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

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

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

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

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

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

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

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

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

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

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

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

l). 1. c’est une erreur mathématique qui est majorée par le premier terme abandonné de la série convergente alternée : e --. Eg est environ 500 fois trop grand. ce terme est désigné par erreur réelle dans le tableau.931 1. stat. l’erreur statistique et 1 ~ S .0 Il est facile de constater que les erreurs globales Eg majorées a priori ne représentent pas du tout la réalité. 106 0. la probabilité pour que l’erreur soit effectivement égale à Eg est pratiquement nulle.& 1est un terme qui représente les erreurs cumulées au cours des opérations réalisées 1 en machine. = 2me. On en conclut que cette manière de concevoir les erreurs n’apporte rien et surtout n’est pas réaliste. En effectuant un passage à la limite quand m devient infini. 09) : f& = 10-9J32. Il est bien préférable de raisonner en termes de probabilité. on peut majorer l’erreur de troncature de cette série. S.999 0. Comme GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 1 1 ~~ n(n + 1) ..950 1.S . m 10 000 20 000 30 000 40 000 50 000 100 000 S 0.822 0.30 77. 25 . puis de passer à la valeur 100 000. Chaque étape du calcul introduit une erreur de l’ordre de (cf. et pour m = 50000.. m. Quand on limite la somme aux m premiers termes. Comme il n’y a pas d’erreur sur les multiplications (pas de troncature).999 0.& .999 0.1.31 err. / . Du reste. 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!&.999 900 950 967 975 980 991 err.66 9. Nous avons choisi de faire varier m de 10 000 en 10 000 jusqu’à 50 000.88 2. 108 0.72 4.255 2.(mkl) À présent supposons que les calculs soient réalisés sur une machine qui travaille avec des nombres représentés sur 5 octets.1) où sont portés m.502 err.475 0.999 0.440 0. l’erreur globale. mais uniquement le calcul numérique effectif ainsi que l’erreur qui en résulte.999 0.79 3. Nous donnons ci-dessous un tableau (Tab.06 1.n (ni 1)’ on voit que la somme partielle limitée au me terme s’écrit : STn=l(m.329 0.1. On peut majorer Eg : E. globa. Tableau 1. on en conclut que la limite de la série est égale à 1.86 2. Ce n’est pas l’examen mathématique de cette série qui va retenir notre attention.672 0. réelle 106 0.

On voit très bien que. = Na2 ce qui donne en définitive une mesure de l’erreur donnée par l’écart type : cy = 0. on peut associer à l’erreur une variable aléatoire X. est 95% et à 3a. On calcule d’abord la moyenne : 1 m = (X) = s 0 XdX = 0. 8.m)2dX = 0. 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%. cependant elles le demeurent pour n allant jusqu’à 50 000 environ. 8. ce qui divise chaque erreur élémentaire par 2. À partir d’un certain rang K < n.2./(n + l)/(n + 2) sera plus grand que 10g932 si l’on dispose de 4 octets pour représenter la mantisse. Grosso modo. la division va introduire une erreur systématique qui va garder le même sens très longtemps. g2 = 1. 3=1 D’après le théorème central limite.102fi.288 74%. 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.l). Réexamen des erreurs du point de vue statistique Supposons que l’on utilise une machine qui travaille sur des mantisses de n chiffres significatifs.5.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8. les grandeurs statistiques ne sont plus des estimateurs acceptables de l’erreur.042 10P2. soit CT = 0. S’il y a N opérations dans la procédure globale et si l’on suppose que les erreurs sont indépendantes. puis l’écart quadratique moyen 0’ : o2 = s 0 I(X . 26 . Cas où la distribution des X peut être considérée comme rectangulaire On peut aisément calculer les caractéristiques de la variable aléatoire X. l’erreur totale sera la variable aléatoire : Y=&. et cy = 0. à 2a. En réalité la variable aléatoire X” prend ses valeurs sur l’intervalle (0. À chaque opération. On va alors raisonner sur la valeur absolue de la mantisse considérée comme un nombre entier. 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 ». d’où l’on tire o = 0. la précision optimum est obtenue pour une valeur de n voisine de 100000 que nous avons portée dans le tableau. 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. 0.083 3.25. Y est une variable aléatoire gaussienne de moyenne m et d’écart quadratique moyen CT : CT.1.288 7. Il s’ensuit que : m = (X) = 0. pour ce type de problèmes. est 99.5) puisque la machine effectue non pas des troncatures mais des arrondis.102.7%.

même si la taille de la mémoire devait être considérable. alors que toutes les opérations arithmétiques devront porter sur tous les bits sans exception . puis à changer le symbole zéro en symbole un et le symbole un en symbole zéro. Avant d’envisager la manière de stocker un 27 .. considérons un nombre de l’ordre de 101”. Si l’on se limite au point de vue opératoire.. ce qui a une incidence directe sur le temps d’exécution des opérations et la taille de la mémoire centrale. Ainsi.1. Sur la représentation des nombres en machine 9. 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. Exemple . Tout bien considéré. de cette façon. 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). En définitive.On suppose que le mot-mémoire a la taille d’un octet (8 bits). 9. En ce qui concerne les nombres négatifs. Pour fixer les idées. le problème des très petits nombres fractionnaires resterait entièrement posé. GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 9. Cette propriété sera exploitée pour générer des nombres pseudoaléatoires (cf.1. on préfère utiliser la représentation en complément à deux qui permet alors d’effectuer l’addition des nombres et non la soustraction. +2’-l ~ 1). la représentation en complément à deux consiste à écrire le nombre en binaire pur. qu’à l’exécution. La plupart des compilateurs masquent ce dépassement de capacité (report) et l’on génère des nombres entiers modulo 2’. il y a un dépassement de la capacité du mot-mémoire. donc on peut représenter 256 configurations différentes. Le nombre de configurations différentes susceptibles d’être obtenues est alors 2”. 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. 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. Les représentations binaires sont les suivantes : a 00111001 11011100 b Ibl C 00100100 100010101 report On s’aperçoit alors. il s’agit de trouver un compromis acceptable entre la précision de la représentation et la taille du mot-machine. Les nombres décimaux ou flottants ou réels La représentation entière ne permet pas une large dynamique et se trouve mal adaptée à la représentation des nombres de grande taille (grand module de l’exposant). On désire réaliser l’opération c = a + b avec a = 57 et b = -36. soit encore les nombres de -128 à +127.2. on représente les nombres sur l’intervalle fini (-2”-l. et enfin à ajouter un. on peut donc représenter 2” nombres entiers en binaire. 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. cela montre que la machine passerait le plus clair de son temps à travailler pour rien. chapitre 19).

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

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

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

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

En retenant les cinq premiers termes de la suite on trouve S = 0. . On trouvera sur le Web(*) un programme aitken0. 1.com/guilpin/ 32 . L’usage de l’algorithme d’Aitken. TX. Le procédé d’extrapolation de Richardson (1881-1953) On désigne toujours par S’(O) avec j = 0. 2.. on forme une nouvelle suite Sj” obtenue de la manière suivante : $0) s(l) = &pj2 k lct2 .edpsciences. la suite initiale que l’on désire voir converger plus rapidement. on obtient une autre suite au moyen du même procédé.2. page ci-contre.1. permet de trouver S = 0. c mettant en œuvre cet algorithme.sp = a$‘.834 920. alors. 1.2sg1 . il est aisé de s’apercevoir qu’il s’agit <d . Autrement dit.s&] 2 À partir s(O) + s. que le procédé de Richardson est une transformation linéaire de suites.s(4) k k+21.2.3 10P2 à 5. l’erreur relative sur T passe de 6. Présentation de la méthode Considérons une suite numérique S. La méthode de Richardson consiste à former une suite de « vecteurs » au moyen de la relation suivante : (2. Le terme général s’écrit alors : s(“+l) -.2. et S. La succession des opérations est symbolisée par le tableau 2.. . d’un algorithme en triangle et que S$+r) est une combinaison linéaire de SC. S’$a). *http://www. de la suite des S(o). le nombre d’éléments de la suite diminue de deux unités. celle des S(1).MANUEL DE CALCUL NUMÉRIQUE APPLIQUE 1. SP) . Ic = 0.11 s’ensuit.&y1 .(O). . et par 2: une suite auxiliaire « choisie convenablement » Nous aborderons un peu plus loin le problème du choix de la suite auxiliaire.785 526. sont indépendants des Sg’. k À partir de la dernière suite formée. 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. .1.1) qui est bien connue pour sa convergence lente.2) avec m. Un exemple numérique On se propose d’appliquer cet algorithme à la suite des sommes partielles obtenue par la sommation de la série : (2. On note qu’à chaque construction d’une nouvelle suite. S$” dont la convergence est lente. . avec les mêmes nombres. Dans la mesure où les x.l 10V4. .. Remarque : Dans le cas particulier où l’on choisit comme suite auxiliaire la suite : 2 m -. n.

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

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

Présentation de I’epsilon-algorithme scalaire Il s’agit sans doute. Elle vérifie les conditions des théorèmes précédents. par &S’~“‘. alors les fonctions : g1(2) = a191(2) + a2*2(5) 92(x) = @l(X) . Ici il nous faut en plus choisir une suite auxiliaire. c qui réalise cet algorithme. à l’exception toutefois de la suite initiale qui prend le rang 1 au lieu du rang zéro. Relation entre le procédé A* d’Aitken et celui de Richardson Revenons à l’expression (2.0 10-‘. = 6 convergente et qu’il ne faut pas confondre avec la série harmonique qui diverge. Nous avons effectué les calculs avec les 25 premières sommes.605 723 403 S(Richardson) = 1..com/guilpin/ 35 . .edpsciences.2.=g = 1. Comme précédemment on conserve les notations introduites au cours de ce chapitre.+$+.Nous allons appliquer l’algorithme de Richardson à la suite des sommes partielles de la série : szl+. Autrement dit.2s!O) S!OI .644941.s(1) k+l *http://www.sec&. 3+2 = 3 S!OI . 2.644 934 066 8. la suite initiale s’écrit : St).3) obtenue en remplaçant 2. et du est également la deuxième reste on verra un peu plus loin que ce vecteur de composantes Sj colonne du tableau de l’epsilon-algorithme.3). et si l’on fait Ic = 0. En comparant avec le résultat connu on voit que l’erreur relative sur la somme est de 5. .$eur l’expression (2. dans l’état actuel des connaissances. et nous avons retenu arbitrairement la suite classique 2.+$+.3.. et voici les résultats trouvés : S(25) = 1. 3. 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. On trouvera sur le Web (*) un sous-programme richar0. du plus puissant algorithme permettant d’accélérer la convergence des suites.@2(x) vérifient aussi les conditions de la généralisation. Les termes de la deuxième suite s’expriment au moyen des relations suivantes : $2) = s(O) + k k+l 1 s(1) . 3+2 3+1 + 3 On reconnaît le procédé d’Aitken en réduisant au même dénorn~. Un exemple numérique . nous obtenons : s(1) 3 s(O) $1 .

1.2.666 666 6 +5 0.785 585 s(2) s(3) 2. pour que le terme SC’ soit une approximation de la limite de la suite Sa (l).-.2.2.. . + sin [. (n.866 666 6 . .g). .+. soit (n + 1) impair.834 920 6 0.723 809 5 +9 0.ll)~l + . nous avons donné les suites successives S(Q) en limitant la suite initiale à 5 termes : Tableau s(1) 1 . et avec comme convention S(o) = 0 quel que soit k. Les suites de rang pair ne constituent que des intermédiaires de calcul..2) + où k = 0.791666 6 -115 0. Sur le tableau 2. 94) s(5) L’erreur relative sur la valeur donnée par St) est 2. On se persuade facilement que les résultats intéressants figurent dans les suites de rang impair.. il faut donc choisir un nombre impair de données au départ. (siy Isiy I.= +J8539&2.) 36 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ où k = 0.7 0. 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) = . 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. On poursuit les calculs jusqu’à ce que l’on n’obtienne plus qu’un seul terme qui est SP’.l) _ s(P-1) k SA’ = sp+.3 0. la pe suite sera donnée par : 1 $+. p 3.1). . (n ~ + 1). 1. .4 10P4 3. Exemples numériques On désire calculer la somme de la série alternée déjà évoquée au cours du premier paragraphe : sd+. . Il s’agit maintenant non plus d’un algorithme en triangle mais d’un algorithme en losange.783 333 3 +329 0. . . . 1.786 309 5 0.

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

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

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

Sur le Web (*). = 1. on obtient les résultats suivants 5’. il est aisé de rattacher ces développements aux prolongements analytiques. car on passe de l’un à l’autre par une inversion. = 9.02 S = 1.2. . .02 alors que le calcul direct de la fraction donne S = 10-‘. c’est-à-dire hors du cercle de convergence. 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.t) dt avec CE > 0.x + 52 . 7.605960000OE+05 Si = 9. cependant l’application des algorithmes donne comme limites : Aitken Epsilon-algorithme S = 1.5099005000 E+07. c’est-à-dire en posant x = 1/x. .com/guilpin/ 40 . Voici quelques exemples de développements asymptotiques et les différents résultats obtenus au moyen des procédés d’accélération de la convergence. .$ + .7030000000 E+03 S. Appliquons les algorithmes à la valeur x = 99. z admet comme développement asymptotique l’expression (cJ chapitre 3) : f(x) = b . f(x) = /t-l exp(z . Sur le plan théorique. 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. 1+x Cette série a un rayon de convergence strictement plus petit que 1. c et epsi13. 11 est évident que cette suite diverge. = -9.000 000 000 0 E .8000000000 E+ 01 S.x3 + x4 + . *http://www. . Considérons par exemple la série : 1 ~ = 1 . c qui réalisent ces opérations. + (-l)d& +.000 000 536 4 E .edpsciences. on donne les programmes aitkenl . . En limitant le nombre de termes à 5.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ même si celle-ci est divergente. = -9.000 000 000 0 E + 00 S.g + g .

l’application de l’epsilon-algorithme vectoriel à une suite divergente conduit au bon résultat.139 365 702 E + 10. ~)X(S) ds = y(t).301820 E + 06 Si. Masson.3. où 1x1~ 1est la plus grande valeur propre de A en module (cf.0 s3’ = .596 572 7. Sous réserve de convergence. = 2. .4 . que l’on écrira de façon plus concise : x-pAx= y où A est l’opérateur « intégrale » qui est évidemment linéaire.26980 E + 05 Si. + pnA”y + .661498 E + 07 S. la série de Liouville-Neumann donne la solution du problème : x = y + pAy + p2A2y + p3A3y + . = 4. Jean Bass. QUELQUES ALGORITHMES ACCÉLÉRATEURS DE LA CONVERGENCE DES SUITES Pour z = 1. = -3. 1955). Voici les résultats obtenus : A’d’Aitken 0. tandis que les quinze premières sommes partielles sont : s.o Sg’ = -3. = -5.2.0 S. = 3..423 866 20 E + 08 S. On reconnaît la série géométrique dont la convergence sera assurée si - ii > Ixkl.o si = -100. . 41 .P J 0 1 K(t. Masson.o s. f(1) = 0. Algèbre et Analyse linéaires.. Cours de mathématiques. La série de Liouville (1809-1882) .o s: = 0. 1968 et Lichnerowicz. = -442.596 336. 0 si = 20.O SA = 3 590.596 347 Epsilon-algorithme 0. = 8.o SG’ = 62.784634 18 E + 09> Si. = 1.Neumann (1832-1925) Considérons une équation intégrale de Fredholm (1866. Ici encore.1927) de deuxième espèce : x(t) .

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

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

Donc. il suffit de calculer 2k termes de la série asymptotique en choisissant k donné par l’expression : x . dans le cadre de notre exemple particulier.l lC= . on obtient : (2n+2)!22” ~ $y (2n)!L?+f2 X2 quel que soit x. on en déduit immédiatement que k = 5.. On aurait pu dire aussi que le terme général de chacune des séries ne tend pas vers zéro quand n tend vers l’infini. 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) . 44 . mais une seule série suffit..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Ce développement est divergent comme le montre le critère de d’Alembert. On en déduit immédiatement. On peut trouver n suffisamment grand pour que 4n2 > x2 ce qui montre le caractère divergent de la série. pour x fixé.S2k(X)I que l’on peut écrire encore : l. Pour connaître l’ordre k du développement pour lequel l’erreur est minimum. On a le même résultat avec la seconde série ayant COS(~)/~ comme coefficient. il suffit d’écrire que : E2k(~) = E2(k+l)(x) (ou encore = Ez(~-I)(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..36 10F4. ce qui suffit à assurer la divergence.. 2 Considérons un exemple numérique en supposant que x = 10. s o i t kzz. pour montrer la divergence. que : (2k)!= x2k+l (2k + 2)! x2k+3 d’où l’on tire : x zz 2k + 1. On peut alors évaluer : Elo(x) = $ = 0. Pour la série ayant sin(z)/z en facteur..

on choisit n de telle façon que l’erreur commise sur l’approximation soit la plus petite possible. La somme Szk(lO) donne : S2k(lO) = -0. 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. il semble que ce soit Stokes G. alors ce développement est unique.3. supposons que les deux fonctions diffèrent de exp(-crz) avec la partie réelle de hi positive. 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.G. (185441912) que revient le mérite d’avoir développé la théorie (1886).548 10-2 310. et c’est à Poincaré H. LES DÉVELOPPEMENTS ASYMPTOTIQUES Rappelons que cette erreur est liée strictement à la troncature des deux séries. 45 . L’affirmation inverse est fausse car deux fonctions différentes peuvent avoir le même développement asymptotique. essentiellement dans le but de résoudre quelques équations différentielles apparaissant en mécanique céleste et en mécanique analytique.454 81 10V2 et l’on peut donc voir que l’algorithme proposé permet d’obtenir les trois premiers chiffres significatifs exacts.003 6 10-2. 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.&(z)). En effet. Quelques propriétés utiles des développements asymptotiques Unicité du développement asymptotique . 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. oo[ auquel appartient z. En définitive : Ci(l0) = 4. Pour la petite histoire. les conditions suivantes sont remplies : En posant Rn(z) = X~(~(X) . Il suffit donc de calculer la somme des cinq premiers termes des deux séries pour connaître Ci(l0) avec une précision supérieure à 0. les coefficients du développement asymptotique de cette quantité sont identiquement nuls.Quand une fonction f(z) admet un développement asymptotique.36 10V4. il faudra ajouter les erreurs effectuées sur chacun des termes constituant les sommes. 2. alors. Pour utiliser au mieux le développement asymptotique. sur un certain intervalle 1]a. (181991903) qui ait pressenti le premier l’intérêt d’une telle procédure. on doit avoir : lim &(z) = 0 quel que soit 72 même lorsque 2+03 lim Rn(z) > 00 quel que soit I : fixé.

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

Développement asymptotique de quelques fonctions spéciales 3.erf(x) .3. 3. .2. Exponentielle intégrale I(x) = dt pour x > 0 s z t I(x) = c<-l)n&.S122n-2 22x4 23x6 Xfi ( 47 1 . . . . .5 = exp(-x2) l-&+-. Cosinus intégral Ci(x) = . (2n .4. Les fonctions erf(x) et cerf(x) z erf(x) = L &O s exp( -t2) dt cerf(x) = 1 . Sinus intégral Si(x) = x !!$ & s 0 3. + (-1)” l. . . LES DÉVELOPPEMENTS ASYMPTOTIQUES Rapport de deux développements asymptotiques . 1.-+ .3. + n=O (-l)n+l(n + l)! p+2 JO3 dz .3) . alors le développement asymptotique de 0 s’obtient en portant le développement asymptotique de f dans le développement en série entière de 0 .t) dt 5 3. 3. . .s2m!! !$) & m exp(x .Si deux fonctions f(x) et g(x) admettent chacune un développement asymptotique alors la fonction R(z) = f(x)/g(x) a pour développement asymptotique : à condition toutefois que be soit différent de zéro.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.t) 3.3.3 1.1.

52)(4n2 .B.32) + (4n2 . Les intégrales de Fresnel (1788-1827) C(x) = z COS(&~/~) J’ 0 dt et S(X) = J sin(xt2/2) dt 0 3.12) _ (4n2 ...MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3.(z) COS(U) .(z) sont solutions de l’équation différentielle : Les développements asymptotiques sont donnés par les expressions : A. A = 1 _ (4n2 ..(z) sin(U)) A. 7L 1!(8x) 3!(82)3 -. Les fonctions de Bessel (1784-1846) Le calcul numérique des fonctions de Bessel fait l’objet d’un chapitre à part (annexe F).12)(4n2 . Les fonctions de Bessel de première et de seconde espèces notées respectivement Jn(z) et N..32)(4n2 .12)(4n2 .5.12)(4n2 .72) n 2!(82)2 4!(82)4 B = (4n2 .B. 48 L .6.52) +.. cependant le calcul de ces fonctions pour les grandes valeurs de l’argument trouve sa place dans ce chapitre.(z) sin(U) .32)(4n2 .(z) COS(U)) dans lesquelles on a noté : u=x++a..

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

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

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

. 1.edpsciences.. Quoi qu’il en soit. Dans les centre de calcul. c réalisant la recherche de racine par dichotomie.3.f(~o) = ~rf’(~o) 2 10-P~of’(~o).. quand k tend vers l’infini xk et xk+r tendent vers x*.com/guilpin/ 53 . 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). il est indispensable que la suite des X~C soit convergente. la prudence la plus élémentaire exige toujours de reporter la prétendue racine dans l’équation et d’afficher le résultat. car il s’agit dans ce cas d’une erreur statistique. on trouverait alors 36 et 56 tours.4. Sur le Web (*) on trouvera le programme dichot .. 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. on forme la suite : Xl =S(~OI / . dans l’exemple précédent.. il est possible de consulter une documentation fournie par le fabricant de logiciel qui informe l’utilisateur sur ce type d’erreur. Pour des valeurs de l’argument appartenant à un certain domaine. ce qui ne changerait pas grand-chose.. on peut poser f(x) + z = g(z) sans changer quoi que ce soit. et.. un écart type est fourni.. E n effet. alors la limite de la suite que nous désignerons par x* est racine de f(x) = 0. Cette technique est simple à mettre en œuvre car elle ne fait appel qu’au calcul de la fonction elle-même. Comme f(~s) = 0 et f(Xc + Er) ? 0. cela ne ferait qu’ajouter une unité à p + 1. 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. À ce sujet.. soit : f(x) + 2 = IC. Gl= LT(&-1) >1 i Pour aue cette technique soit efficace.. l / I x2 =Ll(a) ... encore une remarque : quel doit être l’ordre de grandeur de f(zo) ? On s’attend à trouver zéro. À partir de la première approximation 20 obtenue par un des procédés proposés précédemment. Dans l’hypothèse où f(x) est continue et où la suite des ~k converge. Par goût de la simplicité. La continuité de f(x) entraîne celle de g(x) qui entraîne à son tour *http://www. mais en général il n’en sera rien. 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. d’autre part aux propagations des erreurs de troncature entre autres. quand bien même la dynamique de l’intervalle serait multipliée par 10. 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. + ~1) . un développement au premier ordre donne l’ordre de grandeur de f(zo + ~1) : f(xo +a) = f(xo) +%f'(ZoL d’où f(~...

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

nous aurons : x.Précision sur la détermination de /a racine . est : e = F UP.1..-11 avec M < 1. Si nous arrêtons les itérations après n tours.On porte sur le même graphe les fonctions y = mx et y = g(x) = f(x) + mx. p=n+1 55 . Nous pouvons donc écrire : /un1 = M Iu.On désigne par M la limite supérieure de la valeur absolue de la dérivée dans le domaine où l’on effectue les itérations. en adoptant x* comme approximation.=s.Représentation géométrique de la méthode . b . RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES a . Sur le graphe de la figure 4.4. p=o et l’on déduit que l’erreur e sur la racine x*.=~u. 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. 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 .

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

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

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

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

Soit x0 et yo une première approximation. Comme chaque fois en pareil cas. 0.+ dyo.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Figure 4. g(x0. Le système étant non linéaire. Le système s’écrit : f(x*.a!?hl way a x est différent de zéro pour la valeur de la racine. 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. 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*. 2.1.Yo) ax + dxo. Nous admettrons que les fonctions sont deux fois continûment différentiables dans un domaine D du plan (x. Méthode de Newton et des parties proportionnelles.y*) = 0 = f(x0 + dXo.. yo) + . La méthode de Newton Nous généralisons sans difficulté la méthode étudiée lors de l’étude de l’équation f(x) = 0. Nous obtenons : f(Xo.3.= aY 60 af af 0.= aY ail ag dxoz + dyo. et de déterminer une première approximation (x0. y) qui contient la racine recherchée et que le déterminant fonctionnel (ou encore le jacobien) : J(X. nous allons commencer par le linéariser puis par effectuer des itérations sur le système linéarisé.Y*) = 0 = g(xo + dXo.Y) = wzs . On note par dx et dy les écarts à la solution exacte c’est-à-dire : x* = 1x70 + dxo et y* = y0 + dyo.

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

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

le polynôme s’écrira sous la forme d’un produit strict d’un trinôme et d’un polynôme de degré (n ~ 2). .(x) à savoir : P. Racines d’un polynôme 3.4.(x). Dans certains calculs.com/guilpin/ 63 .~ bd& aa + bz expressions calculées au point (xk. c permettant l’usage de cette procédure.-2(x) + Ax + B où Qn-z(x) est un polynôme de degré (n .(x) = T(x)Q.2) et (Ax + B) un monôme exprimant le reste de la division. elle a retenu notre attention pour sa grande stabilité. L’idée générale du calcul repose sur le schéma suivant : dans le cas où n est supérieur à deux on peut diviser P. Ainsi. yk).(z) soit un polynôme de degré 1 ou 2. Le lecteur trouvera sur le Web(*) 1 e programme kacmarz. tout le problème repose sur la détermination des paramètres u et v qui annulent simultanément A et B. Rien ne nous empêche de faire subir le même traitement au polynôme Q+2(2). expressions calculées au point (5k-1.v) = 0 *http://www.(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. et nous avons pu accélérer la vitesse de convergence au moyen de l’epsilon-algorithme. et l’on sait qu’il n’y a pas de difficultés particulières à calculer les racines d’un trinôme. Nous avons donc à résoudre un système non linéaire de deux équations à deux inconnues que nous écrivons : A(~U) = 0 B(u. Nous allons faire en sorte que A et B qui sont des fonctions implicites de u et ‘u soient nulles . Méthode de Bairstow (1914) Ici encore. La convergence n’est plus systématiquement assurée comme dans le cas linéaire. avec comme condition quasi évidente ao # 0. nous allons limiter nos préoccupations à l’étude des polynômes à coefficients réels que l’on notera de la façon suivante : P. 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.edpsciences. 3.(x) = aOxn + alx n-l + a2xnp2 +. les racines du trinôme seront également les racines du polynôme P. Yk-r) xk+l RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES = xk ~ ~ a2 + bz !/k+l = yk . Lorsque nous y serons parvenus.1. En définitive. + an-lx + a. on réalisera cela en ajustant convenablement les valeurs de u et u apparaissant dans le trinôme. et ainsi de suite jusqu’à ce que Q.

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

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

.UC~-~ .+~ uc.vbo .1.vco ..ub.ation en machine.ub..-bn-2 .-3 a... et l’on démarre les calculs avec : b-1 = b-2 = 0 et c-1 = ck-2 = 0. = ~ a1 .uco -b2 . bo h b2 = a0 CO Cl = = = .UC. ubnp2 -bo -bl . 66 .UC...-3 - G-3 -b..-~ . bj .UC... cj . Regroupons la liste des opérations utiles (cf.. Tab.uq . ensuite quand on a obtenu l’annulation du reste Ax + B. Dans le but de simplifier l’usage des relations de récurrence. Nous avons défini une procédure itérative que nous arrêterons en machine lorsque du/u et dv/v seront inférieurs à la précision de la représent.. .. . b.-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.... -bj .. Liste des opérations utiles.vb. Tableau 4.ubo = a2 . on programme les relations générales données par bj et cl. an-2 On calcule la suite des uk et des vk jusqu’à obtenir la précision souhaitée. on calcule la suite des bk dans le même tableau que celui qui a servi à stocker les valeurs des ak..-~ ..vb..-b u.).-2 ._4 c2 ... car nous n’avons besoin que des trois dernières valeurs calculées.ubl .-~ du 8B du aA au dB dV -UC.p2 .-3 = dA -. Cette remarque permet de gagner un temps considérable en calcul . .. aj -d-l -d-2 .... -bne3 . vo = ~ ..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ correctifs du et dv à chaque tour d’itération (on utilisera les relations de Newton par exemple).v+~ .. Il suffira alors de réaliser des décalages sur seulement trois variables. .-2 = A B = = c. Alors il est possible de pouvoir chercher deux nouvelles racines grâce à la même procédure.. . = . Pour réaliser ces opérations il ne faut surtout pas utiliser de tableaux pour stocker les bk et les C~C.-3 ..VC. Bien sûr nous recommençons le même calcul à partir des nouvelles valeurs : 161 = Uo + du v1 = vo + du et ainsi de suite. an-2 . 4.1.....

. .com/guilpin/ 67 .-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 . . . + un-12 + a. ce qui ôte tout attrait à ce procédé. Cependant. L’équation caractéristique est en fait un polynôme dont les zéros sont les valeurs propres de la matrice. Cependant. RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES Mise en œuvre de /a méthode . mais seules seraient calculées les racines réelles du polynôme à coefficients réels. la réécriture de la méthode de Bairstow appliquée à la division par un binôme donne une excellente manière d’opérer (voir les problèmes). .4. 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. h réalisant l’algorithme de Bairstow. 3.3. 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. dans le cas où les coefficients du polynôme sont complexes. partout ailleurs il y a des zéros. . réciproquement. . 3.-an 1 0 0 0 0 -a. -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. on s’intéressera aux polynômes à coefficient principal réduit que nous écrirons donc : H. Toutefois ces programmes appellent plusieurs remarques : 1. . 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.(~) est l’équation caractéristique *http://www.(z) = zn + Ulrc n-1 + a22n-2 + .On trouvera sur le Web (*) les programmes bairstow. c et bairstow . il n’y a pas lieu de procéder à une détermination locale préalable des racines qui peuvent du reste être complexes.edpsciences. la méthode de Bairstow nous donnera les valeurs propres de la matrice. quand nous aurons obtenu l’équation caractéristique. 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-‘. . On montre que (-l)nIII. Cela mérite évidemment un examen attentif. 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. Hormis l’ennui précédemment cité. Pour simplifier le problème sans pour autant nuire à la généralité. Ainsi. On pourrait mettre en œuvre une méthode qui utilise un binôme au lieu d’un trinôme. 2. . . . = 0. Il suffit alors d’associer la matrice suivante (une des formes canoniques de Frobenius (18491917)) : ’ 0 A = 0 0 0 0 . on pourra utiliser les méthodes directes de calcul des valeurs propres pour obtenir les zéros des polynômes.

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

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

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

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

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

mn = d21gln + an 4. Connaissant 2.com/guilpin/ 73 ...zya + .. .. .edpsciences. Qln% + Qln-lG-1 + .. On trouvera sur le Web(*) 1 e programme triangle. la troisième ligne de G est obtenue au moyen de : ~33 = &lgl3 + dm23 .. la troisième ligne de D est donnée par : a31 = &gll a32 = &lm + &m2 5. Donc à partir des récurrences ainsi définies nous sommes en mesure de résoudre un système linéaire. + yn = d. 2. On trouvera sur le Web (*) 1 e programme trianlin.. on trouve : 1.5. la deuxième ligne de G s’obtient au moyen des relations : a22 = &m2 + g22 a23 = dzlgl3 + m ... . ÉLÉMENTS DE CALCUL MATRICIEL Par identification. la première ligne de G : i t 911 = a11 Q12 = a12 ‘.. Remarque : Si la matrice est singulière.. . 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 . . c qui réalise une telle décomposition. Sln = a171 2. la deuxième ligne de D. an = &lgln + &mn + an 6. Application à la résolution du système linéaire AX = B Nous pouvons donc écrire : AX=DGX=B il est possible de poser 2 = GX. Cet ensemble d’équations permet de déterminer les composantes de 2. soit l’élément &r qui s’obtient à partir de : a21 = d21g11 3. *http://www.. + 912x2 + Q12X2 + 911x1 = 21. elle ne peut pas être décomposée en un produit de deux matrices triangulaires. On poursuit en calculant alternativement la ligne suivante de D puis la même ligne de G jusqu’à la ligne 72. d. c mettant en œuvre cet algorithme.lyl + d.3.. 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 ...

P our cela il faut obtenir une première valeur de A et procéder par itérations jusqu’à ce que deux valeurs consécutives du déterminant soient égales à la précision de la machine.On rencontre souvent l’idée selon laquelle la méthode des pivots peut être améliorée si. verront croître les erreurs au fur et à mesure que se déroule le calcul.2. 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. C’est lorsque les pivots sont égaux en module que la somme des modules est minimum puisque le produit des pivots doit être constant.. A est une matrice de Vandermonde (1735-1796) Nous rencontrerons à nouveau ce type de problème à propos du polynôme d’interpolation de Lagrange . il résulte que le déterminant A d’une matrice carrée W est égal au produit des pivots multiplié par (-l)P.(x) = 2 a@‘. l Que faut-il faire alors ? .n. Remarque à propos de la méthode des pivots . . Le polynôme s’écrit sous la forme : p. Le calcul propage les erreurs cumulées sur chacun des pivots obtenus avec une ultime soustraction (susceptible de fournir une redoutable erreur relative). et cela d’une manière plus rapide que la simple proportionnalité au nombre des opérations arithmétiques réalisées.1. la seule méthode raisonnable consiste à choisir le pivot qui est toujours le plus proche en module de m. pk. Cette façon de voir est complètement erronée pour la raison qui suit. En conséquence. on amène celle qui possède le plus grand pivot en valeur absolue. à chaque fois que l’on traite une ligne.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2. le système linéaire etc.. l’erreur relative sA sur A est donnée par l’expression : car les erreurs absolues dpi sont grosso modo les mêmes. k=O 74 .Comme nous avons : A = nn=..5. Il est aussi égal au produit des éléments de la diagonale principale de la matrice triangulaire G. on cherche à calculer les coefficients du polynôme de degré n qui passe par les (n + 1) points d’un échantillon (c-uj. Calcul d’un déterminant Après la présentation des algorithmes de résolution de systèmes linéaires. La seule restriction consiste à supposer que les abscisses ~j sont toutes différentes les unes des autres. 2. Donc le déterminant. &) avec j = 0. .4. 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. .

. On exprime alors ao sous la forme du rapport classique de deux déterminants que l’on note : ao = A<n+l> (a) ’ avec A.. = Divisons la première ligne de A. nous obtenons : En développant ce déterminant par rapport à la première colonne.. on voit que A. ÉLÉMENTS DE CALCUL M.~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 + 1.5. par ai. puis la deuxième ligne par a!: et ainsi de suite. est une combinaison linéaire de déterminants de Vandermonde d’ordre n notés : 75 . d’où la notation Acn+‘) (cy ).

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

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

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

on trouvera le programme trianinv .1+2g1+2.5. les méthodes proposées peuvent s’appliquer aux matrices à éléments complexes.edpsciences.com/guilpin/ 79 .k + %. cependant. 4.1.aux erreurs près . 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). on calcule ligne à ligne à partir de la première.l+l~l+l. Si nous pouvons obtenir les coefficients du polynôme caractéristique. Nous écrivons : rG=I qui fournit les équations : ykkgkk = 1 et. Le problème est donc la résolution de l’équation caractéristique ou séculaire : AX=XX où X s’appelle vecteur propre et X valeur propre. Nous allons examiner diverses méthodes qui donnent des résultats plus ou moins intéressants selon la taille de la matrice A ou son conditionnement. la méthode de Bairstow nous permettra d’en calculer les racines. 4. on calcule ligne à ligne à partir de la dernière. *http://www. ’ )?“kk.k + ” ’ soit encore : ?‘lk = -(?‘llglk + %. et dans chaque ligne les éléments colonne par colonne à partir de la dernière colonne. pour 1 < k Yllglk Ylk = gkk + Yl. c qui inverse une matrice carrée au moyen de cette procédure. Après avoir calculé les Ykk. Calcul des valeurs propres Il s’agit de calculer les valeurs propres de matrices carrées d’ordre n à coefficients réels . ou bien à l’inversion de la matrice inverse qui doit fournir la matrice de départ ~ toujours aux erreurs près.la matrice unité.k + %. et dans chaque ligne les éléments colonne par colonne à partir de la première colonne. et les racines de ce polynôme sont les valeurs propres de la matrice. Sur le Web (*).k + ‘. Remarque : Quelle que soit la méthode utilisée. La méthode de Le Verrier (1811-1877) L’équation caractéristique d’une matrice d’ordre n est un polynôme de degré n.1+2&+2. ÉLÉMENTS DE CALCUL MATRICIEL Après avoir calculé les dkk. On procède d’une façon tout à fait identique pour la matrice G dont la matrice inverse est l?. Il sera bien venu de procéder ou bien à la multiplication de A et de A-’ qui doit redonner .l+lgl+l. il est prudent d’effectuer toujours les vérifications usuelles.

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

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

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

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

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

.~1 (les pivots de la transformation se situent sur la première sous-diagonale). 1. 3.. Ensuite. .com/guilpin/ 85 .. soit de colonnes (cf.. 1 -A 0 0 0 -A ::: 0 = 0 1 0 . c qui calcule les valeurs propres réelles des matrices réelles.. La transformation s’effectue de bas en haut. À ce dernier déterminant. On ajoute alors les éléments de la colonne 4 à ceux de la colonne ic .. .2 est différent de zéro..1 de l’avant-dernière ligne..-2. on est amené à multiplier l’avant-dernière ligne par u~. On divise l’avant-dernière colonne par ~..2 et ainsi de suite pour obtenir l’avant dernière ligne privée de termes en X excepté l’élément diagonal. ÉLÉMENTS DE CALCUL MATRICIEL On désire obtenir la forme suivante : bl ...-r p our amener 1 a la place de u...2. 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.~. On trouvera sur le Web (*) 1 e programme danilev ........ .. .. Supposons qu’il en soit ainsi et que le tcrmc c&rl soit differcnt dc zcro... Cette opération a amené des tcrrncs en X sur l’avant dernicrc ligne avec les coefficients a&. On opère de la même façon avec la dcuxihmc ligne multipliée par un2 pour éliminer le terme en X de un-r. En retranchant terme à terme la première ligne multipliée par uLq..2.~..l -A 0 On passe du déterminant A(X) au déterminant B(X) au moyen de combinaisons lincaircs soit de lignes. 2. qu’il faut à préscnt éliminer sauf sur la diagonale principale.. -b.. Cas où un pivot est nul ..2: n. . Supposons qu’il s’agisse du pivot ak. On le fait disparaître en retranchant à la ligne 4 la ligne 4 + 1.~~. *http://www.. la méthode des pivots concernant la résolution des systèmes linéaires). Dans le cas le plus défavorable. . on peut alors faire subir à nouveau le traiternent de Danilevski..~-I. 0 0 . avec 4 = 0. On passe ensuite au pivot suivant qui est l’élérncnt ~~&-1.n.. 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 -b.. on divise alors la ligne (n ..5.. .. on fait disparaître X du premier élérnent un-l. .edpsciences. on combine linéairement les colonnes pour que le déterminant ait sa dernière ligne selon la forme canonique : 0 0 . .. à savoir : 1. 4 = 1.Si un pivot est nul la rnéthode tombe en défaut. Cette opération fait apparaître un terme en X sur la ligne q et la colonne Ic .1. 0 1 Pour cela on rnultiple l’avant dernière colonne par uiIq et l’on retranche le résultat de la colonne 4. on aura un produit de déterminants chacun écrit sous la forme ordinaire. Pour conserver le coefficient 1 devant A.. n ...k-r alors on regarde dans la ligne k si un des termes compris entre les colonnes 1 et k ..X -bz B(X) -by .. puis on poursuit les calculs de la même manière que pour la ligne n. n .2.1. On désigne par u:~~ les valeurs obtenues sur la dernière ligne.1) par cet Clement et on rnultiplie la colonne (n ~ 1) par ce même élément.

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

Springer. KRESS (1998) Numerical analysis. VARGA (1962) Matriz iteratiwe analysis. Éditions Masson. DURAND (1961) Solutions numériques des équations algébriques. R. Tome II. C. CIARLET (1982) Introduction à l’analyse numérique matricielle et à l’optimisation. 87 . ANGOT (1972) Compléments de mathématiques. E. KELLEY (1995) Iterative methods for heur and non linear equ. Éditions Masson. Éditions Masson. P. 0. Éléments de bibliographie A. Éditions Prcntice Hall.S. N EVANLINNA (1993) C onvergence of iterations for hear equations. Birkhauser. R. Society for Industrial and Applied Mathematics. Philadelphie. ÉLÉMENTS DE CALCUL MATRICIEL 5.5.G.T.ations.

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

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

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

P. 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. Il convient d’ajouter que ce polynôme peut être utilisé aussi bien pour réaliser une interpolation qu’ime extrapolation. explique la structure de Q(U).(X). Évaluation de l’erreur Supposons que f(z). par parenthèses. remplacée par PT2 (ix).aj). dérivons (n + 1) fois la fonction Q(u) par rapport à U.(z) est donc le polynôme passant. et c’est l’expression due à Lagrange qui va nous pcrrnettre de résoudre le problème. Comme par expérience on sait que l’extrapolation est une opération peu précise loin du domaine 1.(u) .P&)] y .7#i Nous tirons alors la valeur de Ak: que nous reportons dans l’expression de P. par tous les points de l’echantillonnagc. j=o . Pour parvenir à notre fin...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. ce qui donne : Remarquons que la fonction Q(U) s’annule pour toutes les valeurs u = ai mais aussi pour la valeur u = IC. ncx .[f(x) . et nous en avons obtenu deux expressions. 3. 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 . excepté la valeur i: les produits seront toujours tous nuls sauf celui pour lequel nous aurons i = k.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Comme l’indice j prend toutes les valeurs de 0 à n.1) P. On en déduit l’expression suivante : n brc = Ak: l-&k: . et considérons la fonction auxiliaire Q(U) définie comme suit : I-p .(z) : (6.Ui) Q(u) = f(u) . soit (7~ + 1) fois derivablc sur l’intervalle 1.

En réalité. Comment minimiser E(x) La seule façon possible de réaliser l’opération est de rendre minimum l’expression n~=.. elle dépend des points CL~.!.)! ~ . on procède à la majoration de f cn+r) (Or) dans l’intervalle adéquat.a. Ce polynôme a pour expression : T. Nous montrerons au chapitre 9 le théorème suivant : parmi tous les polynômes à coefficient principal réduit de degré (7~ + 1). .6.+r(z) = & COS[(~ + l)Arcos(z)] Les zéros de ce polynôme sont donnés par : (n + l)Arcos(zk) = 5(2k + l).a. De plus il est important de noter que l’expression de E(z) varie en fonction de x et que. R.. 4.2:. l’expression de l’erreur devient : fi(x E(x) < (ri+.) qui n’est rien d’autre qu’un polynôme de de@ (n + 1). ~ On voit immédiatement que l’erreur est nulle sur les points d’échantillonnage et qu’cllr est tres petite dans le voisinage de ces points. n. mais sur l’intervalle 1 dont la borne inférieure est a et la borne supérieure b. L’INTERPOLATION intervalle contenant z et les ai (dans le cas de l’extrapolation z n’appartient pas à l’intervalle 1 précédemment défini). +l). 1.(~ .appelons que cet intervalle sera plus grand que I s’il s’agit d’une extrapolation. on ne travaille pas sur l’intervalle (-1. soit : 7r(2k + 1) zk = Cos 2(n + 1) avec k = 0 . Le changement de variable : Z= 2x-u-b b .+r la limite supérieure de f’“+‘)(x) dans l’intervalle concerné. c’est le polynôme de Tchebycheff (1821-1894) qui s’écarte le rnoins de l’axe des x sur l’intervalle (-1. +l).u 93 . c’est-à-dire que I : n’appartient pas à l’intervalle 1. Désignons par M. .) i=. Nous obtenons alors l’expression suivante : de là nous tirons l’expression de l’erreur E(z) : Comme chaque fois en pareil cas. de plus. . On peut alors se poser la question de savoir comment choisir les ak pour que l’erreur E(z) soit minimum.

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

On appelle différence première d’ordre k la valeur A bk donnée par l’expression : A1bk = bktl ~ bk = f[uo + (k + l)h] ..B1 = B 2... 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. expression dans laquelle on fait x = ~2. un = uo + nh.a) On poursuit de la même façon le calcul pour obtenir tous les Bk.) 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. a2 ..-2 ~ La 7? a:< .. on définit les différences deuxièmes d’ordre k : A2bk = A1bk+l ~ A’bk et ainsi de suite pour les différences troisièmes. 95 . ce qui donne : Qn-2(a2) L’INTERPOLATION = Qrr-l(d . nous avons donc la suite des abscisses donnée par : uo. certes.......b... Ensuite... 6.1 = q”p2q.a1 ..bo d bz .f(uo + kh). Pour aborder cette étude il nous faut au préalable définir les opérateurs de différence.. quatri?mes..uo) (aa -ao)(az ..CL2 a3 .bo .....= d-1 4:-l . .a1 qn-1 ~ q.p3 = B3 u3b3.. D’une façon générale on définira les différences pe d’ordre k au moyen de la relation : Remarque : Si les valeurs (ui.6.lp2 = B2 = q.. u2 = au + 2h.421 a2 .= Ll us .a1 soit encore : B 2 = ba ~ bo . Cas où les abscisses sont en progression arithmétique Désignons par h la raison de la progression .ao b:3 . et & ce titre il mérite d’être examiné car il conduit à des expressions très connues et très simples d’emploi.. etc... b... z a2 . C’est un cas particulier..&(a2 .a0 ~ d . a1 = uo + h.. mais il est très répandu. aoh~ = BO a1h ~ = q:L-l = Bl a1 ~ ao h .

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

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

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

on obtient les coefficients Rk: au moyen des expressions : R..l)h] ..ao)(x . . .‘)(’ ~ 2)‘&p2 + ‘b2 ~ ‘)b2 . + Ri(z .. a”bps + + 4! 5! .pi S 2q+1 = (‘& + l)!h%+l En ut. .11) 5! 0521439687 z(z” .QI) + + R:<(x . écrivons le même polynôme (6.qh) Sans entrer dans le détail puisque les opérations ont éte explicitees à plusieurs reprises.ao + R2(11: . .l)b2 . . + R2q[x .qh) -t Rzq+l(x ~ ao + qh) (x .(X) = R. .ao ~ h) h)(z ~ uo)(x . a”bp2 + .8) cn fonction d’abscisses données pour une saison négative : P. A2q+lb-.. A bkl (6.9) À présent. (z ~ ao . (6.ilisant le même changement de variable que celui déjà utilisé à propos des polynômes de Newton... ..6.h) (6. .10) + . .ao . .l)(z + 2. A2qb-. abbb2 + dz2 . 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.4. ..a.4.. . .. + (q . 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 .ao . on tire les valeurs des coefficients Sk exprimés en fonction des opérateurs de différence : S” = bu Alb-1 SI = 7 s = A2b-2 22!h2 .l(z) = bo + zA1bo + +f$A2bk1 + + z(z” ~ 1) 3 y.... 4! 99 . = bo A1bo RI = h R = A2b-i 2!hZ 2- . L’INTERPOLATION Tout comme précédemment.. .

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

Stirling ou Bessel. Le polynôme de Newton ascendant (6. 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. 11.n)(z2 ~ n . c et descend. on pourra préférer de réaliser les interpolations. Pour réaliser cette opération on impose les conditions suivantes : *http://www. la méthode d’Adams concernant l’intégration des équations différentielles). par exemple. on doit au total calculer n(q + 1) termes.15) 10.3.com/guilpin/ 101 . Le polynôme de Stirling (polynôme pair) (6. c qui permettent d’obtenir les formes de quelques polynômes rencontrés dans ce chapitre. Alors.1.k+r).4. au moyen des fonctions-spline qui ne sont rien d’autre que n polynômes de degré 4 représentant les données expérimentales dans chacun des n intervalles.l)/ (2T’y. L’INTERPOLATION 10. a.)+d2. Le polynôme de Newton descendant (6. peut souvent conduire à des calculs assez longs et dont l’intérêt n’est pas toujours vraiment immédiat.16) 10. Interpolation par les fonctions-spline Replaçons-nous dans les conditions générales du début du chapitre du moins pour ce qui concerne les données.2. Chaque polynôme ayant (4 + 1) coefficients. .1). ascend. (22 .6. c.L+2. soient le polynôme de Lagrange et les deux polynômes de Newton qui sont les formes les plus usitées (cf. Programmes déterminant les polynômes d’interpolation Nous avons donné sur le Web(*) 1 es programmes lagpoly . 12. Un polynôme et un seul représente la fonction dans un intervalle formé par deux abscisses consécutives (uk.edpsciences. Le polynôme de Bessel (polynôme impair) p&+2(Z)l < Iz(z” . (6.17) Dans ces quatre expressions MTb conserve la même dcfinition que celle qui a 6ti: explicitee au cours du paragraphe 3 de ce chapitre.14) 10. .

c. . il manque encore (q.2. 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. En toute rigueur. b. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a. les (q-2) d ernières dérivées de Q.1) des polynômes Q. 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. Comme la matrice des coefficients est une matrice-bande. deuxièmes et ainsi de suite jusqu’à l’ordre (4 . Les dérivées premières. il nous faut résoudre un système linéaire de 4n équations à 4n inconnues.. c’est-à-dire qu’elles sont égales chacune à chacune.+dad = Q~+. Comme nous avons : 102 . Alors. Pour cela posons : hk = ak .(an) = 0.ak-1 Mq = Qi(uq) pour 4 = 1. Ces généralités étant énoncées. Si Q est impair.1) conditions pour fermer le système. Nous avons : Qk(x) Q/c(~h) Qkbk) QXac. nous allons développer une méthode spécifique pour obtenir les paramètres inconnus.. plus les deux conditions arbitraires : = (Yko + ‘%IX + ak2x2 + Qk3x3 Qk(uk-l)= bk-1 = bk = Q.-%) et Q”C x ) se raccordent au point uk. Comme nous avons imposé [2n+ (n . Chaque polynôme Q”(z) réalisant l’interpolation entre les points ak et ak+r passe par ces deux points.l)] (4 ~ 1) conditions.(~k> Qi’bo> = 0 Q. Nous allons exprimer les polynômes en fonction des Mq qui sont pour l’instant des inconnues.(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. 13. (n ~ 1). 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.

