Y pour .f) = 0 p our la prcmi@re courhc ct pour la seconde : yy = . CORRIGÉS DES PROBLÈMES ET EXERCICES Prenons 1111 exemple : ((2) = g(= 1. En général il faut rechercher la racine d’équations transcendantes (voire implicites) qui donnent Xf et XT1 puis on calcule yf et y. 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. 1.644 88 <c(2) < 1. La dichotomie. on a Q’(zf.

MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ ct : On regle le probkme du point A de la rnkne rnani&e qu’au paragraphe précédent On fournit.1. lc prograrnmc tangent.e skric diverge quand n. + (-l)TQ& tFp2 exp(n: .z on peut écrire l’inégalitjk et pour 71. tend vers l’infini puisque le terme gkkral devient infini quel que soit 2.(n) dont la dkivke s’écrit. Développement asymptotique Une prernikre intégration par parties donne : En poursuivant ainsi les calculs on trouve : x .(n + 1) logr(z) 504 .t) dt : mais @tant donni: que exp(rc .I t-‘Lp2 exp(z . 2.r . [Ci] : 44171) = nlog. Algorithmes accélérateurs (Voir le cours chapitre 2) 3. il est comrnodc de lui associer la fonction @(n) = log. 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. ainsi : F = log. +. Calcul de l’crrcur Erg lorsque l’on tronque la sPric après le terme d’ordre n + 1 : E.t) < 1 car z > 0 et t > . fixé.) .. c concernant cette prockdure.(n. .t) dt. 71! La fonction (p(n) = 71+1 est une fonction stricterncnt.. . Cett.LJ + $ ..f(x) = k .x + (-l)""(n + l)! .loge(z).(Z) = (n + l)! . ~ r1 . Les développements asymptotiques 3.

(.Le dkveloppcment asymptotique étant u11 pI’cJhIlgcment analytique.r.l-l (. trouvk 120 = .3..Cas de /a fonction erreur . y-ln/2rr-2 1 _ 4.1. l’équation 2 = arctan( soit : z = arctan + 50 . On aurait tout aussi bien pu hirr E.. Dans la rnesurc dc la < calculabilitC effective » : 011 doit.Tfi + (-l)+’ 1. C’est ce que nous avons vérifik.ANNEXE 1.20 = arctan ~ arctan 505 . dt...5. CORRIGÉS DES PROBLEMES ET EXERCICES elle 5 im minimum pour n = N = 2 .arctan ou encore : z ~ 20 = arctan ~ arctan expression que l’on transforme ainsi : arctan[tan(z .3. l‘crrcur sera minimum pour urlc valeur de TL() qui est approximativement dom& par l’égalité : soit encore : N! &V+I (N + l)! . b . TL() r~() + 1 a .. Voir le cours 4. Calcul de la fonction arctan Comme 20 ~ arctan(z0) = 0.3. en effet x est mie variable rkelle tandis que ré est une variable entière.I 011 effectue une suite d’intégration par parties ct l’on obtient : cerf(z) = 1 ~ Q(z) = exp( -z”) ~~ i 1.(2n-3) +. Ce résultat n’est pas CII contradiction avec ce qui prk?de.z que pour dc grandes valeurs dc n. on peut.x0)] = z . On va voir que c‘est le même minimum.5 ‘p.p+2 ce qui donne no = x ~ 1. on peut s’attendre à ce que la convergence se rktlise même si la condition précédente n’est pas vérifiée. ajouter cette quantité à.Pour ce qui concerne la fonction : cerf(z) = 1 .. 1.-1(2) = Eng+l(z) q UI aurait donné encore un résult. trouver des rkultats corrects aussi bien pour des pctit.(x) car OII aurait.Application de Iépsilon-algorithme . Pour I ” fixé.3 1-b+-22& -+. cela signifie que la fonction cp(n) a aussi un minimum.z) = EIL.es valeurs dc ..at kgèrement diffkrcnt : cL=Jm qui a une racine approchée dc l’ordre de TL() = z ou 7~0 + 1 = 2..0(z) = 5 /exp(-t’) . Voir le cours 4. On aurait rnasqui: cette remarque en krivant l’itgalité E.2. Résolution des équations numériques 4.

a.insi de suite. de calculer la valeur numérique de -0. Racine d’une équation f(x) = 0 a .M~NTIEL DE CALCUI.283661987. calculer 22 et a. = tan(z). on en déduit la coordorin6e du point d’intcrscct. On se propose de calculer arctan avec . Donc : = ce qui perrntt.~‘(zq). 4.IC”).te higente et passant par BU s’écrit : y = -(x ~ zo)/f’(zo). soit : tan(z ~ 50) = d’où : arctan a ~ tan(q) 1 + n tari [ tan(z) ~ tan(q)) 1 + tan(z) tari 1 = Ic .4.Q = 0. entachée dbne erreur absolue de 2 1OF qui est lc prcrnicr terrrie abandonni: de la skie alternée fournit par le développ~:mcnt. on obtient : le rayon dc convcrgerice est IFo /< 1.iori : À partir de :1*1 on peut.“’ puisque l’on connaît. L’k~uation de la droite orthogonale à cct.. d’une faqon générale on aura : 506 .8.L‘kquation de la tangente en Ao s’krit : y = f(zo) + (X . NUMÉRIQUE APPLIQUÉ puis en &veloppant l’expression de tan(n: . fonction arctan. Cette dernière expression peut s’krirc forrnellernent : z = 20 + arctan[F(q)] = ~0 + arctan( On dheloppe la.q~).