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

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

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

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

.x. .%)YY..-l .. Xl .... xfi X/l y1 Y2 Y3 Pol po2 po3 Pol2 Pol3 Pol23 . .. .. l’une due à Aitken l’autre due à Neville laquelle n’est qu’une modification de la méthode d’ilitken.. PolL à l’aide de la relation : poj = (xo 1 xj) polj = (xo 1 xj) [(X0 .. au plus éloigné. on adoptera l’ordre des points allant du plus près de x. Calcul numérique de yp En faisant usage de la relation (6..xv xv .(xc ..6.2. nous pouvons écrire : (xx . PolrL au Ensuite on calculera la colonne suivante dans le tableau. la valeur recherchée Y~. 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...POLATION et dans le cas où 2.~ qui constitue..18) : (2...Pour résoudre le problème des polynômes intermédiaires... = 2.18) es t une relation qui permet de calculer le polynôme Pp.X/l x0 .p ~ 1) qui sont Pp. n...18). 16.%)Y.. A ce propos nous étudierons deux méthodes..3... Dans le cas d’une extrapolation... . ...Méthode d’Aitken .. La relation (6..X:?l x0 ...l.x3 Xl . .. = (Gr .x0) on va calculer les polynômes Pol..... ..22 5 2 .CI et Pr..x2 x0 .18) peut donc s’écrire : (Gr . en définitive. .. 107 .X/L YV pO n POln P012n P0L. J~)..%)Y.xp)yO] avec j = 1.2.(.).....Xl *Xl . c’est-à-dire P012....G)Yr...x3 Y0 21 52 23 ~ ~ ~ 211..xp)yj ~ (xj ... . Remarque 1 : Pour obtenir une précision optimum.(C)>.. On procédera ainsi de suite jusqu’a l’obtention de l’élément Po~. = 4% ~ %)Y.. .. . X... L ‘INTER.. cn formant une suite convenable de polynômes intermédiaires Pp.... Aitken a proposé la disposition suivante : x0 .)Pol] avec j = 1. = -(xc ~ %)Y. Po2.X” .....2. On en conclut que l’égalité (6.. n POIS.~ et PP....%)YL/ = (2.. moyen de l’expression : [(xl ..xv x0 .n À partir de la disposition des yk et des (x.. nous obtenons encore l’identité des deux membres de (6..xp)Poj . .. = CC.G)YY. nous allons calculer le polynôme P”.. Pour le cas où 2.4..3. . a .(xj ...n pour la valeur x~. .q de degré (4 ~ p ~ 1) à partir des deux polynômes de degré (4 ..

. . il n’est pas utile de poursuivre les calculs jusqu’à l’obtention b . . Du reste. ... on choisira une distribution initiale qui correspond à un encadrement du point z. . . *http://www.. . On désire effectuer l’interpolation pour la valeur x = 1. .O 375 0. .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 ».5 3. donc il convient tout simplement de faire jouer un rôle prioritaire à ces points dans les calculs.048 4 -0. . comme le montre le calcul concernant l’interpolation.-l-X. Autrement dit. . Remarque 2 : Il n’est donc pas nécessaire d’utiliser les points très éloignés de 2. x3 ~ Y Pola p123 h23 X1-Q xn-2 -x71 xc. . . .260 1 -0.397 97. . . On trouvera sur le Web (*) le programme p-aitken. . .1L 16. . . x1 - x2 x2 -x3 x2-x1. si au cours du calcul. . .000 Y 0 0. . . < x2 < x‘.xp Y0 1 2 Xl -xp Y Pol fi2 p23 x0 -x2 x0 .70. -211 yn P+I. .Méthode de Neville .938 5 0..> car ils n’auront que très peu d’influente sur le résultat.3.2.x3 x0 . . . lequel fournit pour la valeur d’interpolation 0.x1 . . .5118 0. . Exemple numérique d’interpolation par la méthode d’Aitken On se propose d’effectuer une interpolation dans la table suivante : 070 1. de telle sorte que l’on réalisera la disposition suivante : . . clans le calcul de yr. .Neville a proposé une autre disposition du tableau d’ilitken qui est reportée ci-dessous : x0 X0 ~ .com/guilpin/ 108 .398 0.765 2 0. on rencontre deux termes Pol.5 14 1. . .380 1 On reconnaîtra là un extrait de la table de la fonction de Bessel de première espèce Jo(z). Y3 . . . . P012n PO1. . < x1 < 23 < . ce sont les points les plus proches voisins de xm qui jouent un rôle prépondérant. < 22k < .. . . c réalisant la procédure d’Aitken. < x. < x‘&+l . La table donne y = 0.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ S’il s’agit d’une interpolation. . . X.5 230 2.223 9 -0. .edpsciences.lc et %. 2. .

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

Applications immédiates a .. . Il sulht de remplacer @l(x) par XL dans la relation précédemment établie . Généralement on parle de régression parabolique au moyen d’un polynôme de degré m .m. on obtient alors : xaj xu&ujk = xurr:hk j=o k=O j=o 110 avec 1 = 0. 1. . m. . ou pour le moins ne sont pas évidentes. j=o pour 1 = 0.m.1.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. 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. 1. . alors les sommes discrètes sont remplacées par des intégrales sur l’intervalle d’interpolation 1. . 1. avec 1 = 0. .. b .2. .2.. Il s’ensuit que b E2 = e2(x) dz s a avec E(X) = f(x) ~ ffJ cyjQj(x). .. . Remarque : Dans le cas où la fonction f(x) que l’on approche par la fonction O(x) est connue analytiquement. 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.Système linéaire surdéterminé de (m + 1) équations à (n+ 1) inconnues m étant plus grand ou égal à n.(uk)~i(uk)=Cpll(ak)lrk j=o a v e c Z=0.2. On écrit le système : 2 UZkxk + (Yk = 0. 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...2. Sans trop de difficulté on obtient le système des équations normales associé au système surdéterminé de (n + 1) équations à (m + 1) inconnues. Le calcul de ces intégrales peut être éventuellement conduit numériquement dans le cas où les quadratures n’existent pas.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ cette dernière expression peut encore se transformer avantageusement de la façon suivante : C~jCm. R.

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

mais il faut rappeler que la loi de Coulomb (1736. et c’est le but de ce chapitre que de proposer les enchaînements mathématiques propres à éclairer la méthode. en revanche. comme cas particulier. c’est en électrostatique que l’on se familiarise avec les polynômes de Legendre. c’est-à-dire qu’ils sont calculés une fois pour toutes. En 1783. les coefficients de la combinaison linéaire ne sont pas corrélés. 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. 113 .1806) est postérieure de deux ans à leur avènement. 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. Legendre étendit le calcul de l’attraction exercée sur un point situé à l’extérieur de l’ellipsoïde. comme le sont les coefficients des séries de Fourier avec lesquels nous sommes davantage familiarisés. Les polynômes de Legendre 1.1. . La solution repose sur l’introduction d’un ellipsoïde homofocal et d’une fonction génératrice des fameux polynômes de Legendre. Les polynômes de Legendre ont la propriété d’être orthogonaux et de constituer un système complet sur (-1. 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. dans la classe des fonctions sphériques introduites par Laplace en 1785. Définition Les polynômes de Legendre sont des polynômes orthogonaux sur l’intervalle fondamental (-1. l’établissement des relations exige quelques calculs. +l) pour les fonctions généralement continues. MacLaurin détermina aussi la valeur de l’attraction exercée par un ellipsoïde homogène sur un point situé en son intérieur et sur sa surface. Aujourd’hui. 1. ainsi s’ils sont utilisés comme base de décomposition. La technique opératoire est d’une très grande simplicité. 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.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. Les polynômes de Legendre rentrent. +l) qui prennent la valeur +l pour la valeur +l de la variable.7 Les polynômes de Legendre.

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

LES POLYNÔMESDE LEGENDRE le plus élevé est égal à un. Quoi qu’il en soit.1)/2 .jxq + ’ ’ ’ + Ud2n’ dz” dz” il suffit de poser u = (x . l)! &n+l pn+l(x) = 2"+l(n+ On dérive une fois l’expression (x2 .. .l)n et w = (x + l)n pour obtenir la valeur de K. .-1716) qui fournit l’expression de la dérivée ne d’un produit (u.. Relation de récurrence entre trois polynômes consécutifs Nous allons montrer qu’il existe une relation de récurrence entre trois polynômes consécutifs P.1)“.l)n + 2nx2(x2 ~ 1).l)n+1. tous les termes sont nuls sauf le premier et l’on obtient alors : P. et l’on obtient : P. w) : dn(uv) ~w~+.(x) et P+I(~). En effet.(x) = LOn déduit sans peine les premiers polynômes : P()(x) = 1 PI(X) = x P2(x) = (322 . 1.-l} 115 . (an) ’ et l’on obtient alors l’expression générale des polynômes de Legendre connue sous le nom de formule de Rodriguès (1815) : d” P.6?. 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.c~~~ d”u d+‘Ju dqv d”v dxn-q . p.2.4 .7.l)"} On peut encore écrire : PTL+1(x) = &$S {(x2 .(l) = 1 = KW& = Kn!2’” ce qui donne : K=--- 1 2%! 2 . pour x = 1.+I(x).+1(x) = &&$ {x(x2 . puisque on peut calculer K au moyen de la formule de Leibnitz (1646. Cela est une affaire de circonstances et nous aurons l’occasion de revenir sur ce point. 2”n! dz” ( x 2 .

1)” + 2n(22 ~ l)+r] . cela donne : soit encore.l)! (7. 116 .6) Ces deux dernières formules sont utiles dans le cadre de l’étude de la méthode d’intégration de Gauss-Legendre.-l] _ soit encore : Pn+l(S) = .+i(z) .(z) = xPn(c7~) . (n + l)P. il vient : On aboutit finalement à la relation de récurrence désirée : (7. Calculons le premier terme du second membre en utilisant la relation découlant de la règle de Leibnitz.4) donne : (n + l)Pn+l(z) = (2n + l)PTL(x) + (2n + l)zPA(z) .s 1 1 dl’-’ [(2n + 1)(x2 .L-l(x) + nP. 2” n! dZnpl [(2n + 1)(X2 - V] +Pn-l(x). La soustraction de ces deux dernières expressions conduit à la seconde relation de récurrence entre les polynômes et les dérivées : nP.) = 11 2+l (n . Relations de récurrence faisant intervenir des dérivées Dérivons la formule de Rodriguès par rapport à 2. 1. La relation (7.I)+l dans la dérivée du second terme : [(x2 . la dérivation de la relation de récurrence (7. cette quantité est égale à : En définitive.l)+l.5) peut encore s’écrire (n + l)Pn+l(~) = (n + 1) {taper + (n + l)P.nPAel(z).-l(2) = 0.(2n + ~)CEP~~. en utilisant la relation de Leibnitz : x&+n S} (x2 .-l(Z).qn-l .(z)} D’autre part.5) PA(.3. { d’où une première relation de récurrence entre polynômes et dérivées : PA(x) = xP.1)” + 2nz2(22 .2n(22 .(X) + nP. (7.1..q-1 + 2+? .PApl(x) avec n # 0.(X) quel que soit n.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’.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis on ajoute et l’on retranche 2n(x2 .

on voit que R&)(z) est un polynôme de degré n. Revenons à la fonction I&(Z) = K(z2 ~ 1)“.(x) et de ses deux premières dérivées : .(x) sont solutions Derivons une fois par rapport à z la première relation de récurrence (7.’ dx 1 avec K = ~ 2%! du = $x2 .(x) + 2 {xly(x) . En poursuivant le calcul jusqu’à la dérivée n ième..1) racines égales à -1 et (n . 1 / I 1.-. LES poLmvônnm DE LEGENDRE 1.6) donne : .(z) .-..(z) a une racine réelle entre -1 et +l. la dérivation de la relation (7. d’où l’on tire : Éliminons Pl’l(x) entre ces deux relations : P.(x) + xP.“)P.4.5. les racines de P..7) I 1 I Cette dernière relation est vraie quel que soit TZ. (1 .(x).(z). De même. qui possède n racines réelles comprises entre -1 et +l.7.(n ~ l)P. J= Posons -1 J P.p.).6. + . t l / / .1) racines égales à +l. 1. (7. Ce sont. et l’on peut ajouter que cette fonction a (n .2zI374 + n(n + l)P.P&) = xP:L(x) + PA(x) ~ P:I-l(X).L(x) + nqpl(x) = (7-L + l)P.6) : \ Cette expression ne dépend plus que de F’.(x) dz = K” -1 J +1 $(x2 ~ 1)+$x’ .l).. Norme des polynômes de Legendre Calculons à présent l’expression : +1 .>. Équation différentielle dont les P. Propriétés des racines des polynômes de Legendre Un théorème permet d’affirmer que les zéros de chaque polynôme de Legendre sont simples.(x)} R. Le théorème de Rolle montre que Ri.5) faisant intervenir les dérivées : ai = %(x.P.(x) = (n ~ l)P. c’est une équation diffkrentiellc linéaire du deuxième ordre appelée équation différentielle de Legendre.1)” dz e t w= / 117 . Elle possède 2n racines égales à -1 et +l.este à éliminer PAPI (x) l’aide de la relation (7.(z) = 0. en vertu de la formule de Rodriguès.

et dc proche en proche on obtient : J = K2(-1)” +.1)” dz.. pour cela on pose : +1 L= -1 J’ (x2 .2n 1 . on arrive à l’expression : +1 L = c2ni2(n - 1).6. On poursuit ainsi de suite les calculs et. Il n’est pas très difficile de calculer cette dernière intégrale. en notant par E le signe que l’on déterminera plus tard.2(n .l)nP1 dz.1)” est un polynôme de degré 2n (à coefficient principal réduit) que l’on dérive 2n fois. .1)+2 dz. -1 qui conduit à l’expression suivante : L=E 2.l). on obtient alors : +1 ~ l)n-l: L = [~(CC’ ~ l)‘“]:: - 2n -1 J’ z”(z” . (2n + 1) 118 2. et donc du = 2x dxn(x2 ainsi que du = dx et v = x . expression que l’on intègre par parties. Une autre intégration par parties permet d’écrire : +1 L = tn(n . . Alors..2).1)” dz. le résultat est une constante qui vaut (2n)!. . La première quantité (toute intégrée) a une valeur nulle.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. 5.4. 3 .. &2(1) 1 x2np2(z2 .l)l dz. Il suffit d’écrire : u = (2 . .J:’ .i’ -1 Comme (x2 .1)2 -1 s X”(X” . J prend l’expression suivante : J = (-l)nK2(2n)! +1 s -1 (x2 ~ 1)” dz.1)“s jr” ..

Variantes concernant les polynômes de Legendre Il n’est pas bien difficile de reprendre cette étude en changeant l’intervalle fondamental (-1. et ils sont appelés parfois polynômes de Legendre modifiés. Il est courant de définir d’autres polynômes de Legendre sur l’intervalle (0.5 En définitive. b).693x” + 3152” ~ 35x)/16.8. .l). nous pouvons écrire : J = (2n)! 1 yÏ2’“-11. 1 .3. l). 1. 2. On trouvera sur le Web(*) 1 e programme legendre. on peut calculer les coefficients selon les puissances croissantes ou décroissantes de la variable 2 des k premiers polynômes de Legendre.3x)/2 P4(2) = (35x4 . 5. On en trouve une application intéressante lors du calcul de diagrammes de phase.5)/16 &(Cc) = (42927 . pour des raisons d’économie de place mémoire.7..9. Les premiers polynômes de Legendre P”(X) = 1 PI(X) = 5 P2(x) = (322 . Dans le cas où l’on utilise un calculateur arithmétique. On les rencontre lors de problèmes de lissage sur l’intervalle de définition (0.1)/2 PS(z) = (52” . . *http://www.2n 2. +l) ainsi L s’écrit : L = (-1)" Ensuite.7.30x2 + 3)/8 PS(z) = (63~” . 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.com/guilpin/ 119 .6. (2n + 1) -1 +1 c%-4 dz = (2n+ 1) s (7. Calcul des coefficients des polynômes de Legendre À l’aide de la relation de récurrence (7.4). +l) qui est remplacé par l’intervalle fini (a. Rien d’essentiel n’est changé pourvu que a et b restent finis. c permettant de calculer ces coefficients..3.702” + 15x)/8 P6(z) = (231x6 .315x4 + 105x2 .t (2n + 1) = (2n+ 1) ..8) 1.4. on obtient le résultat suivant : . on entasse tous les coefficients des polynômes les uns à la suite des autres dans un tableau unique à une seule dimension. 1. de Pc(x) et de Pi(x).edpsciences.

.(X) = PG (x) . Théorème .ek(x)..12. 1. Désignons par G.: + $wcP.10.2hx + h2 = ~O(Z) + hPl(x) + h2P2(z) + . .~k(x)]2 !+=l -1 dn: Ce second membre est minimum lorsque tous les o5k sont égaux à zéro. est la plus petite est le polynôme de Legendre. Il s’ensuit que N[G.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1.. fl).<. celui dont la norme.(x) + &P. la norme envisagée étant ccllc du produit scalaire (la fonction poids ctant égale à l’unité).. + hTLP. Une propriété importante des polynômes de Legendre Par definition. Décomposition d’une fonction f(x) en série de polynômes de Legendre On considère une fonction f(x) continue sur l’intervalle (-1. sinon ils seraient dcfinis à une constante multiplicative près qui ne permettrait plus de comparaison. On note par un astérisque les polynômes de Legcndre à coefficient principal réduit et l’on écrit par conséquent : Gn(x) = P. Fonction génératrice des polynômes de Legendre Nous admettrons le résultat suivant sans démonstration : 1 2/1. (z)] est minimum quand G. on se propose dc rechercher un dcvcloppernent de f(x) sous forme d’une combinaison linéaire de polynômes de Legendre : . ce qui démontre le théorème. ainsi que cette autre expression : 1. D’une façon tout à fait analogue a l’analyse de Fourier. évaluée 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. opération torijours possible. k=l où les c~k sont des coefficients constants. La norme de G. Cette notion sert essentiellement à comparer les polynômes de degré 71 entre eux.Parmi tous les polynômes de degré rl à coefficient principal réduit. +l) ou éventuellement ayant des points dc discontinuiti: dc première espèce CII quantité dénombrable.(x) + .(s) un polynôme répondant à la question et décomposons-le selon une combinaison linéaire de polynômes de Legendre.11.(x)] Soit encore : = Il[.(z) s’écrit : N[G.

Décomposition d’un polynôme quelconque en polynômes de Legendre Considérons un polynôme quelconque dc dcgri: n : QyL(x) = ~u.(x) que l’on écrit : Le principe de la décomposition est tres simple. dkignons-le par II+~(X). que l’on se propose de décomposer sur la base des polynômes orthogonaux de Legendre l’. Ses coefficients sont donnés par : . 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. ri:. (x)%(x) dz. -1 Soit encore : +1 / ~(X&. -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~&. En toute rigueur.(X) dx = c a. dz. il suffit de remarquer que lc polynôme est un polynôme de degré n ~ 1.7. fl). on obtient : +l cc f(x)Pk(x) dz = c aTLPIL(x)Pk(x) s s p1 7z=o +1 dz.:xnmk k=O avec ao # 0.13. 1. LES POLYNÔMES DE LEGENDRE En multipliant chacun des membres par &(x) puis en integrant sur l’intervalle (-1.

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

11) b. /:i:. Soit : n expression dans laquelle PJ (x) est le polynôme de Legendre de degré j et Aj le coefficient numérique de la décomposition. LES PoLmôMEs DE LEGENDRE ramène le domaine d’intégration à l’intervalle fondamental (-1. le développement en série de Taylor montre que f(z) peut se développer selon un polynôrne de degré n. le polynôme sera au plus de degré (2n + 1). choisir un critère pour déterminer les zk et les Hk. (7.+r (X)I”(x) dz = 0.10) et (7.2. En vertu des relations d’orthogonalité. Dans le cas général où f(z) n’est pas un polynôme. Quoi qu’il en soit. b).11) dans le cas particulier où f(z) est un polynôme. Pour obtenir ces valeurs.(.(x)Pn+l(x) dx = +1 J!Pn+l(x) 2 AjPj(x) dz = 2 A. C o m m e il y a 2(72 + 1) coefficients arbitraires. on retient comme critère l’égalité rigoureuse des expressions (7. L’examen de la formule (7. un calcul d’erreur fondé sur cette remarque viendra apporter tous les éclaircissements utiles. 2.11) montre qu’il y a (n + 1) valeurs zk: à déterminer ainsi que les (n + 1) valeurs Hk qui leur correspondent. dans le cas où f(z) est continue et possède des dérivées successives continues sur le compact (a. le théorème de Weierstrass est très postérieur à la méthode de Gauss un petit siècle les sépare ~ néanmoins on peut remarquer que. 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)).10) a -1 La méthode de Gauss pour évaluer numériquement l’intégrale 1 consiste à : a. Calcul des abscisses xk Supposons que f(z) soit un polynôme Qn (z) de degré n. à une approximation près qui est donnée par le reste de la formule de Lagrange. et on fera en sorte que le degré du polynôme soit le plus élevé possible pour n fixé arbitrairement (n figure dans la relation (7. b) peut être approchée uniformément par un polynôme. nous pouvons écrire : M = -1 s Qn.7.. 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. -1 j=o j=o -1 123 . adopter pour valeur approchée de 1 l’expression suivante : (7. on peut espérer une bonne approximation en vertu du théorème de Weierstrass selon lequel toute fonction continue sur un compact (a. Bien sûr.d~=~~(z)dz.. +l). ce qui donne : I=].

Il s’ensuit que les xk sont les (n + 1) racines du polynôme de Legendre de degré (n + 1).3. Il). ne peuvent être nuls sinon lc nombre des abscisses zk s’abaisserait. Bien entendu: si l’on dispose d’une possibilité d’effectuer les calculs en double précision. nous savons que toutes les racines dc P.+l (zr) sont réelles. 2. on en conclut neccssairement que Pn+i(zj) est nul. d’ores et déjà. elles pourront être rentrées une fois pour toute dans un calculateur.3.13) 124 . Calcul numérique des racines xk des premiers polynômes À l’aide de la méthode de Bairstow. 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.11) doit donner une valeur exacte de l’intégrale de QTLk (z). ne dépendent pas de la fonction à intégrer et sont donc des constantes universelles. nous pouvons l’exprimer en fonction directe d’un produit de monômes : P.Xj) j==O UO. ne serait-ce que pour les employer lors de calculs réalisés sur les petites machines portatives. ainsi défini : À Puisque l’expression (7. Remarque 1 : Avant dc poursuivre plus avant les calculs. nous allons calculer les racines des k premiers polynômes de Legendre. les valeurs numériques des racines du polynôme de degré 13.+l (z) ne possède que des racines réelles et simples. Comme ces valeurs sont universelles.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ En introduisant la relation (7. 2.n+l fi(X . il est bon de les obtenir avec une bonne précision. page 131.+1(2) = UO.+r(z). +l). Remarque 9 : Il est important de constater que les valeurs x1. Remarque 2 : Puisque t. il est recommandé de l’utiliser.outes les racines de tous les polynômes de Legendrc appartiennent à l’intervalle (-1. 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. Calcul des coefficients Hk Puisque le polynôme dc Legendre P.l ou infcrieur à n. de degré éga. et comme par ailleurs les Hk. On a reporté sur le tableau 7. la rnéthode de Bairstow va se réveler particulièrement pratique et efficace pour obtenir les valeurs numériques des racines. +l). À ce propos.~~+~ étant le coeflicient du terme de degré le plus élevé dans le développement de P. nous pouvons écrire : (7. présent considerons le polynôme QTL~(z) de degré n. nous obtenons l’expression suivante : Comme cette relation doit être vérifiée quel que soit le polynôme Qn(z).4. distinctes et comprises dans l’intervalle (-1.

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

emplaçons n par (n + 1) et x par xk: dans cette expression.n+lxnl?&) d z ao = A n~.. .+1(x) = u”.+i(s) admet un développement du genre : P. Éliminons Cl( x 1 en re 1 es relations de récurrence (7.n+1 et comme d’autre part xk: est une racine du polynôme. (1 -~“)I?n(x) ~ nP+.I’ 1 1 ao. En définitive. on peut alors écrire : -1 +1 .+~(xk) = (n + lR(xk). T s’exprime alors de la façon suivante : +1 T = -1 J’ uO.+1).13) et (7.ll+lxn + h. par identification. + arr+1.n+lxn+l + qn+llCn + .~ 2n + 1 n+l 2 En revenant à l’expression (7.xk)(h~.~ en remplaqant dans l’expression (7. on peut écrire : Pn+l(X) = (x .(Q) n + 1 (7. très utile à connaître parce que très facile d’emploi. .17) Il existe une autre forme de HI.~+~/a~. Hk prend mie forme très simple : Hk = 1 1 2 P.~~ en identifiant les termes de degré (n + 1) .14). + h7.n+l.17) pour écrire : (7.. on obtient la valeur (2n + l)/(n + 1)..MANUEL DE CALCUL N UM É RI QUE APPLIQUÉ Évaluons le premier terme : Comme P.+ ~20.+ = h.~)pL.16).n+lx n-1 + . on obtient : 2 2n + 1 La relation de récurrence entre trois polynômes consécutifs permet d’obtenir directement ~. Il suffit de reporter la valeur de (n + l)P. .(x) -~XE&(X) = 0.+l(xk) P. R. on obtient : t .<..(zk) d ans la relation (7.14) . on note que : ao. En tenant compte des relations d’orthogonalité. nous obtenons : (1 ~ x.18) 126 .

.edpsciences. 2. LES Pow.11) donne : f’(O) n J-f(0)~H~+T~H~x*+ k=O k=O +..1. on obtient : +1 I = s -1 f(x) dz = 2 f ( 0 ) + . 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. + (2.2.f”(O) + . Le développement de Taylor-MacLaurin à l’ordre (2n + 1) nous donne : . Calcul de l’erreur commise lors de l’approximation Supposons que f(x) soit une fonction continûment différentiablc sur l’intervalle fini (canonique) (. ../ $ Hkxp+l k-0 + f’2”+“‘(E) 2 I&X~+~.)j f’““+“(o) + p+2)(<) (2n + 2)! expression dans laquelle J: et < appartiennent à l’intervalle (-1. 2. (212 + 2)! k=” *http://www.6. + 1). Retour sur le calcul de l’intégrale définie sur (a. et chacune des intégrales se ramène au cas qui vient d’être présenté.p+2 f ( x ) = f ( 0 ) + $(O) + $(O> + .f”“(O) +‘.com/guilpin/ 127 .+ f(24 (0) n . k=O + .17) non seulement sur le plan de la programmation mais aussi sur le plan du temps de calcul. Intégrons terme à terme cette expression.). +l) Par conséquent ~il suffit alors dc calculer : b+a+b-n -Xk.7. n’étant pas modifiés.+)j.. f ” ( 0 ) 7’ 2! c H~Z:.vôms DE LEGENDRE Cette formule est d’un emploi plus intéressant que la relation (7.. .. Yk = ~ 2 2 Les HI. On trouvera sur le Web (*) 1 e programme r-legend. 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. L’exploitation directe dc la relation (7. b) Nous avons montré que le changement de variable : b-u b+a 2 y=T+-x nous ramène à l’intervalle (.cm ! Hkxp + k:=O . +l). + (2m.‘+ (2&! On remarque que toutes les dérivecs d’ordre impair disparaissent lors de l’intégration. .5.1. c calculant les Hk.

c k=O n h-1 Hkxk =0 r. 128 . (7. .. . Dans ce cas il n’y a pas d’erreur mathématique due à une approximation. Toujours est-il que l’erreur prend la forme suivante : I . .m k=O 2 = ~ 2mtl z?L+l _ HkXk . . . +l). En revanche. on obtient en conséquence le système suivant : 71 c k=O Hk = 2 5 Hkxk = 0 k=O k=O . 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. la dérivée de S(x) d’ordre (2n + 2) est nulle.+2 = sup 1f(2n+2) (x) /p our x appartenant à (-1. en définitive. k=O 2n+2 . . k=O (7.0.21) où M27. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si f(x) est un polynôme de degré (2n + 1). . .19) expressions dans lesquelles les sommations s’effectuent pour k variant de 0 à n. (n + 1) équations quelconques prises dans le système précédent constituent un système linéaire permettant de calculer les Hk. et l’on a l’egalité : I = . . . c Hkx.J. +l). on recherche une majoration la plus raisonnable dans l’intervalle (-1. .J = en prenant soin de remarquer que : &XA. comme toutes les fois en pareil cas. alors.20) 2 # ~ 2n + 3 Bien entendu. si l’on connaît les xk.

1.7.249 999 999 9 0 9 .116 0.292 0. Tableau 7.7.738 0. Table des valeurs numériques de 77 = Degré du polynôme 2 3 4 5 6 7 8 9 10 11 12 13 Erreur mathématique 0. cette expression n’est pas d’un emploi très commode dans la mesure où figure une dérivée d’ordre (2n. Le calcul devient très souvent arborescent et rapidement inextricable.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 2.457 0. LESPOLYNÔMESDE LEGENDRE Dans la mesure où l’on peut obtenir une majoration Mzn+2.183 0. & .732 0.edpsciences. E donne l’erreur mathématique liée à la troncature de la série des polynômes de Legendre. Un exemple numérique.Les valeurs du tableau 7.249 999 996 I = 0.txt sur le Web (*) où figurent les racines et les poids associés des premiers polynômes de Legendre.177 0.293 0. Bien qu’elle soit très intéressante.z’& H~x:~‘~ . quand à la majoration. a .1. elle risque de devenir catastrophique dans la mesure où elle est très surestimée.185 0. + 2). { > sont directement tirées du du fichier Legendre. la méthode des trapèzes et la méthode de Simpson. 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.116 0. Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations.Méthode de Gaoss 5 points : 6 points : *http://www.com/guilpin/ 129 I = 0.465 0.

le calcul de la dérivée ne de . On en conclut que l’erreur est comprise entre 2 10-12 et 0. et que 2 = 2.250 0.Calcul de l’erreur concernant l’exemple . est plus petit ou égal à 11 x 2 x 2ia.2. 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.250 000 086 000 005 4 000 00107 000 000 138 Nbre de points 20 40 60 100 c ..250 0. Tableau 7.38110-‘$.. avec l’écriture choisie.8 1oP. En I : = 0.r.Méthode des trapèzes et méthode de Simpson .381 10p4 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b . cela est dû à la majoration de la fonction Mi2. g = A.250 0.! n. il suffit de fabriquer un sousprograrnme dans lequel on rentre une fois pour toutes les racines et les poids du polynôme 130 . et l’on peut montrer que : [zlog(l + ~)]‘“’ = (-l)TL(n .8 10-s. Ici. elle est maximum pour b . 11 x 8192 On s’aperçoit que l’erreur E est environ 100 fois plus grande que l’erreur observée directement . Méthode des trapèzes 0. Mi2 est une fonction monotone décroissante dans l’intervalle (0. 2 appartient toujours à (0. Mi2 = 1 1 10!(2 + 12) 2i2( 1 + . Alors nous pouvons écrire : dz/ dt = 1/2 et i > b-u 1 Rappelons que.250 0.250 248 062 027 009 9 Méthode de Simpson 0.250 0.12. +l). On tire une valeur de E : E = 7. h=O = 7.r log( 1 + z) est relativement aisé. Effectuons le calcul d’erreur pour 6 points : E= $ .u 12! z = 0. l).-&&z. Remarque : Pour utiliser aisément la méthode de Gauss. la dérivée est 3780 fois plus petite qu’au point x = 1. 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.y car nous avons dû effectuer un changement de variable 2 = 2 + Zt pour nous ramener à 12 l’intervalle canonique (-1.En 6 points la méthode de Gauss est un peu plus précise que la méthode de Simpson en 100 points.250 0. Donc TMi. l).0.Par chance.

il suffit d’ailleurs de rentrer 6 racines et 6 poids associés à cause des symétries. *http://www. M IGNOT (1984) Anulyse numérique des equations diffkentielles.20781604753688 0. HILDEBRAND (1956) Introduction.801578 090 733 3 f0.138873510 2198 0. M HASKAR (1996) Introduction to the theory of weighted polynomial approximation. POLYNÔ MES DE LEGENDRE Racines et poids associés des polynômes de Legendre.) . LES Tableau 7. Éditions Dunod.métiques.040484004765 Degré (40 1 13 ho.0921214998377 0.9841830547185 de degré 12 ou 13 (ensuite. Éditions Masson. F. txt où l’on trouvera les racines et les poids des treize premiers polynômes de Legendre. Éditions dc la Revue d’optique. M. M INEUR (1966) Techniques de Calcul Numérique.23045831595513 *0. A. les racines sont deux à deux opposees. Mc Graw-Hill. H. World Scientific.8. Éléments de bibliographie A. ’ o e Dunod.917598399223 ho.L. On donne sur le Web (*) un fichier texte appelé legendre.64234933944033 f0. to the numericul analysis. CROUZEIX et A.7. 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..17814598076194 0. ANGOT (1965) Compléments de Muthémutiques.com/guilpin/ 131 .44849275103645 10. des problèmes de précision apparaissent avec des représentations sur 16 chiffres significatifs et des racines complexes apparaissent.S.. Racines x Poids Hk 0 232551553230874 0~226283180262897 0. 2.edpsciences.N. R A L S T O N et H.3. H..

(x) = cos(n arccosx) ce qui implique que : TO(x) = 1 et TF(z) = 2. (8. s 71171 étant le symbole de Kronecker (182331891). (x) = COS ny. T.p.(x) . = cos(n . Écrivons T~~+.L+.(x) = 0. Application à la méthode de Gauss-Tchebycheff 1.8 Les polynômes de Tchebycheff. ce‘ qui nous perrnet d’écrire : dt = -sinx dz 133 .L-i(2) COS ny cas y . il suffit de poser y = arccos z. Effectuons le changement de variable t = arccos x.. Pour cela.1) Ils obéissent à une relation dc rccurrence que nous allons établir. on obtient : Tr.(x) = cos(n + 1)y = T.(x) D’où la relation de récurrence cherchée entre trois polynômes consécutifs : TT.(x) = 2cosnycosy = 2xT.(x) + T.+.(x) et T:-.(z) + T7.+.T-. (8.2) À present nous allons montrer que ces polynômes sont orthogonaux.22Tr. Première définition La relation de definition des polynômes de Tchebycheff est donnée par l’expression suivante : T.sin rby sin y.( x ) P tP ff uons-en la somme : ec t T. En partant de la relation : COS s 0 nt COS mt dt = 7r/26. sauf pour n = m = 0 l’intégrale vaut 7r.1)y = cosnycosy + sinnysiny. soit J: = COS t.1. Les polynômes de Tchebycheff (1821-1894) 1.

Nous allons donc définir une suite polynômes à coefficient principal réduit. Si nous examinons la relation (8. Théorème De tous les polynômes de degré n à coefficient principal réduit.3) = 0. (8. La relation de récurrence est alors légèrement modifiée et devient : T. +l) relativement à la fonction poids h qui est une fonction définie positive sur cet intervalle.4) si n=O.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 . (x) qui approche le mieux l’axe des x sur l’intervalle (.1. +1) au sens du sup du module. c’est le polynôme de Tchebycheff T.1.5) 2. 1. Il nous suffit de poser comme relation de définition une nouvelle expression : Tri(x) = & cos(n arccos z).I 2/1-2 -0 s 7 r si n est différent de zéro sin=O. (8.+l(x) . Seconde définition Cette suite de polynômes orthogonaux peut être avantageusement modifiée pour le propos qui nous préoccupe.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). On peut définir la suite de telle sorte que le coefficient de degré le plus élevé pour chaque polynôme soit égal à 1.4xT. 134 .-I(Z) 11 va de même de la norme qui s’exprime : si n est différent de zéro 7l (8. Une propriété essentielle des polynômes de Tchebycheff à coefficient principal réduit 2.(x) + 4T. On voit que les polynômes de Tchebycheff sont orthogonaux sur l’intervalle fondamental (-1.2.

:’ 1) ) sin 2(n + 1) 135 . 1.c4 = g Z(i. Quand T. Démonstration Désignons par pn(z) un polynôme répondant à la question et considérons alors la fonction : Puisque p..1).6) 4.(z) et T. f(z) est un polynôme au plus de degré (n . soit : cos[(n + 1) arccosz] = 0.+i(x) Pour cela. Calcul des poids Hk correspondant aux racines xk du polynôme T. +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. On en conclut que le polynôme f(z) est identiquement nul et que p. . f(zk) est positif. Donc : À présent il nous faut calculer Ti&+. il s’ensuit que f(z) est alors un polynôme n fois positif et négatif alternativement sur l’intervalle (-1. Par ailleurs. On trouve les expressions suivantes : T. ( 2 ) sont à coefficient principal réduit. +l). possède n extremums alternativement positifs et négatifs sur l’intervalle (-1. (n ~ 1). tous égaux en module à 1 et dont les abscisses sont données par la relation : xk: =cos lwr ( n > avec k = 0.2. . T.(z) = T. D’abord.(z) ce qui démontre le théorème. Il change donc (n .(xk) est positif. +l).+l(xk) = F ~ sin[(n + 1) arccos X~C] > d’où TA+. 3. on calcule le coefficient K qui est égal à In puisque nous traitons de polynômes à coefficient principal réduit. Donc.8. ce qui est en contradiction avec le fait que f(z) est au plus un polynôme de degré (n .(sk) est négatif. f(z) doit être un polynôme de degré n.2.5) de l’annexe B.+i = 0. ce qui donne : Xk = COS 7r(2k + 1) 2(n + 1) ’ (8. (zk) et Tn+i(xk). LES POLYNÔMES DE TCHEBYCHEFF 2.1) fois de signe et par conséquent possède n racines. On les obtient en écrivant T. f(zk) est négatif et quand T. .1). il suffit d’exploiter directement la relation (B.

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

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

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

Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations.(x) + ‘. . Le tableau 8. . +l). Toujours est-il que pour n = 12. en effet. comme toutes les fois en pareil cas. 8. ce qui constitue un résultat remarquable..47 10-4”M24.10) où M2nt2 = SUP If (2n+2)(x)1 pour 3: appartenant à (-1. seul le dernier chiffre significatif change. Un exemple d’intégration À titre d’exemple. Nous reviendrons sur ce point au cours de l’annexe F. on recherche une majoration la plus raisonnable possible de la fonction f(“‘“+“)(<) dans l’intervalle (-1. Nous avons trouvé dans la littérature la valeur suivante : JO( 1) = 0. Pour l’instant.+l(. LES POLYNÔMES DE TCHEBYCHEFF Bien entendu. Dans la mesure où l’on peut obtenir une majoration raisonnable M2n+l.765 197 686 557 966 4 avec une précision absolue de l’ordre de 10-15. + fT. soit le 16” chiffre. l’erreur s’exprime de la manière suivante : E(x) = (27y+. calculons l’intégrale : +1 Cet exemple n’est pas tout à fait gratuit . 9.1.(X) + z??z(X) + .tx = TO(X) + Krl(X) + t2T2(x) 1 . 139 . E(z) donne l’erreur mathématique liée à la troncature de la série des polynômes de Tchebycheff. + ‘.>! i (2n + l)!! 2n. + l)! n+ 1 c“”J O k 1 ’ 1 n x”n+” (8. la méthode d’intégration de Gauss-Tchebycheff constitue la meilleure façon de calculer les fonctions de Bessel de première espèce. Fonctions génératrices des polynômes de Tchebycheff Nous admettrons les résultats suivants sans démonstration : 1 . Je(l) est la valeur de la fonction de Bessel de première espèce d’ordre zéro pour la valeur 1 de l’argument. en définitive.8. . Si l’on poursuit le calcul pour des valeurs plus élevées de n. + iTn(X) + . page suivante. on trouve : E24 = 1.. donne les résultats obtenus.2tx + t2 et exp(xt) cos(t&ZS) = Te(X) + +r. +l) .

765 197 686 556 966 0 765 197 686 557 967 7 01765 197 686 557 966 2 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 8. excepté toutefois pour rz = 9. les zk: cessent d’être tous r-tels à partir de n = 8. Même lorsque tous les Hk sont égaux. 140 . la méthode est moins précise que celle de Gauss.765 197 498 111 0.765 197 686 557 966 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. Cette modification des conditions.I f(x) dz au rnoyen de l’approximation où les Hk ont été choisis u priori.1.765 197 687 084 089 0. Quoi qu’il en soit. cette dernière consiste à évaluer l’intégrale : +1 I= . Comme précédemment. on cherchera à fixer les zk dc tcllc sorte que 1 = J pour ur1 polynôme de degré le plus élevé possible. apparemment anodine. 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.

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

-L(x> = -p(z) s {n exp( -2)znP1 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On calcule directement le dernier terme du second membre à partir de la relation (9.(~) .G(s) + G. Ll(Z) = -z+ 1 La relation de récurrence (9. dérivons la relation de définition (9. transformons cette dernière expression : x5 {exp(-z)z”-l} On en déduit directement que : L?&(x) = nL. Les premiers polynômes de Laguerre La relation de définition permet de calculer les deux premiers polynômes.3) = G {exp(-z)?} ~ ns {exp(-z)znP1} À présent. l’aide de la relation de Leibnitz.1) : L+~(X) = =P(:I:)= {nexp(-Ic)27L-1 soit encore.r.l)&(s) + 7?L-1(2) = 0. Cela démontre au passage (en utilisant un raisonnement 142 .1).5. ce qui permet d’écrire : L.(z) = zzexp(z)s {exp(-z)z+l} . soit : L.+1(z) a un degré supérieur de 1 unité à celui du polynôme de degré n.exp( -z)zc”} .n%-l(~) De là nous tirons la relation utile pour déterminer les différents polynômes connaissant les deux premiers : L+~(Z) + (x ~ 2n . Dans ce but.2) montre que le polynôme . Toujours A.-1(2). Cela nous sera bien utile pour calculer les Hk de la formule de Gauss généralisée.(cLz) . soit : La(x) = 1. (9.nL. nous allons établir une autre relation très intéressante pour le calcul des coefficients 3.(z) = n exp(z)$ { exp( -2)271P1} . Relation de récurrence faisant intervenir la dérivée Hk. II vient donc : L+1(z) = (n + l)Lx(z) . Il s’agit de pouvoir exprimer simplement la dérivée L~(Z).2) ~ exp(-X)3?}. (9. 2.

2 + 1 L2(x) =x2-4x+2 l&(x) = -si’ + 9x2 . 4. w). c réalisant cette tâche.16x” + 72x2 . du = 1% exp(x)g { exp( -.9.2002” + 600x’ . supposons que nous ayons n < k. = s {exp(-x)x”} . Ils seront entassés dans un tableau unique.(s) est aussi un polynôme et ainsi de suite. Effectuons une intégration par parties en posant : u = exp(x)-& {exp(-x)xnl. car L~(Z) et Li (x) sont bien des polynômes donc L. 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. Pour le montrer il suffit de calculer : Ink = J 30 exp(-z)L. LES PoLmôMEs DE LAGUERRE par récurrence) que nous avons bien affaire à des polynômes. 2.96x + 24 &(x) = -x5 + 25x4 .18x + 6 L4(2) = x4 . On trouvera sur le Web(*) 1 e programme laguerre.r”-‘} .edpsciences. 5. et d u = 2 {exp(-x)x”} . selon les puissances décroissantes. 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.6002 + 120. *http://www. par souci d’économie.(z)Lk(z) dz = 0 J ev-2) & {exp(-x)xnl 00 $ {exp(-x)zk} dz.r). Voici les premiers polynômes de Laguerre : L”(X) = 1 Ll(X) = .com/guilpin/ 143 . 0 Pour fixer les idées et sans nuire à la généralité.

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

page 149.5) 8. Si nous utilisons la relation de récurrence (9. Calcul des poids Hk correspondant aux racines xk R. 00) ctj l’on approche l’intbgrale au moyen de l’expression : 9. + 1). 9. rappelons-le. zzk est une racine du polynôme de degrk (n.edpsciences. nous fourniswnt les valeurs numériques des Hk dont on donne 1111 tableau 9. très faciles à programmer. Calcul numérique des poids Hk associés aux racines Les deux expressions que nous venons d’établir. on obtient. Sur lc Wch (*). LES POLYNÔMES DE LAGUERRE 7. Exemple 1 On se propose dc calculer la const. 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 (0.3).eprenons avons : la relation (B.9.1.com/guilpin/ 145 . c qui perrnet de calculer les racines et les poids des polynômes de Lagucrrc. on trouvera le programme r-laguer . page suivante.1. est égal à expression dans laquelle. : cc qui nous permet d’obtenir deux expressions plus simples : (9. Nous K = -(n!)” car le rapport des coeficients de dcgre le plus élevé dc deux polynômes conskutifs -1. *http://www.ante d’Euler y = 0.5) de l’annexe B dans laquelle 110~1s explicitons le coefficient K.577 215 664 90 au moyen dc l’expression suivante : x Y= .i( 0 1 1 ~ exp(-z) 1 ~ exp-2) dz n: > Les rksultats trouvés sont indiqués dans le tableau 9.3. Donc.

999 999 97 9.577 0. COS mx peut être assez mal représenté par un polynôme de Laguerre de degré peu élevé. C’est ce que l’on se propose de vérifier. D’autres cas bien sûr peuvent présenter des dangers analogues liés au nombre de points où la fonction s’annule.577 0.3. Les résultats obtenus sont donnés dans le tableau 9. En effet. (CI~ Tableau 9.2.577 215 215 215 215 215 215 215 409 316 638 683 671 664 927 664 244 6 7 8 9 10 11 9.577 0. nous savons : cc . Compte tenu de l’expression intégrale de la fonction factorielle.577 0. et nous avons choisi : 10! = 3 628 800. Nombre de points 5 Constante d’Euler 0.2. Exemple 2 Il s’agit de calculer la fonction factorielle.I= s 0 exp(-x)x’” dz = 10! Puisque la fonction à intégrer est de degré 10. nous devons obtenir un résultat exact en 6 points négligeant les erreurs d’arrondi propagées par la machine.577 0. Nombre de points 4 5 6 lO! 3 033 216 3 614 400 3 628 799.2.1. Remarque importante On note une fois de plus que la méthode donne d’excellents résultats.577 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 9. 146 . 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. si m est « assez grand » .

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

. (n + 1) équations quelconques prises dans le système précédent constituent un système linéaire permettant de calculer les Hk. comme toutes les fois en pareil cas. E(x) domle l’erreur mathématique liée à la troncature de la série des polynômes de Laguerre.. +l).. Dans la mesure où l’on peut obtenir UIIC majoration raisonnable Mz~~~. une approximation.. = 12.Xk = (2n. En revanche. alors...6) en prenant soin de noter que : H&‘+’ # (2n + 2)! k=O Bien entendu. Toujours est-il que l’erreur prend la forme Suivant>e : (9. + 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. 00).698 10-7M24. on trouve : Ez4 = 3. Pour n.. en dkfinitive. si l’on connaît les xk... l’erreur s’exprime de la manière suivante : ’ où (9.+~..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. 148 ..7) hf21L+2 = sup )f@f2) (X) ) p our z appartenant. k=O . on obtient en conséquence le système suivant : Tl. = = l! 2! 2 k=O k=O HkXfi 2rrL-1 = = (arr-l)! (2rn)! c Hk5k 27n 2nt1 Hk. CHk =1 k=O 2 H&I& k=O 2 H@Z. on recherche une majoration la plus raisonnable possible de la fonction f (2rr+2) (<) dans l’intervalle (-1. à (0... Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations. + l)! k=O Il est intéressant de constater que le système de (2n.

(x)+- 12.000 008 365 055 857 0.002 663 973 541842 0.833 751337 743 36 1.115 722 11735802 Poids Hk 12 2. on obtient l’expression : F(P) = i s ~(Y/P) m-y) dy 03 0 *http://www.244 082 011319 895 0.487 967 251005 0.000 000 000 003 062 11.3 donne les racines et les poids du polynôme de degré 12. les calculs sont réalisables si l’intégrale est convergente. txt qui donne les poids et les racines des 12 premiers polynômes.000 203 231592 668 0.844 525 453 118 77 4. Sur sur le Web(*) on trouve le fichier texte appelé laguerre.000 000 166 849 388 0.264 731371055 443 0.020 102 381154 650 0.000 000 000 000 001 8.9.611757484 515 13 0. Fonction génératrice des polynômes de Laguerre Nous admettrons le résultat suivant sans démonstration : 1-t =Lo(x)+tL~(x)+t2L~(x)+-+tnL. h(t) exd-pt) expression dans laquelle t est une variable réelle (généralement le temps) et p une variable complexe. Racines et poids associés des polynômes de Laguerre. LES PoLYNôms DE LAGUERRE Le tableau 9. Sous réserve de cette convergence. on peut être amené à calculer numériquement F(p).com/guilpin/ 149 .000 000 001342 391 0.116 855 187466 37. 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. En effectuant le changement de variable y = pt. Tableau 9.377 759 275 873 127 0. Sans entrer dans les détails de la théorie.006 054 993 319 3 9.edpsciences.599 227 639 418 09 13.3.090 449 222 211682 0.151090 379 373 17.621316 842 445 915 22.512 610 269 776 45 6.099 121044 461 0. Degré Racines CE 0.

la méthode de Simpson etc.. les calculs ne sont pas toujours aussi simples.(Z) ce qui nous donne : (n + l)L:+. 13.1.a. Bien entendu. LE+. D’un point de vue pratique. écrite pour le polynôme L:+~(X).(z) = exp(x)&$ [exp(-X)?+“+l] expression qui peut s’écrire sous la forme : (n + ~)L:+. La première intégrale se calcule par la méthode de Gauss-Legendre. 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). 0 J a L’intérêt est évident dans la mesure où l’on a une très bonne estimation de la queue de la fonction. en calcul usuel.(z) polynôme de Laguerre de degré n servant à l’intégration numérique).in tend vers zéro et meilleure est la précision du calcul. 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)$$[exp(-z)zn+rr] avec toutefois une restriction concernant le paramètre <y. Relation de récurrence entre trois polynômes consécutifs Partant de la relation de définition (9.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ qui se calcule évidemment par la méthode de Gauss-Laguerre. Il suffit de couper judicieusement l’intervalle (0. Malheureusement. Nous n’allons pas renoncer pour autant à utiliser cette technique.(z) = (n + o! + l)L. tandis que la seconde intégrale se calcule par la méthode de Gauss-Laguerre en posant z = y . il est difficile de dépasser le degré 12 ou 13.in (x. il faut que sa partie réelle soit plus grande que -1. 13.8). soit : P 1 mh(y/p) exp(-y) dy = i T~[(z + a)/@ exp(-z)dz.in est la plus petite racine de L. notamment si la fonction h(y/p) a à peu près l’allure d’un pic entre zéro et Z. plus le degré n est élevé. plus X.(z) 150 = exp(z)$$$ [exp(-z)zn+“(n + Q: + 1 -z)] on obtient : .

ns [exp(-z)lçn+u-l] [exp(-z)zn+“] = “+“LE(x) .“(X)]’ = @n(x)] . ce qui donne : (n + a) exp(x) 5 z $ [exp( -2)5n+a-1] = (n + o) exp(z) g $$ .9) (n + l)Lq+&) .3.T(’ on trouve esdéfinitive = ~L:(X) . Relation de récurrence faisant intervenir les dérivées .(z) .(z) + (n + a)L. -nexp(z)L ~bp(-~)xn+a] . 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.2.s [exp( -x)xnfu] Comme par ailleurs on peut écrire : ~L:(X) = n.exp(-x)3?+“] la relation de récurrence cherchée : (9.-l(x) = 0._. nous allons transformer la dernière expression du membre de droite.(2n + 1 + QI .9.exp(x)ss puis. Orthogonalité des polynômes de Laguerre généralisés Il s’agit de calculer l’expression : (9.(n + n)[L:-l(x)].cm-U-1 exp(x)]&[exp(-z)z’“Pa] x exp( -2)xn+“-l . + exp(s)s$[(n + o) Grâce à la formule de Leibnitz.(X)]’ = -~L:(X) + (n + cy)exp(x)$& [exp(-x)2?+“-‘] .(n + a) exp(-z)L. 13.n+Lg1(~). LES POLYNÔMES DE LAGUERRE En utilisant la relation de Leibnitz. 13. Dérivons la relation de définition (9.10) J = wexp(-x)P[LE(x)][Lg(x)] dz .exp( -2)2n+CY] On obtient alors : [L.(x)]’ = ~[exp(x)x-” .z)nL.8) : [L./’ 0 = Jexp(-x)x7 & [exp(-x)@“] s [exp(-x)zm+a] 0 dz. [(n + 0) exp(-x)xn+aP1 . on peut transformer la dernière expression : i!a + exp(x)-. 151 .

on simplifie l’expression précédente : [L.(x) calculer les poids Hk.6. il faudra construire la chaîne de calculs déjà réalisée pour les cas prccédemment étudiés. . 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.). f(z) est une fonction régulière sur (0. Si X~C est une racine de L:(x). 13.5. co).“(x)]’ = ~L.-l(x. Dans chaque cas particulier que l’on sera amené à considérer. où nous n’avons plus à exprimer formellement la dérivée. Nous obtenons ainsi une forme aisée à calculer pour les HI. Reste à calculer la norme : 1 = aexp(-z)zP” s 0 [LE (z)]” dz = n! /exp(-z)zP+” dz. 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.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. 13. 13.(z) de degré (n + 1).(x) + FL. En effet.-‘(x).4. on obtient J = 0 pour n # m. Technique de calcul des intégrales du type I = Sexp(--x)x-“f(x)dx 0 Bien entendu. Une autre relation de récurrence On peut avantageusement utiliser une relation de récurrence portant sur les LE+. 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+. on établit que : pour [LE(x)]’ = -EL.

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

on peut supposer que k > n : +CC Ink = exp -00 soit encore : s (-x2/2) K(x)&(x) dz. 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.edpsciences.2). Sans nuire à la généralité. C’est ce que nous allons montrer en calculant l’intégrale Ink. 5. Nous obtenons : Ko(x) = 1 ICI(X) = x K&4=x2-1 K3(x)=x3-3x I&(x) = x4 . +oo). +3 4.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2.-l(X). Pour ce faire nous dérivons la relation de définition et nous obtenons : K. (10. Calcul des coefficients des premiers polynômes d’Hermite On trouvera sur le Web (*) 1 e programme hermite.(x) = (-l)nexp(z2/2)$$exp (-x2/2) + (-l)‘“exp(x”/2)& [-zexp (-x2/2)] . Relation de récurrence entre polynômes et dérivées Dans le même esprit que précédemment. Les premiers polynômes d’Hermite Puisque nous bénéficions de la relation de récurrence (10. il suffit en réalité de connaître les deux premiers polynômes d’Hermite pour déterminer tous les autres.(x) = TX.6x2 et ainsi de suite. ce qui donne grâce à la formule de Leibnitz : K. +CC Ink = (-l)n+k . c destiné à calculer les coefficients des polynômes d’Hermite dans le but plus précis de calculer leurs racines.3) 3. 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.I exdx2/2)& *http://www. 154 .com/guilpin/ exp (-x2/2) $ exp (-x2/2) dz.

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

le changement de variable : nous permet de revenir au cas canonique que nous venons de traiter. On trouve que la constante K vaut n!fi. page 162 les valeurs numériques de ces poids en face des racines correspondantes pour le polynôme de degré 12.2. 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). +co).3). soit : exp (-x2/2) COS(X) dz = 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 7. Calcul des poids Hk correspondant aux racines xk Rappelons tout d’abord que ce calcul est effectué dans l’hypothèse où les racines ~k sont les (n + 1) zéros du polynôme de degré (n + 1).1. page ci-contre. 8. Les résultats que nous avons obtenus sont donnés dans le tableau 10. on obtient diverses expressions de Hk aisées à calculer.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. 156 . On trouvera dans le tableau 10. La relation (B. Grâce à la relation (10. Remarque : On note qu’il n’y a pas de difficultés pour calculer les intégrales du type : I= /‘:xp(-$)f(x)dx en effet. 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.

L ES PoLYh&rEs D'HERMITE T a b l e a u 10. la relation faisant intervenir les dérivées prend la forme : K. 2 En remarquant que : .u) = (-l)n exp(az’)$ exp(-ax2).999 998 1. encore appelées fonctions du cylindre parabolique ou fonctions de Weber-Hermite. De même. à savoir : xk = x& Les fonctions 02(x.B =In 4q2q . soit : K. u) = 2unK. Nombre de points 4 5 6 7 8 9 12 Résultat 0. constituent une base orthogonale de l’espace L2 qui est l’espace des fonctions de carré sommable sur (-CO. +oo) ( 7 f(x)’ dz).10. a).(x. Autres notations très utiles Il arrive que des auteurs adoptent une définition légèrement différente pour les polynômes d’Hermite.(z. et le carré scalaire de l’intégrale vaut alors : 17l. u) .000 043 0.000 000 143 175 097 099 099 9.000 000 1.p.000 000 1. a).000 000 1. la relation de récurrence entre trois polynômes consécutifs s’écrit : K*Lfl(X) u) = 2azK.‘(z. Dans ce cas. -cc 157 . on obtient les modifications à apporter aux expressions des racines et des poids des polynômes correspondants.(z.999 222 1.(lç. expression dans laquelle a est un nombre positif (il s’agit d’une formule analogue à celle de Rodriguès concernant les polynômes de Legendre). u) = exp(-uz2/2)Kz(x).1.2aTX-.

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

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

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

10. LES poLyNôMEs D'HERMITE comme

-cc on trouve que :

+‘=s

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

Q zn+2

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

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

I = v% f(0) + ‘. . + 7$2q[

l)!! +...+

f’““+“‘(E)

(2n+2)!

(2

n

+ y!)

1

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

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

fPn+2)(<) n c2n+2j! zHkxk”‘“.
k-0

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

xkq+l

+ . . + Pc$ . i

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

&q2n+l)rl.

kHkxb’“f2
k=O

.

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

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

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

je+21

(0

E= (2n+2)!

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

M ANUEL

DE

CALCUL

N U M ÉR I Q U E

APPLIQUÉ

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

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

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

(10.4)

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

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

Degré

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

12

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

n

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

(

X2 -T+xt-; 1

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

1

+

-Dz(x)
2

t2

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

n

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

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

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

f.. .

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

163

I l

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

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

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

d

x

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

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

165

MANUEL

DE

CALCUL

N U M ÉR I Q U E

APPLIQUÉ

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

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

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

- y”) dy = 0.

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

et que

les

racines yk

Sont

données par

l’expression

:

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

H; =

1

l

%+1(Y)

1

v;+dYk) J’ &=i Y - yk dy o

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

soit dy = -2x dz.

-&P2nt2(x)~

=

-&G,+,(4

= Vi+l(Y)

l’expression de H* devient :

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

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

1

11.

CALCUL

DE

QUELQUES

INTÉGRALES

AU

MOYEN

D’UN

CHANGEMENT

DE

VARIABLE

On obtient alors

H; =
Soit en définitive :

J
0

1

P2n+2 (x)

x + xk

dz

1

H; =
p;71+t(2d

-1

J

+1

P2n+2 (x)

II: - xk

dz = 2Hk

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

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

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

l&(x).
Hk

Degré

yk

11

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

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

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

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

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

On peut également calculer les intégrales du type :

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

0

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

.J = dEi2 “,Tf(y$).
k=O

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

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

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

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

11.

CALCUL

DE

QUELQUES INTÉGR.ALES

AU

MOYEN

D’UN

CHANGEMENT

DE

VARIABLE

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

I
0

I Un(x)Uk(x)G

dz = 0

avec m # k.

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

y2Un(l ~ y2)Uk(l - y”) dz = 0
s

avec m # k.

0

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

s

y2&(l - y2)Uk(1 -y”) dz = 0

avec m # k.

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

de là on déduit que :

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

(1~ y2).

0

Y ~ Yk

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

169

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

En notant que :

u;+,(Y) = p’-2xi 2n+364
et que

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

H; =

x - xk

dz = 2Hkx2,.

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

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

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

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

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

704 986 489 704 539

357 900 339 359 587

862 669 976 522 896

335 840 674 125

0,129 564 951355 262

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

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

11.

CALCUL

DE

QUELQUES

INTÉGRALES

AU

MOYEN

D’UN

CHANGEMENT

DE

VARIABLE

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

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

n

s’approche par l’expression :

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

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

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

1 =

s
0

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

3 0 1 5 8 7 3015,

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

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

MANUEL

DE

CALCUL

NUMÉRIQUE

APPLIQUÉ

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

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

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

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

Yk

HI,

11

925 025 106 000 819

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

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

936 787 575 362 213 149

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

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

I =

J a

b

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

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

172

6. k=O b . 3.. Les zéros de Sri(x) s’expriment au moyen de la relation : xk = Cos2 avec k=O. +l) relève directement de l’étude des polynômes de Tchebycheff. On vérifie que les erreurs sont de l’ordre de 10P16.a TX”.3. Tableau 11. 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). 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.... n et les H* par la relation : 27r H.97110-i” 0.11. Un exemple numérique Soit à calculer : I= -1 J +1 zJ1-ldJ:=O. Sur le tableau 11.1.598 10-16 4. nous avons porté les valeurs approchées. = ~ 2n + 3xk.6.2 .166 10-15 0. Nombre de points 3 4 5 6 7 Résultats 0.555 10-16 0. 173 .277 10-l” 0. et qu’elles ne sont dues qu’à l’exécution des calculs.

’ k zkf [a + (b .073 750 248 299 135 0.7 les valeurs numériques correspondant au polynôme de degré 11.a)y ce qui permet d’approcher l’intégrale au moyen de l’expression : soit encore : J = “f.edpsciences.(x) On trouvera sur le tableau 11.108 800 727 724 129 0. Technique d’intégration L’intégrale 1 est toujours approchée par l’expression : Il est intéressant de noter que les intégrales de la forme : se ramènent au cas précédemment étudié en faisant usage du changement de variable : x = a + (b .145 912 283 394 760 0.072 790 297 726 0.995 342 973 018 0. on trouvera les résultats concernant les premiers polynômes dans le fichier texte sn-x .269 967 481134 0.261873 780 008 211 0.534 121206 682 0.com/guilpin/ 174 . Degré Yk 11 0.019 884 996 920 956 0.182 332 521001007 0. Calcul numérique des xk et des Ht des polynômes s. Les zéros et les poids associés des polynômes S.018 541356 326 165 726 210 434 493 336 683 424 673 756 101 0.(x). Sur le Web (*).887 855 645 352 0.398 271993 473 0.788 340 161057 0..MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 4.1.a)xk] k=O *http://www.242 546 154 164 063 0.p.005 065 164 245 362 4. txt.7.043 360 378 833 454 0.271909 754 072 704 0. Tableau 11.215 360 318 131115 0.958 605 650 752 0.2.667 439 806 085 0.158 723 428 390 0.

MINEUR (1966) Techniques de CuZcuZ hmérique. Masson. Éditions Dunod.141592 3. Les résultats trouvés sont donnés dans le tableau 11.11. Éléments de bibliographie M.141592 3.141592 653 653 653 653 589 589 589 589 792 791 791 791 5. Éditions 175 .8. Tableau 11. CALCUL DE QUELQUES INTÉGRALES AU MOYEN D’UN CHANGEMENT DE VARIABLE 4.8. MIGNOT (1984) Analyse numérique des équations dijférentielles. Un exemple numérique Soit à calculer : 1 = -1 Il s’agit d’intégrer un polynôme de degré zéro.L. et l’on note que les deux derniers chiffres significatifs sont faux. H. CROUZEIX et A. Ici encore les erreurs ne sont dues qu’à l’exécution des calculs.3. Nombre de points 3 4 5 6 Résultats 3.141592 3.

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

coth. 1 Bl(X) = x .1) par rapport à Z. les nombres de Bernoulli sont donnés par l’expression : En faisant x = 0 dans la formule (12. on voit que la fonction : 21 + . Les nombres de Bernoulli Par définition.x) = (-l)“B&) ce qui permet d’écrire : Bk(1) = (-l)“Bk(O). On obtient alors : BO(X) = 1.-x2 + -. on déduit alors l’expression suivante : Bk(l.sont nuls et que seuls diffèrent de zéro les nombres de Bernoulli de rang pair. En intégrant la relation (12.4) Bk(x)dx=O s 0 pour k>O.2. Il s’ensuit que les nombres de Bernoulli de rang impair ~ hormis le premier .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis la relation de définition (12. Voici donc les premiers 178 .-> 2 B2(x)=x2-xf1 6’ 3 x BS(X) = x3 . 2 2 1. On déduit alors que : et B2m+1=0 avec m 2 1. exp(u) . = .1) pour obtenir les nombres de Bernoulli.1). on établit que : (12.1 est une fonction paire.

Bk cx) Xk Ic! = XT+ ( k . Bas = = ~ 854 513 138 1 -2 1 30 1 . si k est pair.+B&+. uzn + Bzn (2n)! ~ + . > B. . + Bk si k est impair.(x): + B&>$ + . + X&+l + xkp4C. .. LES POLYNÔMES nombres de Bernoulli non nuls : BO = 1 B1 DE BERNOULLI..B4 +.. .l ) ! 1 De là nous tirons l’expression générale : ‘.1 . si k est pair..+ -g . Expression des polynômes de Bernoulli en fonction des nombres de Bernoulli Pour IC = 0. .1 = exp(u) . .30 691 -~ 2 730 3617 ~~ 510 174 611 -~ 330 236 364 091 2730 1.1) nous donne : U exp(u) .1 u3x3 UkXk u2x2 1+ 7+ 7 + 7 +. + ~~.$+-~ = 2 $Bn(x) = 1 + B&).. .1 il s’ensuit que : =l+Blu+B2. .. l’expression (12. + n=O L’identification des termes en u donne : xk-l Uzn ~ + . u exp(uz) U exp(ux) = exp(u) . si k est impair. + B2n (2n)! l+BIu+B~.12..+ 7 + . .. . FORMULE D'EULER-MACLAURIN = Bfj = Blo B14 BIS Bz2 = = = = 1 42 5 66 7 6 43 867 BS B12 B16 = = = 798 B2. &(x) = xk + xk-lB1 + x”-~C~B~ .3.+B.~ ..

&‘@)(z)] = hk+‘F(“+‘)(z) + . (12. + h2p j7(2P+.9) À présent. nous allons appliquer la relation (12. (12.6) par Bi/l! et ainsi de suite. soit : J’ 0 F(2p+1)(x + h . (12.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1.F’(z)] = h2F”(z) + . 8 ) (2p ~ k)! h h2P-l $2PF1+-+ /+F(2PPl) (X)l = h2Pj7(2P)(x)+ h2P-1 / 0 F(2p+‘)(x + h . en nous arrêtant toutefois au même ordre à chaque fois.l).5) Maintenant. + (2phyk)! F(2P)(x) 1L + h’” On poursuit le calcul jusqu’à l’ordre (217 . La formule d’Euler-Maclaurin dite formule de la somme Il s’agit d’une méthode d’intégration qui utilise les nombres de Bernoulli. puis.4. . z On aboutit alors à la formule usuelle : F(x + h) ~ F(z) = hF’(z) + $“‘(x) + .6) + h ~ t) t2p-1 (2p ~ l)! h2[F”(z + h) .F(x) = / F’(t) dt = ]J”(z + h . c’est-à-dire l’égalité (12. puis l’égalité (12. .t)t dt.8) par Bk/k!. (12..F”(z)] = h3F”‘(s) + .t) dt.) (2p . ( 1 2 . + h2P Jd2”) (21.t) t2p-” d t . Additionnons toutes ces relations. nous allons multiplier l’égalité (12. + h’“pqn:) (2P)! h +.t)& dt. Nous obtenons les formules suivantes : h[F’(z + h) .7) h” [F@)(s + h) . pour l’obtenir. . nous allons intégrer successivement par parties l’expression suivante : CC+11 F(x + h) .5) par BO. .+ J 0 0 F(2p+1)(x + h . ~ 2)! dt. en se 180 ..5) aux dérivées successives de F(z).2)! h (4 t2"-2 + h2 J' 0 F(2p+1)(x + h ~ t) (21.l)! dt.

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

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

On se propose d’établir une table de la chaleur spécifique de l’argent pour lequel U = 215 K. on obtient y avec quinze chiffres significatifs exacts en utilisant la représentation des nombres sur huit octets (16 chiffres significatifs). On obtient alors sans problème : 1 =log. c qui est donné sur le Web (*). +. Cette dernière expression a fait l’objet du programme argent.. On écrit les relations suivantes : X exp(x) . la constante d’Euler (17071783) est donnée par l’expression : 1 + .1 Y3 puis on calcule l’intégrale : dy = 2 yn+3 B. . . _ 1 s exp(y) . + . on fait f(x) = loge(z).exp(x) .log. h = 1 et ICI = m (entier positif quelconque). .1 z n=O avec &k+r = 0. 2. (n + 3)n! k=l (2k + 3)(2k)! B2k d’où 1+3~ci?2&$ kEl (2k)! . et calculons la somme pour m = 13 : alors. = .6. ’ + (-lPh +.edpsciences.Par définition. + . FORMULE D'EULER-MACLAURIN Application au calcul de la constante d’Euler .com/guilpin/ 183 . 0 on déduit que : 2 exp. Application au modèle des chaleurs spécifiques selon Debye (1884-1966) En 1912. ‘.(m)+y-&-&--k=l y = liliv 120m4 & + . .I expb) . +F x2k+3 3x Y3 du . 1. + .1 n=O n=. 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. *http://www. elle s’appelle température caractéristique).qrn2” Retenons les treize premiers nombres de Bernoulli (non nuls).. 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.(m) ( ) Cette série ne converge pas très rapidement. + ‘. LES POLYNÔMES DE BERNOULLI.1 .12.

Autrement dit.généralisation qui semble avoir été conçue à cet effet.. si nous appliquons le procédé de Richardson à la suite des In.+1 2” ho 184 . la condition assurant la convergence ne sera pas vérifiée car : hn lim ~ = 1 h n+l quand n tend vers l’infini. = 0.. pour des valeurs différentes de h. tendant vers zéro est une extrapolation du polynôme d’interpolation.+.) -n. = -vf”(:.) avec a < a: < b. on obtient la relation suivante : n If = + f(u) + f(b) + nj f(a + khn) k=l avec comme expression de l’erreur mathématique de troncature : E. = ~ 2” On vérifie alors que l’on obtient : avec ho = b ~ a. on aura recours à la procédure de Richardson généralisée . générée par la méthode des trapèzes. converge vers la valeur de l’intégrale. Pour pallier cet inconvénient. Si n tend vers l’infini. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. b). formée par les valeurs Iz.. on choisit la suite S. mais on peut aussi utiliser le fait que l’erreur est donnée par la formule d’Euler-MacLaurin en soulignant toutefois que la fonction f(x) doit être (2~ + 2) fois dérivable sur l’intervalle (a.. Pour réaliser l’extrapolation. L’idée de la méthode de Romberg repose 2 sur le calcul de 1.7. ho 2n+1 2. Il faut bien remarquer que la valeur obtenue de In pour en h. 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.= -~ = x. On peut alors songer à accélérer la procédure de convergence au moyen d’un des algorithmes présentés au chapitre 2. Revenons à cette expression de l’erreur : h2Pt2 hn E = (2JT+ 2)! J’ f2p+2(x+hn-t) [n. on calculera les intégrales 1n par la méthode des trapèzes avec un pas donné par l’expression : b-a hz. on prendra : Malheureusement. = $$. lim. la suite Inn. (. et assurer la condition de convergence.] & 0 et nous notons que cette erreur est un polynôme en h. Comme l’erreur est un polynôme en hi.. X..

(2)]’ = 0. f(a) + f(b) +ef(a+kh.(ho/2n+“+1)TTF 72 (ho/2n)2 .22 8 0. on utilise les relations suivantes : h 0=bpa n ’ hz=..240 225 87 0. T(k+l) _ (ho/2n)Tf21 .240 226 64 0.I 0 1%1(1+ xl dz = +x .240 224 6 0. Un exemple numérique On se propose de calculer l’intégrale suivante : 1 1 = .8. [log.) 2 k=l avec m = 2n . LES PoLwvôMEs DE BERNOULLI.240 226 651 0. Sio) = h. L’epsilon-algorithme appliqué à la même suite donne le résultat suivant : I = 0. 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. En résumé.) = 2.240 151 L’erreur est E = 0.1 Tableau 12.240 206 6 0.14 1OW”. 1.(/@/2n+k+1)2 ce qui s’écrit encore : 4k:+‘T~~l .235 5 0.240 066 6 0.239 926 0.239 03 0.l 10F5..1.Tik) T(“+l) n = : 4’“+1- 1 . On obtient alors le tableau 12. 185 0.12.240 226 5 0 7 et de former la suite des Ik à partir de ho = f . Suite initiale 0.240 225 49 avec une erreur E = 0.240 226 5 0.240 226 03 0..240 226 653 .1.240 216 00 0.

240 226 509 I = 0.1. ne serait-ce que pour la réflexion qu’ils suscitent.240228 I = 0. Il est bien entendu que l’on s’intéresse ici à l’intégration numérique des fonctions dont l’intégrale sur un intervalle fini (a. d’ailleurs cette fonction peut être continue par morceaux avec des points de discontinuité de première espèce. La valeur de l’intégrale entre deux points consécutifs xi et xi+1 notée si est approchée par s: : si = hf(xi) . i=o i=o . les plus performantes. 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. b) a un sens.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si la méthode de Romberg donne un résultat avec un ordre de grandeur meilleur que le résultat donné par la méthode de l’epsilon-algorithme.240 226 507. Autres méthodes d’intégration Si les méthodes fondées sur la technique de Gauss sont. d’une façon générale. la sommation des si fournit une approximation de l’intégrale 1. 4 points 6 points 1 2 points I = 0. Désignons par 1’ l’approximation obtenue : N-l N-l I’. 2. 2.= c si = c f(G). Quoi qu’il en soit. 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. Ces derniers calculs ont été réalisés avec une machine fonctionnant avec 10 chiffres significatifs. et que nous en ferons ensuite la somme. on obtient encore de meilleurs résultats avec beaucoup moins de calculs en utilisant la méthode de Gauss-Legendre dont voici les résultats en 4. 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. 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. 6 et 12 points.

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

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

Tous calculs faits. (f(x) + 2hf’(zi) + 2h2f”(2i) + +(Xi) + ~/qo)) . Remarque : Autant il est aisé de tirer des conclusions quand au rôle joué par N dans chacune des méthodes. FORMULE D'EULER-MAC%AURIN Estimation de l’erreur mathématique .95.= 25.893 et Md = 10. M2 = 0.i et Oi sont deux nombres compris entre x2i et x2%+2. (f(x. et l’on voit que . b). = . [f(X2i + 2h)+ f(zzi)+ 4f(xz+r)]. 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). : G = si ~ s: =F(%+a)F(zzi). b). on obtient le résultat suivant : E = zNM4 = BM4. ainsi.43. [f(zai)+4f(z2i+1)+ f(xai+a)].. sur l’intervalle (0.. Effectuons un développement limité de F(xzi + h).5. = F(X2i + 2h) ~ F(Z22) . (p. 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). estimation de Ei : À partir de là. i=o Il est aisé d’obtenir une forme plus simple en majorant la valeur de la dérivée sur l’intervalle (a. M l M4 189 .. on obtient : EL = 2hf(zi) + 2h2f’(4 + $f”(z) + ~~“(CC) + $&) . f(zai + 2h) et de f(x2% + h) respectivement à l’ordre cinq pour le premier et quatre pour les deux autres. Prenons un exemple simple : 10 I= /exp(-z") 0 dz. (il y a 2N points). autant il est impossible de savoir quoi que ce soit concernant les majorations des dérivées d’ordre de plus en plus élevé. LES POLYNÔMES DE BERNOULLI. Les quelques exercices que l’on peut mener facilement le montrent fort bien : dans bien des cas.f’“(pi) où pi est un nombre compris entre zi et X~+I. où Md est le sup de la valeur absolue de la dérivée d’ordre quatre sur l’intervalle (a. Il s’ensuit l’expression de E : E = $ ” flv(pi).En adoptant le procédé exploite pour les méthodes précédentes.) + 4f(G) + 4hf’(Xi) + 2Pf”(L7Ji) où [i. on trouve les résultats suivants : Mr = 0.12. on obtient une E.. nous écrivons la nouvelle valeur de E. lO).

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

Sur le Web(*). 0 *http://www. j=o à l’aide des relations de Newton. Pour obtenir une majoration de l’erreur.2. il suffit d’intégrer entre deux entiers consécutifs.).973 10-s 0. c qui réalise cette technique d’intégration suivi d’un autre programme cotes-2.529 10-6 5 6 7 8 9 10 0. FORMULE D'EULER-MACLAURIN où A&+i est le sup du module de ~C”+‘)(Z) sur l’intervalle (a. Si le principe que nous venons d’utiliser pour calculer les Hk demeure. n Q(n) 3 4 0. Au préalable. on trouvera le programme cotes-i.12.968 lO-’ 0. c qui calcule la quantité : Il faut prendre quelques précautions pour calculer cette dernière intégrale.823 10-l 0. 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. on aura écrit le polynôme de degré n + 1 sous la forme : n+l P. Rappelons que le calcul de M n+i est rarement simple. LES POLYNÔMES DE BERNOULLI.354 10-7 0.2. Les premières valeurs calculées sont données dans le tableau 12.219 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. de prendre la valeur absolue du résultat et d’en effectuer la somme depuis zéro jusqu’à 12. la fonction est soit positive soit négative (elle est alternativement négative puis positive etc.717 10-5 0. L’intégration du polynôme sous le signe somme est effectuée de la même manière que celle de Hk.(u) = c a$%“.edpsciences. dans chaque intervalle constitué par deux entiers successifs. b).com/guilpin/ 191 .888 10-4 0. T a b l e a u 12.

En général. chapitre 10) : = (-l)“+‘Kn+r(x) exp Cherchons le sup de la valeur absolue de cette expression dans l’intervalle (0. notée g(x) est donnée par les polynômes d’Hermite (cf. J = 0. calculés lors de l’intégration de Gauss-Hermite . et de choisir la plus grande valeur absolue.2). soit : = (-l)“K. Il est facile de calculer les valeurs de g(ak) correspondant aux racines ak contenues dans l’intervalle (a. Quoi qu’il en soit. elles donnent des extremums du même ordre de grandeur et l’on trouve : M n+l = 217. dans le cas général. E(n = 8) < -Jg5 2 9 et lO@ = 4. Ce résultat peut apparaître médiocre. Désignons par A&+i cette valeur. Cette opération va être rendue aisée par l’usage des coefficients HI. iKn+l (uk)] 2’ de là.6 10-5. Elle est obtenue pour l’une des valeurs qui annulent la dérivée de g(z).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La dérivée d’ordre n + 1 de l’expression sous le signe somme.2). en effet nous avons : j7(“+2) = k (n + (n + l)!Jz 2. alors nous trouvons : J = 0. pour 7~ = 8.. b) ici (0. ici. on tire : Pour fixer les idées. choisissons n = 8..+z(s)exp Ce sont donc les zéros du polynôme d’Hermite de degré n+2 qui sont les extremums de g(x). en fait il est dû à la majoration excessive de la dérivée d’ordre (n + 1). il est très difficile de calculer formellement la dérivée d’ordre n d’une fonction..2). 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. et rares sont les exercices qui le permettent. les six premiers chiffres significatifs sont exacts. aussi ne s’attardera-t-on qu’exceptionnellement sur leur majoration. 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. 192 . d’où 0. on les note a&.47725 f 0.477250 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. Cette raison explique pourquoi il n’est pas possible de comparer directement..

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

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

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

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

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

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

Dormand ont réalisé ces calculs et ont produit les coefficients numériques jusqu’à 16 points. et y(x0 + h) = Y(Q) + z + F + y + ? . . P. < x. On retrouve ce type d’intégration dans quelques programmes fournis avec les corrections de problèmes (cf.} = T.2. Les abscisses ne sont pas nécessairement en progression arithmétique et l’on les note simplement dans l’ordre croissant (20 < ~1 < x2 < . T étant l’intervalle sur lequel on désire effectuer les calculs et sur lequel la fonction f [x. Uz = hf (20 + W3. 200 .f (20 + h/3. Les méthodes en quatre points Il existe plusieurs variantes de la méthode.YO) U3 .x. YO + UoP) .3. ul = hf (20 + W’. et y(~0 + h) = y(zo) + z + : + ? + ? .Yo + Uo . en voici deux : 1. = hf (20 + h.Ul + U2).J. u3 = V(~O +~. 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. YO + Uo/3). Ceci permet de calculer aussi le pas d’intégration adapté au type de l’équation différentielle que l’on traite. y(z)] a les bonnes propriétés énoncées dans le théorème de Cauchy-Lipschitz. 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.+1 . On peut aussi calculer cette autre suite : uo = hf (XO. Souvent nous utilisons leurs résultats pour intégrer les équations différentielles. . 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.R. yo . .Uo/3 + Ul) . . 6. 2. Prince et J.yo+R/2). annexes H et 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. U2 = kf(~o+W. . < x. YO + U2) . 5.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. On calcule les valeurs suivantes : Ul = h.. On note h.

YYn+1 1 201 . expression dans laquelle nous allons approcher la fonction f[z.13. On adopte la notation : Pvn(xn-j) = f[x. .-j..-j)] = fn-j avec j = 0. V.jfn-j j=o et avec n>u. 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.~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. 1.. La valeur approchée de yn+r est donnée par l’expression : “n+l Yn+1 = y72 + s f’vn(x) dz. y(x. la méthode d’Adams-Bashforth a (ZI + 1) pas s’écrit : Y~+I = yn + 2 h&L.1. 6. y(z)] au moyen du polynôme d’interpolation de Lagrange de degré u. f n+l = f (%+1. y(z)] dans l’intervalle (z. Méthode de Adams-Bashforth On désigne par Pyn(x) le polynôme de Lagrange de degré v qui interpole la fonction f[z.+r). ce qui signifie que la détermination de ce polynôme nécessite la connaissance de v + 1 valeurs calculées précédemment. On se propose de calculer la valeur de yn+r au point x.+1 au moyen de la relation : “n+l Ynfl = Yn + s fh ~(~11 dz. ~ç. INTÉGRATION DE~ ÉQu.

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

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

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

+l.) 6. . n . posons : = i: fn-jL+l.Y(G+I)] = fn+l. Qv+l. ‘)A2fnll + . Le gain de la méthode repose sur le fait que le polynôme d’interpolation gagne un degré. nous pouvons nous dispenser du calcul effectif des différences successives.n(xn-j) ~1~s = f [z.jfn-j j=o avec n > u.13.4. . gn+i) valeur qui ne sera connue que lorsque la valeur de y.+~.D.. . il s’agit d’une variante de la méthode qui vient d’être exposée.y(xn-j)] avec j = O.-d(rç. Méthode de Adams-Moulton (1872-1952) Au fond.-j. 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 .)” + n)A”+lfn+l u+k-1 k A"fTLt1 avec u= zPG+l h ’ Ici encore.. (Le membre de droite est une constante calculable directement.A’&+1 + uiuz. Il prend la forme : soit encore : Q V+l. Nous posons donc : Q v+~. .nbn+d = P[G+~. Le polynôme de Lagrange qui interpole dans le ne intervalle est alors de degré (V + 1). .hJL. et il reste à résoudre l’équation implicite figurant dans le premier membre égale à ladite constante. . + u(” ‘(2. cette dernière valeur est inconnue.+1.l. INTÉGRATION DE~ É~~UATION~ DIFFÉRENTIELLES DANS LE CHAMP RÉEL 6. La différence provient du fait que le polynôme d’interpolation passe par fn+i = f (x. 205 . . Cas où les xj sont en progression arithmétique L’expression du polynôme de Newton devient : Q v+l.v devront être connues.n+l.+1 sera connue.5. yn+l) = yn + c h. u.&) = fn+l + . seules les valeurs fk pourk = n + 1.&) Comme précédemment. 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.j+lC4.

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

.com/guilpin/ 207 .+ %-j -Ym-j+1 m .j en fonction des &. *http://www. La méthode des différentiations rétrogrades Il existe une catégorie de problèmes différentiels qui sont particulièrement rebelles aux méthodes d’analyse usuelles. il peut arriver que la structure de l’équation différentielle soit tout à fait mauvais..3 (-l)j+lCj+lb v+1 v+l avec O<~<U. 7.j+l L’intégration de deux membres sur l’intervalle (-1.13. on sait facilement calculer les d.j en fonction des Sj. INTÉGR.~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 +. + (rm-1 .7 u 1. nous écrivons Zu+ij+i(s) j<u: 1 v+l. c’est-à-dire que la discrétisation explicite fait apparaître des instabilités. Il nous reste à exprimer les d. Nous avons d’abord : (u) du = j fi 2 du = (-1)V+1j -1 k=O L+l..1 quel que soit m positif.edpsciences.I & & du = (-I)“+%+i.j+l(z) = (-l)j+lcj+l en fonction de (::y).ZVj+r (x) : Maintenant.XL). Bien que les conditions de Cauchy-Lipschitz soient vérifiées.i +. On trouvera sur le Web(*) 1e programme moulton. Ce type de problème porte un nom : il s’agit de problèmes raides. O=C cm -“k + 1) k”o 0 6. Comme précédemment.+i. Ici encore. effectuons la différence ZV+l. on n’obtient pas d’approximations numériques convenables à l’aide des méthodes usuelles. = . pour z + v rfJ + v + 1 v+l ( v+l> z+j+1‘ (x) . On peut écrire.v+l .O) permet d’obtenir : d = d _ + v. 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.

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

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

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

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

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

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

AINSWORTH (1995) Theory and numerics of or-dinar-y and partial equutions. on peut l’aborder de la façon suivante : On fixe une condition. Le problème est plus délicat. DEMAILLY (1991) Analyse numérique et équations différentielles. fascicule 1 : Équations différentielles. D. Clarendon Press. Il n’y a plus de théorème d’unicité analogue à celui de Cauchy-Lipschitz. Mc CRACKEN et W. Longman. Éléments de bibliographie M. Éditions Masson. DORN (1964) Numericul Methods and Fortran Programming. soit ~0. J. La technique consiste à ajuster zo de telle sorte qu’à la limite ~1 la seconde condition imposée soit remplie. CROUZEIX et A. volume 7. 214 . H. par exemple. Presses Universitaires de Grenoble. Éditions Gauthier-Villars. il suffit de considérer l’équation du pendule. 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. Wiley. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8. MINEUR (1966) Techniques de Calcul Numérique. Lorsque ce problème de conditions aux limites se présente. 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. Wiley. et pour s’en convaincre. numerics und applications of differentiul und integrul equations. FAVARD (1962) Cours d’Analyse de l’École Polytechnique. M.P. Éditions Hermann. avec dans les deux cas ~0 # 21. F. On se donne ~0 et ya à ta.S. Dunod. HENRICI (1964) Elements of Numericul Anulysis. et zb (qui encadrent la valeur cherchée 20) à partir desquelles on recherche za par dichotomie. A. P. DORMAND (1981) High order embedded Runge-Kutta formula+ Journal of Computation und Applied Mathematics. elle admette YO = 4(x0) et y1 = $(a) ou encore yo = $(~a) et ~1 = +(zr). RALSTON et H. M. 9. MIGNOT (1984) Analyse numérique des équations différentielles.2. BACH (1998) Anulysis.R. PRINCE et J. no 1. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. Tome III : Théorie des équations. L’ajustement de zo s’effectue par tâtonnements en essayant de trouver deux valeurs Z. par exemple yo = $(x0) et l’on choisit arbitrairement l’autre condition à la même limite pour ~0. Éditions Dunod. 10. BARANGER (1991) Analyse numérique. J. HILDEBRAND (1956) Introduction to the numericul unalysis.L.J. 0p. J. Mc Graw-Hill.

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

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

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

MANUEL DE CALCUL NUILIÉRIQLJEAPPLIQUÉ Dans le cas particulier où le maillage est régulier (points en progression arithmétique). Yb) 8X2 “b Yb) + @(&. 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. 6X2 @(xb. 14.2@(xb. Yb) . 3 Bord du domaine i 4 + 0 ’ Nous pouvons écrire : X Figure 14. Yc) . Valeur de l’opérateur de différence sur les bords du domaine. ’ d2@(x. Voyons ce qui se passe à deux dimensions (CJ? Fig.@(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. Yb) . = Yc) . !/b) 6Y ~ @(xc.2@(xb. dX !/b) Yb ~ @(x6.Y) dy2 Yb L/b) + @(x6. On en déduit que : !eJo= !z~o= 2 (T+Y). by(l+ b) 218 r . d2+b. Y .1. on obtient des expressions plus simples en désignant par 6x et Sy les raisons des progressions arithmétiques : d@(zb). 6x(1 + a) 2 (Y+?).1).

j.2@(i.j. k) + @(i . Ic) .LQ(i.l M(i. INTÉGRATION ms ÉQU. Ic) + Q(i..-$ . j + 1. k. Il vient immédiatement que : aqx..j.1 . j ~ 1.1. k) Figure 14.j + 1. l’orientation du maillage à trois dimensions étant définie conformément à la figure 14. L’opérateur laplacien Compte tenu de son importance. j..j. y. k + 1) + qi.] + $ [cqi.. 219 . Repère orthonormé.. j ~ 1.. 14. Sy et Sz les dimensions de la maille élémentaire.j.. j. k ~ 1) . k)] + & [@(i. 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. Repère cartésien orthonormé M(i.k = & [@(i + l.2.LQ(i. k) ..2. Ic)] . cartésien / X SX Désignons par 6x.l. k)i . 3.~TIONS AUX DÉRIVÉES PARTIELLES en généralisant sur la troisième dimension : dz@ sz2 0 2 bz(l + c) 4>5 -ao @6 -@O -+-. Z)i.j. dz 62 > 3.

Coor.do. 14.s 3.Figure 14.3. Coordonnées cylindriques (r.s cu/l%rrd~ique. x: + 1) + @(i.i~.1) ~ @(i.. 220 .j. r6fl ct 6~ Irs dimmsions de la mailk Clhmt.j> k -.rl.rl. + & [Q(i. Fig.2. 8.~irr (cj’.. 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). z) Dksigrlolw par CI~.3). k)] z 1 4.j.

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

Méthode de Gauss-Seidel (1821-1896) On peut montrer que la technique itérative de Jacohi est convergente et ahsolumcnt convergente. k) = g [a+ + l. Gd.j + 1. G(i. 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. k) + Q+‘)(j. k)] D’un point de vue pratique. page ci-contre montre la coupe de cette lampe simplifike. cause dc la symétrie cylindrique. Gs. nous compléterons ensuite t par symétrie. exprimons Q(i.1.j .l.Jacohi : au cours du calcul.j . Nous choisissons le rnaillage suivant : 68 = 7r/36 et 6~ = O:l cm (cf. k) + Q> (n-1)(“> j. La cathode est un simple fil métallique de rayon négligeable placé sur liaxc du cylindre de l’anode. j.hode exigt environ deux fois moins dc calculs que la mkthodc de Jacob car elle converge beaucoup plus rapidement . 14.5.krat. j. 4. 4. Ccttc rnét.j.j. k + 1) + @(1. page ci-contre). k) = . j. on écrit les relations qui font appel aux calculs effectubs au (n . à la cathode qui SC trouve au potentiel zéro.l>j. k + 1) + Q +l)(i>j. sur la frontière.. k) au point M(a. Une larnpe triodc est constituée d’une cathode K. d’êt.s par rapport.iel dans un plan perpendiculaire à l’axe de la triode. nous n’avons plus besoin de sauvegarder les différents tours d’itbration.j: k) : qi. [a+‘)(i + 1. on peut faire immkdiaternent usage des valeurs qui viennent.1)’ : d”‘(i> j. k) + Q(i.6. La dcrniere relation i:tablic permet alors de calculer tous les points adjacents à la frontière.1) ~ h”p(i. j + 1.re calculkcs et.1) ~ h”p(i. k) + Q(i . La réitération de l’exploitation de la formule pcrrnet de proche en proche de modifier tous les points du maillage. j. k) + d’“-“(i. k) + @(i. d’une anode A et d’une grille G1: Gx. nous ferons usage des coordonnées polaires à. L’anode A est un cylindre métallique de rayon 1 cm port6 au potentiel 100 volt. k)]. k . On se propose de déterminer la carte du potent. ces six fils ktant rnaintenns au Potent)iel -5 volts par rapport à la cathode. On montre que la méthode est convergente.j. La grille est constituée dc six fils parallèles à la cathode disposés régulièrement sur le cylindre de rayon T = 0. 4. k) + Q(i. La figure 14.j. Comme le probkme admet une symétrie d’ordre six.2 cm. il n’est pas trk utile de programmer cette procédure car la mCthode de Gauss-Scidcl en est une importante amélioration. nous n’avons donc besoin pour effectuer les calculs que de faire varier l’angle H dans l’intervalle (0.MANUEL DE CALCUL NU&RIQVE APPLIQUÉ Maintenant. 222 . Application On se propose d’étudier les équipotentielles d’une lampe triode que nous prksentons assez simplifik. k) en fonction des valeurs prises aux points plus proches voisins de hi(i.2.j> k .4. Fig. Au rhe tour d’it. De toute façon. k) + Q> (“--‘I(i .7r/3) e . Gauss et Seidel ont profité de cette proprikti: pour améliorer la rnkthode de .ion.j. il faut deux tableaux pour mcttrc tn couvre cet algorithme..1. Gx. Pour ce faire.3. Nous n’avo11s plus besoin que d’un seul tableau dans lequel les valeurs sont « écrasées » succcssivernent. lesquels sont les seuls à être modifiks.

lors de deux itérations consecutives. 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. On trouvera sur le Web (*) 1 c programme triode. sont Sgales ü une certaine précision près. schématique d’une lnm. Nous complétons par symétrie car sur la droite DF> le potentiel est le même que sur la droite D 9.com/guilpin/ 223 . 4. Nous calculons le potentiel sur les droites D 1. *http://www. c qui réalise le calcul des potentiels par la méthode de Gauss-Seidel.5. GI et K. Dz. Maillage d’une partie du domaine de la triode. et celui de la droite Da est le mCmc que celui de la droite Dl.5.14.pe Anode K Cathode Figure 14. Représentation triode.edpsciences.6. 03 et Db. INTÉGRATION DES ÉQUATIONS AUX DERIVÉES PARTIELLES Figure 14. Technique opératoire On met des zeros partout aux nceuds du maillage hormis aux points A.

t) ~ 2qn. uous calculoris au moyeu de la relation ci-dessus les valeurs en c‘llacluc~ poirlt (111 maillage.3. du maillage.t ~ qx + 6x.2. Le non-respect clc la condition de sta. Nous pouvoiis écrire : mqx. ct. Puis nous cfhkuons les calculs au temps 26t par le rr&nc: procéd6. ii11 tclll~>s 3Ot. : on obtient.hr. t + 6-t) = 9(Z) t) + g [fD(zr + ch.ollt poiut. rsfk Nous obtenons alors 1’Pvolution du syskhne au cours du temps. 5.5.ir ch. t) at .ion du problCme est &tcrmirlC+ par une suite tl’oph-atious 6lhcmta~ires cffcctui33 CI part. t) + q:x: . 4 cm Ci sclori qu’il y a une. l’expression de 1’6qnatiorl dcvicnt : 5.t h‘t Au moyeu ch diff&ences finies. t) 6:IJ +D(. 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. aiiisi clc suitr.lClitk est. la maille ~lhncmtaire a la kille a2 . t) ct. t. sanctionuC~ irriirl~diatrrll~llt. t) ~ qz t + n‘t) ~ q. cm tenant compte tics conditious iruposks au systhc @tu&+ (conditions aux limites). . t) ~ ‘Lqx.lcul proposé est st~ablc lorsque la conditiori suivant. très rspidcrncnt ri’irriport.c.. tlcux ou trois coordoririCcs d‘cyacc. cT:cSt.r.e est rcniplie : cy valmt 2.&r:. 224 . Résolution des équations de type parabolique (méthode explicite) 5.c. t)] Au temps t = 0.3 coritlitions iiiitialcs. Problème de stabilité Nous ne pouvons las choisir u’irrlportc~ corumcnt 1~: quadrillage de l’cspac~c~ (x. La solut. Maillage pour une coordonnée d’espace et la coordonnée de temps Cornriie prKdcrnrurnt~ nous choisissons un maillage rbgulier.1. Au temps ht. t) ct lr: ca.c quoi : ou ahoutit à uu tl@üsserncnt dc capac‘itb (overflow) qui produit un arr?t de la rriachinc~. nous connaissons la valeur de @ CU t. au cours du temps) : qz.r. t) + qx . ct il est facile tic s’apcrcmY)ir que &tc~ m6tlde u’cst pas itérative (les vsleurs changent.

s de fac. C‘est ce genre de problème que Fourier a t. c qui t. noiis m coiis~mmis qw la seule mordonnk: d’mpaw 2. 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).1. l’expression de l’iquatiorl tlcvicnt : 225 . Maillage pour une coordonnée d’espace et la coordonnée de temps Cornrnc pr@c~~derrirrierit.Prieur dc la plaque fn fonct. Application : Refroidissement d’une plaque homogène Une plaqué hmnog~?nc d’kpaisscur i! = 10 cm mt port& a la. La foiiction tl&mcl tirs trois vari. On trouvera sur lc Wcb (*) 1 c progrmm~c chaleur.~TIONS A~IX DÉRIVÉES PARTIELLES 5. I.1 “C la t~mip6ratim du tlicmnostat ? Il est tout à.airc~ a la tkllr Au moyen clcs diff6rcncw finks. pork sou nom (Thkorie malytiyue de la cldrur.joiml’liui. de tliffusion est D = 1.12 crn”sP1 Au tmut de cornl)ieii de tririps pouvons-nous adrncttrc qiic 1iL tcnipi:mture est 2. en série de sinus et tic cosinus qui.NT&RATI~N DE:S ÉQU. Cornrnc prMdtrnnicnt. 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.kd formel. dans un rkrvoir d’eau 5 la température 01 = 10 “C suffisanirricnt grand c:t. l’~~xpression : 32q2. î et. c’est-k-&-c> lorsqiw la. bim agit6 pour qiw l’on puisw admettre que l’briergie &lPc par la plaque nc clmngc pa. On sc propow dc dik:rrniner la ~.mipkrature à l’int. c>llc est. ai~.ion dc lin distmw z c.ori riotable la teinp&dure du réservoir. y. nous choisissons bzh‘t. plong&. 6. du temps t (ou notera la symétrie du prol)lèmr) La. pour kt.raitF ct pour lcqwl il II trouv6 la solutioii sous forme tl’uii d~velol)l>eriierit. de la variatdc clc tcrrips t. nouveau uniforme dans la plaqw. teinp6rdure la plus élevée ut tl6passc que dc 0. plaqur est t‘11 cuivre dont le coefficient. 1822).ion dc ccttc équation. Au temps f = 0.4. L’klimtion sc rkluit alors à.t.tt>les d‘espace 2. Nous pouvorls écrire : 1111 rriaillagt rkgulicr~ ct la rmilk 616rncml. trrup~rat~ure uniforme Ho = 90 “C. t) 3z” 1 dz@ r2 3t” 6.14.utlicr l‘intPgrat. fait intérrssmt dr corripare~ les résultak du calcul riiirn6riqiic rwcc les rk1dtats du c.raite ce prol~lèrne.

joiud’Iiui. portbe n la tcmpk.ion suivaritc : c~xprrssion dans l.12 cn?s.edpsciences. Application : Refroidissement d’une plaque homogène Une plaque homogène cl’6paissr:ur / = 10 cm est. températurc du réservoir. en s6ric dc sinus et. intkwaiit~ dc comparer les rksultats du calcul numtric~ue avw lw rkultats du cald formc.inalytiquc tic la. z ct de la variabk~ de temps t.1 “C la tcmptrature du tlicwilostat ? Il est tout à fait.) = 90 “C. c qui tr. On SC propose de d6tc:rminer la.(f2 (yt2 arr” 6. Nous pouvons &rirc : et la maille 6ltmentairc a la taille Au moyen des tliff6rences finies. pour 6tudier l’intégration de cette 6qu. Al1 bout dc combien de temps pouvons-nous atlmcttrr que la.4.i. pour lcqwl il a l. elle est plong6c dans un réservoir tl’e.ion dkpentl des trois variables tl’cspaw XT. l’kluat.5. à. hz&.com/guilpin/ 225 .ion devient : *http://www. Maillage pour une coordonnée d’espace et la coordonnée de temps Comme préréclcmmrnt. 6.6 pour que l’on puisse adnwt.tquelle c est une cwnst. 1822). porte son nom (TlGwrie . nouveau uniforinc dans la plaque. nous clioisissoiis im maillage r&g&X”. sym6trie du problème). L’kpiat. tempPrat~ure ?i l’intbricwr de la plaque cn fonction de la tlistancc~ :1: et du temps t (on notera la. tic cosinus qui. On trouvera sur lc Wcb (*) 1 e programme chaleur .ru à la température 01 = 10 “C suffisan~mrnt~ grand et lkri agit.ion SC‘ rkluit alors à.‘.sse que dc 0.ite ce prol)l?mc~. l‘expression : iS”Q>(z.P de l’on&~ libre tlrtris le milicu corisidér6 (vit. LR plaque est en cuivre tlont le coefficient dc diffusion est D = 1. nous nc wnservons qu(~ la seule coordorm~e cl’csl~ac:c: CE.tt.tre que l’éncrgic cklée par la plqur: ne change pas de faqon notalde la. Comme prtcklcmment.l.ttion.urr uniforme 8. C’est c’c gtnrc dc probkmc que Fourier a trait6 et.1. . ai~. t. c’est-Mire lorsque la tc~mptraturc la plus @lev+e nc tlbpa. l’expression de l’équat. dialeur.antc appelée cCkrit. La fonct.empkdure est. y. t) 1 a2ù.rouvC la solution sous forme d’un dfvcloppcmrrit. Au temps t = 0. 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.csse de phase).

DE CALCUL NUMÉRIQUE APPLIQUÉ 6. et ainsi de suite au temps 36t. Profil d’une corde pincée. On note que l’on doit retrouver un profil 226 . deux ou trois coordonnées d’espace. en tenant compte des conditions imposées au système étudié. Problème de stabilité Ici encore. 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.&).7. t) + 2(1 ~ T2)4>(X. h = 1 cm. cette corde est disposée conforrnérnent à la figure 14. 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. .qx. .7. nous connaissons la valeur de Q en tout point du maillage. 4 ou 6 selon qu’il y a une. Sachant que L = 100 cm. Au temps 6t: nous calculons au moyen de la relation ci-dessus les valeurs en chaque point du maillage. et. La solution du probleme est déterminée par urle suite d’opérations élémentaires effectuées a partir des conditions initiales. t) + r2qx ~ 6x. on se propose de dctcrminer les profils successifs de la corde sur une demi-période. . t) . 6. Y A LT/ > n x B L c Figure 14. Nous obtenons par ce moyen l’évolution du système au cours du temps. Ici encore. . le non-respect de la condition de stabilité provoque l’arrêt quasi immédiat de la machine: Application : Profil d’une corde vibrante pincée . t + ht) = r2fD(x + 6x. et l’on voit ici encore que cette mcthode n’est pas itcrativc : qx.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. n&. expression dans laquelle on a posé : Au temps t 5 0. c = 300 mspl et (L = 15 cm.Une corde vibrante ABC est fixée à ces deux extrémités B et C.MANUEL. à l’instant initial t = 0.3. t .