f(:~. la mbthode dc Newton devient instable cn rejetant très loin la valeur numérique de la suite des . f(x) doit. L’identification des terrnes tst immédiate.)z’~-’ + (rl + jh.ANNEXE 1.)+1 = Q(X ~ e. il est moins rapide que la méthode de Newton qui est. il faut que les extremums relatifs dans A n’existent.. On kcrit : Pn(Z) = (fio + jao)ZrL + (01 + JB)z”-’ + (a2 + jpz)Zn-2 + ‘. on peut s’apercevoir que çctte expression permet aussi de calculer les zi:ros de la dérivée f’(x) ..ow..on a e.jq). au voisinage d’une tangente horizontalc. cependant si l’on utilise cette mbthode cn particulier. La m6t.it que 1 ct donc que le processus 1+ y2 est tolljours convergent à condition de ne pas sortir du domaine A. = X ~ z. + j/$>) = o~(z)Qw~(z) + (a + jQ) = [z .+1 soit encore : d@ = x . 4. En rappelant que f(X) = 0 (ou B(X) = X). on obtient au premier ordre : CE. + (a.jamais terminer lc programme par le calcul dc . CORRIGÉS DES PROBLÈMES ET EXER. sur la frontike de A. du point.e. d .Ce processus est un processus du premier ordre.Calculons k = $. . un processus du deuxième ordre. En outre.z. ct. ch Pour que ce processus it&atif fonctionne. En revanche. de viic dv la vitesse de convergence. d ont être monotone dans A.hode proposée nc présente pas ce dCfaut en offrant une grande stabilité. il faut que f(:r) soit continue dans A et qu’elle n’ait pas de tangente verticale (on dit qu’tlle est lipschitziennc).. .?) ct vérifier qu(’ cette valeur est suffisamment pro& de zéro.)~~ + (y2 + js&P3 + + (rn-* + js. ) expression que l’on va développer sérit de Taylor au deuxième ordre : en et comme Q>(X) = X. il s’ensuit que cc.-1) + (Q + .). a p rès quelques calculs on 1 trouve : k = ~ ce qui rnontre que k est toujours plus pct. tt). Racines d’un polynôme à coefficients complexes 11 s’agit là d’un exercice très proche de la méthode de IJairst.CICHS b .(p + ja)](yj + ~s.. il faudra plus que . -.5. on obtient : 507 . En effet: en examinant la formule tic rkurrencc que nous avons ktablic. que c .

g et g. nous voulons obtenir p et cT tels que : @(~. Q(p. Ces relations aboutissent à : Dc la rnême manière. calculer les dérivées . Il reste à. Q et !P sont des fonctions dc p ct 0. g. OII calcule enscmblc les dérivées par rapport à p puis les dérivées par rapport 2 (7. On a donc : On pose : cc qui permet d’écrire : avec to = -yo ct 210 = 60. on Connaissant une prcmikc approximation p.a) = 0 et. comme dans la méthode de Bairstow. 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. Le problknc consiste donc à obtenir : a7 9: 3. et. toutes calculées pour p = po et <T = (ru. on calcule les dbivks partielles par rapport A c : .MANUEL DE CALCTJL NUMÉRIQTJE APPLIQUÉ Bien cntcndu.a) = 0.

. z:~..:~2.) avec q=l. Il faut faire attent. ...uis d’en calculer urlc racine.2> 3.On peut tou. . la solution exacte notée avec une étoile s’écrit : p . on va calculer la racine 20. Il n’est pas aisé de réaliser ccttc condition. b .:+11+ -p<j!s. n.2:3. xp + <a.. est l’erreur sur xp au tour k tandis que :x.33 . ) x.(Zl. . .6. 4. . la fin du calcul au produit dc dcllx monômes dont on calculera 1~:s racines. > j=i 3x. ) xi.j .ANNEXE 1. dont.Y&))~ + (71 + 55)..x. .? + c tj2 = .xp = QI. 2$’ + tf:<. on peut ut. >x(f) + &.x(2k) ) xtj) ) . Cependant lc processus sera convergent si toutes les matrices Mk) ont tous les modules de leurs valeurs propres inférieurs à 1. 509 . . . CORRIGÉS DES PROBLÈMES ET EXERCICES cc qui permet d’krire : En partant de p = pu et CJ = (~0. )X7.(x1.. Nous avons la relation entre les erreurs : cette que nous pouvons écrire en fonction dc la matrice jacobienne : j++l) = AI@)E(“).) + xp = x1> = ~p(z~..) avec: p = 1.ion au fait que les matrices A&(“) voient leurs valeurs changer au cours des calculs. Résolution d’un système non linéaire a .l (k . (k-l) xw) (k-1) (k-1) 1 7.x3 . . Une fois wt.)) = Q>.iliser l’cpsilon-algorithme vectoriel quand bien même la suite des vecteurs Eck) dive