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

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

5) s’krit alors : Q(~C. = A: 6’(h.0 .MANUEL DE CALCUL NUMEIUQUE APPLIQUÉ Comme lc premier membre dc (15. t) . avec .5) expression dans layuclle A et B sont des constantes. Au temps t = 0.=n?r avec n . A’: B’ ct C’ ktant des constantes d’inGgration.~) + B sin(kz)] exp(-k2Dt).3) et (15. 2 .4) s’écrivent : T(t) = A’exp(-kDt) X(x) = B’cos(kz) + C’sin(kz).t > 0) = H(h. . Il reste à appliquer les conditions aux limites ct les condit. pour déterminer compktement la solution il est. (15.(y)ZDi] 230 . nkessaire dc faire intervenir les conditions init.ions initiales : O(0. B’ ct C’.O) = TO = Acos + Bsin(kh) et Pour simplifier les équations. On obtient alors les kquations : X”(X)+ k”X(z) = 0.2. 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?. T’(t) + k2T(t) = 0. (15.1) s’krit : /3(:1*. on a T = TO sur les parois du mur c’est-à-dire pour z = 0 et z = h. 1 .3) (15. Au temps t < 0.3. Les solutions des kquations (15. et l’on obtient : A=0 0 = B sin(kh) La solution non triviale impose : kh.2) est constitué d’une fonction nc dépendant que de z et. . on peut rkaliser un changement d’origine des tcmpérakures poser : TO est la nouvelle référence. T = T. t > 0) = Q(O> 0) = r. Une solution de (15. Comme on va lc voir le signe moins résulte du fait physique que la tempbrature ne peut pas croître indéfiniment de fqon spontanke. .iales et aux limites. pour 0 < z 5 h et T = TO partout hors du mur.4) Maintenant. .TO = L3 sin (7x) exp [. 3 . . ce sont des combinaisons linéaires des autres constantes A’.n = 0. 7l dor1c k = 7-lh et l’expression (15. t) = [A COS(~.. 1.

c] exp [-i. quant. On déduit donc la solution gérkale : e(x.6) par sin (y:~) c./2..iy. qui est.7) D’une façon plus générale.i. Le rncml)rr~ tic gauche est diffkent de zCro quand 71 est impair soit n = 2p + 1.15. On olkient~ : ]Tisin (yz) dz = B.6) Multiplions les deux membres dc (15.1). c’est la fonction «fen%re » qui est une constante dans un intervalle fini et.z..ç < il> donc : (15. rt-1 (15. Compte tenu de la linkarité de 1’6quation (15.?. t) ~ TO = 4: 2 ij&y siri [(2p + l)i. 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. la condition da. LES SÉRIES T)E FOURIER Il nc reste plus qu’3 déterminer le coefficient B: et. la solution spatiale est donnée pa. cn toute rigueur. la solution la plus génbrale doit donc s’krire : On remarque qu’à l’instant t = 0 : 0(. 0) ~ TO = T. 0 27T sin(rLz) sin(rrlz) dz 2T sin(. nulle ailleurs).8) La somme est le développernent de F(z) en série de sinus. sin (7~) . ~ TO = T: pour 0 < . au membre d<.6) prend la forme : F(z) = F B../ls) cos(7rm) dz: 277 231 . B dépend de 11.. [siIL’ (yz) dz 0 à cause de l’orthogonalité des fonctions sinus (voir le prochain paragraphcl). les proIn%%% dr paritk ou de symétrie ayant annulé les coefficients des termes en cosinus. 2. alors la condition (15. il vaut h.tj intégrons de 0 à h. si au temps t < 0. droite.r lc dkvcloppemcnt de la condition initiale dans le mur (ici. En définitive.ns Ic mur s’Ccrit F(z) pour 2 compris entre 0 et h.i 7r=l (15. + .

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

11) 4. Définition d’une fonction à variations bornées .3. corllrrle ceci explique l’origine du çoeflicicnt ao/2 : tous les ah. Théorème I Si f(z) est une fonction periodiquc dc pikiode 2~r.O)I/L dans le ca.z) est continue.Soit f(z) une fonction d&iic sur mi intervalle (n: h).. . sont calculk au moyen dc la mkrle formule. b) en n sous-intervalles partiels au moyen de (n ~ 1) points t. continue et pourvut d’une dérivée prcnii?rc continue f’(z). cn tenant compte des relations d’orthogonalite.2.~ de la discontjinuitjP (convergence simple). la somme S. multiplions les deux membres de la relation (15. On divise (a. S la somme définie par : Si. on dit que la fonction f(z) es.15. Conditions d’égalité de f(x) et de la série de Fourier associée On admettra sans di:monstration les théorèmes siiivants : 4.7) est. 4. quelle que soit la décomposition de (u? b). 233 .riqiic (15. 1a série trigonorri~t. rcstc infbricurc a 1111 nombre M fini. soit. < Lcn-l < b. convergente pour tout n: et a pour somme f(z) dans le cas dc la continuité et [.els qw : a < ICI < 52 < 5y < ‘. et à variations bornées sur tout intervalle fini.9) par sin( Icx): puis intégrons sur une période . 4. qui sont alors des points de discontinuit6 dc première espèce pour f(z) et f’(z). DC la même façon.f(z + 0) + f(z . Théorème II Le théor+me 1 est conservé si f(z) est à variations bornees sur un intcrvallc dc pkriode 25~. Théorème III Appcle thi:or?rnc dc Jordan (1838-1922). Si f(z) est p ériodique de periodr: 27r. on obtient : (15. à variations hornks sur (Ut h). LES SÉRIES DE ForrRrER et.1. sauf eventuellement en un nombre fini de points sur une période et. alors sa série de Fourier est convergente et uniformément convergente clans tout intcrvallc où f(.t .

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

LE~ SÉRIES DE FOURIER Les termes correspondant à une valeur de n pair sont nuls. Donc. COU~S de Muthémutiques.2 de ce chapitre). 235 . On trouvera urle démonstration complète dans l’ouvrage dc . Lc d~vcloppement alors est limitk à l’ordre 12. (:x) tel que : quel que soit z appartenant à (a.J. 6.2. Paris 1961. On obtient le d&Aoppcment suivant : f(z) i ~ (sin(f7rz) + sin(l7rz) +.1/2 si 0 < z < 1. 0). il s’ensuit que : 4 %+l = r(‘$)+ 1)“’ avec p = 0. il n’est pas utile dr fournir 1111 programme qui calculerait directement les intégrales. Masson. Note sur le calcul effectif des coefbcients de Fourier Il n’est pas nécessaire de calculer les coefficients de Fourier au moyen des intfigrales.Soit la fonction qui vaut 1 sur (0. donc les uy1 sont nuls.ns cette expression E est 1111 nomlw positif aussi petit que l’on veut. Tome 1.. Da. 5 8. . b . On trouve : d'où La dérivke dc cc dkveloppement n’est pas mi dCvcloppement convergent. 5. cependant on pourra l’utiliser quand mêrne pour calculer f’(z) . b) peut etre approchée par un polynôme Pr. La démonstration repose sur le théor~mc d’approximation de Wcierstrass selon lequel toute fonction continue sur l’intervalle (0. p. Cette fonction est impaire. On trouve no = 7r.Soit la fonction f(z) = 2 .) C . Approximation des fonctions par une série de Fourier tronquée La première application des skies de Fourier concerne l’approximation d’une fonction f(z). b). 312. 1.7r) et -1 sur (+r. 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. + sin(Tr) + .6.15. Bass. (cf.

d’une fonction développable en série trigonomktrique.. pour 2N+ 1 valeurs zk dc la variable. Voici ces relations dans lesquelles j et 236 . valable sous réserve que les conditions de validité de développcmcnt en skrie de Fourier soient vérifiées.> TTT.nt de la formule de Moivre (1667 1754) ct de l’expression de la somme d’une progression géométrique. NT. Les 2N + 1 valeurs de la variable sont réparties en progression aritlmkt. Pour obtenir des expressions commodes d’emploi. Nous allons dhontrcr ccttc proposition dans le cas d’m1e fonction éc~lallt. Autrement dit. Autrement dit. au sens des moindres carrks. 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.Ao . ’ N r Comrnc f(7r) = f(-7r).loI>pr:rncnt CII shic dc Fourier. On y parvient.illorlrlée.O..12) CII écrivant que : dE” y&=0 ct 3E2 w=o. -1.1 N . ~(XL) .. b) par une skie trigononktriquc et que ccttc S&ic est tronqukc à l’ordre n.Considhons une fonction f(z) périodique de période 227 dont on connaît uniquement 2N+ 1 valeurs yk. assure la mcillcurc approximation. . . alors les coefficients du développement trigonométrique sont @aux aux coefficients du d~vc. le développement en série de Fourier tronqué & l’ordre n est celui qui. parmi tous les dhcloppcmcnts trigononi~triqucs possibles trouyués à. on désire rendre l’expression : 2 E”= 2 l=-N+l la plus pctitc possible. Théorème Si l’on veut approcher au sens des moindres carres UIIC fonction f(z) définit sur (a. soit : N . l’ordre 71.. Bien entendu ce Worèmr est.e[Ak COS(~~) + Bk sin(kz)] k=l (15. Approximation d’une fonction échantillonnée .. ~N.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 6.. seules 2N valeurs ~(XL) sont indépendantes. il faut utiliser 1111 certain nombre de relations trigonométriques qui s’établissent en se serva. +l.ique sur toute la pkiodc.1. . x T1 N avec 1 = -N + 1: -N + 2:.l -. . .0. On a poli6 : CE.

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

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

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 . plus cette anomalie se trouve repoussée sur l’axe des y. + COS[(272 .nt) cas(t) + cos(3t) + ‘. Usage de I’epsilon-algorithme et disparition du phénomène de Gibbs Nous allons appliquer l’epsilon-algorithrnc à la suite des sommes partielles S.1)t] = msino on obtient. ..rouvks sont présentés dans le tableau 15.l de l’argument.n. pour le calculer on peut écrire : ?r/‘h 71 sin( 11... L’cpsilou-algorithme appliquk à ces quinze valeurs donne le résultat suivant : 0. page suivmte. Pl us on prend de termes.. on peut effectuer un dkveloppement lin&6 de sin(u/2n) et remplacer cette expression par SU/~T~.. Pour les grandes valeurs de n et les petites valeurs de 5. Ainsi quand ‘II tend vers l’infini et :r: vers zéro. LES SÉRIES DE E’OLJRIER ct puisque sin(2. Ou voit sans trop dc difficultk que lc premier maximum est le plus grand .1. 8.15. Nous avons considk+ les termes depuis 5’71 jusqu’à Ss5 pour la valeur z = 0.999 998 031 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.) sin(2nt) dt = 2 2 sin( t) 7l J’ 2n sir+L/2nj) 0 du eu ayant. La courbe reprkeutant S. + (-1)” du dbvcloppenlcnt en (271. (:E) sont donnés par sin(2nz) = 0.1.3.2. +‘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). posé u = 2nz.(X) va cffectucr une série d’oscillations pour un point 5 quclcouquc choisi dans le voisinage de l’ordonnée y = 1. Les résultats t. 239 phCnorr&ne de Gibbs et 1~s . (x). : 3 Les cxtrernurns de S..

r convcnablemcnt ur1c discontinuitk.com/guilpin/ 240 . on voit que lc seconde membre est une skie divergente puisque e’cst une série de terme en cos(krc) ou sin(kz). 1111 pic (1~ Dirac.035 1>038 1.edpsciences. en skie de Fourier mais qu’au moins une skie dc coefficients (a.024 1.inues t.) tendait vers zéro c:onmie l/n. ou h. Les points de discontinuitk ne sont plus la source d’oscillations.MANUEL DE CALCTJL NUMÉRIQUE APPLIQUÉ Tableau 15. dc discontinuité quelle que soit la hsc de fonctions continues utilisée et le d~vcloppemcnt continu nc peut en aucun cas représentc. ~NOUS avons pris pour exemple la fonction qui vaut -1 pour z appartenant à l’intervalle (-T. C’est hicn ce qur donne l’cpsilon-algorit. 0.025 1. æ = 0 et z = T où f’(z) est.ions ~c:hantillonn~es sont parfaitement rendues. 8. c qui mont.999 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. *http://www.038 1.990 0..2. 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.elles que les fonctions de Hadamard.re ce gcnrr: dc calcul. 0) et -tl pour z appartenant.1. ct les fonct.035 1.016 1. Walsh. Retour sur les fonctions f(x) présentant des discontinuités Nous avons dit que la fonction f(z) admctt.040 1.(. chaque point. Il n’en est plus de mCme si la base des fonctions (orthogonales si possihlc) est constitukc de fonctions discont.hlrle. Si l’on dérive chacun des deux mcmhres. Palcy et dc Haar. de cosinus. : 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.. Lc prol&me est inhPrcnt à.ait un développement.008 1. L‘rpsilon-algoritllme tire nkmmoins parti de ces données en calculant les sommes partielles de la série divergente.

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

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

15. on prut krirc : tn se souvenant que pour les valeurs <y~. dc la fonction paire ~[COS(Q)]. Pour des raisons pratiques. Donc. infkieurs & k. à savoir : cY=cos ( 22+17r ~r1+12 > a v e c i = 0.1. (x) sous la forme d’un polynôrne de Tchehycheff : Posons alors 5 = COS(&).+12’ nous avons : Q(Qi) = cpi. On peut écrire : Q(Qi) ou cncorc : 243 .3. en skie de Fourier. .2. Pour cela. formrllemcnt : Il nous reste alors à calculer les coefficients pk.n. Ces valeurs reportées dans l’expression du polynôme permettent. k=O Po = & 2 k=O CO~(~Q~). tronqué à Les coefficients pk sont donc les coefficients du dkveloppement l’ordre 72. ~[COS(Q)] = cpi CO~(~Q) + En cc=(Q) = Q(Q). nous allons kcrire l’erreur minimum E. il est possible d’opérer dc la facon suivante : toute puissance de 2: notée zk.. d’obtenir une formule fournissant l’erreur minimum au sens de Tchebychcff. k=O Eu égard a la définition des polynômes de Tchebychcff. ce qui nous imposera le choix des abscisses.. LES SÉIUES DE FOURIER L’erreur sera rendue minimum cn utilisant la propriété essentielle des polynômes de Tchehychcff. nous avons : et pour les valeurs 2i+17r Qt=-n. peut s’exprimer au moyen d’une combinaison linéaire de polynômes de Tchebycheff dont les degrés sont égaux et.

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

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

elles font.com/guilpin/ 246 . il est convenable de dire que lc développement en s6rie de Fourier const. 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.ion de filtrage que nous venons dc réaliser traduit une convolution dans liespacc direct. En ce qui concerne les fonctions non p&iodiyues définies sur un intervalle infini. l’objet de traitements spbziaux appelés transformations de Fourier. les coefficients différent de : avec cg = ao. Voici un exemple concernant une série convergente : fi(t) = 2 ar..edpsciences. 14.12. 1111 filtre passe-bas. = a. Oii trouvera sur le Web (*) lc programme filtre. Nous reviendrons sur ces aspects des problèmes cn abordant 1’Rtudc des transformées dc Fourier. Notons hicn. n=n Supposons que Ics coeficicnts a. Par ailleurs. 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. Il existe une restriction importante dans la mesure on l’on ne pr. Calcul des séries de Fourier à coefficients approchés dans L* Dans certains cas. 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. que la fonction de transfert est sym6triyue ce qui peut donner l’illusion de calculer imc fonction de corrélation. rcr ct de la fonction <X fenêtre 8 T(w) qui est.iit pas se servir du d6vclopprment en dehors de l’intervalle de définition de la fonction. c qui ri:alise le filtrage de données numériques entachées d’crrcur. soient enta&& d’erreur ct que l’on ait : c. mcsiire où l’intcrvülle dc définition (a.itue un prolongement analytique dc la fonctjion f(z) en dehors de l’intervalle (a. À propos du développement des fonctions non périodiques Il est parfaitement 1i:gitime de développer cn série de Fourier (au sens large) une fonction f(z) non p62riodique dans la. 13. cos(nt).ion 00 fz(t) = c CLr. ici. *http://www. 6) (1st fini et que la fonction Sat)isfait aux conditions légitimes du d6vcloppemcnt. Dc retour dans l’espace direct. donc ~1 est aussi petit que 1’011 veut.. + n A la place dc fl (t) on obtient la fonct.2. cos(nC). le produit simple de deux fonctions est transformé en produit dc convolution. Remarques sur les opérations mathématiques réalisées lors du filtrage L’q+rat. 71-O Dans la m6triyue de L". b).

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

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

12~) dz h. présent.4NlrEL D E C A L C U L hrU. 7 cos(wt) -n +CC / f(x) COS(~~) 00 +CC dz + sin(wt) / p(z) sin(wz) dz ~00 du..M. (16.4) C’est lc dbvcloppcmcnt cn iutkgrale de Fourier de la fonctiou f(t).. cela nous pcrmct d’obtenir une autre forme du dkvcloppcmcnt : f(t) = ff + k F R [CI . 0 -00 (16.l( z C)[ S ( wn:) COS(~~) LECI -+/a + sin(wz) cos(wt)] dz. / -T/z O . pour T tendant vers l’infini.. on peut dire que (2 est l’a<:croissrment dr: w pris cntrc deux valeurs consécutives. I’ À f(z) sin(nRz) dz.a f(t)=. Autrement dit. ou peut considérer que 62 est l’accroissement Sw dt: w. 250 .2) Dans cette nouvelle représentbion. Lc développement (16.(x) cos[w(n: .f(z)dz+$$+j”. posons w = nR. 7 dw i. Ces formes dc dhcloppcmcnt corrcspondcnt aux dhcloppcmcnts CII shic dc Fourier de fonctions offraut « un spectre continu » encore appelé « spectre de bandes >>. sin(wt)] cl=62 (16. que 6w A d w c t q11c CL=62 alors on peut krirc : f-(t) = . COS(~~) + h. On peut encore écrire : f(t) = .!.W@RIQIJE APPLIQIJÉ f(x) cos(n.t)] dz.2) s’krit alors : +T.. l’on fait I’hypothk~ que : tT/2 1 cc cc 1 -+ > s 0 lirn - T -T/a I’ f(z) dz = 0.3) Soit encore : Si. = .

on krit : f(t) = A 1 c. Bien tics talks tic trzmsformées de Fonricr utilisent cette notation. --l-/2 conventions que prk&hmncnt..jwt) dw +m G(w) = & / f(t) exp( -jwt) clt. exp(jnRt). Il s’agit dans ccttc dernière forme d’une des exprc3sions les plus employi+s appelks l’une transfornk: dc Fourier directe. encore poser : f(t) = )‘G(w) exp(. on prkfbc utiliser tics formrs plus 251 . -cc d’où En effectuant une extension A l’infini. cependant. nR = w : et &ù + dw = (2. l’autre transformbc dc Fourier réciproqur..1.5) On peut. exp(jwt). nous obtenons : (16. Intégrale de Fourier en termes complexes Partons du développement en sh+ dc Fourier en termes complcxcs : f(t) = CC~. 1 avec c.1. = T s En conservant les mnmes f(x) exp(-jnk) dz.

+oO Si *f(x) appartient à L’ alors l’intégrale . tandis que l’espace L2 est l’cspacc fouctjionnel des fonctions de carre somrnable.” dw G(w) = Les équations (16. 252 .) dt = G (&) .i’ que l’on peut ikrire encore : Q(w) = 7f(t)cxp -30 exp(-jwt) dt.6) fonctionnelles.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ symCkriqucs eu adopt. (-27~jw. Conditions d’existence des transformées de Fourier dans les espaces L1 et L* 2. /’ -cx +30 +oO s f"(x) dx (011 s Si f(x) appartient à L2 alors l’intégrale ~(CE)~*(X) dz) existe. Remarque : Rien n’empêche de choisir des signes opposes dans les exponeritielles pour definir les transformées directes et réciproques. Relation entre différentes définitions Les tables d’intégrales dc Fourier utilisent généralement une uotation plus concise qui ne fait pas usage du facteur 257 : +CC Q(w) = f(t) .2.1. soit : f(t) = /C(:i) exp(-2Qwt) dw -x +Z= G(w) = s -00 f(t) exp(2Tjwt) dt. If(x)1 dz existe.6) sont des equat~ions / f(t) cxp-27rjwt) dt (16. Il est evident qu’il faut se tenir à un choix pour effectuer les calculs.ant les expressions suivantes : f(t) = /G(x) exp(2~jwt) -33 +. Définition L’cspacc L1 est l’espace fonctionnel des fonctions intégrablcs en module. 1. 2.

Nous ne parlerons pas davantage de cette intkgrale qui passe par la notion d’intégration dc mesures abstraites. (16.6).i f(x) exp(2njTjzt) dz 253 . Conclusions a. b. LES TRANSFORMÉES DE FOURIER Dans ce paragraphe. Il faut bien reconrlaître que l’usage pratique des transform6es dc Fourier passe exceptionnellement par les considérations qui vont suivre.2. Insistons toutefois sur un point csserkiel : lorsque l’intégrale de Riemann est rkellerncnt calculable. on a : +LX . Non seulcmcnt l’espace L1 devient un espace complet mais aussi L2. permettre d’éviter quelques pièges que l’on peut rencontrer dans la théorie des fonctions khantillonnées. La transformée de Fourier dans l’espace L1 On dit que f(z) appartient à l’espace L’ si. pour la fonction f(z) ü valeurs récllcs ou complexes. 3.héoriqucs essenticls. Quoi qu’il en soit. Il existe des fonct. 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.hkorie doit. nous dksirons rappeler les résultats t.kgrable. dc suite que la notion d’intbgralc de Riemann ne suffit plus pour l’ttudc de tels problèmes.I’ If(x)1 dz = h (fi fini).7) Ici. des exemples de fonctions bornées qui ne sont pas intégrables au sens de Riemann.11 sens de Riemann. Au fond. que l’on doit lui substituer la notion d’intkgrale au sens de Lebesguc (1875 1941). 2.16. le cas dc fonction discontinues nc comportant que des discontinuitk de prcmike espèce. le physicien rencont. la norrne est celle de la convergence en moyenne. complet au sens de la norme L1. et.rant en gCnkra1 <t de honncs fonctions ». C’est. 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.it. C’est k Henri Lchesguc (18751941) que revient le merite d’avoir découvert la nouvelle intégrale en 1902. un survol rapide de la t. Voici pourquoi : lc point essentiel repose sur le fa. elle donne lc mêrnc résultat que l’intégrale de Lebcsgue.1. 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. Théorème La transformée de Fourier +C= F(t) = -CU . Le lecteur intércss6 trouvera des d&eloppcments et des exemples dans les ouvrages citts en bibliographie : cn particulier. il s’agit d’un élargissement de la classe des fonctions intégrables. Le prohkme fondamerkal repose sur les conditions d’existence de 1’intCgrale dc Fourier qui est l’une des expressions (16.ions parfaitement. Les rnathérnaticiens ont trouvé une définition plus génkrale dc l’intégrale de Riemann afin que L’ soit toujours ml espace vectoriel.. Disons tout. d&nics qui ne sont pas intégrahles a.

prerniàres ou encore 6. si f(z) ainsi que sw n. est linéaire. (16.9) 4. Donc F(t) existe pour tout t.MANTJEL r]E CALCIJL NUMERIQUE APPLIQUÉ existe si f(. En effet.I -00 If(z)1 dz = .jm) 3 F(t . on a les inégalitbs suivantes : +CC . de plus F(t) est bornée uniforrnhent : IF(t)1 < I.l (z) r_F. si 0.f().e r.10) Il faut.2. La syrnktrie donne : f(x) 3 F ( t ) exp(2rjty). La translation qui consist.F.z).z) appartient à L’.f Ll . = 0. bien noter que le cas particulier ~1. aussi à. . Si i(z) appartient 5 L1 sa transformhe de Fourier F(t) est uniforrriémcnt continue pour toute va. L1.Ir/) donne : f(x -Y) 3. Propriétés essentielles dans L1 R.ient à L1 et si la fonction XI(:~) appartient. En effet. (16. alors F(t) admet. dkrivhs a. 2. 254 . ct. si a # 0.r en (z .I’ -<xi f(z) exp(27rjzt) dz < +Oc .leur de t. donne : (16. La dilatation d’abscisse.8) exp(-2r. = 0 nc prtsentc pas beaucoup d’inthêt.jzf(z) : 2-irjz.appclons que l’on note : f (xl 1. F(t) à changer . Si f(z) appart. La T.f(x)I 3. Continuité de la transformée.f(O) est une coristantc et la fonction constante n’appartient pas à L’.ppartjicnrirntj à Si f(x) est dériva& n fois. F ’ ( t ) . d ors : . 5. I)artout une dkrivke F’(t) Imrnke qui est la transformée de Fourier de 2~.

-Ix (16. que . a partir de F(t). 3. P(z) I = 1 .16. Si f et F appartiennent ensemble à L1. 255 . cependant la transformée dc Fourier inverse existe si l’on prend la valeur principale au sens dr Cauchy.]n*l s i . F(t) n’appartient pas à L1.r = i. +l) 25 0 ailleurs ski(&) ( > ’ I= 7rt 4. Les transformées de Fourier dans l’espace L* On dit. +1/2) ski(&) 7’6 ts= 0 ailleurs 7r-t 7r(l + t”) (= 1 si Ic appartiern à (a.11) Il faut alors des propriktts dc continuitk pour dCterminer . -oc. (16.1 . et sa valeur n’est pas modifiée quand on change les valeurs de f sur un enscmhle dr mesure nulle.‘) exp(-27474) &fi F ( t ) 4=-G fi exp( 4”) 1 f(x) 1 = 1 si z appartient à (-1/2. /’ f”(:x) dz = if]‘.3.) à valeurs rklles ou complexes a.out point.12) c’est-a-dire que l’intégrale existe.f(I ” )en t.pparticnt à L2 si l’on a : +CC .r appartjicnt a ( .F(t). l’intkgrale (16. En effet.2.’ d t . Exemples de fonctions transformées de Fourier l’une dans l’autre f(x) exp( -7r. alors nous avons 1’Cgalité dc Parseval (1755 -1836) : +^c> /’ I~(:I$ c1. 8. LES TRANSFORMÉES DE FO~R~ER 7.7) est prise au sens de Lehesgue.f (2. Du point de vue du physicien: l’Égalité de Parseval nc fait que traduire lc principe de conservation de l’bnergie. b) f (xl I= 0 ailleurs 23 sin[&(h ~ u)] iTt cxp[j7rt@ ~ u)] Dans ces deux derniers cas. La réciprocité dc la transformée de Fourier pose un problème dklicat.

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

F(t)] appartenant & L1.4. 1’Cgaliti: dc Parseval n’est rien d’autre que l’expression du principe de conservation dc l’hcrgic.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. il s’ensuit que h(z) est la transformkc dc Fourier dc G(t) F(t).ant une fonction bornée et la fonction [G(t) .3.g 111-. LES TRANSFORMJhS DE: FOU~~I~~ Alors. cn effet.g(x)) = /i(x)g(x) -!x. Par ailleurs.13) : En inversant l’ordre des intkgrations.I -430 . Rcmplac. G(t) exp(-2jKtz) +LX s pc. h(x) ét. La démonstration est encore plus simple si f(x) et G(t) appartiennent à L2 . page suivante donne les principales correspondances. 5.16. l’une et l’autre fonctions conticnncnt exactcmcnt la même information. on obtient : +CC h(x) = ct par suitje : . + G G 5. Le tableau 16. F F(t) G(t) F. 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.2. 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). on sait que les transform~cs de Fourier g(z) ct F(t) appartiennent % L2.2 f(w) exd2Wy) h dt +CE h(x) = J G(t)F(t) exp-2jdx) dt. dn: (= /f(x)g*(x) -cIcI d 2 si les fonctions sont complcxcs). Il s’ensuit que la transformte de Fourier transforme un produit de convolution en un produit simple de transform@es de Fourier. 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. la connaissance de la fonction f(x) est stricteruent équivalente à la connaissance de la fonction F(t) . 257 .1.

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

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

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

pkriodiques.sin[(p .) = 27rht. et l’on peut trouver des relations de récurrence tout à fait analogues. Cornrne l’appel des fonctions de bibliothCque SIN et COS dcmandc 1111 temps important. Cette façon de procéder rcvicnt à décomposer une fonction en une somme de deux fonctions.2 .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) . 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. la raison en est la suivante : comme les fonctions sont. LES TRANSFORMÉES DE FOURIER 8.. = f ( .15) Remarque : Nous avons dkjà dit que les relations (16.f(-qh) e t T.n.n h ) S 1L + jh c f(M) sin(2z7kht). k-71 (16. Les relations (16. nous pouvons kcrire : 71 . Cependant. il est beaucoup plus astucieux de calculer ces fonctions au moyen des relations de rkurrence du type : COS[@ + I)@l] = 2 COS(@)) cos(p@~) . Calcul par un algorithme ordinaire Il s’agit ici de calculer les intégrales (16.cos[(p . ce qui fait que les argurnents des sinus et cosinus sont en progression arithmktique de raison 00.14) Dans le cas où f(z) est une fonction rkelle.16..-1 = -f(-nh). l’une paire et l’autre impaire . On approche F(t) au moyen dc l’expression suivante : 71-l F(t) = h c f(W) exp(27r-jkht). 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)..1)00]. il suffit de calculer au depart seulernent Ao = cos(00) et 13” = sin(&) puis d’utiliser les formules de récurrence : 261 .l)O”] (16.16) sin[(p + l)&] = 2 COS(@~) sin(pO0) .. 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.16) ne sont pas uniques.15) ktaicnt simples à calculer mais qu’cllcs exigeaient un temps de calcul considérable.6) au moyen de la méthode des reckanglcs . avec q=O:1. k=l (16.

262 . et l’on va observer une lente dégradation de la precision des valeurs calculees pour les sinus et cosinus. 1=-n (16.21) quels que soient les entiers pi et pz. Donc. dans les relations (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.)exp k=-n (16. on aura les égalités suivantes : F(mr) = h k=-n+pl c f(kh)exp (16. q=-n+p2 (16. si la fonction f(z) est périodique de période a. 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.1. Réciproquement.17) D’une faCon genérale. 9. on a la transformée inverse : f(kh) = T c F(qh) exp q=-n (16. L’algorithme de Cooley-Tukey (1915. si l’on fait a: = mr. La transformée de Fourier réciproque ne présente pas plus de difficulté à calculer. 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.jg) .17). on écrira sirnplement : f(x) = T C F(lh) exp(-2nj2ht).20) f (kh) = T ny F(qh) exp (-2~.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Quelles que soient les formules de récurrence utilisées.) Il s’agit d’un algorithme que l’on désigne souvent sous le nom de FFT (fast Fourier transform). 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. La transformée de Fourier discrète Il suffit de reprendre les formules (16.19) Par ailleurs. les fonctions f(z) et F(t) sont des fonctions complexes de variables réelles respectivement zr et t.15) et (16. elles mettent en ouvre toujours une soustraction.18) . 9.

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

. Autrernent dit. + VjW. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ expressions cn utilisant les relations (16. Si l’on dispose d’un langage récursif. et il faut une autre relation pour obtenir l’autre moitie. il suffit de remarquer que les fonctions U et V sont pkriodiques de @iode N/2. 9. Mise en œuvre de l’algorithme Il y a plusieurs réalisations pratiques possibles pour utiliser cet.vjw. puisqu’il va de soi que l’on va calculer chacune des transformées U et V par le même procédé. il s’agit de savoir à quelle place (indice) il convient de mettre la donnk d’indice k. 264 . ~ ct dans la il n‘y awra pas dc difficultks particulières mesure où lc temps de calcul n’est pas prohibitif pour réaliser un programme car le tri des données initiales se fera par appel récursif. puis cn poursuivant par les fonctions à quatre ékmentsT puis à huit. Donc le problème qui se pose est celui de la disposition convcnablc des khantillons au départ. algorithme. 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.24) : ~FA+N/~ = uk. b.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.y=0 QV$" + N/a-1 c ")=Cl ujT/liN"+-l)k'.. lesquels ont été pris dans l’ordre séquentiel. Il n’y a plus qu’à substituer les expressions de U et V. Polir cela.24) À présent on comprend l’int6rCt d’avoir choisi pour N une puissance dc deux. du PLl. ce qui donne 2Fk = U.... nous pouvons écrire : N/2-1 NFk z c . par conséquent 11011s po~lvons dire que : Comme par ailleurs nous avons : Wk+N/2 N nous obtenons la relation (16.. du C. : (16..4.23) Cette expression ne permet de calculer que la moiti6 de la transforrnée de Fourier. c’est le cas du Pascal. seize. (16. un tri prkalable des données initiales afin de commencer les calculs de transforrnées par les fonctions contenant deux ~lkncnts. a.

(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 . . LES TRANSFORMÉES a DE E'~URIER . 2.6. Désignons par 4 l’exposant de deux qui permet d’encadrer le nombre k dc tcllc sorte que : alors nous obt. Tableau 16. 1. on considère encore que les indices commencent a la valeur zero et se tJermincnt donc a la valeur N .2.Dans l’ordre séquentiel on considère la donnée d’indicc k...3.16. La manière dc l’exploiter sur un cnscrrlblc de huit donntes numérotées de un à huit est presentee dans le tableau 16. 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. . Ccttc méthode s’applique pour k = 0. Certaines donnees conservent le même indice.enons UIE représentation binaire sur trois bits.tion de récurrence suivante : j = RN(k) = &(AI . 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.Pour des raisons de simplicitk. 9. 265 .iendrons la valeur de j au moyen de la rela.2. Remarques générales 1. Il est simple de passer d’une numérotation à l’autre selon que la première dom& à la valeur xero ou la valeur un. 3. Exemple Nous avons huit données numérotées de zkro à sept et nous obt. -~ ~~~ -.2. 9. La façon d’opérer est schématisée sur lc tableau 16.1. (N) bits p our exprimer tous les indices de la fonction échantillonnitc dans le système binaire. Il faut donc rn = log. N ~ 1. 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.Tri par inversion de bit . 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.2(j) + & et l’on prendra au dkpart : RN(O) = 0.Le tri direct . page suivante.5. Pour obtenir l’indice j.

5. 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. 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. dans l’espace réciproque. Il convient alors de noter que le module de la transformée de Fourier est correct. *http://www. 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. C’est pour cela que la transforrnée de Fourier directe que nous proposons tient compte de ce décalage. Comme le rnontrent les relations (16. h pour calculer les transformées de Fourier. 2.22): il ne faut pas diviser les données par N lorsque l’on calcule la transformation réciproque. les résultats de la transformée de Fourier directe sont donnés à partir de l’origine. Ces programmes nécessitent quelques commentaires. Nous avons retenu une méthode non récursive agrémentée d’un algorithme de tri direct des données. 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. Cette opération a été rkalisée au cours du tri et non pas après les calculs (les opérations sont linéaires). Nous ne l’avons pas retenue pour la raison suivante : lorsque l’on traite des données échantillonnées au cours du t. La plupart. Programmes de calcul des transformées de Fourier On trouvera sur le Web(*) 1 es sous-programmes df ft0. Il est très facile de se retrouver en présence d’un fâcheux décalage de T lors du calcul des transformk dc Fourier.com/guilpin/ 266 . Lors du calcul de la transformée directe. Autrernent dit. des programmes exigent cette façon de procéder.23) et (16.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 16. on SC trouvera également en présence d’un déphasage de T. si l’on utilise ce prograrnme avec des données numérotées à partir de l’origine. Quelle que soit la manière retenue. 1. h ct df f tinv0. Par conséquent.24) irnpose la division des résultats par N. 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. le calcul successif des transformée au moyen des relations (16.3. 3.edpsciences.emps: la première donnée qui se présente correspond à l’abscisse normalisée -1/2 et non pas zéro. 4. le premier point calculé est celui correspondant à l’origine.

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

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

12.2. 269 .1. une frsquenct rbultant du battemrnt de cette fréquence avec la fréquence d’échantillonnage. 011 comprend tout le danger qu’il y a à effectuer un échant.l = 0 si n: < 0 et. C’est ce que certains auteurs appcllcnt le « repliemcnt du spectre ». 6(x) est. f(x)S(x) dz = f(0) 6 .i S(z) dz. Elle s’appelle fonction de Heavisidc (1850~ 1925) ou 6chclon unité. la fonction de Dira(:.cmpérkes.illonnage sans connaître la plus grande fréquence composant le signal et qui soit non n&&yahle en amplitude. est la limite de flZ. Définition On considare la suite de fonctions : fil (X. :r > 1 71 1 =n s i O<:r:<-. Quelques propriétés a- +X.(~) lorsque n tend vers l’infini. 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. si a < 0 ct b > 0. encore appclke impulsion unité car sa surface est @ale 2 1 (cornmc toutes les fonctions f.!(X) par construction). la dbrivée de la fonction de Heaviside est. notée 6(z).Dc nGme. On comprrnd très bien que toutes les frkquences comprises entre 22. 12. Nous verrons. ou plutôt entendrons. LES TRANSFORMÉES DE F~URIE~< Si tel n’est pas le cas. .5 ct 45 kHz vont battre avec la fr6quence d’échantillonnage et recouvrir le spectre qui a été obtenu entre 0 et 22. Y(t) est encore appelée la fonction échelon unité.16. et l’on consultera avec intérêt l’ouvrage d’Arsac sur les t.ransforrnées dc Fourier des distributions t. n La distribution de Dirac. on peut écrire : b f(x)S(x) dz = f(0). R. 12. supposons alors qu’il existe. dans lc signal urle fr6qwnce de 30 kHz. par cxcmple. La distribution de Dirac (1902-1984) La distribution de Dirac joue un rôle intbressant dans l’étude des transformi-rs de Fourier. J car S(Z) est nulle partout sauf cn z = 0.5 kHz. c’est-à-dire 15 kHz.éciproquement.

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

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

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

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

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

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

(u. .Uap) < ~5. on exploite une information supplérnentairr sur la solut. on sait que la solution : 276 .. Notion d’opérateur régularisant L’opérateurA-’ n’est plus continu sur AF et l’ensemble des solutions dc F n’est plus compact. il existe C?(E) > 0 tel que : p. la solution exacte et uarl 6tant la solution approchée). Le problème est stable sur les espaces U ct F.u~) < C?(E) entraîne HVCC z1 = X(74) Kz(~1. on dit alors qu’il s’agit de problèmes essentiellement mal posés. c’est trouver sa solution z = ?Y?(U) à partir des données initiales U(X).(u.(Az. Il va dc soi que l’on travaille dans des espaces m6triqucs ct que la distance est.~> est connu à S près tel que ~L. le problème est bien posé sur les espaces U et F si l’on varific les conditions suivantes : 1.. plus compacte. uCL1)) < S. AP1 ne sera pas en génPra1 1111 opérateur contiml sur U et la solution ne sera pas stable. Pour cc faire. Notion de problèmes bien et mal posés Résoudre le probl?mc linéaire AZ = U. on dit que lc problème est mal posé.ion qui peut êtIre par exemple la régularité des solutions. 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.~) < 6. 2. Le rôle de la troisième condition est fondamental pour l’exploitation des méthodes numériques. La solution est définit de faCon unique.z. rnalhe~lrellsement.~~ appartenant à I: te1 WC Pu(%. Méthode de régularisation À prC:sent IIOUS envisageons le cas où F la classe des solutions possibles n’est. Par définition. 4.~2) i 6 et ZJ = !R(ua). il existe une solution z appartenant à F. Naturellement on rechrrchc la solution approchée dans la classe QJ de z pour laquelle la distance p. même si A est un opérateur absolument continu. (uI. et A.MANUEL DE CALCUL NUMÉRIQ~JEAPPLIQUÉ 3.. 4. u. Dans lc cas contraire. on dit que le problème de la recherche d’une solution est stable vis-à-vis des données initiales si VJE > 0. Supposons que l’équation AZ = u soit mal posée dans l’espace des fonctions F.. étant.. Tikhonov a proposé mie mbthodc de résolution fondee sur la notion d’opérateur régularisant. Quelques remarques 1. IL~ ct ~2 appartenant à U et z1 ct . VU appartenant à U.nt à F.zz appartena.. ainsi les variations du second rnembre de l’équation AZ = u sont susceptibles dc sortir des frontières de AF . 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. 3.1. Même dans le cas où l’on est en préscncc d’lm second rnembre approché 7~. 2. La recherche d’une solution approchée d’un problème mal posé est g6néralement non univoque.:~. Par définition. De plus on suppose que le second membre u.

~ pour l’équation AZ = U. o!(6)]. n’approche pas la solution z. Définition . E > 0. a!) est défini quel que soit (1 > 0 et pour tout YJ E U tel que : b. quel que soit.. Il nous reste donc à chercher des opérateurs régularisants et à définir le paramètre a connaissant l’erreur 6 entachant le deuxième rnernbre. 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. on ne peut pas retenir un élément arbitraire dc M. En général.ug) < b(E). on peut substituer un paramètre de régularisation notk (v ((Y > 0). de telle sorte que. 0. on définit un opérateur rkgularisant qui dépend de S. À la place de 6. a. tend vers z. Il existe 61 > 0 tel que R(u.. 277 . équation dans laquelle le paramètre rkgularisant est lik à l’erreur entachant les données initiales ‘ut. Quel que soit E > 0. Pour pallier cet inconvénient. u. 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 . nous pouvons écrire : F~A = M n Fl. On cherche la solution approchée dans l’ensemble M de F te1 q11e : comme la solution n’est pas continue en 6. s’il possède les propriétés suivantes : 1. d) soit.) < S1 tel que l’inégalité : On note que nous ne faisons pas l’hypothèse d’un opérateur univoque. Il existe d’une part Q fonction dc S tel que..[. et il existe d’autre part S(E) 5 61 tel que si us E U et p. c’est-à-dire que S tend vers zéro cela doit entraîner que z. 6)) et ~6 est un de ces éléments. 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. il peut cxistcr un ensemble {R(us.(u. INITIATION AUX PROBLE~~E~ MAL ~0sÉs : ÉQUATIONS INTÉGRALES.On dit que l’opérateur R(u.17.~ > 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. L’exploitation du principe de sélection consiste à rechercher les klérnents dc FIS qui minimisent la fonctionnelle 0( 2).. il existe &(E.:.end vers u. qui permet d’apporter une définition plus commode. R(u.Sl) ct pour tout ug tel que 2. si uap t.:.:. 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. dans les métriques appropriks.. Mini quel que soit 6 t (O. cela entraîne : On choisit comme solution approchée la solution ZJ obtenue au moyen de l’équation ~6 = R[U~. 6) est rkgularisant dans le voisinage dc u = u.

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

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

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

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

1 équations à n .. Quoi qu’il en soit..1 inconnues à partir du moment OU l’on connaît ~0 et. b) = (-1.0 ~ x)~ K(x. .2. Ici encore. comme les calculs sont effcctu6s avec une précision finie. Y)~Y) dz/ = 4x1 -1 avec K(z. ..com/guilpin/ 282 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Ainsi. Exemple numérique On se propose de résoudre num&iquement l’équation de Fredholm de première espèce suivante : +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. Résolution d’un système linéaire mal conditionné Soit AX = B un système linéaire le plus général.2. Il se peut également que la matrice A ait un déterminant très proche de zéro. c qui résout ce problème dans lequel les intkgrales sont évaluées au moyen de la méthode dc Simpson. et l’on la comparera aux résultats numériques : u(y) = zii’[sin(nx) ~ 3 sin(3Tx)].2. Si l’on ne connaît pas zo et z. j=l i i *http://www. On trouvera sur le Web (*) le programme f redh-1 ..i’ K(x.+l = z.Y) = (1. 5.0 ~ Y)X e t u(x) = [sin(7rx)]” s i O<y<x s i x<y<l sur l’intervalle (a. il existe une classe de systèmes linéaires qui sont indiscernables cntrc eux pour un niveau d’erreur connu. dans ce cas. nous ne serons pas en mesure de savoir si le systknc est rkllcment dégénéré ou non. Pour déterminer la solution.edpsciences.1. On va rechercher la solution. La solution est connue analytiquement. . y) = (1.. et l’on posera z-1 = ~0 et z.. z. n. n .l). appelée solution normale. Ceci assure que les dérivées nurnériques en a ct b sont nulles.. On obtient donc un système dc n . nous pouvons écrire un système d’équations aux différences finies : pour k = 1. parmi les vcctcurs X qui vérifient l’inégalité : 1/2 avec : [Z] = 2 2. on peut utiliser la méthode du résidu. 1. on pose ~‘(a) = z’(b) = 0: et ces conditions seront irnposées en écrivant le système pour k = 0. il faut résoudre chaque fois un système linéaire pour urle valeur dc o. . 6.

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

6. K(w) 7. cy) tend vers zéro quand /w/ + 00. 4. Il est facile de s’en convaincre en choisissant deux fonctions arbitraires. Cependant. a) f(w’ a) = K”(w) + ~M(W) = K”(w) + ~M(W) 284 K( -w)K(w 1 K2 (WI . et quel que soit u: > 0. la résolution de l’équation de convi)lution est p. en revanche.. pourvu que les fonctions appartiennent aux bons espaces. Ainsi. 5. a) appartient à l’espace L2. Présentation d’un opérateur régularisant Pour neutraliser l’influcncc des hautes fréquences.2. En revanche.trfaitcmcnt rkaliséc. une fonction gaussiennr g(t) et imc fonction triangle tri(t) p ar exemple: dont on réalise lc produit dc convolution SU(~). 7.1. quel que soit Q: > 0. pour tout w différent de zéro. il n’y a rien à reprocher à une telle facon de faire . dans la métrique LZ 011 L”. on va se heurter à un problème mal posé. Désignons par O(U) la transformée de Fourier de à. quand bien mknc la transformation inverse existerait notee w(t). Un exemple de fonction f(w. 2. l’écart de w(t) par rapport à zéro peut être aussi grand que l’on veut. f(w.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Sur le plan formel. a) est définie quel que soit <y > 0 et quel que soit w t (-00. a) obéisse aux conditions suivantes : 1. f(W) QMW) appartient à l’espace L2.+oo). L’origine des ennuis est. f(w. la transformation invcrsc de Q(w)/K(w) peut nc pas exister. ceci étant essentiellement dû au rôle des hautes fréquences.I’ -30 pourvu que la fonction f(w. 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. 0 < f(w. QI) est une fonction paire de d. 7. quel que soit Q! > 0. on adrnettra sans dérnonstration que l’opérateur suivant est rkgularisant : I”OJ(w a)w(w) iiU) cxp(-27rjwt) R[u.a) 5 1 quels que soient Q > 0 et w E (-oo. 3. f(w. 0). on peut multiplier la fonction à inverser ~(w)/K(w) par un facteur stabilisant f(w. f(w.. le sup de chacune des fonctions étant égal à un. a(S)] = . 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. +co). f(w.(t).O) = 1. Q) tend vers zkro quand Q + 00. on obtient des valeurs oscillantes entre -26 et +34 et une quinzaine d’oscillations. relativernent sirnple à identifier : elle est duc aux «hautes fréquences )). P(U.. c’est-à-dire que cette intkgrale peut diverger. d w . si l’on doit s’attaquer à la rkolution numérique d’un tel probkmc. 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.

c qui réalise cet algorithme. Il est possible de montrer que le résidu de la fonct. des constantcs positives (kvcntucllcmcnt nulles sauf Tu). Q pouvant être dktermini: par le résidu. Hermann. ENGL et C.W. la solution rkgulariséc s’krit : K(-w)“(w) exp( -&jwf) dw. 8. Bibliographie H. HADAMARD (1932) Le problème de Cuuchy et les tiqmtions aux déri~uées pu&ielles linéaires hyperboliques. En dkfinitivc./=0 expression dans laquelle les yJ sont. H A D A M A R D (1902) S uf les prohlèm. Moscou. Éditions MIR. Princeton University Bulletin.dumard. Acadernic Press.qnification physique. 49-52. ce qui entraîne qu’il existe un nombre unique Q tel que : à condition toutefois que 6 < /-I.com/guilpin/ 285 . INITIATION AUX PROBLÈMES MAL POSÉS : ÉQUATIONS INTÉGRALES. GROETSCH (1987) In*verse and %Il-p»sed proOlerns.si. contjimleT strictement positive pour w # 0 ct positive ou nulle si w = 0.17. J. TIKHONOV et V. . .J. Cette forme introduit des stabilisateurs d’ordre p. p.ion régularisée est une fonction strictement croissante de la variable Q.edpsciences. On trouvera sur le Web (*) le programme dconvol.s partielles et leur . On peut choisir pour M( w) une forme polynomialc que l’on krit : M(w) = -&w2j.es ~162 dérivée. &Y(t) = +CC 1(2(w) + cYM(w) ’ J’ ici encore. ARSÉNINE (1976) Méthodes d e résolution des problèmes mal posés CLU sens de Ho.~(T+). A. où cy 2 0 et où hf(w) est une fonction paire. *http://www.

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

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

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

T-Q du carré 4 N Comme pour N donné on sait dénombrer Q. pour N = 100 000 000. +l) que l’on note ci et &. et b.25.. 4. Il est tout à fait simple de dénombrer les points A qui tombent dans le cercle de centre 0 et rayon unité. 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. Calcul d’une intégrale définie On désire calculer l’intégrale d’une fonction f(z) entre les bornes finies u. on trouve T = 3. seul son intérêt pédagogique est à prendre en considération car la précision relative varie en l/fi. .25.com/guilpin/ 290 . elle vaut 0.. Elle donne des résultats tout à fait semblables a ceux fournis par le générateur de LehmerGreenberger. et pour N = 1000 000 000. On suppose que f(z) est une fonction continue par morceaux. 1) et. . on vérifie bien sur cet exemple que la précision varie comme l/fi et que le générateur dc nombres pseudo-aléatoires se comporte bien. on trouve T = 3. le point aléatoire A de coordonnées <i ct & obéit à une distribution uniforme dans le carré de sommets (-1. *http://www. 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. il suffit de tirer deux nombres aléatoires indépendants à distribution rectangulaire sur (-1.ion analogue à celle liée au problème de Buffon.. on voit que la probabilité de tomber dans le cercle est donnée par : P= surface surface du cercle ----. il faut multiplier le nombre d’épreuves par lOO. On trouvera sur le Web (*) le programme calculpi. Pour cela.141592 653 589 793 238. On obtient des nombres pseudo-aléatoires à distribution uniforme sur l’intervalle (0.141507. Pour N = 1000 000. (1. -l).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. 3.l) en multipliant zi par 0. x1 = T = 3.edpsciences..141603 5. c qui effectue le calcul de T selon cet algorithme. autrement dit. On vérifie bien que pour diminuer l’erreur d’un ordre de grandeur.140 2. Calcul de 7-r Il est très facile d’obtenir une valeur approchée de T en effectuant une simulat. Dans le plan.718 281828 459 045 235. on trouve T = 3.

INTRODUCTIONAUXMÉTHODES DE MONTE-CARLO 4. on effectue la transformation : q = a + (b . Première approche : simulation géométrique (intérêt strictement pédagogique) On note X.b). Deuxième approche La méthode que nous venons de présenter est très sommaire. On désigne par a et p deux nombres tels qlle Ck 2 X. on effectue la transformation : 7j = a + (b .a)(/3 .. . Si . 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 .û). on part d’un nombre < compris entre 0 et 1.2. Si l’on part d’un nombre < compris entre -1 et 1. N est lc nombre de tirages de couples < et q...a)fa. b). 0 n note < et q ces deux nombres. on effectue le calcul de l’intégrale de If(z)l. Nous effectuons N tirages que nous notons [i avec i = 1. Attention. 4. ce qui a pour conséquence que l’intégrale est estimée par la quantité (b . On peut donc écrire : J n 291 b . l’autre sur l’intervalle (cr. Soit < une variable aléatoire distribuée uniformément sur (a.. Ensuite.0.. il convient ôter une unité à Q. la grandeur : est un estimateur de la moyenne de la fonction f(x) sur l’intervalle (u. Si l’on ne réalise pas cette opération. o) et (b..o) = $ On aboutit en définitive à l’expression : b f(x) dz = $(h .. et Q est le nombre de points A situés entre le graphe de f(x) et l’axe des 2. ~1) est uniformément réparti dans le rectangle de sommets (a. N. Si N est un nombre grand devant l’unité. À présent nous allons présenter un autre estimateur de l’intégrale qui exploite des connaissances plus fines.0 < Xmin. b).!?). On tire deux nombres aléatoires indépendants à distribution uniforme l’un sur l’intervalle (a. et si 17 est négatif et qu’il figure entre le graphe de f(x) et l’axe des 5. Le point figuratif A de coordonnées (<. et .6 est positif aucun problème ne se pose.. .18. Remarque : Pour tirer des nombres pseudo-aléatoires entre a et b. b).p). J #qui constitue une approximation de l’intégrale.1. . il s’agit d’effectuer la somme algébrique des aires. et Xmin les extrcmums de f(x) sur (a.a)(< + 1)/2.a)<.

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

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

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

Il est donc très facile d’obtenir des nombres pseudo-aléatoires à distribution exponentielle.5 est la même que celle de < puisque < appartient à (0. Soit Q(t) 1 a fonction caractéristique de chaque &. on écrit alors : log. Si l’on remarque que la distribution de 1 .5).5) : 77 = C. Distribution sinusoïdale Par exemple.3.exp(-X2x) F(x) = 0 pour z > 0 pour x < 0.18.<) = -X27 soit encore : 77 = -$log. & .0. La loi de répartition est : F(z) = 1 . l). Somme de n nombres à répartition uniforme sur (-0. on peut générer une suite de nombres pseudo-aléatoires à distribution sinusoïdale en utilisant la relation : < = arcsin( [ est évidemment entre -1 et +l. Simulation d’autres lois de distribution Il est assez simple d’obtenir d’autres lois de distribution à partir de la distribution uniforme. Supposons que la variable aléatoire < admette la loi de répartition F(z).(l . donc pour obtenir 5 il suffit d’inverser la relation précédente à condition toutefois que cela soit possible. 8. La variable TI = F(J) est uniformément répartie. Si tel est le cas.(l . nous utilisons la notion de fonction caractéristique (voir le chapitre 21 consacré à cet effet).5.Pour obtenir la distribution de 7. 8. INTRODUCTIONAUXMÉTHODES DE MONTE-CARLO 8. Distribution exponentielle De la même façon.(<) [ appartenant à (0.2.l). alors l’expression se réduit à : rj = -$ log. lrt 295 .5 (a(t) = exp(2njtz) sin(7rt) dz = ~ . on écrit : 8. 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). D’après ce qui précède. Distribution normale Eu égard à l’importance de cette distribution.1. nous allons étudier diverses techniques permettant de la générer. elle s’écrit : 0.

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

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. algorithms and upplications.5 dont nous venons de simuler la rcpartition (voir aussi la loi du &). Par ailleurs. 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. 71 et 772 peuvent être considérés comme les coordonnées. Éditions Dunod. En se référant aux propos de l’alinéa b du paragraphe 8. HANDSCOMB (1967) Les méthodes de Monte-Carlo. FISHMAN (1996) Monte-Carlo : concepts. Cet argument 4 suit une loi uniforme indépendante de la longueur de OM.l) indépendants pour obtenir deux nombres aléatoires à distribution gaussiennc v1 et Q indépendants (distribution normale réduite).C. il suffit alors de poser : avec Ii appartenant à (0. d’un point M d’argument 4 = (OX. 1). 9. OM). dans le plan. SCHREIDER (1966) The Monte-Carlo Method.18. The method of the statistical trials. 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. A. INTRODVCTIONAUXMÉTHODES DE MONTE-CARLO 8. 297 . soit Ç = $ + 72. J. d’où l’on tire : m = JJGiX2W2742) 72 = ~~CO~(2~l2).= tari(4) = tan(27r&) 72 soit encore : $ Cos2 (27r&) = 7. Springer-Verlag. Tome II. Pergamon Press. DURAND (1961) Solutions numériques des équations algébriques. avec & appartenant à (0.2 (concernant la distribution exponenticllc). Il suffit de tirer deux nombres aléatoires à distribution rectangulaire <i et (2 sur l’intervalle (0. Éléments de bibliographie E. sin2 (27r&).4. HAMMERSLEY et D. Éditions Masson. La somme des carrés de ces variables.l) .M. G.

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

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

Notion de variable aléatoire Par dkfinition. Il est tout à fait possible de définir une variable aleatoire continue en disant qu’elle peut prcndrc toutes les valeurs à l‘intérieur d’un intervalle D fini ou infini. Il nc faut pas confondre la variable aléatoire avec les valeurs effectives que ccttc variable est.lculs.ion d’une Bprcuvt appartenant à. ÉLÉMENTS DE c. Par exemple. Par cxcmple. et lion parle dans cc cas dc probabilité empirique ou statistique. les valeurs possibles de la variable alCatoire X sont 1: 2> 3. 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. 4: 5 ct. Nous venons de définir une variable aléatoire X qui est discrète.oires soient discrètes ou contimIes. tout un ensemble de problCmcs que la probabilité soit connut directement ou empiriquement. toute variable dont la valeur est fixée par la réalisat. tend vers X0 en probabilit6 si. Ainsi. C’est l’cxp&ience qui révèle l’absence de sym@trie. Cc thi:orème que nous dérnontrerons plus loin est l’cxprcssion de ce qui est appel@ la loi des grands nombres. que les variables aléat. 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. À l’occasion de l’énoncé du théorème dc Bcrnoulli. et d’autant. Probabilité empirique d’un événement ou mesure de la fréquence relative Plus simplement il s’a.19. nous venons d’introduire une notion nouvelle de la convergence : la convergence en probabilité : On dit que X. 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. plus improbable que n le nombre d’épreuves est grand. Somme et produit d’événements.7 PROR. 3. la variable aléatoire X désigne lc nombre présent@ par la face d’un dé normalement numéroté. 4. 6.2. À présent apparaît 1111 sérieux problème : la probabilité statistique change d’une série d’cxp&icnces 2 l’autre. susceptible de prendre. ou plutôt une série de n expériences. une catégorie déterminée est appelée variable aléatoire. On réalise ainsi une mesure cxp6rimentale de la probabilité.IT& 2.4~~~1. quel que soit E > 0 aussi petit que l’on veut. Notons qu’un écart import~ant peu cxistcr mais il est peu probable. Il s’agit dc mettre en œuvre une méthode indirecte qui peut s’appliquer à. ne. On appcllc fréquence de A le nombre d’cxpbicnccs oi~ l’tvanement A est apparu divisi: par lc nombre total d’expériences effcctu&s. la probabilité de vérifier l’inégalité tend vers 1 quand n tend vers l’infini.~RII. 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. par exemple.. 301 .

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

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

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

7 x 0.6 = 0.12 P(H2) = plp2 = 0. 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).18 = 0. 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. .0.O P(A/‘&) = 14 P(A/H/i) = 1. et les probabilités des causes deviennent : 0.28 P(i&) = (1 .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) = 0.4 = 0.7 x 0. les deux premières causes deviennent impossibles.pr)pz = 0.28 + 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.18 Remarque : On verifie bien que la somme des probabilités est égale à 1.28 + 0.O P(A/Hz) = 0.18 Il faut bien comprendre cc que signifient ces calculs. 305 . Lois de répartition des variables aléatoires La description complète d’une variable aléatoire. 5. On se trouve alors dans le cadre d’un système complet d’cvenements incompatibles. 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~).p2) = 0.18 = 0. Les probabilités conditionnelles restent proportionnelles entre elles. Les probabilités conditionncllcs causes Hk s’ecrivent : dc l’événcmcnt observé A (ml étudiant.6 = 0. est rccu) lices aux P(A/H1) = 0.O Une fois l’événement A réalisé.61. et ils peuvent Ctrc obtenus par une autre voie.3 x 0.42 P(I&) = pl(l .39.19. 0.4 = 0.

la connaissance de F(x) ou de f(y) suffit à caractériser la variable aléatoire étudiée. Cas de la variable continue La répartition demeure une approche classique. Définition La fonction de répartition est la probabilité de l’événement X < 2. . 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. 2. La variable aléatoire discrète X prend ses valeurs sur l’ensemble fini ou infini (~1. . c’est une caractéristique universelle de la loi entre les {zk} et les {pk} que les variables soient discrètes ou continues.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. z~. Cas de la variable discrète La somme des probabilités attachées à tous les événements est égal à 1.1.2. On note : P(X < x) = F(x). Souvent. On a alors : pli = 1. 5. 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(z) est une fonction non décroissante de x b. 306 . La répartition permet de connaître la probabilité pour qu’une variable aléatoire tombe dans un intervalle donné. Ses propriétés essentielles sont : a. laquelle en première approximation est la dérivée de la fonction de répartition. F(+co) = 1. La rigueur voudrait que la répartition soit introduite au moyen de l’intégrale de Stieltjes (1856&1894).3.TZ fini ou non ~ chaque valeur zk ayant la probabilité pk de se réaliser. 5. mais cela n’est point nécessaire pour le propos qui nous préoccupe. c. En pratique. il est commode d’employer une autre description en utilisant la fonction de répartition ou répartition. on aime bien utiliser un certain nombre de grandeurs associées à la variable aléatoire telles que les caractéristiques de position et les moments.Q. . mais on utilise aussi la densité de probabilité ou distribution. F(+~I) = 0. Dans les cas ordinaires.) . .

~BILITÉS 5. de la variable aléatoire telle que : m.) = 0. on appelle moments non centrés d’ordre k l’espérance mathématique de la variable X”.Encore appelée espérance mathématique d’une variable aléatoire.) P(X < = P(X > m. Cette grandeur est attachée à la mesure de la dispersion. soit encore le maximum de la densité de probabilité dans le cas l’une répartition unimodale d’une variable aléatoire continue.Le mode . Elle est définie ainsi : +nO M(X) = CPkXk ou M(X) = s X~(X) dx k=l -cc selon que la variable est discrète ou continue. c . 5. b . Le moment d’ordre 3.C’est la valeur la plus probable de la variable aléatoire./' i=l X”~(X) dz. Les moments Par définition.5.La valeur moyenne .La médiane .5. -03 Il s’agit de moments tout a fait semblables à ceux de la mécanique. 2=1 On vérifie sans peine que le moment centré d’ordre 1 est nul : .C’est la valeur m. ÉLÉMENTS DE CALCUL DES PR~B. Les caractéristiques de position a . Les moments centrés s’écrivent : OU pk = mk(X*) = M[X*k] = cp. Ces deux dernières grandeurs permettent de comparer une loi de distribution donnée à la loi normale (Gauss-Laplace). caractérise l’asymétrie tandis que p4 caractérise l’aplatissement.4.19. ~3.(Xi . On écrit alors : +cO mk(X) = M[X”] = Cpi~: O U = . Comme on le verra plus loin c’est aussi le moment non centré du premier ordre.ml)” = s(x -02 ml)kf(x) dz. Le moment centré d’ordre deux s’appelle variante D(X) = ~2. linéique). 307 . et l’on appelle écart quadratique moyen ou écart type la quantité g(X) = Jo(x). Il est plus utile de définir les moments centrés d’ordre k de la variable aléatoire centrée X*.UI = 0. 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. en assimilant pi à un poids ou f(x) a une densité massique (volumique. surfacique. c’est l’espérance mathématique du carré de la variable centrée. Par définition.

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

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

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

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

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

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

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

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

) n admet comme fonction caractéristique : Dans bien des cas. . la fonction @(t) s’écrit : e(t) = nlog.ct> dt -cc +Y expression dans laquelle &(t) est la transformée de Fourier de @k(t). En particulier. nous obtenons : P(X) = / rI. Quelques autres propriétés importantes Soit une variable < de densité de probabilité p(z).lorsque n est grand devant 2n 0n t. soit : a(t) = a+(t) .cx .4.21. LA FONCTION CARACTÉRISTIQUE 1. .2. la moyenne < d’une somme de variables indépendantes de même densité de probabilité p(z) : 2 = I(x1 + x2 +. 327 t2 . on aura toutes les chances de montrer que 5 obéit à une loi gaussienne puisque la fonction caractéristique sera gaussienne. [ ( )1 Q i . 1. La fonction caractéristique de cette variable s’écrit donc : +‘X a(t) = J p(x) expjzt -m +CO dz. 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. on s’intéresse aux logarithmes de la fonction caractéristique : Q(t) = l%P(t)l.t) . @z(t). dans le cas de la dernière variable [. Si par hasard @ 4 admet un développement du genre 1 . n.. La variable [In. + x. Ic = 1. Dans le même esprit. La transformée de Fourier inverse va transformer ce produit simple en un produit de convolution.5. 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. ayant la densité de probabilité np(ny)..

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

Robert E. ROZANOV (1975) Processus aléatoires. Dunod.2jt)-“‘2 pour t t (-00. Éléments de bibliographie 2+r(7+) x n/2-1 exp ( -. 329 . Moscou. LUKACS (1964) Fonctions caractéristiques. VENTSEL (1973) Théorie des probabilités.. FISZ (1980) Probability theory and Mathematical Statistics. H. R. PETIT (1995) L ‘outil mathématique. E. Masson. pour cela il suffit de remarquer que : +CC A s 0 $14-1 exp exp(jtz) dx = (1 . avec 1 A = 2’W(n/2) d’où l’expression de la distribution du x2 à n degrés de liberté : 1 dx) = 3. +oo).21.2jt)-1L’2 A étant un coefficient de normalisation. Pour obtenir la fonction de distribution. il n’est pas utile de calculer la transformée de Fourier inverse. Éditions MIR. +co). Y. à n degrés de liberté : ca(t) = (1 . 2> M. Donc la densité de probabilité du xi s’écrit : pour I : E (0. LA FONCTION CARACTÉRISTIQUE Il s’ensuit que la fonction caractéristique du xz. Moscou. Éditions MIR. Krieger publishing company.

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

le même changement de variable que celui effectué dans le paragraphe précédent permet d’écrire : d’où : 1. ( 1 0 Effectuons un changement de variable u = y/2. on obtient : 0 1 cc (2u) n’2-1 exp( -u) du = ~ s u7’/2p1 exp(-u) du = 1 r(nP) 0 1. > dy. Calcul de la variante D (xz) Au préalable.1.(w).2r(11. à m . 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 ( -. On donne sur le Web(*) 1 e sous-programme khi2.com/guilpin/ de tabuler la loi du xfT.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1.3. Vérification de la normalité de la loi Il s’agit de calculer L.2) 1 s 0 0 (m+L)m. h qui permet degrés de liberté. on calcule le moment d’ordre deux que l’on note x m2 m2 : y (xi) = 2TL.edpsciences. on a donc : e x p -i dy. 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. *http://www.2.

Il est aisé de généraliser : Théorème ..21. l’autre à m degrés de liberté : La fonction caractéristique de 0 est donc : alors. LA LOIDUX~ ET LA LOI DE STUDENT 2. en rappelant que M[x] = m et D[z] = 2m (cr = 6) : x .r4. en faisant n = n + m dans les relations établissant la loi du xi dans le paragraphe précédent. P(Y) = 2(“+..Une variable qui est la somme de m variables aléatoires indépendantes obéissant chacune à une distribution du x2 obéit encore une distribution du x2.22. 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.n + rrl). on en déduit : +oO A avec p+"")/2-1 J’ exp exp(jtz) dz = (1 ~ 2jt) P(n+7n)/2 1 A = 2(‘r”+“1)/2r[(n Il s’ensuit que la fonction de distribution s’écrit : + m)/2] .m y= on obtient : Pm(YY) = J%i’ 6 2”12r(m/2) (Gy + m)mj2-1 exp i 333 .66.2] 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. +m) . 3. à m degrés de liberté en variable centrée reduite. 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.

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

v) 0 1 / / d’où : CY PT(a) +a = du PE(U .(V)V du.Y) =v -=21 21 Lqu. alors on effectue un changement de variables très intéressant à savoir : v = @(y) et 335 x=u+w. Ainsi. Cas particulier no 2 Dans le cas où l’on peut écrire z = Q: + Q(y).Il convient de prendre garde aux signes de la distribution au cas où la variable q de distribution ~+(y) est définie sur (-oo. v) P. intéressant à savoir : 2) = Q(y) Le jacobien de la transformation s’écrit : alors on effectue un changement de variables très et x = UV.(Q) = s -cc du +CC s -ca P~(U.P. le jacobien de la transformation devient : 8(Xc. v) . 4. seule.La variable Q est donc un rapport : Q = XlY. la variable u change de signe en franchissant la valeur zéro.(o) devient : a P.. [W’(v)] # du = ] pt(u) du.(v)v du. s s -CO -00 Remarque importante .~) . -cc En effet une densité de probabilité ne peut pas être négative et. > -00 Application au rapport de deux variables indépendantes .22. Cas particulier no 1 Dans le cas où l’on peut écrire z = c&(y).P. +03) : II&4 = +j%d . L A LOIDU x2 ETLA LOIDE S TUDENT 4.(+ du . et l’on effectue le changement de variables : y=v et y=u. P.p.2.1.v dans ce cas. dans ces expressions. .ï PE(U.

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

soit : exp (-$1 La distribution devient donc p. en définitive.2) pour 2 E (O. LA LOIDUX~ ETLA LOIDE STUDENT On peut écrire : y = !D(z) LG = Q(y) W(y) = 2my.)] d y .+i h..(co). d=wml2) -00 337 . 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.(v)v du = mm/2 dz+“+T(m/2) x exp on pose : mm/2 &G2m/2-11T(m/2) Tymexp [-“” (I+ . 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].~. Vérification de la normalité de la loi Il s’agit de calculer R.(y) = p[Q(y)]V(y) P.2r(m.] -h+l)P dt. v) P.+m).(m) = Y(m + 1)/21 J’>o [l + . on a donc : .1. +co) 5.2)y”“P1 +CE Pm(t) = J’ 0 p<(t . on trouve : p (t) = r[(m + 1)/2] m *l?(m/2) t 2 p(7n+1)‘2 ’ + ii 1 [ pour t t (-cm.22.

r[(m+1)/2] /m .rb + 1)/21 +cc &r(m/2) Jz(m/2) o sb+ y J- 2 (m+1)/2 dy = 2rKm+ 1)/21 +O” -1 o Jy y [l +y 1 2 -(m+l)l2 dy maintenant. firw) ’ rb + wi 5. il suffit de poser u = y2.3.1) =m fir(m/2) . = .(a) = . y) est la fonction eulérienne de première espèce qui s’écrit : donc : *m(m) = mm + l)Pl r(wr(w) = 1. 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 .I[l + u](m+l)P expression dans laquelle B(z.. nous obtenons : *.2 m -. ainsi du = 2y dy et l’intégrale se transforme : 1 du= r[(m+1)/21B 4z(m/2) 1 m+l 2’ 2 J. Calcul du moment du deuxième ordre Il nous faut calculer : qt. 33% .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Posons y = et.um + 1)/21 +co 6rw) o Les mêmes changements de variable utilisés pour vérifier la normalité de la loi conduisent aux résultats suivants : J[ 1+g 1 t2 (m+l)/z dt* D(x) = m fir(m/2) $???) m 1 m 2m=-----’ m-2 .2. 5.

1og.2(2) est la fonction modifiée de Bessel de troisième espèce. il suffira d’effectuer un développement de MacLaurin (au voisinage de zéro).. Soit (a(t) la fonction caractéristique de trn.2 m . M a lh eureusement. 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.l m . 2 2 m . on trouve : 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.+ .wm + 1)/21 ’ Z ’ r m ( 1 Xfi + 2 1 1 expression dans laquelle Km.edpsciences.com/guilpin/ 339 .1og. LA LOIDUX~ ETLA LOIDE STUDENT On donne sur le Web (*) 1 e sous-programme student . h qui calcule les valeurs de la distribution de Student quel que soit le degré de liberté m.~ log...(x)) = Cste + 2 1% 2 m . s’écrit : le produit des fonctions caractéristiques donne une fonction que l’on peut écrire d’une façon simplifiée : A(m. 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) = .f loge(m) *http://www. La distribution d’une somme de deux variables aléatoires indépendantes obéissant à une distribution de Student est-elle encore une distribution de Student? La réponse est non.2(x)Kn. La fonction caractéristique de 7.l ( > ( > m . 2 + 2 .2 m + l .(6..l m . 6.2 m-2 m .2(x). 1.22. 2 2 ( > ( > ( 1 . 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. n)K.-log. il s’ensuit que la transformée de Fourier inverse n’est pas une distribution de Student. 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.l . 7. 2 .

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

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

C’est une fonction non décroissante des deux arguments : s i <>a si 72 P =+ F(E. v) 2 F(rl. r/) = F(-CO. 2. c) + F(a. c). d) ~ F(a. 3.2. = SJ’ -00 -00 342 . 4. 7) 1. F([.d) c = (b. C et D les quatre sommets du rectangle dont les côtés sont parallèles aux axes. Probabilité pour qu’un point aléatoire (a.1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Y l Figure 23. 2.3. F(E. 2. B. p) appartienne à un domaine rectangle parallèle aux axes Soient A. +oo) = 1. 5. Cette probabilité peut s’exprimer en fonction de F(z. Il s’agit en fait de trouver a < cy < b et c < 0 < d qui représente la probabilitk de tomber dans le rectangle : P(cq p) = F(b.F(b. Fonction de répartition. -CO) = 0. -CO) = F(-CO. d) .P). A = (a. d) B = (b. 7) 2 F(c-u> VI ==+ F(t. Propriété de F(g.c) D = (qc). +m) = 4(E) F(+mrl) = v477) F(fc0. à deux dimensions. y) qui à son tour s’écrit comme une intégrale double : z F(?Y) ?4 f(w P) da d/J.

est le produit des fonctions de repartition de chacune des variables X et Y . Le problème fondamental est dc savoir quelle est la dépendance mutuelle des deux variables (ou l’absence de dépendance). covariance. On peut encore écrire : rnk. 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 = y ~X~y. 4. coefficient de corrélation Par définition lc moment non centré d’ordre (k. Soit : f(ylx) = ‘$(y) En revanche.. s) du système de deux variables X et. Variables aléatoires liées et indépendantes Rcvcnons au cas de deux variables aléatoires X et Y. on a : f(~Ix) # $(Y) pour tout 2.5 = ïbf[x”y”]. car la loi de répartition de chacune des variables ne dépend pas des valeurs prises par l’autre. 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). et l’on écrit : 1*1k. y). Caractéristiques numériques. si f(z. alors les variables aléatoires X et Y sont indépendantes et.r). Dans le cas contraire on dit qu’elles sont dépendantes ou liées. Réciproquement. si : f(ylz) = $(y) cela entraîne f(ziy) = d(z). Quand X et Y sont des variables indépendantes.1.. cela constitue un critère pour juger de l’indépendance des variables. si Y dépend de X. quel que soit 2. SYSTÈMES À PLUSIECJR~ VARIABLES . on dit que les variables aléatoires sont indépendantes. la fonction de rkpartition f(z. La dépendance de X et de Y est mie propriété mutuelle des deux variables. Dans ce dernier cas.23.~L&~T~Hw~ 3.j 343 .mo. Y est l’espérance mathématique du produit ~?y’. soit encore : f(T Y) = 4(x)+(Y). Autrement dit. On peut dire que deux variables sont dependantes quand elles ont une tendance plus ou moins marquée à varier simultanément.

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

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

Nous allons utiliser ces expressions en écrivant : g(X.Y 6.2. y) dz dy expression dans laquelle ~(CC.. y) est la densité de probabilité des deux variables aléatoires X et Y. 346 .Y) = X + Y e t g(X.. que la variable X prenne la valeur 2. Quelques théorèmes importants Soient X et Y deux variablts al6atoires quelconques.Y1.. y). y-. qui est. = kfj. rien d’autre que la probabilitk p.. Matrice de covariance Notons ses éléments /CL.MANUEL DE CALCUL NU&RIQUE APPLIQUÉ 5.~. 5.. y) une fonction de deux variables offrant les bonnes qualit& usuelles de régularitk.f(x. p. D’autre part. et Cy=. la variancc de Xi. elles prennent respectivement les valeurs ~1.~. . Elle aussi est évidemment symétrique et : 6. D’oh les cxprcssions qui suivent : . l’expression s’écrit : Or CyT1pii n’est.~n.) la probabilité pj que la variable Y prenne la valeur yj.1. Mlx + y] = C(xiPi) + fJ(yiPJ) ? 11 j=l M[X + Y] = M[X] + M[Y].. Elle est évidemment syrnétrique puisque le produit est une opération cornmutativc : kjc. Y)] = sJ’g(x.S. Moyenne d’une somme de variables aléatoires Il 11011s faut calculer MIX A Y] dont.1. ? J m .. k.i = D. et pij la probabilité pour que X = zi et Y = Y. Matrice de corrélation Notons ses Ckmcnts T.. La moycnnc dc la fonction g(zi...~2.Y) =X. Soit g(z.) est alors donnée par l’expression : et la forme continue : M[g(X..Y2..

= X” + Yo. nXi = i=l fiM.m. Y”] = M [(X ~ m. 6... 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.u.) (Y . = M[X .y = 0. 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.m..M[X] + m.. Y] ~ m. et la moyenne du produit est égale au produit des moyennes. = M[Y]. Y] = M[X]M[Y] + Kz.)] m.. ?=l 6. Variante d’une somme de variables aléatoires Nous allons calculer D[X + Y].23. = M[X] Le développement de l’équation donne : et m.2. Kz. K z. = M [X. 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.] + 2M [XoJ$] = D[X] + D[Y] + 2Kz. Ce théorème est susceptible d’une genéralisation simple : M I1 2xi i=l =CM[X..m.. Insistons sur le fait que cette relation est indépendante du fait que les variables aléatoires soient indépendantes ou non. Y] ~ mEM[Y] .m. 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 71.3. on passe aux variables centrées que l’on indice avec un zéro : 2.Xi].]. ii. = M[X . M[X .] = M [Xi] + M [Y. 347 . On obtient alors les expressions suivantes : D[X + Y] = D[Z] = M [Z. Si les variables sont indépendantes. SYSTÈMES À PLUSIEURS VARIABLES ALÉATOIRES On démontrera évidemment le même théorème en ce qui concerne les variables continues.

à partir de la covariance on peut Ccrire : K x.y + K.~ = +1 si a est positif et -1 si a est nkgatif.)2 + Kz.m. or1 obtient : D[~O.Yo] En remarquant que my = ~TL.. Dans lc cas particulier où les variables sont indépendantes.m. 348 ..] = M [(Z . pour cela posons 2 = X Y : D[X Y] = D[Z] = M [Z.. on voit apparaître la covariance.7. ~ b)] = uM[X”] ~ mn. alors..2m..m. la dernière expression se simplifie. (nX + arnz = uM[X2] - = aD[X].m.y)2 = M [X”Y”] ~ 2(m. Propriétés du coefficient de corrélation (démonstrations) Si les variables aléatoires X et Y sont liks linéairement : alors le coefficient de corrélation vaut *l. Variante d’un produit de variables aléatoires Il nous faut calculer D[X .M[X] - nm.) . Puisque X et Y sont des variables independantes..Jz] avcvcc m.D[Y] + rniD[X].y)M[X = M [Z”] ~ mi = M [X”Y”] . soit : Si les variahlcs sont centrées.y)(m~.)] b b am..c~r~~y D[X . + K. ..?J = MIXo.4. = M [(X - m...Z] = M [Z”] + mz . Y] = D[X] D[Y] + ml.II = 0. D[X.. 7.2(m. Dans cette dernière expression... + Kz. Y] + (m.M[X] + arn~ Reportons cette valeur dans l’expression du coefficient de corrblation : Il reste à exprimer gy : On en conclut que T. L)[X. Y] = M[X’]M[Y”] .$z.Y] =M [Z” +m. = M[X . Y].1..~rn. en tenant compte du fait que KL. + Kz. Kz.q + K~~.m. En effet. Y] = rr~. . ou peut écrire : D[X .y)2. Y] = M [X”Y”] ~ (ml.MANUEL DE CALCUL NTJMÉRIQUE APPLIQUÉ 6.J.) + (m.~ + = M [(X ~ 7~) (Y ~ m.m. 61 = D[&l D[yOl.2m.M[Z] + K:. il en est de même de X2 et Y” ..

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

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

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

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

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

x est l’abscisse du début de chaque intervalle.7153 -0. nous avons effectué les regroupements sur 15 sous-intervalles. 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. Cela signifie que l’on choisit de rejeter la loi avec 5 chances sur cent de la rejeter à tort.620 -2.882e-1 p = 1.167e . la probabilité dc dépasser la valeur u est.815. les données expérimentales ne la contredisant pas.1 p=6. On dit aussi que l’hypothèse H est tout à fait vraisemblable.24.144 -1.570 Dans ce tableau.207e .601.1. Remarques sur le seuil de signification Le choix du seuil de signification cy est guidé par les conséquences qui pourraient découler du rejet à tort ou de la conservation à tort de l’hypothèse H. D’un point de vue pratique.. on opérera selon l’un des cas de figure suivants : a.142 2.2 p=1.4 p’=4.092e-4 p” = 9.395e-3 p* = l. le seuil de signification le plus répandu est 0. expressions dans lesquelles <y est le seuil de signification.628e ~ 1 p* = 1. 0.98. comme l’hypothèse à tester est la loi normale. et le domaine des valeurs improbables u > xf-.205e-1 p=1.169e-2 p=3. Il n’y a aucune raison de rejeter la loi dc Gauss comme hypothèse H.1 p = 1.683e-1 p=1.766e-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. p=8. le nombre de degrés de liberté est 12.766 e .180 e . rn le nombre d’occurrences.001 e .684e .417e-3 p=1.178e ~ 2 p* = 1.7132 1.768e ~ 1 p* = 1.2 p=6.519e-2 p* =3.174e-3 p* =9.169e-2 p = 3. on trouve que les nombres pseudo-aléatoires gaussiens ont une moyenne de 6.05.1 p* =6.442e-2 p* = 1. p la probabilité théorique de tomber dans l’intervalle. 355 .189 1. Expérimentalement.094 3.665 2.668 -1. 4.037e-4 p=3.096 -2. et p* la probabilité empirique.1.2. En l’absence de toute considération sur les risques encourus. CRITÈRES DE CONFORMITÉ valeur moyenne 6.2 p* =3. Comme le montre le tableau.216e .904e-2 p=1.174e ~ 2 p* = 7.0 (nous avons ajouté chaque fois 12 nombres aléatoires à distribution rectangulaire donnCs par la technique de Lehmer). Ainsi. après avoir calculé U.925e-2 p = 3. k est le numéro de l’intervalle de regroupement. Alors dans cette dernière éventualité.237O 0.239l 0.191 -0. Les résultats obtenus sont présentés dans le tableau 24.05 et un écart type de 1.438e-3 p=8.172e-2 p* = 3. la valeur de u peut se situer dans deux domaines : le domaine des valeurs possibles u < xl-.868e ~ 1 p* = 1.618 3. Nous avons alors obtenu la valeur de u = 7.0 et l’écart type 2. on rejettera l’hypothèse H avec Q chances sur cent de la rejeter à tort .174e ~ 1 p* = 1.

Les paramètres intcrvcnant dans la loi devront être estimés à partir de l’échantillon. on rejettera l’hypothèse H avec Q chances sur cent dc la rcjctcr à tort. Le domaine des valeurs probables dcvicnt x:>. 71 est une variable aléatoire.J$. 5. 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). l. c sur le Web (*) calcule les valeurs dc ccttc distribution. à condition toutefois que les écarts soient dus uniquernern a des facteurs aléatoires. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b. chercher dans la table de p(X) la probabilité correspondante.o 0. 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. maximal entre les deux répartitions soit non inférieur à la valeur obscrvi‘c. on peut aussi avoir des raisons de se mefier à la fois des valeurs trop petit.. Donc : tu = sup IF(z) -F*(z)/.edpsciences. Il faut bien préciser que ces estimations sont des variables aléatoires et nous *http://www. b.0 p(X) 1.~ ct IL > x~~.~ 5 u < XT& et les domaines des valeurs improbables u < . 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.o 1.com/guilpin/ 356 . il suffit de : a. : c.O 0 . La probabilit. Dans la dernière cvcntualité.C (-1)‘exp (-2k2X2) = 2x3l)“:+‘exp (-2k”X”).. Remarque : On notera l’abscncc de degré de liberté dans l’expression dc cc critère. Dans la dernière éventualité. Là encore. 0 2 2 0 . Estimation des paramètres d’une loi inconnue.-m hz1 Voici quelques valeurs dc p(X) : x 0.5 1.~.27 0 . 0 0 1 Pour utiliser le critère de Kolmogorov. autrement dit on se méfie des valeurs de u qui se situent dans les queues dc distribution. Estimateurs La formulation d’une hypothesc H conduit à exprirner une certaine loi dont on recherchera l’éventuelle conformité. calculer 21 puis TI&. on rejettera l’hypothesc H avec o chances sur cent de la rejeter à tort. Il s’ensuit qu’il est plus «optimiste » que le précédent critère.cs ct trop grandes de U. Bien entendu. Le programme kolmogor . 9 6 4 0.e dc l’incgalité TJ~ > X est donnfe par l’expression : 30 !Ix2 p(X) = l.5 2. 6. C’est la probabilité que l’ecart. l’unité (71 est le nombre d’cxpcricnces indépendantes)..

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

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

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

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

Tableau 25. elle est historiquement liée aux travaux de Galton (1822-1911) ~ considéré comme un des fondateurs de la méthode statistique ~ qui avait constaté que. 362 . A est un coefficient connu attaché à la molécule ktudiée.333 3. 6 doit vérifier un certain nombre de conditions : M[S] = 0 e t D[6] = g2. La droite ainsi définie porte le nom de droite de régression..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ expression dans laquelle les termes entre parenthèses expriment la dépendance non aléatoire et S exprime le résidu.j = log. Sur le tableau 25. alors. Dans ce schéma. cette dénomination doit être prise comme un simple nom générique.47 3.196 2.176 3.37 3.823 Exemple . c’est-à-dire une loi de variation de la moyenne conditionnelle M[qj x ] en fonction de x. Sur un graphique. Le coefficient de la pente ü s’appelle coefficient de régression de y en x. $ ( 3) 4. durant ses premiers travaux. La théorie permet d’établir que : lot& ( 23 > = -gJ(J’ + l).L’analyse de la structure fine des bandes d’émission d’une molécule diatomique ici H Al . Pour cela on mesure la surface relative Ij de chaque raie à laquelle un produit de nombres quantiques J’(J’ + 1) est associé. on ne recherche qu’un schéma en moyenne pour x.196 3. La mesure de la pente de la droite permet de calculer T.941 2. 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 . cela signifie que y(x) est la moyenne de 7 pour une valeur donnée de x.permet la détermination de la température du plasma émetteur.980 2. on porte en abscisse J’(J’ + 1) et en ordonnée la valeur y.1 ( s. expression dans laquelle Sj est calculé pour chaque raie j. c’est l’expression aléatoire de q. . la pente de la droite en question était négative d’où l’idée de régression.1. 1 on a porté les résultats. Il s’ensuit que la valeur moyenne de 17 est une fonction linéaire de x : y = as + b.

Cela impose que M[@l = 0. il n’est donc pas nécessaire que < le soit. alors on est assuré de l’indépendance. Ici encore on s’intéressera à la loi en moyenne et l’on écrira : Y(x) = ax + 6. en effet S est centrée.25. on voit que le résidu est corrélé avec [ puisqu’il dépend du paramètre ü à estimer. 1. variable x3 fait l’objet de très faibles yj. les erreurs qui entachent les variables x et y. la grandeur 17 se décompose en deux parties : 77 = (üf + 6) + s. Il y a une contrainte supplémentaire : cette décomposition doit être effectuée de telle sorte que les variables S et 5 soient non corrélées.] = 0 et M[i?.) . 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. Si l’on fait l’hypothèse d’une liaison linéaire entre 77 et <. et S. . Remplaçons z et y dans l’équation de la régression : qui se transforme : 7 = a< + 6 + (6. 363 .] = 0. 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 <.3.7 est sujette à variable un caractère aléatoire.as. 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. On peut écrire : et l’on ajoute : Ad[&. Cela peut entraîner des ennuis dans le calcul des estimateurs qui risquent de perdre leurs bonnes propriétés évoquées au chapitre 24. Dans cc schéma. soit encore Y(x) = n/r[q][ = x]. Si la distribution de ces deux variables 6 et < est gaussienne. expression dans laquelle 6 exprime le résidu avec comme caractéristiques : M[S] = 0 et D[b] = a’. En effet désignons par 6.

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

Test des suites ascendante et descendante .728 1. Comrne dans le cas précédent.707 1.~IRE La distribution de A(*n) est. Tableau 25. le nombre de souschaînes est 56 et la sous-chaîne la plus longue a la taille 6.711 1.712.1.696 1.708 1.719 1. c qui rFalise ces simulations ct ces calculs.25.723 1.714 1.686 1.698 1.736 1. Par ailleurs..721 1.685 1.719 1. Nous avons trouvé x. OII calcule : p(n) = 40 et X(B) = 9. 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 1.722 1.702 1.715 1.715 1.2.728 177 1.748 1.776 1.edpsciences..682 1.723 1.665 1.69 1.725 1. Le cas d’égalitk est kart@.663 1.698 1.723 1. c . On trouvera sur le Wcb (*) lc programme teststat .746 1.706 1. D’un point de vue pra.713 1.723 1.724 1.726 1.73 1.72 1.716 1.74 1.744 1.692 1.736 1.721 1.706 1.701 1..703 1.692 1.Application à une suite de nombres pseudo-aléatoires .9Sj/m [ X(~L) < PE [3.765 1.781 1.741 1.733 1. de 1 à partir de la suite donnk par l’échantillon initial. aussi prbfère-t-on utiliser les rkultats suivants (d’aprks S.683 1.701 1.693 1.tiquc on devra *http://www. tirage au On peut donc conclure qu’il n’y a aucune raison de repousser l%ypoth&c d’un hasard.716 1.724 1.Le tableau 25.712 1.706 1. quelque peu plus cornpliquéc. Il s’agit donc de s’assurer du bicn-fondé de l’indkpendance stochastique du tirage.701 1.696 1.68 1.711 1. ÉTUDE DES DÉPENDANCES DANS 13 CAS LINÉ.742 1..716 1.676 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).722 1.722 1. on forme une suite de 0 ct.705 1.708 1368 1. 1.2 donne la hauteur d’un échantillon de 100 personnes prélcwks au hasard parmi des conscrits.735 1.713 1.709 1.746 1.717 1.704 1.663 1.] = 1. Aiivazian) : p(n) > PE ..com/guilpin/ 365 .687 1.719 1.678 1.71 1.727 1.(n + 1) .709 La lecture des dormécs s’effectue ligne par ligne.729 1. b .679 1.724 1.721 1.3 (logd~) + 111 1 où PE définit l’opération troncature (partie entière).711 1.727 1>688 1.Ce test permet.705 1.734 1.693 1.702 1. 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.69 1.708 1.694 1. de dkceler une tcndancc de dkviation progressive de la moyenne dc la distribution.692 1.704 1.

On analyse le même échantillon (Tab. 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.Ce test ne concerne que les données qui obéissent à une distribution normale.Test des carrés des différences successives . Ici encore rien ne permet.1) .1. d . on rejettera l’hypothèse d’indépendance stochastique avec moins de 10 chances sur cent de rejeter la loi d’indépendance à tort. 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. On rappelle la définition du quantile d’ordre (u : P(x < 21. e .) = a.Application à une suite de nombres pseudo-aléatoires . page précédente) à la lueur de ce nouveau test.2. est le quantile d’ordre (Y de la loi normale réduite.5(1+u:) où U.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ vérifier les inégalités suivantes : 327~ . Pour un échantillon de taille supérieure à 20. on rejettera l’hypothèse de l’indépendance stochastique des tirages si r(n) < ycy(n). Toujours à partir de la suite initiale. Le calcul donne p(n) = 58 et le tableau A(n) = 6. 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. on forme la demisomme de la moyenne des carrés des différences entre chacun des éléments et son suivant immédiat. de repousser l’hypothèse d’un tirage au hasard. On obtient pour le nombre de souschaînes la valeur 67 et pour la sous-chaîne la plus longue la valeur 3.96 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. 25.

si l’on doit envisager une tendance systématique à varier en fonction de z.65.F(wq) = Q où F(z) est la répartition de la variable aléatoire <. Homogénéité des variantes conditionnelles La variante conditionnelle D[~]Z] d e 1 a variable dépendante doit rester inchangée. c’est de connaître un test qui nous permette de juger de l’homogénéité ou non de la série des variantes. et la variable aléatoire : A= -t&milog. 2. au sens statistique. dJ:=0.os(n) = 0. dans le cas contraire. Si tel n’est pas le cas. 2 2 8 e t ~o. Soit ICO~ le milieu de chacun des intervalles. D[~]Z] doit être une constante : D[~IX] = a2 = cte. on examine ce que donne le test. f . Quand D[~]Z] est une constante.y. la variante empirique de chaque intervalle est donnée par l’expression : s. on trouve dans les tables : & / exp(-$) -00 le quantile d’ordre 0. quand I : varie. On suppose que les variables ont été regroupées dans k intervalles. qui sera déterminée empiriquement : Le problème qui nous préoccupe maintenant.Application à une suite de nombres pseudo-aléatoires .00048 puis : y(n) = 1 .05 est -1. notée h2(z) (car D est une forme quadratique). Autrement dit. alors : ~[Yl~Ol] = D[ylzoz] = .05 Remarque : Il ne faut pas confondre le quantile d’ordre a avec le point de pourcentage 100 Q. Il s’agit de vérifier que les différences entre les k valeurs obtenues pour les sf sont dues au hasard ou.Toujours sur le même exemple.)2 ? 1 i=l où mi est le nombre d’éléments tombant dans l’intervalle de regroupement i et & la moyenne de y dans le même intervalle. i=l ($) 367 . On obtient q2(n) = 0.00059 et cr”(n) = 0. elle doit être proportionnelle à une fonction connue de 2.25.2.05 . Encore une fois il n’y a pas de raison d’abandonner l’hypothèse d’un tirage au hasard.837. Le point de pourcentage 100 Q de la variable aléatoire < est la valeur wq telle que P(z > wp) = 1 .2 = 5 -gyii . ÉTUDE DES DÉPENDANCES DANSLE CAS LINÉAIRE soit si a = 0. = D[ylz& = 02.

Ylj Y2j Y3.3. Le tableau 25.39 160.36 150.73 151.93 212.29 184. les nornbres ayant été arrondis. page ci-contre. dans expression.36 185.87 119.3 donne les résultats d’une prcmik expérience qui a i:tk rkalisée 10 fois pour cinq valeurs de la variable :L: qui sont : 5.82 118.edpsciences.71 151.86 28. la douzième la variante et.49 184.i Y4i Y5j 0 1 2 3 4 5 6 7 8 9 Moyenne Variancc Valeur de X 125.80 210. Sur le Web (*).89 27 Remarque : Les calculs ont.27 154. 10.87 10 182.81 187. on trouvera lc programme varian-1 .26 17 211.Ol 210.MA N U E L DE CALCUL N U M ÉR I Q U E APPLIQUER suit approxirriativcmcnt pour ru. été exécutés avec 16 chiffres significatifs. donne les résultats d’une deuxiCme expkricnce qui a ét. 176 et 212.36 147.81 128. 115.F réalisée 10 fois pour cinq valeurs de la variable J: qui sont : 70. 2. Tous calculs faits.com/guilpin/ 368 .03 74.51 116.39 205. la treizième les valeurs de CC. > 2 une loi du x2 à k ~ 1 degrés dc liberté .67 20.03 210. Exemples 1. mais nous n’en avons report& que 5. *http://www.77 240. 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.46 133.enue pour chaque valeur de Z.63 182.06 149.15 238.98 22 239.19 123. 80.275. 17.28 201.19 233.21 155.26 192. On peut affirmer qu’il n’y a aucm~c raison pour repousser l’hypothkc dc l’homogénéitk des varianccs corlditionnc:llcs.08 207.92 217.52 237.53 177.61 40.61 229.24 215.99 127.ion.02 220.12.15 190.31 5 148.87 123. on trouve la valeur h = 5. Tableau 25.95 144.. Le nombre de degrés dc lib&é est 5 .OO 213.ll 236. Il faudra alors trouver une fonction hz (22).47 22.22 150.4.74 234.lO 241.44 181. 22 ct 27. et la probabilité de dépasser la valeur A est 0.23 140.. on a noti: : n ktant la taille dc l’khantillon.76 182. c qui rkalise cette simnlat.8 134.93 229.1 = 4. Lc tableau 25. La onzième ligne donne la moyenne obt.

9 176.55 69.9 31.2 155.3.4. c qui réalise cette simulation.0 Ysj 72.com/guilpin/ 369 .Ol 76:75 30.76 38.edpsciences.05 69. Sur le Web(*) .7 141.o 212. il n’y a aucune raison de rejeter l’hypothèse dkmc variation cxponenticllc des variances.2 60. Il a bté montré notarnmcnt que l’estimat. les données expbrimentalcs ne la contredisant pas.l 140.89 68.36 89.0) et l’on recommence les calculs. mais ce n’est pas pour cela que l’on va renoncer aux mtthodcs d’analyse de corrélatiorl-régression et.5 100.47 79.73 31.3 137.3 145.5 151.4 112.91 96.o Le calcul de A donne 50.27 4.25. On essaye la loi h”(z) = exp(z/39. On trouve alors : A = 4.4 81.516 et la probabilit. En pratique les trois critCres ne sont pas toujours vérifiés sirnultankment.l 123.4 151. Les distributions sont gaussiennes Il faut vérifier le caractère gaussien des yyij pour chaque valeur fixk de 1:. À prbsent.ion dc la méthode des moindres carrés que nous avons déjà présentée au chapitre 4 à propos de l’interpolation.l 140>2 165.5 129.8 141.5 146. on donne le programme varian-2. 2. 3. Ylj Yzj 138.l 149.2 139.6 155. soit grand devant. Il y a environ deux chances sur 1 0 ‘” dc pouvoir dépasser cette valeur.2 141.8 144.33 82.3 61.appelons que l’on a perdu un de@ de liberté en choisissant) h”(z) = exp(z/39.5 142.2 dcgrk de libertk.O Y3j 109. 1.l 109.18 115. C’est le critère du xL qui sera le plus souvent utile.59 47.54 80. R.32 59.4 140.O Y4j 75.3 126.2 115.0) et dOIIC il convient de calculer UI~C valeur du x2 a k .81 62. cn particulier à la méthode des moindres carrés.34 10941.8 146.57.3 109.5 113.7 107.ion des coefficirnts de corrélation par la mbthode des moindres car& conserve toutes les bonnes propriétks à condition que n.77 0.93 389.44 54.Ol 70. quoique l’aplatissement et la dissymktrie rendent kgalcment dc grands services. l’on va chercher 1me loi h”(z) qui rende les variantes homogènes.k de dépasser cette valeur est P = 0.211.47 -57.o 0 1 2 3 4 5 6 7 8 9 Moyenne Variante Valeur d e X 148. On renonce donc à l’hypothbe de l’homogknéité des varianccs conditionnelles c+. *http://www.8 118. Conclusions Nous ~O~IS évoquk les conditions idéales d’applicat. ÉTUDE DES DÉPENDANCES DANS LE CAS LINEAIRE Tableau 25.85 55.

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

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

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

Si T = 0. p est compris entre -1 et +l.2) degrés de liberté. la grandeur suit une loi de Student à (n . on rejette alors l’hypothèse d’une liaison de corrélation avec la probabilité û: de la rejeter à tort. Cas d’une dépendance non linéaire. 2./c qui est beaucoup plus sûr parce que son interprétation ne dépend pas de la forme de la dépendance de la régression étudiée. et si mesure la dispersion des résultats individuels autour de la moyenne globale y. soit T = 0. Il en résulte que T appartient à cet intervalle avec un niveau de confiance (1 .3. les propriétés de T et de p sont très semblables : 1. 1.05. Intervalle de confiance pour la vraie valeur du coefficient 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. en revanche.) ne sont pas symétriques.On utilise le fait que la distribution de T est normale. le coefficient de corrélation perd son sens en tant que caractéristique de l’intensité de liaison entre les deux variables aléatoires. 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. les rapports de corrélation pslc et pc/.2). 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. Si w < ta(n . il existe une dependance fonctionnelle univoque entre 17 et < et réciproquement..cr) à condition toutefois que T ne soit pas trop près de 1 et que n soit suffisamment grand (plusieurs dizaines)./2 est le point de pourcentage lOOa/2 de la distribution normale réduite. Si jpl = 1. Cette approximation par une distribution normale nous permet de tester l’hypothèse d’une absence de liaison de corrélation. On utilise alors le rapport de corrélation pT. Contrairement au coefficient de corrélation. 373 .26. On évalue les limites du domaine au moyen des relations : u. 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.

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

c)2. Les seuls renseignements dont nous disposons sont les données expérimentales. Régression linéaire L’analyse de corrélation nous a montré que deux variables aléatoires sont liées. puis d’estimer les paramètres entrant dans l’expression analytique de la liaison. il existe entre les variables une liaison du type de celles que nous avons évoquées au chapitre précédent . 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). cependant. 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.26. D’une façon semblable.E)" g i=l et 2. il s’agira alors de décrire une dépendance curviligne et l’on utilisera une parabole de degré peu élevé. = $ Cwgi(yi . Maintenant. Il n’y a pas de méthode standard pour obtenir la forme analytique de la liaison. Dans le cas où la dépendance n’est pas linéaire. 375 .1. Pour ce qui concerne l’estimation des paramètres. ANALYSEDE CORRÉLATIONETDE RÉGRESSION sz =2 = $ g. la connaissance de la nature du problème est utile pour orienter les choix adéquats. 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). 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. 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.wgi(xi . le rapport de corrélation prend la forme suivante : 2. 2. 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 convient d’obtenir des estimateurs de a et b’. Si on dérive l’expression de s2 par rapport à ü et b et qu’on annule les dérivées. 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.S?J -=TA. SX . on transforrne la variable de telle sorte qu’on trouve une forme linéaire. .I 376 . la liaison étudiée est statistiquement significative. les variables sont gaussiennes et les résultats d’observation sont bien dus au hasard : 3. la variante de la variable dépendante satisfait soit à l’homogénéité des variances conditionnelles D[~l<1 = cri. soit : et wi = h2(x2) Calcul de la droite de régression .cxi.2. En définitive.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2. ns?. Il faut bien comprendre qu’il s’agit effectivement d’estimateurs car ces valeurs dépendent de l’échantillon. 4. Méthode des moindres carrés Pour déterrniner la droite empirique de régression. on minimise la somme des carrés des résidus c’est-à-dire la variante empirique s2 des données expérimentales par rapport à cette droite. 2. soit à une certaine loi h’(x) qui rend les variantes conditionnelles homogènes D[~/lz] = a2h2(x) .t i=l Cette remarque n’est pas une coquetterie.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. la forme de la régression est linéaire du type Y = aX+b’. on obtient alors : et -yixi ~ nxy ns$ 5 " mfyixi ~_ nxy IfA& a= i=l i=l . 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’. Si cela n’est pas le cas. 5. On écrira donc la loi sous la forme : avec jj.

on trouvera le programme regres .2(n .y.2)5 < b < b + t. avec la probabiliti: (1 .Z12 i=l et s2 = f 2 [y.26. 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.Z) + b est inconnue.CX) de tomber dans 2.2(n-2)L . fi S:Xfi~ chacun de ces intervalles. Estimation de la précision a . 2. .edpsciences. Sur le Web (*).‘45.Sur /es paramètres 5 et 6 .Y(Xi)]’ r=l à la suite de quoi. *http://www.3. nous pouvons affirmer que : 1. b-t a.& . a ~ t.com/guilpin/ 377 . On calcule pour ce faire les quantités suivantes : Sf = i 2 [xi .. c qui calcule l’incertitude sur la pente de la droite de régression.2)A < a < E+tn. 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. alors que la droite Y = a(z .& .Il s’agit de déterminer les intervalles de confiance pour la ligne de régression inconnue à partir de l’expression de la droite estimée : Y = a(x .z) + 6.. avec ANALYSE DE CORRÉLATION ET DE RÉGRESSION Dans le cas où O[v]<] = C~~‘(X).

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

)2. xh. Par conséquent. b). b). Il vient : W(Z)WIL(~)X~(X) / 0. . Le polynôme : II(z) = Wn(x)(2T ~ x1)(2 .. Désignons par :x:1.21)(x ... On en dbduit que k doit être égal à n puisque l’intégrale prkckdente est diffkente dc z6ro pour k = 71. quadruples et ainsi de suite. (x ~ X. 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. (LE -LT&) = W. (cc ~ 2.(x) = c d]Lv.+l). Comme W(Z) n’est jamais II~I~ fonction négative dans l’intervalle (a.!. supposons que la h? racine soit double. Considérons l’expression suivante : elle signifie que W”(z) et W. Il nous reste à montrer qu’il ne peut. il s’ensuit nkcssaircment que W. distincts ct compris dans l’intervalle (a. dans ce cas la forme : II(x) = WlL(2)(2 . (x . . .MANUEL DE CALCUL NUMÉRIQUE APPLJQUÉ 3. soit : est X. Xk ( )cs..-l) est définit positive sur (a. j=O Il s’ensuit que : en vertu des relations d’orthogonalité puisque ‘II # k par hypothk.(Lc). (:r ..2&l)(ll: ~ Z. Par ailleurs. b) sont rkels. b).p1) et l’on retombe exactement sur lc raisonnement prkkdcnt.(z) s‘annule au moins en un point dans l’intrrvallc (n. On en conclut donc que toutes les racines sont distinctes (ou racines simples). . b).x1)(x ~ x2). mais il en est de même II(x) = WTL(L72)(X pour le polynôme : . y avoir de racines doubles. Pour cela. ceci nous conduit à affirmer que le polynôme W71(z) de degri: n possède 71 racines rtkllcs dans l’intervalle (a: b).x2). t ~1 polynôme de degré k.(X)X~(2T) conserve un signe constant dans l’intervalle (a.22. car par lc même processus on montrerait qu’il nc peut y avoir dc racines triples. b).. 392 .x2).z) dkomposable en polynômes ~V~(Z) de degrk kgal et inférieur à k... tous les points O<r wrj. dz # 0 puisque Wn(~)X~(2) gil1 d e un signe constant sur l’intervalle (a. Faisons z l‘hypothèse que k soit plus petit que 12.5. .(:l*) s’annule. h).(z) sont orthogonaux. Xk:(. .

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

20) du chapitre 7 est quelque peu modifiée bien que le calcul demeure le même dans son principe.~~.enir la nouvelle expression des Hj. 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).z) . pour obtenir une expression analogue à (7. Calcul des Hj Comrne nous avons vu que chaque polynôme IV~(X) encore ccrire : n k=O possédait k racines distinctes.1. il sera nécessaire d’examiner chaque suite particulière de polynômes orthogonaux. On obtient alors : (P+“(. Son expression est donnée par : où QJ.(z) : En revanche. 394 . On poursuit les calculs de la mêrne manière que celle abordée lors de l’etude des polynômes de Legendre. 1.12) du chapitre 7.) [ I3 = ~ If(2n + 2)! (u:.+~ sont respect.f)2”up où ITz+r est la norme du polynôme I%$&+~(X) et u7Ltr le coefficient principal (coefficient de &‘). soit : ou bien (B. est la norme de Wlz.ivcment le coefficient du terme en 9 du polynôme WT1(z) et le coefficient du terme en z”+r du polynôme WT1+r (. b) par rapport à la fonction de base W(X) non négative sur (a.5) où K dépend de la suite particulière dc polynôrnes envisagée. on peut expression dans laquelle a est le coefficient du terme de degré le plus élevé.+r (x) appa.hogonalité pour obt. Du reste il suffit de s’apercevoir que le calcul des IT. b).~~ et UO. on écrit l’expression : Les zj sont les racines du polynôme W. Par ailleurs.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.17) du chapitre 7. 6. 5.2. Expression de l’erreur en remplacant I par J L’expression (7. Calcul des xj Reprenant la relation (7. ne fait appel qu’à la seule ort.rtenant à la suite de polynômes orthogonaux sur l’intervalle fini ou infini (a.

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

2~1.2. quand z = ajo. C’est la raison pour laquelle nous avons pensb qu’il ktait utile d’en prkscnter les éléments. 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. 1. .udc car ils demeurent un remarquahlc procédé de calcul des fonct.ions continues. . j prenant les valeurs 1..ions usucllcs qui sont installées dans les calculateurs. aj). 011 se propose de dkterrnincr une certaine fraction rationnelle : (C.l) de la fac.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 les numérote de 0 à.. De plus. pourtant ces êtres mathématiques ne sont pas tombés c:ompl~terrle:rIt en désuét.on suivante : 2 . On peut écrire (C. Rappelons C~IE les différences divisées sont les diffkrcnces premières. .a0 yzbo+Q71.-l(~) cc.21 cette forme montre bien que y = b. 397 . Écrivons que l’expression (C. On voit que 2r> + 1 couples de valeurs sont nécessaires B la détermination de la solution.uk) j # k.(Z) ~‘.. deuxièmes etc.31 le second rnembrc n’étant rien d’autre que l’inverse de la différence première divisée : notonsla 6(no. l’enseignement traditionnel effectuk en France ne fait plus guère état dc l’cxistencc tics fractions continues. quand J: = nj (j # 0) : CC.C 1 Les fractions continues Aujourd’hui. l’ktude des approximants dc Padk (1863-1953) ainsi que les fondernents thboriques de l’epsilon-algorithme sont indissociables des propriktks essenticllcs des fract.2) prend la valeur b. (rencontrées lors de l’étude des polynômes d’interpolation) divisées chaque fois par un terme du type (a.2n.

l).61 La fonction y est donnée sous forme appelée fraction continue.+ . notons-la &(a~. comme on l’a vu à propos de l’exemple précédent. j prenant les valeurs 2.. + ~ lb1 lb2 lb.3.4) prend la valeur b. a1.+ . = bo + uo/bl + ai/bz + .3) comme nous avons traité l’équation (C. a2. En poursuivant la procédure jusqu’à j = 2n. = bo + h + b2 + a0 a1 a2 a3 +b:s + +&+. a3) + . ~2. 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.2n. = b. 2. ’ ak s’appelle le numérateur partiel tandis que bk s’appelle le dénominateur partiel..ant 6(urj. on aboutit à l’expression : y=bo+ quo.51 le second membre n’étant.h-1 a1. u3).ilise pas une écriture lincaire. . (~2~) l’inverse de la différence 2ne divisée. quand z = a3 (j # Ql) : cc. ul. on préfère de facon trCs usuelle les formes conventionnelles suivantes : R. et en not.F FL Comme cette notation n’ut... 2 ~ ao 2 . on appelle fraction continue R. ou encore : G-11 Ull UOl R. + quo. + . d’ordre n une expression telle que : R. . elle prend la forrne d’une fraction rationnelle que l’on note : 398 C . si l’on développe une fraction continue finie. a2n) CC. . . + a+i/bn.a1 x ~ a2 x ... Q) + 6(ao.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ Rien ne nous empêche de traiter l’équation (C.41 Écrivons que l’expression (C. rien d’autre que l’inverse de la différcncc deuxième diviscc . a1.l) en écrivant : cc. a2. a11 + 6(ao.. Les fractions continues finies Par définition. ar.

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

si ime fraction continue est. on en deduit par rCcurrence qu’elles sont générales. irrcductihles entre eux.+l par A rI. il suffit de choisir les convernions A-.&IB.B..Ao = ai. ar. Une autre relation intéressante Multiplions A.B. . si les va~riahles uh et les variables bh: sont indcpendantes : 2. 1 = 1 ct B-1 = 0. Remarque : Supposons que clk = 0. En posa. ~ B.+lB3. 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. si l’on désire pouvoir 6galenient les utiliser pour n = 1.. hz.+lA. cn divisant (C.Br. ulI: bo.B.+l(A.91 1.9) nous donnent : &Bkpl . Comme Ur = AIBu . nous dirons qu’elle est divcrgcnte..8) et (C. et BT.8) ou encore.+l. on dira que la fraction continue est convergente et a pour limite R. et B. les polynômes A. a~. on établit : _ AP+I %%+I Bp+r 2. Si R. infinic~ tous ses uk sont différents de zéro. Propriétés essentielles On adrnettra sans dCmonstration les deux propositions suivantes : upfl cc.-~ .. b. puis retranchons mcmlne à membre les relations de rccurrence. 3.+r = A. BA- 0 et la fraction continue est alors finie.2) par le produit BI. Par ailleurs.> = 0. Comme les expressions (C. . Considérons la réduite R. = -af.nt lJ.+lAI. bl. aucune ri:diiitje ne se présente sous la forme O/O.2. Nous ohtcnons : L4. d’ordre rr.7) sont vraies pour p = 2.). 2.MANUEL DE CALCUL NUMÉRIQTJE APPLIQUÉ 110115 oht. des variables aTa.cnons : Ces deux dernières relations sont celles que l’on obtient en remplaçant p par (1J + 1) dans les equations (C. On conclut que. ou encore premiers entre eux.. . tend vers une limite R lorsque ~1 croît ind&nment. .AkplB.+r p ar B.+~B. Dans lc cas contraire.. on trouve en définitive : (C. Ak A-1 -xp= “lt’ : donc : Bk-1 Rkpl = RAI = 0. . Les relations de recurrcncc (C. . on obtient la relation : upfl = -%I+l up.. . sont.3.7).

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

210 581985 b3 = -0.765 197 0>223 890 -0.765 0>222 -0.380 952 355 d’où l’on dkduit : bU = 1 bl = 0.006 8 0..O 2. 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. Résultats n. Nous partons donc des développements en série de MacLaurin : sin(z) = 2 1 .5 6.150 6 0.$ + $ ~ $ +.223 9 -0.4.300 1 0. + (-l)n XT1 (2n + ( l)! + 1 cas(2) = 1 .151214 0.327 JO(x) Padé p=3 0.208 23.1717 -0.1.022 q=4 501 467 009 080 9 6 0:l 0. 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.006 697 0.0 7:o 60 9s 1o:o ce qui donne : 10 = 1 II = 1.997 501 0.g + 2 ~ $ + . t.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Tableau D. t + (-l)$$ +. Comme nous 412 .997 0>938 0.938 469 0.ç ohtenus. 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 (0.765 2 0.047 -0.245 9 JO(x) Padé p=4 q=4 0.048 4 -0.5 5.090 3 -0.777 777 777 b2 = 2.5 1.111111111 l2 = 2.714 285 705 7 4.938 5 0. 2 JO(x) tables 0:999 75 0.7r/4) car ce sont ces dkveloppements que nous allons utiliser pour fabriquer les fonctions de bibliothèque ultkrieurement..38 0. Il s’agit avant tout d’une erreur purement mathématique liée à.0 2.305 75 0.umérique.048 383 -0. la troncature des skies.

3.237288 124 x 10F4 3.365079365 x 1OF” 8.425234545 x 10-l 4. dans le tableau D.940421157 x 10-” 4.l x 1OV” Cas p = q = 3 c = 6 x 10-l” E = 2 x 10-l” cosinus c = 4. il faut d’abord connaître les approximants avant de procéder aux évaluations des erreurs. Nous allons donc calculer les approximants pour p = q = 2 puis p = q = 3 (cf.50937951 x 10F4 bu= 1 bl = -1.595 035 872 x 10-” 1 -1. 413 . pour obtenir huit chiffres significatifs exacts. D.563 492 064 x 10-l ba = 2.070 105 82 x 10F2 1 4.3.2.414321216 x 10P2 2. sinus Cas p = q = 2 l()= l1 = 12 = 1 3.705 957884 x 10-l 2. Tab. on pourra prendre la fraction rationnelle p = q = 2 pour le sinus et p = q = 3 pour le cosinus.235 543 474 x lO-” 1 -4. cela nous permettra d’effectuer un choix par la suite. LES APPROXIMANTS DE PADÉ ETDE MAEHLY l’avons vu précédemment.6 x 10-s c = 1.2).338383838 x 10-l bz = 3.723 422 695 x 10P4 L’erreur sera maximum en valeur absolue pour 2 = 7r/4.ANNEXE D.282828283 x 10-’ 4.163 277 311 x 1OV” z()= 11 = l2 = l3 = z”= l1 = l2 = cosinus ho= bl = -4.312890813 x 10-” Cas p = q = 3 2.5 x 1OF’” En conclusion. Donc. Tableau D. Tableau D.597 8 8 3 6 x 10P4 1 bu= bl = bz = b3 = 1 2.4 x 10P8 E = 2.2 x 10P7 E = 3.738 828 969 x 10F2 -3. nous obtenons les résultats présentés.760 512 714 x 10P4 1.585 515 911 x 1ow -4.34 x 10-11 -E = 4. sinus Cas p = q = 2 c = 2.

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

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

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

log.[l .339252452 x 1OF” bz = 0.Ce cas est présenté dans le tableau D. LESAPPROXIMANTS DE PADÉ ETDE MAEHLY En effet.2 + 0.out à fait arbitrairement le coefficient t égal à 0.335 223 066 2 bx = -0. Pour des raisons évidentes de commodité de calcul.(l .4). Tab.5. choisissons t.4. Il niy a pas de difficulté à calculer les coefficients uk (cf.5 . Pour fixer les idées. = -7r/4608 ull = -7r/45056 a .5.7: = arccos nous permet de calculer les coefficients du développement en série de Tchebycheff.516 155 562 b1 = -0. 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 . Le changement de variable .~~COS(Z) + t2] COS(X) dn: = -:Y. on trouve dans les tables : 7T log. reste donc à obtenir les cocfficicnts du développement en polynômes dc Tchebycheff de la fonction : Iog.25). Tableau D./ 0 dz = -it’r’si t2 < 1.078971778 la = 1. D.966 519 6716 l(j= 1 11 = -1. Tableau D.Étude du cas p = q = 3 . 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<.890 890 323 x 10-l l3 = -7.ANNEXE D. Étude du cas p = q = 3 bo = 0. page suivante.6.~~COS(Z) + t2] COS(~~) J’ Il w7r et .273 101370 2 x 10-l -. si t” < 1.~ 417 .

Étude du cas p = q = 3 1. b. page ci-contre) : log(l + z) = z ~ .453 766 143 -0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau D.460239216 -0. 1. b.Les résultats sont présentés dans le tableau D.7.104 821387 b. . = 1.481673 325 -1.8.Étude du cas p = q = 4 .850 716 186 +1.884589260 = 0. nous avons tabulé la fonction sous diverses formes dont le développement classique (cJ Tab. 418 . = 0. .815064572 -0. b.670 446 132 = -0.378 178 065 = -0. Étude du cas p = q = 4 10 l1 l2 l3 l4 = +1 = +0. 1. Tableau D.238 518 707 = +1. + g .029 357 010 b& b. on peut écrire : L’erreur est donc de l’ordre de : a. b. 1. bo bl bz b:s bd = = = = = -0.810910968 = -1. b.6.424487452 = -2.288 160 179 = -0.821537645 -0. b. 1.171670 047 = +0.8. En effet. 1.7. 1. De là on tire les valeurs du tableau D.180932496 = -0.047 218 321 Étude du cas p = q = 4 1. 6.f + .085 339 731 -0.056954021 = 0. D. = +2.377 746 570 Pour mieux apprécier les différentes méthodes.152 640 716 = -0.013 102 673 Tableau D. = 0. .9.109240548 b .614 231378 +0. Comme on pe ut considérer que P(z) = l.439993085 1 = -1.158 567 374 = -0. Erreur liée à l’usage des approximants de Maehly On peut se faire une opinion sur la précision des approximations proposées. + (-y$ + . = = = = = +0. 1. on en déduit que : wp4 ayant été défini au paragraphe 1.

597 832 7.896 088 024 0. La difficulté essentielle repose sur le fait qu’il n’est pas aisé d’obtenir une relation simple entre les produits de polynômes orthogonaux telle. PADÉ (1899) Mémoire sur les développements en fractions continues de la fonction exponentielle.595 837 0. H.231 0.287 500 -0.215 111379 0.559 615 787 0.Ol w 0.215 0.847 958 0.301856 0. la relation de récurrence utilisée avec les polynômes de Tchebycheff.223 143 551 0. 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. BAKER et P. Annales Scientifiques de l’École Normale Supérieure. Dunod.300 104 0. PADÉ (1892) Sur la représentation approchée d’une fonction par des fractions rationnelles. Difficultés liées à la recherche d’une généralisation Il est naturel d’envisager l’usage d’autres polynômes orthogonaux.287 688 -0.139 765 -0.215 798 0. voire de fonctions orthogonales. 2 log(l.597 837 000 0.139 -0. On pourrait penser à des approximants formés à partir des séries de Fourier. par exemple.l -0.300 0.223 0.ANNEXE D.5 0.232 049 0. A. BREZINSKI (1978) Algorithmes d’accélération de lu convergence.x) k=O APPROXIMANTS DE PADÉ ET DE MAEHLY Maehly p=q=4 -1. H. mais il n’existera pas de différences fondamentales avec les approximants de Maehly. offrant des propriétés intéressantes afin de former d’autres approximants.215 113 0.-0.-0.S.300 104 592 0. Éléments de bibliographie G. car on passe d’une représentation à l’autre par un changement de variable du type 1~ = arccos( Quoiqu’il en soit.223 145 0.896 046 0.558 333 0.223 958 0. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. GRAVES-MORRIS (1978) Padé Approzimants.25 .2 -0. Paris. 419 .139 761942 .231113 0.287 682 072 . C. RALSTON et H.548 0.042 0. Annales Scientifiques de l’École Normale Supérieure.A.596 759 071 034 102 139 106 761 671 951 0.559 616 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.139 185 -0.287 -0.9.7 0.Ol 071 0.231111721 0.5 -0. Éditions Technip.R. Cambridge University Press. LES Tableau D. 8.

Nous obtenons une série alternée dont le terme général va commencer seulement à décroître lorsque : 10” < n! ce qui donne approximativement : n z 10. de Maehly ou des fractions continues. +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. +l) q ui nous permettrait ensuite d’utiliser les approximants déjà évoqués. Très souvent. 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. Avant d’entreprendre à proprement parler cette étude. Malheureusement. Cela imposerait des mots-mémoire de taille importante et de fort longs calculs. Considérons par exemple le cas des fonctions de Bessel. On peut s’en persuader facilement en considérant le développement de exp((z) qui nous servira de technique de calcul pour z = 10. on ne sait pas réduire le calcul d’une fonction de Bessel à un intervalle canonique au voisinage de zéro ou sur l’intervalle (-1.1) 423 . Calcul de exp(x) pour x appartenant à (-00. cette technique qui donne des résultats remarquables n’est pas systématiquement applicable. 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. il n’est pas possible dans l’état actuel de nos connaissances de procéder à leur calcul par cette voie. insistons sur le fait qu’on n’utilise jamais directement un développement en série pour calculer les fonctions de bibliothèque.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. Dans ce chapitre. 1. En effet.

(e) autant de chiffres significatifs qu’on le souhaite.4 En remarquant au passage que log. Du simple fait que la machine calcule en binaire. Les coefficients que nous avons trouvés pour p = q = 3.015 369 014 951382 261972 540 073 Le calcul des coefficients ak peut se faire par la méthode de Gauss-Tchebycheff.693 147 180 et log. 1. Passant aux logarithmes en base 2.905 369 0. (2) = 1.954 415 0. Il en va de même du nombre de chiffres significatifs qu’il convient de conserver. soit par un développement en série.905 -0.(2) et n la partie fractionnaire du même rapport.(e) = 1.(2) = 0. Le calcul de log. (E.(e) = N + n.(2) s’effectue au moyen d’un développement en série et l’on obtient pour log. Nous aurons : exp(Q) = 2 wXk(x) k=O avec +1 -p(x) a0 = :-l JziTdX s 2 ak = IT +1 Tableau E.190 992 0. on obtient sans grande difficulté N et n. nous pouvons écrire alors : x log.442 695 04. bb b. Il faut bien noter que les degrés p et q des polynômes formant la fraction rationnelle sont fonction de la précision recherchée. = = = = 1. Il s’agit là de constantes calculées une fois pour toute : log. b.l. N est la partie entière de X/ log. (2) et donc pour log.189 -0. Il reste à calculer N et n. 422 . = = = = +1. xk étant un zéro du polynôme de Tchebycheff de degré p. Il reste à calculer la fonction exp(Q) ce que l’on réalisera par les approximants de Maehly par exemple. On obtient donc n sans problème et l’on note que Q est compris dans l’intervalle -0.693 147 < Q < +0.(2). puis Q = nlog. il n’y a pas d’erreur en calculant 2N puisque N est entier.l. en ayant développé les polynômes de Tchebycheff.950 +0. b.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ de telle sorte que N soit un entier et Q un terme compris entre -1 et +l. mais il faudra calculer les valeurs de exp(xk). 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. (e) log.015 822 087 684 815 193 10 1. sont présentés dans le tableau E.(e) = N + Q log. On aura donc : exp(x) = I(%x + Wx + ~:IX + % . 1. [(lix + 12)x + I{]x + 1.693 147. soit par un approximant de Padé déterminé dans un précédent chapitre.

T).0507872 2. il convient de les multiplier par 1015 : machine X 2.050786 931 Padé p = q = 3 2.. +oo) Compte tenu de la parité des fonctions. on écrit : sin(x) = (-1) N sin(ni7r) et Si si est négatif.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. nous nous sommes ramené à l’intervalle (0. puis ensuite. T).599 640954. on se ramène à l’intervalle (0. avec 0 < n < 1. voyons comment ( 1 ) puis : Si si est positif. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES Un exemple numérique .A NNEXE E.7r/4). on réduit le champ à (0. n/2). Posons : 1 s2 = signe ( 4 . e t Cos(x) La dernière transformation consiste à obtenir l’argument de la fonction sinus ou cosinus dans l’intervalle (0. ~/2) et enfin à l’intervalle (0. 2 2 si=signe - À présent.7r/4). D’abord. Il suffit de reprendre la technique déjà utilisée pour parvenir à ces fins.050786965 2 ~T~(X) k=O 2.On se propose de calculer exp(35.0507875 Maehly p = q = 3. Donc.86509903 d’où Q = 0. 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). 4 4 8 .257). Calcul de sin(x) et COS (X) pour x appartenant à (-00.s2 ( --721 > . se ramener à l’intervalle (0. = (-l)Nsin(nrT). Voici les résultats trouvés par différents procédés. décomposition : xlogs(e) = N+n pour cela on réalise la qui donne : N = 50 et n = 0. on écrit : sin(x) = (-l)Ncos(ni~) COS(X) = (-l)N cos(ni7r). > . puis : / 423 .721 > 1 1 7x2 = .n 2 1 1 nl=--sl ( --n. 2. Posons : . pour l’instant.

002 007 17.674 361~) = 0.n) = 0.17803792. on aura : sin(nrr) = sin(n2T) e t et cos(n17r) = cos(npT). on écrit : sin(ni7r) = cos(n27r) cos(n17r) = sin(ngr). nous obtenons : sin( 7. toutes choses égales par ailleurs.5 .1 e t = -1 et = 0.rb) = 361). En adoptant l’approximant de Padé p = q = 3 pour évaluer le cosinus.125 769 8) = -0.497 992 83. partir de là. on conservera les mêmes principes que ceux qui viennent d’être développes. on trouve alors : cos(58. économie de temps oblige.25 . mais on ajoutera l’analyse des cas particuliers usuels tels que 7r/2 et 7r/4 ou encore 7r/3 et 7r/6.25 + (0.630 566 873 9 x 10p2> les dix chiffres significatifs mentionnes sont exacts.n) = 0. On se propose de calculer sin(7.530 612 163 8 le dixième chiffre « significatif » étant sujet à caution. L’usage de l’approximant de Padé pour p = q = 2 établi dans un chapitre précédent permet d’obtenir le résultat suivant : sin(69.002 007 177r). 424 .415 085 41 = 0. Il nous reste donc à calculer sin(niT). il n’y a plus aucun détail qui puisse etre délaisse.587 214 583) = 0.084 914 59. Il est possible de faire mieux encore. b .0 11 obtient sans problème : N=18 À e t n = 0. Nous pouvons écrire : et n = 0. n = 0. lorsqu’il s’agit d’implanter une fonction dans un système.964 628 186 9.502 007 17.125 769 8). Maintenant. on se propose de calculer cos(58.5 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si s2 est positif.On se propose de calculer sin(69.587214 N=2 ce qui donne : sz=-1 e t n2 e t 7~ 583).n) = +l et nl = 0. On établit que : = 0.674 N = 22 Puis nous obtenons : sl = signe (0. Si s2 est négatif. n. Exemples d’application a . Cependant.5 + (0. l’algorithme qui contient le moins d’opérations logiques et arithmétiques ~ qui sera par conséquent le plus rapide ~~ sera toujours préferé. L’erreur absolue sur ce résultat est inférieure à 5 lO-‘“. mais il nous a semblé préférable de nous attacher surtout à la philosophie générale. nous déduisons : Sl puis : s2 = .Un autre exemple.5 ~ (0.5 . pour le calcul des fonctions cosinus et sinus. 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.7r/6) sur lequel on adoptera les approximants de Maehly . À précision égale. on obtiendra de meilleures performances si l’on réduit l’intervalle à (0. n Il nous faut donc calculer sin(0. Ainsi.

B’ren sûr. = 10. On reconnaît une technique tout à fait semblable a celle utilisée pour la décomposition de exp(z).485 269 25 4. (Q) avec 1 < Q < 2. Cette série converge pour x2 < 7r2. À titre d’exemple. D’où lc résultat : log(35 784. on peut très bien utiliser les approximants de la fonction log( 1 .157948 et l’on trouve : log(Q) = 0.. 178). OII se souviendra que le produit de tangente et de cotangente du même argurnent est égal a l’unité. 425 . tandis que la division par T ramène l’intervalle à (0. Nous obtenons en choisissant la représentation flottante : zx = 0.35174). soit log(1.088 061275 en adoptant l’approximant de Maehly pour p = 4 = 4.75 comme limites de variation pour x. Il faut faire : x = 1.7r/4).25 -x).25 ~ 1. (Q) Autrement dit. on obtient L = 15 et Q = 1. 2L’1 avec bo # 0.@ évoquée pour les fonctions sinus et cosinus.5.. (2) + log. opération que l’on réalisera soit avec les approximants de Padé soit avec les approximants de Maehly. il y a plusieurs façon d’évaluer ces fonctions dans un imervallc reduit.(x) pour x appartenant à (0. p. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 3.35174) Ici le dernier chiffre est entaché d’erreur. +oo) Écrivons le nombre z dans le système binaire. N = 2L. (x) = L log. Calcul de tangente et cotangente pour x appartenant à (-00. de telle sorte que l’on puisse ecrire : log.092 05175. T).25 et z = -0. En appliquant la technique dé. on se ramène à l’intervalle (0. POSOI~S . Encore une fois insistons sur le fait que cette idée ne constitue que le principe du calcul. Ensuite.092 05175 = 0. Calcul de log. Il reste à calculer log. 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. Proposons-nous dc calculer log(35 784. oo). +oo) Les raisons de parité permettent de travailler sur l’intervalle (0. En appliquant les règles précédentes.2tz + t2) en choisissant t = 0.ANNEXEE. On obtient alors z = 0.boblbzbxb4bsb6b7. on a 5 = LLQ avec 1 < Q < 2.

aussi préfère-t-on implanter une fonction arcsin fondée sur les approximants ou les fractions rationnelles.l) On peut se ramener sans grand problème au calcul de arctan en remarquant que : arcsin = arctan (~/I/D) et arccos = i . Calcul de argtanh(x) pour x appartenant à (0. avec toutefois Qe = 0. on divise l’intervalle (0.2 + ak > expression dans laquelle ak = cet (hr/q) et bk = 1 + a@. 426 . Ensuite.arcsin( Cette remarque étant faite. +oo) On pose x = tan(Q) ce qui est toujours possible. q dépasse rarement la valeur 12. Ensuite. En règle générale. on calcule la valeur de arctan du second membre au moyen de la fraction continue de Gauss : arctan = $ + g m2t2 . Calcul de arctan pour x appartenant à (0.0.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. m=l l2m + 1 7. il faut préciser que ce procédé est « long » en temps-machine.~/2) selon des angles en progression arithmétique donnés par la relation : Qk = (k .5). alors on peut écrire : arctan = .+ arctan 4 k7r ( bk ak . Calcul de arcsin et arccos pour x appartenant à (0. Si x est compris entre Q~C et Qk+r.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.

:. Calcul de la racine carrée pour x appartenant à (0. on trouve : J17584. RALSTON Dunod. on pourra poser : 5 = 22mrl avec i < n < 1 donc qrnP1 < 2 < 4 ” . permet d’obtenir : fi = 0. 427 . rappelons-le. 9. dont la paternité reviendrait à Héron d’Alexandrie (Pr siècle). À présent. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques.. e t J.. Grosso modo. Éléments de bibliographie A. on obtient alors une précision relative sur y2 qui sera meilleure que 4.348 33 = 132.518 098 408 4.F = 0.605 989.A2 _ 4 102 7-41 . oo) Il s’agit probablement de l’un des plus vieux algorithmes toujours en vigueur.. En définitive. laquelle. En calcul binaire.. quadratique. e L’application de la fraction continue donne : fi = 0. 172 + 15 7-2 En introduisant cette valeur dans la formule de Héron-Newton : a+1 = (a + nlyk)P après trois tours d’itération.S.34833.348 33 = 256dO.517 992 144 7 à la seconde. On obtient alors fi = 2”fi.5 10-g. tous les chiffres significatifs sont exacts.ANNEXE E.517 992 155 5 à la première itération.268 315 862. Exemple On se propose de calculer &7584. il nous reste à calculer fi. introduite dans la formule de Newton-Héron. 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. Cette opération est réalisée au moyen de la fraction continue : fi = 7 _ . CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 8.348 33 < 48 e t donc q: udl7 584. et H. On établit que : 4? < 17 584.

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

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

on peut calculer Wn(x) .9) 0 avec cette restriction toutefois que u > -1/2. Technique de calcul a . Bien qu’il n’y ait aucune différence apparente dans le calcul de J que l’ordre soit entier ou non entier. . 4.ANNEXE F. 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. À partir de IV~(X) et WI(x).Le calcul de Jn(z) avec n entier s’effectue au moyen de l’intégration numérique de la relation (F. nous avons tenu à la séparation des deux types.8) 0 v (1 . les fonctions de Bessel d’ordre entier étant de très loin les plus utilisées. Du reste une application sera présentée pour le calcul de Jeu(x) servant au calcul de YV(. En ce qui concerne le calcul de la fonction gamma qui figure dans les formules.9)) et pour plus de précision nous calculerons séparément Je(z) et Jr (z) au moyen des relations : 1 COS(d) Jo(x) = . 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 . J1-t" dt s e t Jr(x)=% cos(st) J1-tz dt. mais tout dépend du nombre de chiffres significatifs retenus pour effectuer les calculs.Le calcul de JV(x) avec v non entier s’effectue au moyen de la relation (F. v sin2v(t) COS[~ sin(t)] dt (F. 3.9). on utilise l’expression intégrale suivante : 00 r(x) = 0 qui se calcule aisément au moyen de la méthode de Gauss-Laguerre.-. malheureusement. 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.) pour v non entier. 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. 431 J exp(-t)tZP1 dt.TL’)-~‘~ COS(~~) du (F. -1 J 6 .

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

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

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

Cette surface est une fonction du décalage T. qui donne naissance aux fonctions z(t) et le processus physique Py qui donne naissance aux fonctions y(t) sont en relation.ANNEXE G. Les signaux périodiques. La question alors qui se pose est de savoir si le processus P. tn+T to s (G. De plus il n’est ni périodique ni localisé dans l’espace direct. ÉLÉMENTS SUCCINCTS SUR LE TRAITEMENTDUSIGNAL Densité de puissance ou densité spectrale énergétique . Plus précisément. Types de signaux .C’est la fonction S. l’enregistrement du spectre d’émission d’un astre. les signaux «transitoires » qui ne sont pas périodiques mais qui sont localisés dans l’espace direct.. Plus le signal y(t) aura tendance à reproduire l’allure du signal z(t) après un décalage 7-0. La réponse se trouve dans la fonction de corrélation qui consiste à comparer z(t) et y(t) à différents instants.(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. La corrélation et ses propriétés Sans nuire à la généralité. dans le cas général.7) dt. il s’agira le plus souvent de considérer un ensemble de fonctions représentant le même phénomène physique donc de fonctions réelles. tandis que si les signaux sont les mêmes on parle de fonction d’autocorrélation. Voici quelques exemples : les enregistrements de tensions délivrées par des capteurs pour réaliser un encéphalogramme. 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. Aux signaux évoqués en a et b se superpose. L’expression de la fonction de corrélation s’écrit au temps to : to+T 4t)y(t . etc. b.91 Un exemple physique de fonction de corrélation : les interférences 435 . Celui-ci est bien représenté par une fonction aléatoire ayant la propriété de stationnarité (la moyenne. CG. plus la surface commune sera «grande » et plus les processus physiques seront corrélés. la fonction de corrélation s’appelle intercorrélation. l’enregistrement du taux de CO2 dans une ville donnée. un électrocardiogramme. un bruit. sont indépendants du temps). le bruit.T) dt. 2.8) to s x(t)x(t . nous limiterons notre propos aux phénomènes dépendant du temps. Si les signaux z(t) et y(t) sont différents. l’enregistrement de la température en un lieu donné.Les signaux rencontrés au cours des expériences réelles sont essentiellement de trois types : a. c. l’écart quadratique etc.

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

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

on obtient en définitive : Csq(~) = e(T) Remarque : Lorsque le signal est susceptible d’être reproduit aux erreurs près dues au bruit. nous avons dit que ~DB(T) tendait vers zéro quand la période d’intégration T. Ce qui revient au même de dire que l’intercorrélation de la fonction périodique e(t) avec la fonction peigne de même période fournit la fonction e(t) elle-même. Nous écrivons alors : car la moyenne du bruit est nulle k En=. 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. 3. et l’on obtient la densité spectrale d’énergie. Or la convolution d’une fonction périodique e(t) avec une fonction peigne de même période laisse la fonction e(t) inchangée. 438 . tendait vers l’infini.(t) = 0. On a enregistré n fois le signal si(t) = ci(t) + .(T) + Cfiq(7) Coq(~) est nulle et comme Ceq(7) = e(T). 3. 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.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ qui s’écrit encore : Puisque le bruit est indépendant du signal e(t). la corrélation). Comment extraire ce signal périodique? C’est la fonction q(t) = sha(t) ( pel‘gne de Dirac) qui nous apporte la solution. p.6.2. on en effectue la transformée de Fourier. les extremums successifs donnent la période Te du signal.(t). c’est la fonction de corrélation que l’on sait calculer .(w) est la transformée de Fourier de la fonction de corrélation CZy (t) (théorème de Wiener-Kinchine). on pourra admettre que : Ainsi. 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.3. Comme c’est une fonction paire. la somme des signaux successifs permet d’éliminer statistiquement le bruit. Donc : Csq(TT) = G. Bien que la période Ti ne tende pas vers l’infini mais est « suffisamment grande ». Calcul de la densité spectrale d’énergie La densité spectrale énergétique S. En général. on en déduit que : Par ailleurs..

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

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

En effet. 441 . Soit A(w) sa transformée de Fourier que nous kcrivons : A(w) = U(w) +~V(W) U ct V sont rkcls. d’une sinusoïde pure. dans l’espace de Fourier. l’unit& de ternps étant les temps de corrélation considérés. +oo). Ccttc opkation dc troncature est kvidemrnent un filt. cependant.cmporel qui a comme consCquencc immédiate l’klargissement des «raies ) dans l’espace dc Fourier. 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. Les filtres physiques Aux instants t < 0. Autrement dit. filtre physiqw dkphasr: signal d’entrée. mais on voit bien qu’on ne peut pas réaliser la convolution sur l’espa. ÉLEMENTS SUCCINCTS SUR LE TRAITEMENTDUSIGNAL 5.3.out.ANNEXE G. 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. sa fonction d’autocorrélation est une irnpulsion de Dirac h(t). soit d’mlc cosinusoïdc pure lcsquclles s’étcndcnt toutes les deux sur (-w . Il s’agit là d’une analogie avec la lumitirc blanche. Dès que l’on aborde les applications pratiques. on doit obtenir deux raies infiniment étroites (cf. Le bruit blanc On dit qu’un bruit est blanc lorsque son spectre de puissance est constant dans toute l’étendue des fréquences. le 5. Transcrivons n~athCmatiqucmcnt ces opk-ations : Soient e(t) le signal à filtrer et E(w) sa transformée de Fourier. on conclut que t. Bien sûr la fonction d’autocorrélation calculée nc sera pas 1111 pic de Dirac mais une courbe très étroite dans le temps. De là.2. un tel bruit n’existe pas . on ne peut que tronquer ces fonctions ct les considérer uniquement sur 1111 intervalle fini. un filt. 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. 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. 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). Cas du monochromateur Il s’agit de concevoir 1111 filtre qui ne laisse passer qu’une seule fréqucncc.1.ragc t. On peut adopter III~~ autre présentation : 4~) = lA(w)l exdNw)l où IA(w) 1est le module et 4(w) la phase. Cela n’est pas rkalisahlc. la fonction de Dirac) symétriques par rapport 2 w = 0 ou symétriques par rapport à l’axe w = 0.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. D’un point de vue pratique. Dans l’espace direct. Il s’agit donc dc convoluer e(t) et a(t) = cos(2rwot).ce des t tout entier. e(t)*a(t) TF H TF-’ E(w)A(w) e(t)* b(tMt)l 6.

A. MAX (1980) Méthodes et techniques de traitement du signal et applications auz mesures physiques. BOITE et H. Le bruit gaussien Soit un bruit dont la moyenne est m et l’écart quadratique moyen o. De plus. Éditions Masson.C. J. J. RADIX (1970) Introduction au filtrage numérique. On parle de bruit gaussien lorsque celui-ci suit une loi de probabilité p(t) gaussienne à savoir : p(t) = & exp [y$]. une somme de processus de Cauchy reste un processus de Cauchy. c’est ce que l’on rencontre dans la théorie des erreurs (voir le théorème central limite). Masson. E. Éditions Masson. cela n’est pas systématique. ROUBINE (1970) Introduction à la théorie de la communication. 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. II et III. PAPOULIS (1977) Signal analysis. Eyrolles. Tomes 1. LEICH (1980) Les filtres numériques. 7.2. R. Éditions Masson. ANGOT (1972) Compléments de mathématiques. 442 . McGraw-Hill. la somme de processus aléatoires non gaussiens tend vers un processus gaussien. Éléments de bibliographie A. Attention. dans bien des cas.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 6.

+1).B. = Un/U7L-1 tend vers une limite lorsque n tend vers l’infini.(z) = cos[narccos(z)] avec . On peut calculer directement cette limite k. On montrera que k est la solution positive de l’équation du second degré : y2 . 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. N. .+~=lJ. Effectuer un programme permettant de calculer les termes de cette suite k. Calcul du nombre d’or Soit la suite définie par les relations suivantes : U” = 0 u1=1 .Les polynômes de Tchebycheff jouent un rôle essentiel dans le problème de l’optimisation des approximations de fonctions (chapitre 8). 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. Tabulation des polynômes de Tchebycheff Les polynômes de Tchebycheff sont définis de la manière suivante : T. 1. 443 .B.1.2. .1 = 0 N.La suite de Fibonacci est utilisée en informatique dans les problèmes de tris externes.. 1. Établir la relation de récurrence suivante entre trois polynômes consécutifs : et définir les deux premiers polynômes TO et Ti. u. Généralités sur le calcul numérique 1. Montrer que la suite de terme général k. Quel critère retiendra-t-on pour obtenir une approximation de la limite de la suite? Estimer la précision obtenue sur ce nombre.+u.~l Cette suite s’appelle suite de Fibonacci (1180?-1250).H 1 Problèmes et exercices L’annexe 1 contient les corrigés de la plupart des exercices énoncés ici.1 < 1c 5 +l.y .

= & 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 “. Comme la vitesse de convergence est loin d’être satisfaisante.f. 691 2 730 43 867 BF] = ~ B. 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. 1 1 1 Bk -+-s + '. Blo = ~ 174 611 B3 = .log.4.B2. et par ailleurs. Masson. 1.(r+-&. Valiron. + . = 1 + & + & + & + . et effectuer UIC estimation dc la precision obtenue. On donne les expression dans laquelle les Bk sont les nornbrcs premiers nombres : Bz = & B4 = f B7 = . + W . + (-lJkw + . " 12’rrL2 120m4 de Bernoulli (cf. Réaliser un programme qui calcule y selon cet algorithme. la serie infinie est-elle convergente? 444 . exp(t) ~ 1 p = 1 . p.. Ou bien calculer rn sachant que l’on arretc le développement à. La convergence est tres rapide. chapitre 12). . 218 et 219). ils sont reliés à la fonction C de Riemann laquelle permet d’obtenir les relations suivantes : B avec 71 = 2&. (m) lorsque m tend vers l’infini. . Calcul de la constante d’Euler La constantc d’Euler que l’on rencontre lors du calcul des fonct. + Bl. + & Effectuer 1111 programme qui réalise le calcul de y selon cette procedurc.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. c’est-à-dire après B.(2n)! 47d+h 55. 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). . . En machine (précision relative de 10-“). on préfère utiliser une autre expression pour calculer y : m-1 c:h-=1 1 =log.3.. cependant.ions est donnée par l’expression : y = lim [ de Bessel de deuxieme espèce 1 + i + i + . Pour mener à bien les calculs. + (-1)7L+1Brj- (2n)! +. Théorie des fonctions.. l’ordre j compris.

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

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

b . c .Réaliser un programme qui donne les racines d’une équation f(z) = 0 par dichotomie. donner le nombre de tours de dichotomie suffisant pour obtenir la meilleure précision sur la racine. L’epsilon-algorithme scalaire En réaliser la programmation sous forme de sous-programme. pour des valeurs quelconques de z (mêmes voisines de l’unité). On aura soin d’injecter la valeur de la racine trouvée dans l’équation f(x) = O. Compte tenu de la précision relative de la machine utilisée qui est de 10-“. pour une valeur quelconque de 2..Réaliser un programme qui calcule les racines selon la méthode de Newton (méthode itérative du deuxième ordre). Montrer que la série est bien divergente quand n tend vers l’infini. On montrera que cerf(z) = $ { 1 . Comparer les différentes méthodes. estimer la précision obtenue sur chacune des valeurs. En intégrant successivzment par parties montrer que f(z) admet un développement asymptotique dont on explicitera les coefficients.& + ~3 .2.. 447 . P ROBLÈMES ET EXERCICES 2. chapitre 2) aux sommes partielles S.3. Les développements asymptotiques 3. On désigne par N la valeur de n pour laquelle on obtient ce minimum (N est une fonction de z).3) + . Appliquer l’epsilon-algorithme scalaire (cf. Montrer qu’en machine ce minimum est obtenu dans le voisinage de En(X) = &+1(5) ou G-l(X) E Es. 1. 1 2np122np2 4.1.5 + .1 ) 1L 1 . Calculer l’erreur ~~(5) commise lorsque l’on remplace f(z) par son développement S.On propose la même étude sur les fonctions suivantes : O(x) = c /exp(-t’) dt 0 et cerf(z) = 1 .1. + ( .(Z) passe par un minimum qui dépend de n pour une valeur fixée de 5. 3.Soit la fonction : f(z) = St-l exp(z ~ t) dt avec 2 > 0 encore appelée exponentielle intégrale. Effectuer un programme qui.(z) et montrer que E. d .(z) pour des valeurs de n quelconques plus petites et plus grandes que N. 3.. b . Racines d’une équation f(x) = 0 a .1.(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.ANNEXE H.(2n . . Développement asymptotique a .. 22x4 2”26 5. détermine N puis calcule la somme si et enfin l’erreur mathématique EN(x).O(2).Réaliser un programme qui calcule les racines selon la méthode itérative du premier ordre.Application . Résolution des équations numériques 4.

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

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

Pour cela on désigne par ZI$ la solution exacte du système. > de la racine recherchée. 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... x .. on forme les xp.x2.3 .Partant de valeurs approchées suites récurrentes : P ( avec p=l. et l’on note par & l’écart entre la solution et sa valeur approchée au k” tour : x* =xJk:)+&.Soit E(“) le vecteur des erreurs sur les valeurs initiales... c . donner l’expression de xp en fonction de Q>p et de ses dérivées partielles.x~ ... n. .) xu4 = a. alors montrer que E(“+l) peut s’écrire sous forme matricielle : On explicitera la matrice M.2.x~).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ f . Quelle condition doit remplir la matrice M pour que le processus soit convergent ? (Application contractante).6... En supposant que toutes les racines aient été localisées chacune dans un domaine A. ) = 0 avec q= 1. par conséquent..Dans le cas où la convergence est assurée. .Imier ordre au voisinage de la valeur obtenue au k” tour d’itération. . puis..2.2. 4.xg . x. 3 Après avoir développé la fonction @p en série de Taylor au p. a .x. On peut remarquer que les quantités ey+‘) sont les composantes d’un vecteur E(“+‘).x~. n. augmente la vitesse de convergence de la méthode.3 .... 12. xy. donner l’expression de ep+‘) en fonction des ey’.. x(lc-l) > avec p = 1. d ..Montrer que l’on peut toujours écrire ce système sous la forme : x~=~~(x~...(z) à coefficients complexes. On se propose d’étudier la convergence d’un tel processus itératif sur l’ensemble des valeurs zr”).) b . proposer une amélioration qui exploite mieux les résultats des calculs et qui. e .. ..Donner l’algorithme permettant de calculer la racine appartenant au domaine A. xy-l). proposer une méthode générale permettant de calculer toutes les racines complexes du polynôme P.. Donner l’expression de E(“+l) en fonction de E(O).

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

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

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

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

. et b. c .On se propose de rkoudre le système linéaire AX = B où B est un vecteur colonne donné dont les éléments sont notés bl. ct des yys déjà calculés (s = 1.41 dc klle sorte que l’on puisse décomposer la matrice A en une diffhcncc dc deux matrices : A=I-M (H.. a . expliciter les vecteurs X1.On corlsidere une matrice carrée A d’ordrr: n.Qucllc est la lirrlite 2 dc Xk quand k tend vers l’infini? Montrer que 2 rst.hme divergent. c . Xk.Maintenant. mais on ne demande pas de les calculer. d . 2.a . On suppose que cette matrice est régulikc (ou non singulière : son dCterminant est différent dc zkro).On SC propose d’étudier la convergence de la procédure. triangulaire supkrieurc avec des 1 sur la diagonale: de tcllr sorte que A = LS.On désire se ramcncr à un système identique notk : AX=Li’ CH. Montrer que la sllitcx des Xk converge à condition que W’ tende vers xkro quand p tend vers l’infini. Exprimer les éléments de A en fonction de ceux de A’ puis ceux de AJ. Montrer qu’il est kquivaltnt de rfsoudre le systhe S X = L-lB = Y . . (k ~ 1)).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. Les éléments de A’ sont notés ulk:. .Supposons que l’on connaisse les Clherlts y~ du vecteur colonne Y. Af ct B. .. le processus est divergent.. En dkluirc la valeur des yk en fonction des 6. 455 . dont les éléments sont noti:s CQ~.slk les éléments dc S. S btant. Partant du vcctcur X0 (dont toutes les composantes sont nulles par cxcmple). hicn solution du problhc. 5. .. Quelle propribt. Écrire explicitement le système B = LY. vérifier la matrice: M pour qu’il en soit ainsi‘? e . On décompose cette matrice cn un produit de deux matrices triangulaires L et S. . h. . en fonction de 1. Proposer néanmoins une procbdure qui permette quand mhe l’okention dc la solution X en exploitant les donnkes fournies par l’algorit.5) i montrer que l’on peut générer un processus itkratif de valeurs Xk dc X qui permet effectivement dc calculer la solution X. Dormer l’expression des ékments hh du vecteur B en fonction des Clhcnts Oit du veckwr B’ ct des 6léments de A’. X:3.. L ktant triangulaire infkricurc avec des élérnents quelconques sur la diagonale.4) la matrice A par son cxprcssion donnée en (H.. l.é doit.5.En rcmplaqant dans l’équation (H. il s’agit de calculer Y. noth nrlk. On désigne par I/k les 6h?mcnts de L et par . b . Montrer comment calculer dircctcmcnt la solution du système SX = Y.. Montrer que toujours la décomposition proposée est possihlc dans les conditions de l’honck. ceux de A notés uik. On écrira explicitcmcnt l’kquatiori matricielle Ti laqucllc cc processus ohbit.Quand cette dernière condition n’est pas vérifiée. ct ceux de Af sou!. Résolution d’un système linéaire dépendant d’une matrice symétrique (méthode de Choleski) 1. puis les relations cntrt les &?nients yk. X2. b .

Montrer que (Api.~ .On désigne par h le vecteur qui est solution du systèrne AX = B. (B>P. y) = (q. Montrer que A = LS = (hD)S peut aussi s’i‘crire (seulement dans ce cas prkcis) A = h(DS). X le vecteur inconnu.Écrire directement les relations donnant les inférieure M en fonction des élémcnt.6.Montrer que les {P.Déduire que A = ADA’ (ou encore que A = STDS). de L. 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.~} forment une base de l’espace à N dirnensions. .. a . 2.7+1 = xj + (++1P. 2.~ ) (H. D onner les éléments 61.Donner l’expression de A’ en fonction de D. 1.P3) x. montrer que h peut s’écrire sous la forme : N .pi) > 0.s CLQ de A.j=O a v e c C. On kcrira L = AD. avec M 5 N..À partir de maintenant on suppose que la matrice A est symétrique : A = A” (AT est la matrice transposée de A). q) lc produit scalaire de p et 4 : (P> 4) = pï’q. de V% en fonction des ékments d.Indiquer une méthode de résolution des systknes symétrique non singulière. On note par (p. . Aq) = (Ap. N . de D.. 456 . b . .1.j = cApj. P T étant lc vecteur transposé de p en kriture matricielle.j.~) p. on dit qu’une suite dc vecteurs {pi} est A-orthogonale (i = 0.~P. Montrer que (p. .+1 XAJ = h. .Soient p et CJ deux vecteurs de dirrrension N. S?’ et AT7 en dkduirc S. . éléments rrllk de la matrice triangulaire d . deux relations entre A.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. C omrne D est une matrice diagonale. linéaires dépendant d’lmc matrice 5.Par définition.1) quand les produits scalaires (AP. ST et AT. B le vecteur second membre d’éléments {bl}. Donner l’expression des Cléments dc XI~ la matrice A en fonction des klémentjs 1. a . pJ) sont nuls pour i # j. c . choisie.p).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ d .6) Montrer qut h peut s’obtenir par le sclkma itératif suivant : 20 = topo (B> Pi) “’ = (AP. on peut écrire : A = Afi\IDAT = ïWMT.l hj = C c. Ap) = (Aq. c . b .

P.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..Api 457 . N ~ 1. montrer que la suite des {pk. mie suite orthogonale que l’on peut écrire sous la forme : PL.+.lT” (w+l.7=0 est.a. il nous suffit de connaître une base quelconque de l’espace de dimension N..On SP propose d’utiliser les rcsultats précédents pour résoudre le systeme AX = B..hogonaux devient u~e suite de vcctcurs orthogonaux.8) i { 4. Dans ce cas particulier.) (P. .On se propose maintenant de construire Mac base {pk} de vecteurs A-orthogonaux à part. la matrice unité (A = 1): la suite des vecteurs A-ort.lJ$k = tJk+l + 5 r~e+l. a . jr0 avec k < N ~ 2. = P’. . ?j T/k+* (H. + (P:.J’ > k. PROBLÈ M E S ET EXERCICES 3.P.. = PL + c?k+l. . Montrer que (7~1<:.?4 k-1 c . + ctk. On propose de calculer simultanément ~ ou en parallele ~~ les deux bases en procklant dc la manière suivante : Soit ~0 une approximation arbitraire du vecteur h.} dont la définition (légèrcmcnt modifiée par rapport à (H.7) Donner l’expression des ~k+r .>I$ .On pose p0 = 210.Azo T. (H. .-l PL.. Cette base {pk} A-orthogonale sera détermincc à partir d’une base {r.oPo + Qk+l. Pour cela.lpl + .2. 1.Si A est. Apj) = 0 pour .+1 = 5 .kVk+l .k} orthogonale. b .A NNEXE H.ir d’une base {Q} de N vecteurs lineairement independants (orthogonalisation de Gran-Schmidt) pour k = 0.jpi + Yk+l. puis pr = vr + aropr Montrer que (Av:Po) a1o = ~ (APO. en fonction des produits scakres de vcctcurs (connus au fur et a rnesure). à partir de celle-ci IIOUS obtiendrons une base {pk} A-orthogonale qui nous pcrrnettra de calculer lc vecteur solution h. . ‘. On pose : Po = yo = B .Pk) (%+1.7)) est la suivantje : k.

et s’appelle a .) = E”(r)) + lj(Ap.rlt à ce minimum.j.. a .Montrer CIU~ E’(zj + l. la wlation (H. une quantitk algkbriquc paralkle au vwtcur p.ns la dircct.... On pourra poser : b . .B. Il s’agit de minimiser E’(x) da. c:orrcsponda.JJ.l~P.7).Montrer que la suite des {r. On note E”(r) le carri‘ du rkidu.p. .ant. + I.j:~).) ssion dans laquelle on .ermincr b . ahstra.p.XT)> h ~ x]. Nous a~llorls voir que.. de dét.I) ex71 )rr :Y‘ a pos6 : ri = B ~ A. p sur la droite 2.c. pr+cisémrrlt.hc linkairc. (= B ~ xj).Montrer que? E2(:x) est donné par l’cxxprcssion : E”(z) = [A(h .À chaque étape du processus it.. la quantit6 c.ct~ion faite des crrcurs dues a.Montrer que la suite des {pl} est A-ort~hogonalc CII utilisant la relation (H./) ~.. Dkduirc q u e Z..te rrkthodc dc rkolution d’un syst.7 s’ohticnt à partir de l’a.~ ~ (~.l->l>roximation prkéderlte en ajout. s’appelle métllodt~ du gradient co~~jugué. Les formules montrent.7.Soit A une matrice yuelconquc. c ... et.8). déperldark d’une matjricc A définie positive et symktriqut.Quel est le nombre maximunl de tours d’it6ratjion qui permettra d‘olh:nir la sohhion exacte.p..1) (APj: déduire que bj = C. orthogonale en utilisant..Cet. Quelles transforma.ux troncatiircs des calculs effectifs? 5..bratif~ r’? dorme l’écart à la solution exactJe vecteur rkklu 0~1 résidu.iou 1. = n. que l’approximation X. 6.7(r.f est celle qui minimise le carre du rkidu dans la direction p.2b.} est. .tions doit-on appliquer au système lincaire pour pouvoir utiliser l’algorithmr i:tudib? .1hfhVUEL DE (‘ALCL’L NUMÉRlQlJE APPLIQUÉ N.

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

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

considérons une suite de matrices B. montrer que ct déduire ur1e procédure générale de calcul des valeurs propres d’une matrice 6. L’interpolation 6.+. On dksirc réaliser un programme qui pcrmcttc d’effectuer une interpolation voire une extrapolation par le polynôme dc Lagrange. a . Applications des J 6..+a. Pour ce faire. b .Dkmontrer 1~ relations de Newton exprimant les coefficients (~k cn fonction des sommes des racines élevées à la même puissance m.Donner la relation de récurrence qui existe entre dellx rnatriccs conskutivcs Quelle valeur convient-il de donner à Bu? l?k et n. donnkc par la relation de Newton.Calculer les cocfficicnts du polynôme de Lagrange par inversion de la rnatricc fournie par l’kriture du systkic linéaire.5 ET E X E R C I CE S 5. le transforrncr cn sous-programme.9.2.(z) = a”d7 + UlZ n-1 + a2x” -2 +.pproches du mkne probkme. les racines du polynôme caractCristiquc : dc calculer les valeurs propres Xj: P.on suivantJe : B 4 = Aq + alAqpl + QA”-~ + . =O avec a() = 1. On notera : En utilisant l’expression de a. Les fonctions «spline » Rkaliser un programme qui effectue les interpolations (des rnêmcs données) au rnoycn dc fonctions «spline » de degré trois.. a . Nous 11011s proposons de calculer directement les cocfficicnts ak: puis de calculer les racines du polynôme.Déduire des ktudcs précédentes 1111 ou plusieurs prograrnmcs qui realiscnt la différentiation et l’intégration. 6.Prograrnmcr dircctcment la méthode de Lagrange. c .1 et 6. La mise au point termink.. P~013LèhfE. + o“1 1 : OU 1 est la matrice unitk d’ordre n.AN N E X E H.2 ... dkfinic de la fac. 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. Le polynôme de Lagrange On dispose d’un fichier dc donnees constitué d‘une suite dc N couples d’abscisses et d’ordonnées. b ./. 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.s? Pourquoi? 461 .Comparer les performances des deux a.1.

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

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

tz)s(t)] tl dt (H. 13) par exp( -D t) p uis cn intbgrant entre tl et tz. s(t) N s(t) = c k=O t”llk: . soit : dY . on obtient l’approxima..Calculer par la méthode d’Euler les valeurs numériques y( 1) ct. kluation un peu plus (H. ZQ). y(2) (rcspcctiwment. w). Étude d’une méthode de résolution spécifique . D@terminer l’intervalle de variation de y(t) quand t apparticntj & (0 . qu’il sera plus hathile d’écrire (l‘intér&t apparaîtra plus loin.l.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a .tl.=O Donner l‘expression de C.tion en tronquant le d6vcloppcmcnt à l’ordre N . Comparer avec le calcul direct de l’expression (H. a .12). montrer que l’k~uation (H.On considère une gCm?ralc..13) où s(t) représente une fonction continue A variations faibles (lentes) sur (0.14).I exp[D(t .Montrer que la solution formelle peut. se met. peut Rtre calcuke d’une manke approchée par le procédé suivant : si est développable en série erkière. pour les valeurs ti = 1 et tZ = 2) avec un pas d’intbgration h = 0.12)‘~ 2.) Ck Choix des points de calcul . puis la relation de récurrençc cntrc deux valeurs conskutivcs et C~+I... b .05.Il est commode de choisir les poirks eu progression arithmétique : T~-k=t2-kp a v e c : k=O..L‘intégrale figurant dans (H.= -Dy + <s(t) dz avec D » 1.tre sous la forme : (H.ti)l + .. dtsignPe par 1. Montrer que 1 peut être approchke par l’expression : II&& k.En multipliant les deux memhrcs de (H.14) b .) : cn posant.l[l + exp(-50t)].12) :y(t) = O. 1-1 = t2 .. (Intégration de Ck par parties..13) 1 leut se mettre sous forme d’une kquation intégrale qui est équivalerke : v(h) = yy exp[-D(b .N 464 . Que suggérez-vous pour obtenir des valeurs numériques plus confornws a celles olkemles à l’aide dc la relation (H. puis reprkenter graphiyucmcnt cet.te solution.

2. puis les valeurs sk = S(T~) en fonction des (1. Application numérique . t. PROBLÈMES ET EXERCICES Étude du cas N = 1 . Fig. mais on supposera encore que s [y(t). 1. ct . Décrire urle procédure complète d’intégration de la dernière équation différentielle proposcie. page suivante). calculer y(l) et y(2) dc l’tquat.05. 8. 7. 3. page suivante). des conditions initiales de ce problème pour lesquelles le chien ne rattrape pas le jardinier.). T1 et T2.Calculer les points TO..13) . expression dans layuellc T représente la t.~. H. Calculer ?/(II) et y(2h) avec h = 0. Écrire explicitement l’expression donnant y(Tl) à partir de la forrnulc obtenue pour N = 1.urc: et t lc temps (cf.çj.cmp+rat. Rien du développement. les isothermes d’un réfrigérateur Nous nous proposons de d&rminer dans le plan les isotherrnes d’un rkfrigérateur à l’équilibre thermique. au besoin expérimentalement.ion diff&enticlle (H. L’équation de Laplace. L’éyuat. Cormaissant à présent y(To) e t y(Tl).). formel préckdemrnent r&li& n’est. H. seul lc calcul de l’int. d onner la formule exprimant y(!&) A partir de l’expression obtenue pour N = 2.6. Tracer dans ce cas le cycle limitcx de la trajectoire suivie par lc chien. Indiquer ur1 procédé pour obtenir effectivement y(Tl) en fonct. Sachant~ que la distance OB = 30 m ct que le chien a le droit de piétiner le parterre.égralc demandera le calcul explicite tic s[y(t).13) n’est évidemment plus linéaire. . Exprimer les ni en fonction des sk. Trouver.1.ANNEXE H. 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.0 ri considere à présent yuc s(t) dépend de :Y(t) ct l’on Ccrira : s(t) = s[y(t): t]. puis les valeurs sk. modifié. Inverser ces relations pour obtenir les ‘II en fonction des sJ Donner l’cxpwssion tic y(Tz) en fonction des C.Soit l’équation : 2 = -501/+ & avec y(0) = 0. = S(T~) (:II fonction des u.ion dc ~(T(I) = y(0). Généralisation de l’équation (H.ion (H. Puis indiquer un procédé perrnett.ant dc calculer cffectivemcnt 02). c’est-à-dire quand dT/dt = 0. t].En conservant le pas h = 0. Donner alors l’expression de y(Tl) en fonct~ion des C. Intégration des équations aux dérivées partielles 8. Fig. et .Calculer les points TO et T1. t] est. une fonction à variations lentes et faibles.11).T. Le chien court à la vitesse constante de 20 km/h. Application numérique . car les coefficients ak dépendent des valeurs obtenues pour les y(T.2. Lorsqu’il est en A.rouver la trajectoire du chien et représenter la graphiquement (cf. Étude du cas N = 2 . 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.05.

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

12 cm p2se.Attention & l’usage des coordonn~cs sphériques que nous emploierons dc toute façon. ensuite on fait passer 1111 coura. éventuellement entachkcs d’une petite erreur.). 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.1( OC)-‘.ure uniforme Ho = 90 “C. Déterminer la durée du refroidissement. On c’omrncncera par rkliser des programmes de mise au point qui sont : a.l “C. Au temps t = 0.3. Comment pallier cet inconv6nicnt ? 8.cmr. PROBLéMES ET EXERCICES 8.72 10-s bL m. la capücit~k calorifiyuc par unit6 de volume et X est la conductibilité thermiyuc du milieu. On demande do calculer la tcmpiirat.B. : est. .12 cm2/s. On pourra tcstcr les deux transformkes de Fourier sur une gaussicnrle tronquk (il faut réflkhir sur la troncature. Un cylindre dc cuivre de longueur indkfinie. .ure dans la sphkc: à diffkrcnts instants. portée à la temp&at. T est cxprimb en “C ct a = 4. parcouru par 1111 courant 1.nt refroidie lorsqur son centre. N. On donne le coefficient dc diffusion dans le cuivre D = 1. L’algorithme de Cooley-Tuckey Réaliser le programme dc la transformée dc Fourier directe et de la transformée dc Fourier inverse. On plonge w fil dans un bain (thermostat) 5.2. Transformk de Fourier d’un rkeau (taches de difbaction). la tcmpératurc de 10 “C. dc rayon R = 1 cm.-1. Cas où tout le volume est le siège d’un dégagement de chaleur Si tout lc volume s’krit. montrer que l’kluation dc la clialcur où P est la puissance dissipk par unit. le siège d’un dégagcmrnt de chaleur. 467 . La rkistivitk du cuivre est r(T) = ro(l + QT). b. est à une température inférieure à 10. la table des adresses pcrmettjant de mettre les domkes dans le bon ordre . la transformke de Fourier par dkimation. On dit que la sphère est c:orrll->lèt. p est.1. Refroidissement d’une sphère homogène Une sphère homogène dc cuivre dc rayon 7’ = 5 cm est.hme rCcurrent . On donne 0 = 3. on attend que le fil soit en éyuilibrc thermiyuc. Les transformées de Fourier 9. On considère que cc rkservoir est un excellent thermostat. est. 9. mais CII 1’ = 0 les équations sont discontinues.6 de voliimr~. où r‘() = 1. déphasées dc ?r selon lc choix rctcnu pour rcprkentcr les données.A N N E X E H.. la table des simls (et cosinus) au moyen d’un algorit. elle est plongée dans 1111 grand rkervoir d’wu à la tcmpératurc uniforme 01 = 10 “C.nt continu réparti uniformément d’intensité 1 = 200 A.40 Jcn? ct D = f = 1. c. La transforrn+e inverse doit permettre d’obtenir les valeurs dc départ. Transformke de Fourier de la fonction porte.

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

+ jf7. t n Figure H. Pour chacune des fonctions.5.rous et l’axe de déplacement des particules G doit être rigoureux.4. Dire pourquoi l’allure générale de J(V) ne sera pas modifiée. La transformée de Fourier discrète s’écrit : cpk = . Ny fmWN”L m=o a v e c 27r WN=exp jN ( > 469 . N .Comment concevez-vous l’appareillage du cadre « mesure » chargée du traitcmcnt du signal? Le parallélisme entre l’axe des t. et l’on recueillera sur la cellule photoélectrique un signal formé de la superposition de signaux tels que celui présenté figure H.ilisés? Dans la réalité. on dispose de N échantillons complexes (uniformkment répartis) notés fin et yak avec (k. et pk = cpi + jy~i.2. Comment réaliser ccttc opération à l’aide du dispositif et de l’appareillage ut. Au besoin. le nombre dc grains G est très élevé. . On ne considère par la suite que les fonctions échantillonnées normalisées. on peut 6crirc fTrb = f. .3.4. .1.ANNEXE H. 1. mais déphasé d’une façon aléatoire les uns par rapport aux autres. 9. Calcul numérique des transformées de Fourier pour un nombre de données N = b” Soit f(x) UIC fonction appartenant à L2. et l’on désigne par v(t) sa transformée de Fourier. u 1 I ‘B b . m) = 0. PROBLÈMES ET EXERCICES Figure H. n c .

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

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

Application numérique . 12. Donner l’expression de la densité de probabilité. En déduire la fonction de distribution . puis donner l’expression de la valeur moyenne (CT?‘) des Ei dc chaque vecteur V qui sont tombés dans l’urne j.) avec TX. pour 0 < z < 1. 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 ..(r~!) = nlog. Lois (Binomiale. et l’on s’intéresse à la statistique d’ordre n = 5 (il y a 5 urnes). Poisson. 4 1/12 quand n croît indéfiniment.f:‘“‘(~) de la variable z appartenant à l’urne j. Vérifier que les résultats sont symétriques. Gauss-Laplace) 12.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ pour ce faire. Loi du x2 Effectuer un sous-programme qui réalise le calcul du x2 a m degrés dc liberté : 472 . 0 12. Application numérique : calculer n! pour n. puis calculer la valeur moyenne des & tombés dans chacune des urnes. Quelle erreur est commise sur ces approximations? Approximation de n! au moyen de la formule de Stirling : n! = nn exp( -n)&G( 1 + E. pour 5 2 1 .2.(~n) . 80.1.3. = 50 puis 60. on réalise une succession d’intégrations par parties de cette dernicrc expression.f(x) h(x) = fi]exp (-T) dt. 90 et 100.La fonction F(z) est la loi uniforme : 0 F(x) = x 1 pour 5 5 0 . La loi Binomiale Approximation de n! au moyen de l’approximation de Stirling : log. 12. 70. Reprendre les calculs précédents.n.

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

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

quel que soit.end vers la loi horriialr riCy+tiw : c. prohl~ilité IITLIT12 de tirer d‘abord nl hiiles noires puis 112 lmulrs rouges. l’ordre fixb du tirage de srt. 71) de tirer ni hules uoircs pa. + cy:. i cx ct. enfin que : . . X est uue variable aléatoire qui suit une loi du .12.En réalité..Jl +P)“I. Après chq~w tirage cffcctu6. la probabilité est toujours la rrihe et vaut II. ct. . fy tendent vers xCr0 de telle sortr que : 1 rriontrcr que la distribution asynlpt~otique étudi& t.) a .y” dorlt l‘expression s’kcrit.Donner l’expression de la.rmi 7) tiragrIs d . Moutrrr que.b . r houles rouges.. que p et.On considère UIC urne qui contient 0 houles noires et.Lorsque 77. mi remet dans l’urne la boule tirée plus c boules de la rriêirir couleur-.~.. : 3.1 hulw noires et (1~ ~12 l~oul~~s ro~~gcs. b . (Il s’agit diun tirage contagieux dans ~IIIP urne de Pdya.Donner l‘cxprcssion c .On pose : de la prolzhilit+ P(TI.

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

Coefficient du binôme. ET EXERCICES d . on envisage l’hypothèse d’une distribution de Poisson de paramètre A.Pour rendre compte de cette distribution expérimentale. Calculer les diffcrents Pk puis le x2 correspondant.p).l. Puis calculer la probabilité théorique que le nombre de mites sur les feuilles soit m = 0.2. f .~). On montre que pr (1 . rT p)} avec k = 0. PROBLÈMES c . calculer ml la moyenne de la variable aléatoire entier? p qui suit la distribution f(k. la séquence {f(k. Peut-on retenir l’hypothèse d’une distribution de Poisson‘? g . 1.l d’après C. on a dénornbré les rnites rouges sur chacune des feuilles. Donner la valeur de A.omiul distribution to bioloyical data. p et 4 prkédemment définis. -p)!) n = 0P 477 .Plus généralement. 1. En dcduire la variante c2. juin 1953 p.I. À l’aide de cette fonction génératrice. n est un entier positif : C*l = C. Calculer T. r. Biornetrics. . 176.2. .i-” = p!(n 1 lx. Tableau H. on a prélevé sur chacun 25 feuilles toujours au hasard. Nombre de mites par feuille 0 1 2 3 4 5 6 7 8 et plus Nombre de feuilles observées 70 35 17 10 9 3 2 1 0 Calculer la moyenne m.ANNEXE H.On fait l’hypothèse que la loi expérimentale est la loi binomiale nkgative. p uis rn2 le moment du deuxième ordre. pour 1111 réel T > 0 fixé et pour 0 < p < 1.Sur six pommiers d’un verger tirés au hasard. h .Donner l’expression de f(k. Les résultats obtenus sont présentés dans le tableau H.4t) pT est la fonction géneratrice des moments non centrés. Bliss. . Peut-on retenir cette dernière hypot. est appelée distribution binomiale négative.Calculer le xL correspondant. r. Fitting the negataw bin.hèse? Quelques résultats utiles . puis. 7. e . et l’écart type 0: de cette distribution expérimentale. .

En dkliiire la rlciisiti~ de probabilit6 . .M~NIJEJ.km rri une scrmiric (1 mois ~ b .+l . Durée de vie d’un système simple (fiabilité) 1. . On désire kt~udirr la stat.qiicllc~ ohkit la variable al6atoirr <. AIm?s avoir rcnmrqu6 que [ est une variable . Calculer la nioyennc~ n tic < . probabilit.iellcmc~nt a11 cours du kmps.iquc de 13 variable al&oire [ = t.6 pour qw X: 6v~ncmcnts survicuncnt durmt. probabilité qu’il survicririe trois crevaisons ou plus mi un mois.rinsi que sa.~PPLIQIJ~~ 12.ist.ut~ la probabilit. variancr 0’.~l~atoirc coutinuc. lc tcnips qui s’koulc crkre deux év6ncrnents consécutifs. ct mi rappcllc que les temps d’apparit.@ F(t) = P(c < t) ( 1 ut 1 R wuiablc al&~t.Calder la probabilit. dans un iritcrmll~~ t d6biit~arlt 5.9.t probabilit.f (t) à 1. d . 3 Pour cela on calculera d’abord l. quatre crcva. l’inst~arit ti ~il n’y ait itiicun évtncmcnt..res. qui est. L’c~xpkienw lui a appris qu’il survient une crf3mison de six bicyclette cn inoyrnnc tlciix fois par mois.kmn en 1111 mois. lc tmips t.s par unit. s’a.jour uu cycliste parcourt.ctrnicnt~ scrnadrirs). c . l’on dkipe par X le rlombrc rrloycn d’év&mncnt.emcnt une cwv..Calmlcr la probabilitb qu’il survienne cxa.ppdlc flux d’~v~iirriir~nts. ind4?pcrdmk les ii115 des aut. e . On d6sigrie p:u t. une crev. NLIMÉRJQCJE .Ckdciiler la probxhilité qu’il survirnnc c~xactrrncnt. Loi de Poisson.oirc [ soit plus petik> que f. loi dc Poisson Ph: (t) donnt\.t.c tliscr~tk: dc la date des 6vkmncnts cpi arrivwt s~qlicrit. la rnêrnr: diskmce. La silitc t. la siiit. 2. DE cucul.@ pour que.On SC propose tl’écriw cxpli<itenicnt la loi dc Poisson m fonction du temps 1 ct.isons mi tlriix mois. 478 .6 de temps.Chaque . dculcr la.ion des 6vikmrrks sont.é qu‘il nc survienne aucunc~ crevaison en un mois.Calculer la probabilitk qu’il survirnnc cxact. Donrwr l’expression de la.Calmlcr la. a 4 .

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

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

.1.. c .. O)S). I.On considère une variable aléatoire < à distribution rectangulaire.. On désigne par rn.. X.)2 nPq obéit. Au moyen d’un développement limiti: au deuxième ordre dc loge P(t). et l’on désigne parn. p. À partir de quelle valeur no de n peut-on admettre l’approximation asympt~otique? 14.5). X2..p2.np. . montrer que la fonction caractéristique tend vers une gaussienne quand n tend vers l’infini.ique Q(t) de la variable aléatoire : où les & sont des variables aléatoires indépendantes à distribution rectangulaire uniformkment réparties sur l’intervalle (-0.ique Q(t) de cette variable aléatoire. puis la fonction caractéristique de la variable aléatoire E/n. L’un effectuera les auto-convolutions successives de la fonction de distribution. .1) degrés de liberté. . On réalise une partition de l’axe réel en T intervalles notés 11: I2. (Rkalisation d’un histograrnme. . d . les probabilités théoriques que X appartienne respectivement aux intervalles 11. Donner la fonction de distribution de r/ = El + <2. Le test de Pearson On désire montrer que le paramètre de Pcarson x2 = c pl 7’ (Y . 0.5 . La loi du x2 et la loi de Student 14. à une loi du x2 à (r . On considère une variable aléatoire X dont on se donne u11 échantillon constitué dc n.Gknéraliser le calcul du C. ct enfin la fonction caractérist. .Les variables indépendantes sont toujours gaussiennes mais ne sont plus centrkcs réduites. En déduire la loi de distribution dc IL quand n devient grand devant l’unité. PROBLÈMES ETEXERCICES b .) 481 .12.l et rn2 les moyennes respectives et par 01 ct CT~ les écarts quadrat.ANNEXE N. 1. l’autre le calcul direct de la fonction caractéristique. c’est-à-dire uniformément répartie sur l’intervalle (-0. 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)..iques moyens. Déduire dc cet exercice le comportement asymptotique de la fonction : f(z) = (F)” Effectuer deux prograrnmes qui permettent la vérification expérimentale de conclusion obtenue.5 .. D onner la fonction caractérist. ékments notés X1.

a11 IIloycIl dl1 tll6or?!IIle concernant la fonction <:Hractérist. . p?..Nous allons obtenir. .. . . = n.L$” . . TL. .. Ces coniposantes prennent la valeur 0 ou 1. .En utilisant les relations étahlics au 5 a. x. 482 . . . Y2.. Zi. : X. la fonction caractkristique de cette loi rnlllt. . ‘n.22. et l’on pose : P(Z. obtenue pour ladite ré.rltcs. . yq est la valeur d’une variable akatoire Yc.)]} où I!J { } est l’opkateur espi‘rance rnath6matique portant sur chacl11Ie des variables Montrer que le rnornent du prernier ordre de la variable X est tlorm~ par : et celui du deiixièrne ordre par : b .nt. une réalisation dc l’~ch. calculer le mornent du prernier ordre ‘rnlcl ct.MANUEL DE CALCUL NUM~~RIQUEAPPLIQUL? Soit 21.fr c . . En déduire. . . . . (Z:.) est l’espérance niatli6rnatiqiic clc la varial)lc corriplexc w[. par voie directe. 2.2.) de (Z:. puis donner l’expression de la../ = 1) = pJ ct “(2. . : Y?).<) = iv {cXp[j(tlXl + t2x2 + ‘... la f0nct. . .illoll. la probabilité théorique que la variable X... (Ici.! Ik..) de (K. . T. Yk. Yr obéissent à une loi dc probabilitk nniltinorriiale : P(Yl = 121. avec 4 = 1. .ion caractéristiqiic : &q(tl.i. nous montjrerons que xL est la somme dc carri-s dc variables gaussienncs cerltr6s.j Montrer que (Y. on considère une suite de vecteurs aléatoires indépendants et dr niêrne dist. Zz. . . réduites (au stris large) ct iudépendantcs ohkissant cependant à 11116 relation linkaire. le rnornent du deuxikne ordre rnzq des composantes x1 du vecteur alfatoirc: (Y1 .) Pour parvenir à nos fins. fonction caractéristique : q!q(tl. Yz.)]. 2. K. 1~ majuscules Xk. . Yz..i<luc d’une sonirne de varial. sont. t.1 d . ) t. t2. . t2..les irld~pcri<la.1. appartienne à l’intervalle Montrer que les variables Y1 . des variahlcs aléatoirm tandis que les rninusculcs :ck: cyk. a . (27) avec y = 1. . . ta. sont les rcialisations de ces variables alCatoires..4 = 0) = 1 -7l.On rappelle que la fonction caractCristique d’iinc variable albatoire a II din~er~sions (ou vecteur akatoire) X = (Xl. . 27).X. Y2 = n2. t.ribution notée (Zl.22. . J$) = ~‘~=.2. ..i. 2. + 6. . . . Pour cela. . .) = ?L! 721!n2! .irlorrlialc.4). lc Il~oIIllm dc v a l e u r s z. Z. On note: p a r y . + LX.011 désigne par PA..p. Y. c$(t1..j. qui sppartienncnt à l’intervalle 1. X2.j(tlXl soit : + t2xa + ‘.lisation..

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

f . . On dorme : 1. tu et n.On désigne par P( ltl > to) = l-a la probabiliti: que Itl dépasse une certaine valeur positive to.Montrer que b .m)2. ct en déduire la valeur de la répartition de Student h. 3 approche . = -& .05.725 t0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a . On donne : t”. indépendantes et. de même variante.05(21) = 1.05(20) = 1. Commenter les trois résultats obtenus. de g .721.j=l .Sur les variables centrées (zj ~ au moyen m).729 to.Effectuer l’application nurnérique.640 & J’exp(-5) 0 dt=l-0.On suppose que la variable t définie au 5 14. a. Effectuer l’application numérique dans ces nouvelles conditions.O5(~).os(19) = 1.) : Montrer que -g CE/. Déduire la relation entre l(x) ~ ml.2 est gaussicnne.Montrer alors que t est une variable de Studcnt dont on précisera le nornbre de degrés liberté.Montrer que les variables xi sont centrées.Montrer que e .m = 3 d . on effectue 1x1 changement de coordonnées orthogonales de la matrice orthogonale A d’éléments (ui. normales. h .Montrer que (x) .j=l c . 484 .

ryz entre la quantiti: d@tcnuc 2.m(9) = 1. la quantitk détenue.5 3.860 h. ..ANNEXE H.ns(8) = 1.8 3. Par ailleurs on notera (q) la. b .812. Les données faisant l’objet du classement seront fournies par le générateur de nombres pseudo-aléatoires de Lehmcr.2 d’imposition. c . PROBLÈMES ET EXERCICES 15.T:~~ entre lc nombre dc personnes et. entre le nombre de personnes et l’impôt payé.l 0 7.Faire un programme qui rkalisc 1111 histogramme. Critères de conformité 16.7 4:l 3.5 2 2. calculer les coefficients de corrélation suivants : a . Ensuite.Vkrificr que les nombres générés obéissent bien à une loi de distribution uniforme.os(lO) = 1.T.Dans l’hypothk raisonnable de dépendances linéaires.2 5.1 L1 4 2 2 316 1.u.833 to.Quelles sont les liaisons dc corrélation qui sont fondées ou significatives ? On donne un extrait de la table de Student : h. 485 .6 2.2. Matrice de corrélation Dans 1111 document à caractère historique de 1321 on trouve le tableau H. et l’impôt payé.1. 16.moycnnc dc la variable aléatoire q et par 0: sa variante.5 6.0 Impôt 1. 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 4.5 On désigne par 2 la variable aléatoire associée au nombre de pcrsonncs.o 1. Exercices du cours a . Tableau H. . 1. on désigne par R le nombre dc familles. par 11 la variable aléatoire associée à la quantité détenue et enfin z la variable akatoire associée A l’impôt pcrc. b . Systèmes à plusieurs variables aléatoires Système linéaire sut-déterminé.

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

a . b .4. 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 . Tenter de trouver une fonction qui soit différente de h”(zi) mais qui en soit une bonne approche. . Étude des dépendances dans le cas linéaire 17. on fabrique deux séries dc données sur lesquelles on se propose dc retrouver les caractéristiques.Doit-on regrouper un certain nombre d’intervalles ? Le cas échéant.h”(z& Effectuer le test de l’homogénéité des suites de variantes sur les deux échantillons. c . 17.1. 487 .Générer 1000 nombres pseudo-aléatoires à distribution gaussienne. on détermine 5 valeurs de l’ordonnée y selon la loi y = ux + b.L’hypothèse H est la loi normale. e . c .Le test de Kolmogorov donne-t-il une confirmation du résultat obtenu au # e? On détaillera tous les calculs. . À cet effet.Pour chaque yio on prend 10 valeurs obtenues a partir d’un générateur de nombres pseudoaléatoires gaussiens d’écart type ~7 .ANNEXE Tableau H. Test d’indépendance stochastique des résultats d’observations a .Peut-on raisonnablement conserver l’hypothèse H? Justifier votre réponse. Calculer les probabilités par intervalles de regroupement.Effectuer le test des suites ssccndantc ct dcsccndant.Calculer le x&. Il s’agit du même écart type pour les 50 nombres tirés. proposer mie solution. yic avec i = 1. b . Homogénéité d’une suite de variante Dans le cadre du schema de régression.e.. : 5. On affecte un indice aux points zi. f .Calculer les deux premiers moments 1*1 et D puis l’écart type 0. on les note yy. Pour 5 valeurs de l’abscisse 2. On se propose de vérifier les tests usuels d’indCpcndance stochastique sur cet échantillon.Pour chaque xi on choisit un écart type a different tel que les 0: obéissent a une loi crédible telle que : CT” = a.Effectuer le test de la somme des carrés des diffkwuzes successives.2. on désire vérifier l’homogénéité d’une suite de variantes. d . elles sont centrées sur yLu et ont la variante c2. H. b .Effectuer le test de la rnédiane. 17.2. On choisira tous les pararnètres comme on l’entend. d . .

Dormcr la probabilité P d’obtenir au moins une sous-chaîne (parrni les K). Donner XK la longueur rnoyenne des chaînes contenant K sous-chaînes. éléments (sous-chaîne de longueur p contenant pA ou p1B) est égale à ( 1/2)IL. On donne : 0. au moyen de n tirages conskcutifs. et comparer le résultat avec celui obtenu à partir de l’expression approchk donnée dans le cours. la suite des A et B obtenue durant l’cxpkricnce.05 = & iexp (-c) dt. = 8. Rappeler le thkorème central limite.nt lequel on note la succession des apparitions. e . puis donner l’expression de la probabilité P(c < L/O) pour que < soit plus petit que la valeur arbitraire ~0. d . rn b .3.Calculer C l’écart type de la variable <. En déduire la distribution dc la variable aléatoire <.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. dont la longueur VI soit supérieure ou égale à une valeur arbitraire positive A& (on pourra éventuellement calculer la probabilitk contra. c . 1:ii5 488 . v6rificr qu’il en est de mCmc dc XK. sur lequel se fonde le calcul.) qui est la longueur d’une chaîne constituée de K sous-chaînes de longueur l.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).5. donner l’inégalit6 à laquelle obéissent.j : a . Nous nous proposons d’étudier quelques caractéristiques des chaînes et des sous-chaînes. On note A l’apparition de face et B l’apparition de pile.En choisissant le seuil de signification Q = 0. grand devant l’unit&. calculer P. On bnonccra lc thi:oremc. 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). b .05. Test d’indépendance stochastique du tirage d’un échantillon On considère lc jeu de pile ou face dura.On effectue le tirage de K sous-chaînes. < et K. la prohahiliti: de prkenter l’une des deux faces est 0. Partie 1. UC.Calculer la longueur rnoyenne et 0 l’écart type des sous-chaînes. Effcctucr l’application num&iquc pour une chaîne de longueur nj = 100. On énoncera le théorème sur lequel se fonde le calcul.ire). A).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 17. Partie 2 . f .05. On appelle chaîne de longueur n. dans l’ordre dc leur apparition.On suppose que le nombre K de sous-chaînes est. On appelle sous-chaîne une suite constituée uniquement dc A (ou dc B) limitk à droit? ct k gauche par un B (resp. Applicat)ion numérique : K = 10. a . On SC propose d’étudier la variable aléatoire [ (désignée par n précédemment.Montrer que la probabilité T de tirer une sous-chaîne constitube de 11.

Étude du rapport de deux variantes : loi de Fisher (1872-1962) . 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. servir dc test no 2 des skies fond6 sur la médiane de l’écharkillon.): % = 1. qui fournit mie autre droite de r@ression : Y’(x) = a’ + b’(z ~ z?$).2 la moyenne empirique des carrés des rksidus.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.96 .Montrer que ce résultat peut. .Si l’on se domle la taille <> de la chaîne. CO). . On considkrc un autre échantillon de taille n. m. 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”).Snedecor (1881-1974) On considerc mie population parente sur laqucllc on prélève un khantillon tic 72. différente ou non de VL. 17. Quelques résultats utiles (l+a)” = l+r~a s i 101 < 1 . soit : a: b et s2 caractérisent cntièremcnt la régression étudikc.4.: 7/. PROBLÈMES ET EXFXGICES c .2. 489 . e .cst no 2 ct test du cours correspondant) est 1/2 quand la longueur de la chaîne tend vers l’infini. Loi F(m. On appelle variante empirique 5 . les résultats sont notés (5. Montrer que la limite du module de la différence de ces deux derniers tests (t. Ces n individus font chacun l’objet dc la mesure de deux grandeurs physiques dont. ct comparer cc résukat à celui obtenu avec l’expression approchée donnée dans le cours. individus. 1). d . cas des évi:nements peu probables.ANNEXE H. .) Montrer brièvement comment on pourrait pallier ces incomknicnts. Effcctucr le calcul numérique pour UIK chaîne de longueur [ = 100.

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

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

Expkrimentalement. donner l’expression de a(~. 18.6 montre que les points expérimentaux se disposent selon deux scgmcnts de droite désignks par SI c t sz. Estirner la prkision sur chacun des coefficients a pour un seuil dc signification donni: cy. Calculer la fonction de distribution de la variable 5. Peut-on dkduire que la non-corrklation entraîne l’indépendance des variables I : et y? Argumcntcr. Calculer les coefficients dc la droite de régression y = ni: + 0 dans chacun des difkents cas. Dans lc cas où u = 0.4. y). On sait que la repartition de la variable z est as(z) = 9( 2.nsr. 18. w). 11) cn fonction de @.2. en déduire le coefficient dc corrélation ‘r.Donner l’expression de la fonction de répartition des variables 5 et y notée 9(x! y). g . Distribution de Student Reprendre les fichiers fabriqués au cours des exercices 17.Qucllc relation doivent satisfaire les coefficients Q et /3 pour que az(z) soit la loi normale réduite. e . De plus. on sait que l’incertitude sur chacune des mesures effectuées (Yk). d . donner l’expression de la droite de régression de y en 2.ry.1 et 17. Analyse de régression. Donner l‘intervalle de confiance concernant y pour UIC valeur donnke 20 dc la variable z dans chacun des cas typiques. La représentation graphique dormCe par la figure H. on 492 . xc. f .MANUEL DE CALGIJL NUMÉRIQUE APPLIQUÉ c . Les incertitudes constituent une variable aléatoire dont la moyenne est nulle. 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. la fonction de distribution de la variable y notée ay suit aussi une loi normale rkluite. Montrer que. X- Figure H.E(z) et @g(7/).Calculer la fonction caractéristique de a(~. qu’il s’agisse des points du segment SI ou des points du segment 5’2: correspond au même kart type (7. Étude d’un chengement de ph.Calculer Krry la covariance des variables z et I/.Dans le cas on Q # 0. dans ces conditions.3.6.

a . T 66. la théorie permet d’et. 10 80.7 0 71 4 76. Mesure d’une température par spectroscopie L’cnregistrernent d’une bande Clcctronique kmise par une molécule diatomique permet . B est une constante calculée (donnk considérk comme rigoureuse).3 -. obtenus par MendGev (1834 1907).ablir la relation suivante : log.I (donnée expérimentale).Sachant que l’on dispose de N données cxpkimentalcs b .Rkaliser l’organigrarnrne des expkrirnent alcs. Solubilité du nitrate de sodium dans l’eau Voici le tableau H. donnant la solubilité y dans l’eau du nitrate dc sodiurn en fonction dc la ternpkrature T. Tableau Y H.Rkaliser l’organigramme des opérations décrivant.r Nz mesures. a . c . PROBLÈMES ETEXERCICES admettra qu’il n’y a aucmle incertitude sur les valeurs (X. cornmcnt dkterrnincr T? est la précision statistique de cette détermination? c . Lc principe est lc suivant : la bande est constit. Sans entrer dans les d&&. soit y = f(T): les grandeurs y et T étant exprimées en unités arbitraires. Une extrknité dc SI et une extrkmitk de Sz correspondent à la même abscisse X0 qui est.J ~ +JJ. indiquer de quelle manière on pourra estimer la grandeur H.uxquellcs on peut a.~iellemcr~t aprks avoir tenu compte de la correction due à la fonction d’appareil). la transition au point X0..4 36 113.uée dkne suite de raies dont on peut mesurer pour chacune la surface: laquelle est proportionriellc à l’intensitk relative 1. au traitement correct. des dorm~cs 18. opérations conduisant. b . le traitement autornatique des donnks expérimentales.9 29 99.5.ion.5. il s’agit bien sfir d’une dktcrmination statistique.6 51 125. dans la mesure OUI l’kqllilibre thermodynamique local est atteint. bien détcrmirke exp~rimentalcment. A est une constante calcul& (donnée considérée comme rigoureuse).6.l) 2Jfl 1 ( OU 1 est l’intensité relative de la raie .7 21 92. On s’intércssc à.l 68 493 . 1.5 de résultats. ct a.) du paramèke X. c’est-k-dire à la grandeur H = Y2 ~ Y1 où Y1 ct Y2 sont représentk sur la figure.Quelle Ik.ffectcr un nombre cnticr J appelé nombre quantique de rotat.7 (~veiit.Estirner l’incertitude sur la dktermination de H.6 15 85.Sachant que le segment 5’1 est déterminé par NI mesures ct le segment & pa. de dtterminer la ternpkrature de latlitc molécule. On justifiera l’option retenue.ANNEXE H. T est la ternpératurc absolue que 1’011 cherche à Cwaluer. pour de nombreuses rnoléculcs diatomiqucs. 18.

on forme une suite (l’approxirnatiorls EL EL u. 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. à l’ordre ~1. 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 . 494 .. Les fractions continues 19. + 2..415 toJ(9) = 1..Donner le développcmcnt de log. 2 qui sont respectivement à l’ordre 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. PI = Au. = AmQrn(z) + (ix ~ c~r. (2)..1.. Donner A&ila valeur de As en fonct... .ion des coefficients ck = &. . (1 + X) en fraction continue.Au moyen d’ml raisonrlement par récurrence.On montre que les Ak obéissent à la relation de récurrence ~1 ~ n... Pour y parvenir.833 to.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Peut..895 t0.9. Donner alors la valeur correspondante de la solubilitk ainsi que l’intervalle de confiance de cette détermination pour 1111 niveau de confiance dc O.(~) Q.05(9) = 1. On donne ml extrait de la table de Student : to.En supposant que f( I : ) es t une fonction continue indéfiniment dkrivablc sur WI intervalle .P. puis calculer numériquement la valeur dc log. 19.2. = 0: QI = 1. Q.~)Qm-. Qi'Qz'Q3' a .os(7) = 1.rr+~(x) + (x ~ ~~.f(k)(~O) avec k = 0: 1. contenant I : et ~0. à l’ordre 2. démontrer les relations suivantes : En+-I(Z) = A..-i)~m-i(~) (21) avec Pn = 1. ..1(7) = 1. b .383. d . On désire connaître la solubiliti: pour la valeur T = 40 laquelle ne figure pas dans le tableau.

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

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

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

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

88 Hz 835. Calculons à présent la frequence de la quinte dc la note mi. Autrement dit.12 Hz . ht.5 Hz 556.22 Hz 695.31 521.67 Hz Hz Hz Hz Hz Hz En poursuivant ainsi. la fréquence est 440 x 3/2 = 660 Hz.86 704. Pour terrniner.51 488. Donc le rapport du logarithme des fréquences de deux notes consécutives.05 Hz 412.éb à 549 Hz. on trouve les notes et les fréquences présentées dans le tableau 1.89 594.48 Hz Hz 463.79 528. de la profondeur k l’instrument. calculons les notes qui vont éventuellement être affectkcs d’un bémol (cf. ont la même fréquence de 554 Hz qui est intermédiaire entre les deux précédentes valeurs.1.48 469. séparées alors par un demi-ton. La gamme naturelle propose un do# à 557 Hz et un r. On établit très facilement la table de la gamme ternpérk (~5 Tab. 1. page suivante). c’est l’octave de la note dont on cherche la fréquence. on calculerait les doubles dikes. 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. l’intervalle d’octave sera divisé cn douze dem-tons d’égale valeur dans une échelle logarithmique. est une constante quelle que soit la fréquence initiale dc la gamme rctcmle. une fois l’instrurnent accordé dans une tonalité. 6 618. 1. cette fréquence n’appartient pas au bon intervalle puisqu’cllc est supérieure à 880 Hz. On note que 660 Hz se situe bien dans l’intervalle (440 Hz. propose d’accorder la rnêrne frkquence à ces deux notes. La gamme tempérée. il s’agit dc la note sa : 660 x 3/2 = 990 Hz. du volume. Tab. On note que le do# et rkt. soit 495 Hz.ANNEXE 1.3.66 H z 782. Il suffit de diviser par deux la valeur de la fréquence pour se rarncncr dans le bon intervalle. il n’est pas possible d’en sortir (modulation) sans avoir le sentiment que l’instrument joue faux. due à J. ou plus exactement. Quoi qu’il en soit on voit aisCment que les diffk-entes tonalités ne poss&lent pas les mêmes notes.2). T a b l e a u 1.1. Tableau 1.057 762. la ré SO1 440 Hz 586.38 Hz 732. elle vaut (1/12) log. En poursuivant ainsi. Bach (1685 1750).y: Sir. Maintenant.31 Hz ré+ l(L# fa do SO1 ré 626. SOlb si mi En contimmnt de la sorte. les mêmes notes ne possèdent pas les mêmes fréquences.34 Hz Hz 651. Autrement dit.(2) = 0.54 Hz mat. CORRIGÉS DES PROBLÈMES ET EXERCICES La quinte du IIL est la note mi dont. 499 . on peut d&nir les doubles bémols.59 792. 880 Hz).S.03 H z 549. 440 Hz 660 Hz 495 Hz 742.2.

Estimons néanmoins l’erreur risquant d’affecter le rksultat.OO Hz Hz Hz Hz Hz Hz 1.61 880.99 783.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 1.dditions (soustractions) qui introduisent une crrcur absolue de l’ordre de 2.OO H 466..25 Hz 554 37 H7 J 587133 Hz 622. 440. on obtient l’équation transcendante qui donne k en fonction de y c’est-à-dire : 1 Ic+1 ~ . on peut se livrer aux approximations commodes : il s’ensuit : de là on tire une valeur approchee dc k FX J1/2 109/“.10-” dans le pire des cas.4. soit : En admettant que yk soit minore par 1/2.88 Hz 523. dans le cas le plus pessimiste évidemment.loge ( 7 )l k+1 c=z 2 10-9 Sachant que k est t.25 Hz 771% z mi # o u fa fa]+ ou SOlb SO1 sol~/r 011 lU(.res grand devant l’unité. En utilisant mie représentation de 16 chiffres significatifs..16 Hz 493.99 830.. ( 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. il s’agit d’un dévcloppcment asymptotiquc qui est divcrgcnt mais qui donne 500 . il faut calculer environ dix millions dc termes ce qui est évidemment prohibitif s’il existe d’autres méthodes. on obtient. Écrivons la relation de rkcurrence entre deux valeurs conskutives de -yk : %+1 = yhY + ~ kS1 1 log. Calcul de la constante d’Euler (1707-1783) Avec mie machine qui cffcctue les calculs avec une précision relative de 10-q.3. On ne pourra donc compter que sur 7 ehiffrcs significatifs après tant de calculs. la 659 25 698146 739. Il n’y a pas de difficulti: majeure à programmer la relation faisant intervenir les nombres dc Bernoulli.

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. (7”) vo ?Il b ..(x) = CU& = {.T)“R~I + (x .-1 ii-.-l7.. 1.$j’. VT7 = Y.. l‘exkution des calculs.t I une simple constante.-r(x) + R... = (... elles seront majorCes par 4mlOVl’ avec m = 100. . . .-l(21) + R. R..p. + (x ~ T)‘~-“R~.Le polynôme prend la forme : PTT(x) = (x .On écrit la suite des polynômes : PT. l’erreur de troncature strictement mathkmatique est infkrieure à la précision usuelle de 10V1”. .5..+ CI.)P. = P./(2p~rn2~“). [{ [(a02 + Ul)X + aa]z + u:3}x + u. CORRIGÉS DES PROBLÈMES ET EXERC~~ES d’excellents résultats si l’on tronque habilcmcnt la série. on obtient rcspcctivement pour le membre de droite : 1 120 100s cz 1OK” et 5 660 l()()lO = 10-22.r)R... lik+l = IlkT + C&+l .-. on calcule donc la suite : = ao = ‘Uo7’ + (11 = l!lr + CL2 va ..I Pr?. . = (x ~ 7-)Pc2(z) + RT.‘.. Fixons m 2 la valeur 100 par exemple et regardons quelle doit etre la valeur de p pour obtenir la meilleure prkcision rnathématiquc.(X) p. Il convient d’kvaluer les erreurs liées à. car P0 ( x) C.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 : .] II” + .r)“-lR1 + t. . Calcul numérique des dérivées d’un polynôme à coefbcients réels pour la valeur x = r a .(x ~ r)~rl-.. 501 . + . CII choisissant m = 4.3.x .-r(x) = (x ~ . Rkalisons cette opi‘ration pour /L = 4 et 5. . autrement dit on aura rnieux que 13 chiffres significatifs.~)I’“(X) + RI. fi(x) s On krit P”(x) = R.. }x + arr k=O Pour z = T... on commet sur -y wic erreur strictement mathématique inférieure à 2B. . + (CE . + R. Lorsque l’on rkglige les termes après le rang IL.ANNEXE I.2. En conclusion.. C . .

. cette expression est finit et si s # 1 on obtient 1 = [- 1 x ~1~~ 1 si s > 1 et alors on a : 1 = ~ S .l b . Désignons par h....6. e . on cn dkduit alors les inégalités ’ suivantes : ce qui s’kcrit encore : 1 1 &(s) + ~ .fkyl F dz.. Ensuite on opère dc la même manière pour PTL-s(z) et ainsi de suite jusqu’à l’ohtcntion de Ru. < <(. Calcul numérique de la fonction c de Riemann a .‘1 &y s .(x) puis à ceux de Pr. 1.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).On écrit lc développement en sbric de Taylor : cxprrssion dans laquelle on obtient : on a rrmplact: h par (x .1...).MANUEL DE CALCIJL NUMÉRIQUE APPLIQUÉ d ... les coeficients de PyLpl(x) .... = ht ...y) < G(s) + . + b+17....-1 502 . d’appliquer le schéma de Horner aux coefficients de P.-I(:L) et ainsi de suite jusqu’à celui de Pu(x) = Ro..(x)]F qui diverge.Pour calculer effectivement les Rk:. il sufit. on les calcule en fonction des CL~ de la façon suivante : bo bl . RTL uk + bkplr = un. Par identification avec l’expression du $ c.L’erreur ek: est comprise cntrc skm & dz et ..) on poursuit les mêmes calculs pour le polynôrne P+z(x) cn notant toutefois que l’on perd u11e rangée.

Y0 % On écrit encore : ~ = -F pour z = of et y = yf. il existe cn gbéral deux tangentes à la courbe CI ct à la courbe Cz. CORRIGÉS DES PROBLÈMES ET EXERCICES Prenons 1111 exemple : ((2) = g(= 1. y. Donc. il faut résoudre le système &n linéaire de deux Cquations à deux inconnues par une des méthodes itératives proposées dans lc cours. On examine le signe de cette fonction en Al puis en (Al + AZ)/2 ct ainsi de suite.ANNEXE I. ~ Y0 011 considCre la fonction Q = Yf ~ ~ qui est la diffkrence des pentes des tangentes . et c’est pour cette valeur prbcisément que l’on obtient la tangente commune aux deux courbes.Passant par le point A.644 98. pour connaître les valeurs :xz. on utilise mie des mCthodes itkratives proposées dans le cours.634983 + & <C(2) < 1.. On opère de la môme façon pour l’autjrc tangente pour laquelle on écrit : 503 . La dichotomie. c et dzetal . c . Recherche d’une tangente commune à deux courbes On a yf = f(zf) et .634 983 903 puis on 1. À condition que les fonctions f(x) et g( n:) soit calculables dc façon semblable. il faut choisir x0 approximativement au milieu de l’intervalle (of.644934): dkduit que : on calcule alors Sl00(2) = 1. Il existe deux programmes dzeta0. Quand A parcourt le segment A1Az la fonction Q ni: s’annule qu’une seule fois. a - b . 1.yo ~ (of ~ zo)f’(z. peut nous permettre d’obtenir cette valeur de yo.j(~. l’ordre de 10pl’.(J. par exemple. c qui réalisent ces algorithmes.ro dont l’ordonnée est. La tangente à CI s’écrit : d’ofI: dy -‘$!L dz Y pour . :rg).T = Xf et y = yf Yf .f) . d .Dans le cas de fonctions implicites.On désigne par Al un point de la droite z = . 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. et une bonne précision sur la fonction @.20 xg ~ 50 menées de A aux deux courbes.~ Zf . pour avoir des erreurs semblables sur les calculs dc z f et ICI.634983 + &> soit encore : 1.. Pour cela. Il faut donc choisir la tangente la plus pctitc cri module. Y.7.644 88 <c(2) < 1.q(xg) et Y ~ yo . En général il faut rechercher la racine d’équations transcendantes (voire implicites) qui donnent Xf et XT1 puis on calcule yf et y.f) = 0 p our la prcmi@re courhc ct pour la seconde : yy = . Si la longueur A1Az est de l’ordre de quelques unités.Xf .2 n et yf.~ ~ XO)~‘(:Z~~) = 0. on a Q’(zf. 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. supbricurc au plus grand des deux extremums de CI et Cz.f) = 0.

. + (-l)TQ& tFp2 exp(n: . [Ci] : 44171) = nlog.t) dt : mais @tant donni: que exp(rc .r .LJ + $ .I t-‘Lp2 exp(z .z on peut écrire l’inégalitjk et pour 71. .t) < 1 car z > 0 et t > . . +. il est comrnodc de lui associer la fonction @(n) = log. Calcul de l’crrcur Erg lorsque l’on tronque la sPric après le terme d’ordre n + 1 : E..t) dt. positive quels que soient n et 5 : pour I I” 1 l’étudier. 71! La fonction (p(n) = 71+1 est une fonction stricterncnt. Cett.) .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. 2.e skric diverge quand n. c concernant cette prockdure. Les développements asymptotiques 3.(Z) = (n + l)! . Développement asymptotique Une prernikre intégration par parties donne : En poursuivant ainsi les calculs on trouve : x . ou voit que l’erreur tend vers z6ro quand z croît indéfiniment.. fixé. ~ r1 .(n + 1) logr(z) 504 . lc prograrnmc tangent. tend vers l’infini puisque le terme gkkral devient infini quel que soit 2.f(x) = k .x + (-l)""(n + l)! .(n. ainsi : F = log. Algorithmes accélérateurs (Voir le cours chapitre 2) 3.loge(z).(n) dont la dkivke s’écrit.

Pour I ” fixé. Voir le cours 4.ANNEXE 1.3.. on peut s’attendre à ce que la convergence se rktlise même si la condition précédente n’est pas vérifiée.3. C’est ce que nous avons vérifik.5..0(z) = 5 /exp(-t’) . trouver des rkultats corrects aussi bien pour des pctit.r.Pour ce qui concerne la fonction : cerf(z) = 1 .(x) car OII aurait.1..l-l (.arctan ou encore : z ~ 20 = arctan ~ arctan expression que l’on transforme ainsi : arctan[tan(z . On aurait tout aussi bien pu hirr E.2.Cas de /a fonction erreur . ajouter cette quantité à. on peut. y-ln/2rr-2 1 _ 4. Voir le cours 4.. 1.3. b . TL() r~() + 1 a .Application de Iépsilon-algorithme .I 011 effectue une suite d’intégration par parties ct l’on obtient : cerf(z) = 1 ~ Q(z) = exp( -z”) ~~ i 1. On aurait rnasqui: cette remarque en krivant l’itgalité E. trouvk 120 = . Dans la rnesurc dc la < calculabilitC effective » : 011 doit. On va voir que c‘est le même minimum.20 = arctan ~ arctan 505 .at kgèrement diffkrcnt : cL=Jm qui a une racine approchée dc l’ordre de TL() = z ou 7~0 + 1 = 2.Le dkveloppcment asymptotique étant u11 pI’cJhIlgcment analytique. en effet x est mie variable rkelle tandis que ré est une variable entière. Calcul de la fonction arctan Comme 20 ~ arctan(z0) = 0.z) = EIL.3 1-b+-22& -+. l‘crrcur sera minimum pour urlc valeur de TL() qui est approximativement dom& par l’égalité : soit encore : N! &V+I (N + l)! .es valeurs dc . dt..Tfi + (-l)+’ 1.z que pour dc grandes valeurs dc n.(2n-3) +.5 ‘p.(. Ce résultat n’est pas CII contradiction avec ce qui prk?de. CORRIGÉS DES PROBLEMES ET EXERCICES elle 5 im minimum pour n = N = 2 .. l’équation 2 = arctan( soit : z = arctan + 50 . Résolution des équations numériques 4.. cela signifie que la fonction cp(n) a aussi un minimum.p+2 ce qui donne no = x ~ 1..-1(2) = Eng+l(z) q UI aurait donné encore un résult.x0)] = z .

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

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

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

iliser l’cpsilon-algorithme vectoriel quand bien même la suite des vecteurs Eck) divergerait.‘II. Résolution d’un système non linéaire a . On aboutira à.? + c tj2 = .uis d’en calculer urlc racine.x.(x1.33 . Dksignons erreur au tour k par ep:‘. dont. . Attention au calcul de la dernière racine car le dernier monôme se prhcntc dc la fac.xp = QI. . . est l’erreur sur xp au tour k tandis que :x. on peut ut. >x(f) + &. x2. (k-l) xw) (k-1) (k-1) 1 7. .te racine comme on est cn mcsurc de calculer les coefficients du polynôme Qr. b . (XT.-l (z) 1 .xp = ap ( x1(k) >. .rxn ( > .) avec q=l. Nous avons la relation entre les erreurs : cette que nous pouvons écrire en fonction dc la matrice jacobienne : j++l) = AI@)E(“). n.2> 3.on suivante : (Y0 + ..:~2. . 2$’ + tf:<. 4. ) x.f=l xy) + El. .6. Une fois wt. la solution exacte notée avec une étoile s’écrit : p . Cependant lc processus sera convergent si toutes les matrices Mk) ont tous les modules de leurs valeurs propres inférieurs à 1.x2-’(k+l) est l’erreur au tour k + 1.2. Il faut faire attent. on va calculer la racine 20. . pour cela il suffit d’ajouter zp dans chaque membre de l’équation : F. )X7.3 . ..) + xp = x1> = ~p(z~. ) xi. 509 .Oil a les équations : x(k) ~ Q> P ~ x3. la fin du calcul au produit dc dcllx monômes dont on calculera 1~:s racines.. .ion au fait que les matrices A&(“) voient leurs valeurs changer au cours des calculs.2:3.On peut tou. . .. .. z:~.j .) avec: p = 1.jours tcrire ce système sous la forme : x 1> = @.ANNEXE 1. x..(Zl. .:+11+ -p<j!s. Pour améliorer la vitesse de convergence.Y&))~ + (71 + 55). CORRIGÉS DES PROBLÈMES ET EXERCICES cc qui permet d’krire : En partant de p = pu et CJ = (~0. Il n’est pas aisé de réaliser ccttc condition.l (k .x3 .. xi. ( > au premier ordre des fonctions ap conduit au rksultat suivant : &. . * Le dhcloppcment . xp + <a. > j=i 3x..)) = Q>.x.x(2k) ) xtj) ) . . x2.

99’ et ceci rnontre que l’on peut avoir d’autres racines que f = 0 et g = 0 et yuatrc combinaisons sont possibles avec les dérivées. Y) = 0 ct d c mCme pour la fonction g.MANUEL DE CALCUL NUILIÉRIQUE APPLIQUÉ 4. 510 .92(x. car CD’(z.7. y) = 2ff’ + 2. y). ?/) + . b . Une rernaryue s’impose si (X. Y) = f2(x.y(~: y) = 0.Rien de fondamental n’est changé et il suffit de remplacer J: par y et < par q dans les équations : LB avec : On sait donc calculer y1 = y0 + q. Y) annule @(z. Y) est solution du système : f(x.Y) = 0 et par conséquent f2(X. Y) dans les équations de départ. Y) n’est pas obligatoircmcnt solution du système primitif. cette relation impose que : d’où la valeur de < : par ailleurs. on peut toujours effectuer un calcul direct des quantités figurant dans l’expression de < : ‘ aa -=2fg+zg$ dX et d2Q> -=2. Y) car on a f(X. On cherche le minimum en krivant que g = 0 . Résolution d’un système non linéaire a . yo) on va chcrchcr d’abord 5.~+2. arnéliorer la valeur de IL: et l’on écrit : et . Il faudra donc bien vérifier ce point cn reportant lc couple (X. y) = 0 il l’est 6galement de la forme yuadratiyuc : @(x. (X.Partant d’une approxirnation (20.~+2[gf]‘+2[g$ (y22 On sait donc calculer 21 = x0 + < c .Si (X.

. La rnéthode de Newton est un peu moins directe : ~l”k+~ = zk ~ (a(z. -y.)/(a’(z. donc (1 = 0 car <D(X) = 0.) au voisinage de la racine X. On écrit e. CORRIGÉS DES PROBLEMES ET EXERCICES d .[Q(z)/@‘(z)] et.? d2f en d:jf + .On recommence l’ensemble des opérations avec les nouvelles valeurs 51 et ‘yr qui se subst. 1 ‘on calcule les cocflicients Q.On a C~?(Z) = 0 et f(z) = 5 .. p ct.ANNEXE 1.+r = X ~ . Application à la méthode de Newton a . + ek (-1)k+12& . de cette relation pour répondre à la question posée en notant que 2.L’application sera contract. Ordre d’un processus itératif La rrkthodc dite par it. qui est bien un polynôme en e. dz" 1.~-~-gy+jg$ e d. dont les coefficients sont : df -dz 1 d2f '=-! dz2 1 d"f Y = $j ~ p o u r 2 =X. Qzqp .<P@i” w2 +l=?E w2 pour 32 =X.zn+r = X ~ f(zrl). Il convient de faire disparaître z. = X ~ eTL .ituent aux valeurs 20 et c/o.érations fonctiormc dircctcrncnt sur le scli~ma propos6 : zk+r = Q(zk). on obtient alors : l’expression se simplifie en remarquant que f(X) = X3 soit encore : “““=+~. On calcule d’abord 52 puis yJ> mais rien n’ernp&zhr de faire l’invcrsc.ssociée. 4. L.8. d”f* + (pour zc = X). 1 a” = -gF p o u r z =X.ante si 511 .f e. On poursuit les calculs jusqu’à obtention de la précision pcrrnisc par la machine sans omcttrc dc rCintroduire les dernières valeurs dans les Cyuations primitives. D’où l’expression de l’erreur : b . ainsi on écrit : En développant f (..) = 9(zk) rnais le schkrra fonctionnel s’applique sur la fonction Q(zk) a.

y0 + b) = g(q). y”) n’est pas la racine. on krit.On linéarise les équations comme il a été montré dans lc cours. yo) : Rl = f(zo. : f(xo + h. a .yo) . on obtient les coordormées de A~(Q. R:ien n’est changé pour l’indice 2.yo).y”) + lLg + lg = cl d”0 + h. Le prwessus sera du troisihe ordre en choisissant les fonctions h et. ~2) : a2R2 2. yo) # 0 si le point (20. g dc tcllc sorte que le coefficierlt b soit anridé. .= 0 ?J et par identification 011 obtient : De même que ulzg +blyo+cl # 0 si le point (x0.2”) = 0 dont la rk3oliition donne : 6 .Par le même prockk. Résolution d’un système de deux équations à deux inconnues. 4.b. c’est-à-dire lorsqw @‘/a’ = -2h/g. :y”) + h$ + i. On continue de désigner par RI la valeur de f(xo.J!& -i ($+:) p o u r x=X. On a les relations : 512 .9.(x1 . y0 + b) = f(Z”.On a : f(x) = :1: g(zpD(z) g(z)W(z) + Il(~)@(X) les rkdtats suivants : Après quelques calculs qu’il convient dc mcncr aw: soin7 on ohtierd (if (rx-=O (1X px-$. Méthode de Kacmarz (1937) 1. yo) n’est pas la racine? de même f(~. Généralisation de la méthode de Newton .Les coordonnées du point AI(X~~ y1) sont donnhs par les 6quations : et UlZl + blyl + Cl = 0 al(yl .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2.

Multiplication du résultat précédent par le résultat du 5. Cctk kquation peut encore être transformée de la manihe suivante : [Ad ~ A:sA. Voir le cours p. Pour que l’opération propos& soit possible. 4. il faut que 11 = kl: donc que les rnatriccs Al et A4 soient. 5.$ possède N . ?/) = x2 + yy2 . 2. 378 5.‘Bl: Soustraction dc B2 au résultat précédent. y) = x2 + 4.~A~ 1.II lignes et kl colonnes et enfin la matrice A. Calcul de AFIB1. soit A:IA.yA. 7. Les vecteurs X1 et BI sont à II lignes: ct les vecteurs XL> et & à N . carrées.I [I?l ~ AzX2].~” ~ 36 = 0 g(x. et l’on peut donc calculer A2X2.iplication de AZ3 par lc résultat. prkcédent. 6.% ou encore : [A~A.bl lignes ct N ~ kl colonnes. c effectue les calculs proposks par cette procédure.f 8?J 5. Mult.B2. soit A:jA. 8. valeur que l’on substitue dans la seconde équation : A:<A.lBI .Ad]-l. Multiplication de A:( par lc rhultat préckdcnt. il ne reste plus qu’à multiplier Al1 par cc dernier rksultat pour avoir la valeur dc Xl. . la matrice A2 possède II lignes et N . La premitirc Cquatiorl donne : X1 = A.lAz.A2X2] + A4X2 = Bz. Multiplication dc Ai’ et A2 soit ALlAz. Le programme grosys . Soustraction dr: la matrice A4 au rkultat prkkdent. 9.= ?Y 8. soit A:sAF’Bl .ANNEXE 1. Éléments de calcul matriciel 5.B2. CORRIG& DES PROBLÈMES ET EXFXCICES Exemple f(x.Ad] x* = A.l[B1 . la matrice A:i possède N .2. Résolution d’un système linéaire volumineux La matrice Al possède 11 lignes et kl colomws.‘A2] X2 = B2 .A3A. On obtient X2. soit A:jAF’Az ~ Ad: Inversion de la matrice précédente. 3. on rkalise la suite des ophkions Inversion de Al en Al’. 513 . Voir le cours p. soit [A:jA.Il lignes. 70 5. expression que l’on rc%ranclle dc Bl.12~ + 27 = 0 On calcule aisément : bl = .3.‘A2 .1.kl colonnes. : Pour calculer XL.

514 . x1 z2 Y1 Y2 1 sgq 1 .. . = Y4 y3 .. à savoir : Xlr+1= B+MXk que l’on peut initialiser avec X0 = 0.. et si l’on désigne par 2 la limite de X. + M’“B = [I + M + + P]B. b ..On écrit : A = LS. Résolution d’un système linéaire par la méthode itérative de Jacobi a . = B + MB + .. 2:s 24 ./& si 1 # k et ull = 1. on retrouve naturellernent que : [I-M]Z=IB=B.. on peut alors écrire que : i+ M + . .. B + MX2 = B + MB + M”B.. Apres cette transformation.4. = 1’12... . C’est ce que realise le programme jacobi0.. si un des Ckments de la diagonale est nul... sinon cela voudrait dire que le déterminant est nul.. il suffit de perrnutcr deux lignes pour réaliser l’opérat. . diverge.On a la relation : [I ~ M]X = B. + &f” + . . .. b . On obtient la suite : = = x2 = X3 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. Résolution d’un système linéaire dépendant d’une matrice symétrique (méthode de Choleski) 1.L’explicitation dc la dernière equation donne : 1 SI2 0 1 00 0 0 S13 s2:3 SI4 s24 . B+MX1 = B+MB= [I+M]B... . c’est-à-dire si les valeurs propres de M sont de module inférieur à 1. a . la décomposition étant explicitée dans le chapitre 5. X n+1 ~ Xl B. B + MX. On obtient la matrice M aiskncnt. On obtient : AX = LSX = B d’ou SX = Lp’B = Y.. Les composantes de B s’écrivent simplement : bl = bila.ion : elle est toujours possible puisque la matrice A’ est inversible. .5. On divise chaque ligne par l’element qui est sur sa diagonale. ses éléments sont : rnik = a/~ si r! # k et m// = 0. 5...Transformation de la matrice A’. désignons les Cléments de A par alk et l’on a : QL~ = ail. Ceci n’est pas tout à fait exact: car même si la suite des X.. OII peut néanmoins faire appel à l’epsilon-algorithme vectoriel pour ramener les choses en l’ordre. c. .. Si n est infini ou simplement très grand.. rnais 2 ne sera la solution effective que si l’algorithme est convergent... soit encore X = B + MX expression qui se transforme en processus itératif.

. zn-a ct ainsi de suite jusqu’à 21 en écrivant : c . la colonne 1 est divisée par dl1 = 111. 1 ... .. = Xjldll.. = fi.. soit : A = AT. . .. . On peut encore écrire : A = AmfiAT = 1.Puisque A = ST.On écrit sans difJiculté : 111 121 kl 141 0 122 132 0 0 k3 0 0 0 . 0 . lj. d’où l’on déduit : d . car DT = D..... 14:< 144 .. ... 0 0 0.. .. 121 = hdll.... 2. 1 x21 h x41 0 1 x32 x42 0 0 1 x43 0 0 .. ..-~. . 0 . 0 0 0.A N N E X E 1.. la colonne 2 par dz2 = 122 et ainsi de suite... .. . . 12. 0 . . .. Y1 Y2 Y3 = h b2 h b4 ..On écrit simplement : 1 11 0 121 131 1‘41 142 0 122 1:32 0 0 133 . . . on écrit la matrice transposée de A : AT = Sï‘DAT . .. 142 143 144 . CORIUG~~S DES PROBLÈ M E S ET EXERCICES On obtient les valeurs successives de 5. 0 0 0.. b .3. .. .. ... À partir de A = LS = A(DS). En définitive........ . . A = h(DS).2. 0 .....Puisque la matrice A est symétrique... a ... ..... pour 1 = 515 . .. ce qui pcrmct d’écrire : 111 ... . .... 0 0 .. nous écrivons que la matrice A est égale à sa transposée.dll. Y4 . . On r&crit la matrice A de la façon suivante : A = LS = (hD)S et comme D est diagonale. MMT en posant M = Afi et on a également : 6. On en conclut que : A = ST et que AT = S..... on en déduit que : A = AT = STDS = ADAï’.. x.

Soit ei une base orthonormale à N dimensions. A P ) = (AP. Bien et c. N-l le vecteur p dc composantes pk s’écrit : p = C r>.zl = a2k pour k: = 1.. du On résout ensuite X = M-‘Y en faisant.Après avoir calculé les rn/k on calcule les ~1.2. . les vecteurs sont no& en caractères gras.6.11 p u i s 7n. On passe % la dcuxitime ligne et la deuxième colonne au rnoyrn des équations suivantes : rr& = a22 . tout au long de ce probltimc. Résolution d’un système linéaire par la méthode du gradient conjugué Nota . dont nous dkduisons : Ce calcul se g&&alisc aisément : d ..edpsciences. Dc là nous d6duisons la première ligne et la r première colonne : ml1 = *z/cI. pj) > 0 si pj # 0 ct. .3.L’équation A = MM” donne les relations suivantes : mT1 = a11 puis m21m11 = u12 et plus g&6ralement : *rL/lmll = n. . Aq) = c c l=O k:=O UZk’?kPI . n.ei 2=0 N-l de mêrne le vecteur q s’kcrit : q = C q. pj = 0. i-0 N-lN-1 lc produit Aq s’écrit : 4 = c c wwl 1=0 k=O et le produit scalaire s’écrit : N-IN-1 (P.e..MA N U E L BE CALCUL NUM É R I Q U E A P P L I Q UÉ c . c paragraphe c en écrivant : Y = MplB. 5. q) = (Aq. P). on remplace les S~J par les rn. *http://www. 1.rl = ~ 71111 a11 pour I=2. (Apj. 2..Pour éviter de comrncttrc quelques confusions.l/ pour r! = 1.4 .kl et qui réalise l’algorithme: 6tudiC. usage des entendu. .Cornme A est une matrice définie positive. dans les relations établies aux paragraphes b les 1kl par les mk.com/guilpin/ 516 .m& et plus généralement : mk2rn22 + mklrn.. n. n. relations établies au paragraphe b. (Apj. = (9. On trouve sur le Wcb (*) 1 c programme choleski . a . pj) = 0 si 2.

il peut h = C cipi.pl) = & car les {Pi} sont A-orthogonaux. A~I) (PO.Pk) h=x kzo (APk. k : vk = E:T0 dk. a .h étant un vecteur de l’espace à IV dimensions qui est solution du système s’exprimer comme u11c combinaison linéaire des vecteurs de base Pj : N-l AX = B. Apj) de calculer les (k + 1) coefficients CQ+~.2. soit encore : (po. 0 = (po. Avl + ~~~~~~ = Plus généralement. PI) = 0 si j > 1.PI) = 0 = (mApI) avec PI = vl+ ~10~0. AVI) + c~lo(po. Pk) Pk’ on forme la suite de vecteurs xj+r = xj + cjPj en commençant par q.pk) ’ Comme N-1 (B. avec j = 0. Pi) > 0.Les {Pi} sont linéairement indépendants et forment une base de l’espace à N dimensions.~ et l’on trouve : = 0. On en déduit : ci10 = (PO. permettent Ensuite.p. .j(Apj. Pj) = (Pk+r. le procédé d’orthogonalisation consiste à écrire : k Pk+l XVk+lf~~k+l.APl) = (AVk.fPj. il existerait au moins u11 k qui donnerait (Api..1. on peut écrire tout simplement que vk est une combinaison linéaire des j = 1. . pk) > 0 ce qui est contraire à l’hypothèse. i=o Calculons les ci : et donc on a : cB>pk) Ch = (APk.. 517 Pj pour dk. k. . = q.~Pj> J=O ici encore les produits scalaires : (Apk+r. . S’ils étaient linéairement dépendants. En effet: (Api. Apo) car pa = vo. APO) . .. pj) = 0 si i # j et (Api. 3. 3 =o .On a (APO. il s’ensuit que : (Vk. c .ANNEXE 1. CORRIGÉS DES PROBLÈMES ET EXERCICES b .

Pji) =O=Yk+l.Pd = (Pk. (Apj. le produit scalaire (pk. (APj. car : (APk. on pose : k-l PL+1 = Pk + ~-fk+l.. 457) vk = rk puis partant de : Pi+1 = Vi+l + 2 W+l. Ensuite.Si A = 1.1) Dans le cas où j < k + 1. (rj. a . Par un procédé analogue.APk cAPk. Par conséquent : rk+l = rk . (1. pj) ‘j 518 .7 p. 4. d’où : (vk+l> Pj'> ?k+l. pi) s’exprime ainsi : (Pk+l. Posons : vk+i l’équation (1. Pour cela.Pj). puis remplaçons dans c (APkrrj)rj _ APk rktl = rk + (Al%.j(Pjl>Pj)+Ylc+l.Pj) ’ i (ii+1 1 Apj) i (Ari+l.k en faisant (p k+. pj) Pi+1 = ri+1 .Pjl> .Pk).j = - (Avi+l. on démontre que la suite des pk est A-orthogonale.. Pj) j=o on obtient l’expression : (APj.>Pji> .j = (Vk+l>P. j=o + %+l. on pose dans l’équation (H.k(Vk+l.lc(Vk+l.Pj) ‘j = ri+1 . e t ai+i.j = Yk+l.kVk+l. soit : de là on tire l’expression de yk+i..j=. rk) j=.La suite {ri} est orthogonale.k (Pjl.C c j=.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b .1). rj) mais la somme est nulle puisque k > j. avec i + 2 < N. On obtient yk+i.pk) = 0 = (&&) f%+l.jP.1) : 6 = Apk et pk = rk.) ?k+l. alors les vecteurs A-orthogonaux deviennent orthogonaux.jPj.) h+ld’jl) ’ (P.Pd = 0 Si fi # 1.j : (&p. rkI > 7-2 qui constitue bien une suite orthogonale puisqu’elle obéit au processus de formation de l’équation (1.

pj) = (B.Le maximum de tours d’itération est N. a . Dérivons cette dernière expression par rapport à 1. h .(rj. rI.xj . Pj) = (Apj. il s’ensuit que : E2(Xj + Ijpj) = E2(xj) .pj) = ‘j’ On voit que chaque itération j rend E2(x) minimum selon l’axe des pj passant par le point x~j. xj est une combinaison linéaire des {pi}. 519 . alors l’expression (vk.J = 0 ) p. .h-xj -Zjpj). on pose rj = B . .Axj = Ah .pj) + l$(Apj.pj] -Ij(Apj. Pi) pi b . (ri+l.xi] .8 p.2Z. Apr.pj) l’ Explicitons le dénominateur : (rj. pj).J. h . on peut écrire alOrS : (Vk+l>APi)=O soit en définitive : Pi+1 = ri+1 - s i i>k+l soit enCOre (vk+l.x] q ru n’est rien d’autre que le carré A-scalaire du résidu donc comme A est définie positive.xj .(Ap. Apa. Montrons que le dernier produit scalaire est nul. h . r2.ANNEXE I.pk) = (Apk. CORRIGÉS DES PROBLÈMES ET EXERCICES Montrons que (Ari.ljpj] = [A(h . 5. 457)..Développons le calcul de l’erreur : E2(xj + Zjpj) = [A(h .ljpj). on obtient alors la valeur de lj : Crj.ri) = 0. h .) 3 dl.x). et l’expression des lj devient : CB. Comme cette dernière suite a été formée à partir de l’expression (H.xj). Ijpj] ~ [A(ljpj). la suite des {pi+r} est construite par A-orthogonalisation de ro.ri) = 0 si i > k + 1 : En effet.E2(x) = [A(h .xj). laquelle a été construite par orthogonalisation de ro. donc (rj.(xj> APj). pour obtenir le minimum de E2 : dE2(xj + ‘jpj) = -qrj. Puisque Ah = B.Axj. Pj) lj = (Apj. Api. en effet. ordre du système linéaire.xj . Le minimum minimorum est atteint pour x = h et alors E2(x) = 0. Api) = 0 avec i > k est vraie en faisant A = 1 et en remplaçant vk+r par Apk et pi par ri . . b .[A(h . .Ijpj] = E2(Xj) -Ij[A(h-xj). cela entraîne que E2(x) > 0. pj). Pj) = (B.pi) = 0 et (Apk. Pj) . APi) (APi.pj) + 2l.

Dans le cas où la matrice n’est pas définie positive. 459). k! b- À présent. c. 5. alors on peut multiplier à gauche les deux membres de l’équation Ax = B par la matrice transposée AT. dérivons l’expression P.Par un examen direct de (H. 72.Nous avons : il s’ensuit que : c\ik = mo) . on est ramené à l’étude précédente. Nous avons : expression dans laquelle on fait X = 0.7. 520 . on peut écrire : ‘@l(O) = 1.10 p. dans la mesure où la matrice A n’est pas singulière. on a : c . Calcul direct des coefFicients du polynôme caractéristique a . Ainsi : ATAx = ATB.MANUEL DE CALGUL N U M ÉR I Q U E APPLIQUÉ 6. soit : ensuite. La procédure présentée est concrétisée par le programme gradconj .Cette expression se généralise de la façon suivante : pour aboutir aux expressions terminales : où l’on a noté par alk les coefficients de la matrice A d .A].(X) = [XI. . .

.... f .. On voit que la matrice TplAT a les mêmes valeurs propres que A mais pas les mêmes vecteurs propres.Puisque A est symétrique.> f) . ces derniers deviennent : bpp = upp COS~(~) + upq sin(p) COS(~) + uqp sin(p) COS(~) + uqq sin2(p) b... T-l est symétrique aussi car (T-l)i.Les éléments de (TAT) sont les mêmes que ceux de (AT) à l’exception d’une part des lignes p et q qui sont remplacées respectivement par la colonne p et la colonne q et des éléments à l’intersection des lignes p et q et des colonnes p et q d’autre part ..8. .P = b.. ... B = (TAT) est aussi symétrique. unp Cos(p) + annq sin(cp) uzp sin(cp) . puisque A est symétrique. Calcul des valeurs propres d’une matrice réelle et symétrique par la méthode de Jacobi a .. Soit : (upp .. = K....ANNEXE I. ses valeurs propres sont réelles.. Pour obtenir ceux-ci.alq COS(V) ~2~ .. b ...... l’angle ‘p appartenant à (-. donne : tan(2cp) = ce qui ~ upq sin(cp) COS(P) ..... ..On obtiendra les valeurs propres de A après avoir obtenu les coefficients du polynôme caractéristique.uq4 sin(cp) cos(‘p) 2% UPP . il peut être habile de confectionner un programme récursif (mais cela n’est pas indispensable) puisque le calcul d’un déterminant d’ordre n est une combinaison linéaire de n déterminants d’ordre n ~ 1. = bpq = 0. c .azq COS(P) a7. donc A est diagonalisable..On veut que b..T est symétrique par construction... ....... 5.On a AX = XX puis on fait X = TZ cc qui donne AT2 = XTZ...uq4) sin(cp) COS(P) = upcl [COS~ (cp) ~ sin2 (cp)].upq cos2(‘p) + upq sin’(cp) .ij/a où KtJ est le cofacteur et le A déterminant qui se réduit à un déterminant d’ordre deux : COS(P) sin(cp) sin(cp) -COS(P) donc qui vaut -1.anq COS(P) e . d .%4 r.11 sin(<p) .. = upp sin2(cp) bpq = app sin(cp) b....... Nous avons : sin(2cp) = 7 cos(2cp) 521 . On verifie bien que TT = I (matrice unité d’ordre n)..uqp sin(cp) COS(V) + uq4 COS~(P) COS(P) . Il convient à présent de calculer sin(cp) et COS(P) en fonction de T. sin(cp) - ~2~ COS(P) uzp Cos(p) + uzq sin(p) . CORRIGÉS DES PROBLÈMES ET EXERCICES e . seules les colonnes p et q sont changees dans la matrice A : colonne p ulTl Cos(p) + ulq sin(p) a2Tl Cos(p) + cbq sin(p) colonne q alp sin(cp) .. Multiplions à gauche cette derniere équation par T-l : T-lATZ = TP’XT2 = X2. .Écriture des éléments de (AT).

Dans le cas particulier où uPP = aq4.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ que nous élevons au carré et nous obtenons : sin(2cp) de là on tire : = ~ e t cos(2cp) = ~ avec E = signe de 7. = 0. la méthode ne tombe cependant pas en défaut. pour p < q.uqq) cos( 29) + 2a.3) (1.. La fin des itérations dépend aussi de la matrice A et de son ordre. = (app .. et l’on combine cette dernière équation à (1. Le programme jacobil. comme la somme de tous les termes 2 au carré est une constante.4) au carré et l’on obtient : (bpp . k est l’ordre d’itération. 522 .2) élevé au carré.3) au carré plus (1.. en effet. c met en œuvre cet algorithme.La somme des carrés des valeurs propres de A est un invariant dont on sait calculer la valeur : k=l k=l 1=1 on cesse les itérations lorsque la somme des carrés des éléments diagonaux de la matrice B” est suffisamment proche de S2. La somme des termes diagonaux augmente de 2a. i . g . Mais. COS(~~) sin(2cp) puis on fait (1.uqq) 2bq = (app . puis en tenant compte du fait que b.B~qT.aqr112 + 4azq.bqqj2 + 4$. on peut écrire : b&+b&. ayant réalisé ?ne fois l’opération « la nouvelle matrice B » n’est pas diagonale et l’on doit réitérer l’opération jusqu’à ce que les éléments non diagonaux soient suffisamment nuls à une précision définie à l’avance.. la méthode provoque l’accroissement de la somme des carrés des éléments de la diagonale et la diminue hors de cette diagonale de la même quantité..4) bPP . car on calcule directement la valeur des fonctions trigonométriques : COS(~) = G avec E = signe de 7.Comme la matrice B reste symétrique.Convergence de la méthode . 2 h . q variant de 2 à n. Adoptons une notation pour simplifier l’écriture : Bk+l = Tp.Nous avons les relations : bqq + bpp = app + aqq (14 (1.bl = (%P .2a.=a~g+a&+2a~. on peut opérer sur elle au moyen des transformations TBT dont le résultat est toujours une matrice symétrique.. sin( 2p) . La méthode est donc convergente sans condition.

[sk + u1s”-l+ up9k-2 +. . . j=l où les {Xj} sont les valeurs propres de A. 523 . On a : et si q = 0.1 = 0 d’après le théorème de Cayley- Le programme souriau. + Q-d} +. c exploite cette procédure.1. . Étude d’un pendule de longueur variable a .9. = A4 + alAqpl + a2Aqp2 + . Donc : uk = --i {Trace (A”) + ulTrace = -iTrace {A” = -iTrace (A”-‘) + u2Trace (Akp2) + .+l = AB. nous obtenons : +-(1’19) = -gl sin(B). . = A” + ulAn-l + u2Anp2 Hamilton. b .+11 = A(Aq + ~A4-l + azA q-2 + ‘. d’où : 1% + 22~ + gsin(8) = 0.La démonstration est dans le cours. .+1I d’ou la relation de récurrence : B. + a.Aq+l + alA + a2A q-1 + . 6. .Nous avons : B. . Intégration des équations différentielles dans le champ réel 7. + u~+~I. + . 89 et suivantes. . . . avec la Uk = -. . + alA”-’ + u2Akp2 {A(A”-1 + alAkp2 + u2Akp3 Remarque : B. avec S” = 2 XT = Trace (A”). CORRIGÉS DES PROBLÈMES ET EXERCICES 5. . . + uk_rTrace (A)} + . Interpolation Les exercices proposés sont traités dans le cours p.Appliquons le théorème du moment cinétique. + aql B q+l . 7. B1 = ABo + aIl. relation de définition qui impose : Bo = I. + Uk-lS1] . + a.ANNEXE 1.Trace {AB~-~}. + uq) + u. Calcul des valeurs propres d’une matrice par la méthode de Souriau (1948) a . +u~-~I)} = -. .

c qui concrétise cet algorithme.LCo Il convient de choisir le pas temporel h petit devant les periodes Ta = 27ra et T’i = 27r/wi.3. Son étude s’effectue dans l’espace des phases (l’abscisse est la coordonnée d’espace et l’ordonnée la dérivée par rapport au ternps de la coordonncc d’espace) et l’equation différentielle s’écrit : d’y dt2 2&(1~ yz)$ + y = 0 524 . d t -La . penduleo.$+&H=o: sur le plan numérique. -[l + Esin(wit)]. nous pouvons exprimer l’équation différcnticlle en fonction de la variable 1 (dl=vdt): $+. c realisc ccttc proccdure. Elle présente aujourd’hui toujours un intérêt dans la mesure où c’est une équation non linéaire. Il suffit de poser : dq -=i dt di 1 -= R. Système électromécanique dépendant d’une équation de Mathieu (1835-1890) La charge q(t) sur le condensateur obéit à l’équation diffkcnticllc classique : soit. on doit trouver un courant oscillant qui croît indéfinirnent. en effectuant le remplacement de la valeur de C : LC. L’équation de Van der Pol (1889-1959) Il s’agit d’une importante équation de la physique concernant la synchronisation des systcrncs oscillants. on est amené à résoudre le système : df9 -x dl ’ dp -ZZZ dl avec les conditions initiales au tcrnps t = 0 : 0 = & rd et $ = 0 rds-i.2.$ + RCof$ + y[1 + Esin(tiit)] = 0. On trouvera le programme mathieu.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b . Compte tenu des grandeurs numériques proposées. 7. Le programme 7. le moteur qui fait varier le condensateur fournit l’énergie. Il ne faut pas croire que les principes de la thermodynamique sont violés.Lorsque 19 est petit nous pouvons écrire : et comme Z = lu + ut.

Ym pour m > 1. On doit observer que.On écrit la relation de définition : (2) . Y!!. il est nécessaire de l’adapter pour chaque valeur de E. que le point figuratif initial (20 et yo) SC situe à l’intérieur ou à l’extérieur de ce cycle limite..(1) + . Le programme vanderp . dx dt dt Au temps tu = 0. b . si un système obéit a cette équation diffkcnticllc~ au bout d’un certain temps (transitoire).On pose : y = . CORRIGÉS DES PROBLÈMES ET EXERCICES On dccomposc cette équation du deuxième ordre en un système de deux équations du premier ordre : = CE et .nt la prkision relative retrmie. Yo) et l’on obtient : y1 = y0 + :(u + 4w + w) d .On cesse les iterations lorsque : 1OF” éta.4. 525 .ANNEXE I.f(xo. intégration d’une équation différentielle du premier ordre par une méthode itérative (prédiction-correction) a . c . yym).Lc résultat est immédiat : y.= 2&(1 .ses pour différents couples de ~0 et ya ainsi que pour differentes valeurs de E.$ le cours). Cela signifie que.L’équation différentielle suivante : dy/ dx = f(x> Y) pour x appartenant à (n.. [f (x rn..+1 = yYmPr + 21Lf(s. quelles que soient les conditions initiales (~0 et yo). b) admet une solution unique qui prend la valeur yo pour la valeur 20 = u si les conditions des thcorèmes d’Arzelà et dc Cauchy-Liptchitz sont vcrificcs (c. Il suffit d’utiliser les programmes proposés dans le cours en choisissant convenablement le pas dt .y.. c realisc les calculs proposés. dy 7.y2)x . on se donne 50 et yo quelconques.‘) + f (Gn+I >Y%)] Yna+l . toutes les trajectoires admettent le même cycle limite. valeurs que l’on fournit au programme de manière conversationnelle car il convient d’observer les courbes de l’espace des pha. ses oscillations seront synchrones. pour une valeur fixée de E. On obtient la formule d’itération : e .

ce qui donne y(t) = $[exp(-5Ob) + 11. Pour ce qui concerne l’erreur de correction.+1).-i : In. c réalise cet algorithme. Le programme predcor . x. 526 . Ym) + f(Gn+1. Maintenant on obtient l’erreur e. on a : Ym+l = Ym + .l. Pour cela écrivons l’expression rigoureuse de 1 puis effectuons le développement de l’expression trouvée autour du point z.Pour la prédiction on écrit : %n+1 dy s = y(& . C omme d’habitude.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ f . puis la solution de l’équation sans second membre y(t) = aexp(-50t). et enfin la solution générale : y(t) = aexp(-50t) + A. quand t varie de 0 à l’infini.On trouve tout de suite la solution particulière y = l/lO. et la condition initiale permet de déterminer a. On peut estimer M de deux façons.2 à 0. a ..) qui est l’approximation donnée par la formule de prédiction. Y(? 1 m Il reste à calculer l’intégrale de droite. On note que les deux erreurs sont localement en h3. y(t) varie de 0..5. = s “m-1 (k) Zm+l fb> ~(~11 dz. on adapte le pas h de telle sorte que la relation h < 2/M avec Al = sup ]af/13 z 1soit vérifiée.-l) + 2h2p’(z.-~ + 2h) ~ @(x~-~) = 2hp(z. dans le voisinage du point z.-i.Éventuellement. la première consiste à dériver formellement la fonction f et la seconde à calculer numériquement la valeur de la dérivée.-1) + hfd’(z. Désignons par @(x) la primitive de C~(Z). et l’erreur que l’on commet sur l’estimation.I/(z. y(~~)].el). et l’on reconnaît la formule des trapèzes sur laquelle nous avons déjà effectué le calcul d’erreur : e& = ~fY~>. on cherche une majoration de If”(z)1 dans l’intervalle considéré. . avec < appartenant à (x. Pour simplifier l’écriture.-i.. .-l + h) = 2hp( x. que l’on désigne par I?. soit : a = l/lO. g . Étude d’un phénomène transitoire obéissant à une équation différentielle du premier ordre 1.. L z 2hcp(z. x. E 2hp(z. 7.h”q”(z.. on pose cp(~~) = f[~. = @(z.el) + . sur Im : avec < appartenant à (2.-1) + .+1).-l) + 2h2p’(z. Développons-la autour du point G-1.. on a alors I. son introduction va nous permettre de calculer l’erreur sur 1..y:). Ym+dl.

b - À présent.tl)] + qui est l’expression recherchée.05. Pour obtenir une valeur numérique raisonnable.002.5yk + 0.tl)k exp[D(t . on obtient y = 332. disons par exemple h = -r/lO = 0. N (t .tz)] dt.25 puisque h = 0.k exp[D(t ~ h)l dt.D s t1 y(t) exp(Dt) dt.t1)” s(t) = C k!pk ak k=O avec p = t2 T tl.h)] dt = e ak 1 k=O tl t2 (t-t )‘” .La méthode d’Euler s’écrit simplement : yk+r = yk + hf(yk. k!p” t1 527 . il s’agit de la valeur asymptotique de la solution.63 et pour t = 2 on trouve y = 1 105 733.ANNEXE I.y(tl) exp(Dtl) = t1 J t2 s(t) exp(Dt) dt.l pour t = 1 et t = 2. Alors 1 s’écrit : ak exp[D(t . ou encore : t2 Y(h) = y(tl) exp[-D(t2 .3 alors que le calcul direct de la solution analytique donne la valeur 0. a . et en posant @ .!.On obtient : t2 t2 t2 s t1 y’(t) exp(Dt) dt = -D /’ t1 y(t) exp(Dt) dt + J’ t1 s(t) exp(Dt) dt. y(b) exp(%) .t2)] dt. Alors pour t = 1. il faut prendre un pas h petit devant la constante de temps T = 1/50. on trouve y = 1. J’ t1 s(t) exp[D(t .000000005 X 10-l. tk) soit encore : yk+r = -1. il devient : t2 t2 y’(t) s t1 il s’ensuit que : exp(Dt) dt = [y(t) exp(Dt)]iT . Pour t = 1. 2. CORRIGÉS DES PROBLÈMES ET EXERCICES b . Intégrons par parties le premier membre.

il s’ensuit que nous s(t)=ao+ta .tl) = tl.012 66. on obtient en définitive l‘équation (1. il s’ensuit que nous avons alors : Par ailleurs nous pouvons écrire : SO = S(T~) = ao et sl = s(Tl) = ao + ai7 relations qui donnent ao et a1 en fonction de sg et s1 : ao = su et a1 = SI ~ SO. cl(T2) = y(Tl) exp(-DP) + 528 SO + (CO .tl)” exp[D(t . hode du cas N = 2 . (1.5) Application numérique : CO = 0. (1.On a Tl = t2 et TO = t a ~ (ta .5) : z/(Tl) = ~(TOI exp(-DP) + (CO ~ G)~O + CISI. Tous les calculs faits on trouve : Étude du cas N = 1 . puis y(l) = 0.ta.exp(-D/L)]. puis on Ctablit la relation de récurrence entre les Ch:: en intégrant l’expression de Ck par parties : k!p’Ck = s t1 ( t .6) .tz)] et dv = (t ~ tl) dt.MANUEL DE CALCULNUMÉRIQUEAPPLIQUÉ on a : On calcule immédiatement CU : t2 CO = 1 t1 ‘exp[D(t ~ tz)] dt = $[l .2s1.099955.ta)] dt en posant PL = exp[D(t .Comme pouvons écrire : on a Tz = t2.SO)/2 et CL2 = sa + SO .6) : et a1 = (Sa .01836 ct Cl = 0.tl u1 Les calculs étant menés comme précédemment on obtient : uo = s1 d’où l’équation (1.2Cz) SI + -52. Tl = tI et TO = 2tl .

7. De là on tire que f’(t) est une constante et par conséquent que f(t) = wt + cp.= -af’(t) Ski[f(t)] dt d’où $ = bf’(t) cos[f(t)] [$J2+ [+y’ = u.Tl]. Au départ. Problème de la poursuite Désignons par z(t). Description de /a procédure d’itération . dt x .On reprend la relation (1.ANNEXE I. Alors.y dX ~ = ~~.On établit une plate-forme de calcul avec la relation (1. = f2(t)[a2 + b2].5) dans laquelle on effectue le changement SI = S(T~) = s[y(Tl).x dt = b sin[f(t)] =a cos[f(t)] et et Y dz .5) que l’on itCre suffisamment. valeur qui sera reportée dans l’expression de sz. on peut itérer jusqu’à ce qu’on obtienne une prkision souhaitée à l’avance 1OF” par exemple en erreur relative. Nous pouvons krirc : d’où : dX dt ainsi que : Par ailleurs. y(t) et vo les coordonnks cartésiennes et la vitesse du jardinier. Généralisation de /‘équation (1.X On écrit l’équation horaire du jardinier : X d’ofl dY Y . à t = 0 : y = -bcos(wt) et x = asin( Il faudra prendre garde au signe de dY/ dt ainsi que celui de X dans l’exécution des calculs et l’on devra prévoir des tests pour affecter les bons signes.Y dX X . On poursuivra les itérations de la rnême manière que ccllc indiquee au début de ce paragraphe. ce qui donne : et (o = 0 (condition initiale). nous savons que le chien se dirige en permanence vers le jardinier.6) pour obtenir t2 et y(Tz). on choisira sa = s1 et l’on calculera alors y(Tz). Y(t) et V 0 1 es coordonnées cartésiennes et la vitesse du chien. puis on continue les calculs en itérant la relation (1. CORRIGÉS DES PROBLÈMES ET EXERCICES 3. puis par X(t). Donc.6). On va poursuivre de la mCmc façon avec l’expression (1. 529 . On connaît donc Tj et y(Tl) à l’issue de ce calcul.6) .6. On fait dont d’abord s1 = su pour obtenir :y(Tl) que l’on reporte dans l’expression de ~1. nous pouvons alors écrire : dY --T Y .

t) = T(0. L’équation de Laplace. t ~ dt).2.irX] [sin(-irXMV)]/[sin(7rXb)] élevé au carré donne l’image de l’enveloppe de ces raies. appelée I(z). 6t étant le pas dans le temps. En effet. on retrouve l’expression classique des réseaux. sin(7rvb/v) [ 2 1 . Rappelons que X est un nombre d’ondes (inverse d’une longueur). On pallie cet ennui en choisissant pour T(0. le champ de température est parfaitement continu. les isothermes d’un réfrigérateur Le travail ne présente pas de réelles difficultés. sin(7rXb) ’ sin(7rXa) “x . 8. dans l’espace de Fourier. et grosso modo. Une remarque importante s’impose : nous ne pouvons pas calculer directement la valeur de la température au centre de la sphère car une discontinuité artificielle est introduite par le formalisme. Dans notre problème. on aura : I(z) TF) Q(x) = F(x) C exp(27rjkXb) a v e c : F(X) = N expression dans laquelle a est le diamètre du trou. Les transformées de Fourier 9. ce qui nous intéresse est le signal dépendant du temps t et de travailler dans l’espace de Fourier correspondant qui est celui des fréquences V. et l’on trouvera un programme qui traite ce problème et qui s’appelle refrig. 530 .6t au point adjacent (premier voisin). 9. soit T(0. le spectre en fréquence de la lumière transmise. est le produit des transformées de Fourier de la fonction d’éclairement d’une part et de la fonction d’absorption d’autre part. il est commode d’effectuer la transformation sur le plan dimensionne1 : [Z] = w[t] et comme [X] = WI = ll(4tl) = [ v 11 w d ans l’équation donnant (a(X) il suffit donc de remplacer X par V/%I.1. Il s’agit donc dans un premier temps de calculer la transformée de Fourier d’un réseau de N trous alignés et équidistants. le terme é1 e v é au carré donne un « spectre de raies » et le terme [sin(7rXa)]/[. En choisissant l’origine au centre du réseau et en appelant F(k) la transformée de Fourier d’un trou. en désignant par Q(V) la nouvelle fonction on obtient alors l’intensité de l’éclairement : Q(u) = 10 sin(7rva/v) sin(7rvb/vïV) 7ru~u . Refroidissement d’une sphère homogène Le problème admet la symétrie sphérique et nous employons donc l’équation de Laplace en coordonnées sphériques dans laquelle nous ne conservons que les termes qui dépendent uniquement de la coordonnée spatiale T.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 8. c. comme les longueurs sont parcourues à la vitesse constante V. Tout le calcul fait : Q(x) sin(7rXa) sin(7rXbN) = nk . En réalité. t) la valeur obtenue à l’instant t .1. mais le choix du système de coordonnées introduit une discontinuité au centre puisque l’équation fait apparaître un terme en l/r. Étude d’un vélocimètre Pour des particules se déplaçant selon l’axe du réseau à vitesse constante. Intégration des équations aux dérivées partielles 8.

est inversement proportionnelle à IV. + f3Wik + &jWN” + . + f& + fs WN” + . On écrit la définition de la TF : puis on regroupe les termes en trois sommes partielles : Qk = f. elle est donc de l’ordre de ca/N. CORRIGÉS DES PROBLÈMES ETEXERCICES L’examen de cette expression permet de répondre aux questions : 1.. Calcul numérique des transformées de Fourier pour un nombre de données N = bS On envisage le cas où le nombre de données est une puissance de trois : N = 3”. } WN”.2. + C’~CIV$~.+j$). Bk et Ck sont les transformées de Fourier de trois fois moins de points que n’en comporte l’échantillon initial. La formule d’adressage des données s’écrit : j = RN(~) = R~(lc . > WN + { . + . 1. 9. . Ces expressions s’écrivent encore : Qk = fow$j + f3W&. 531 . d’où on tire : @k = Ak + Bk IV.3 = Ak + BkWFN13 + CkW. . et quand N est grand devant 1.. Le premier minimum nul de la modulation existe quand sin(7wa/v) = 0..’ +f2wN+fsw~k+f8w~k+. c vaut &. reste donc à régler les problèmes de périodicité : CD k+N.3’) + & avec 34 5 k < 3 ‘+‘et RN(o) = 0.ANNEXE I.2. (= A/J (=BkW.f2w.W..$k+N’“).. . équation qui se transforme de la manière suivante : un calcul analogue donne : @k+ZN/3 = Ak + BkW.1. elle est déterminée par la différence de deux valeurs consécutives qui annulent le dénominateur. .) (=ClcWN) +flw~+f4W~k+f7W~k+‘. + f4W&9 + f7y+ + . Cependant. on a donc : a = v/b. + -t fi WN-. . 3. les dernières relations ne peuvent être utilisées que pour k = 0. On voit que Ak. « Deux raies » consécutives sont séparées de la distance a déterminée par deux maximums relatifs et consécutifs de la fonction « raie ». . . ïV/3 . 2. c’est-à-dire lorsque u = V/a. + fdv‘q. ((&)+<*ll*r(-. La finesse des raies. . c’est-à-dire la largeur à mi-hauteur.

C’est bien la fonction de répartition de la variable aléatoire 2. . c- Cette expression est donnée par la loi binomiale car toutjes les composantes obéissent à la même distribution (rkpartition).n.2. i N/b. toutes ces conditions sont celles du schéma de Bernoulli. S.. La première relation permet les calculs pour k = 0.’ 1 Ici encore la probabilité d’obtenir la valeur i est donnée par la relation : P (S&) = .) = Cy.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Dans le cas où N = b”. Ainsi. Introduction aux méthodes de Monte-Carlo Les cxcrcices sont traites dans le cours p. on cornbinc linéaircmcnt b transformées de Fourier de b fois moins de points que dans l’échantillon initial. = 1 si si si xk<x<xk+l 2 5 51. 11. L’ordre statistique a s.. 6 . La formule d’adressage devient : N j = RN(~) = R~(lc . P(xJ”) < x) est la probabilité pour qu’il y ait au moins j composantes de V inféricurcs à x.b”) + b”ltl avec b4 5 k < b4+l et &T(O) = 0. d . Il reste à établir les b ~ 1 relations pour obtenir une transformk complète ce qui ne présente pas de diRicult6. avec k=l. prend des valeurs sur (0.Il suffit de placer 5 dans la série des X?I. x S.i+1 1 ou encore que S. Les événements étant indépendants : soit encore : 532 .. j prend les valeurs de j à n. Cela revient au m&ne de dire que S. 287 et suivantes. x > 5. Il s’ensuit que P(<~C < x) = p pour ) toutes les composantes.l) et c’est une fonction non décroissante dc x.. = 0” S. (x) ne peut pas Etre inférieur à $. 10.. Éléments de calcul des probabilités 11.. cllcs sont toutes équiréparties (idem les faces d’un dé)..3 .1.-1. 1: 2. et S..[F(X)]~‘[l ~ F(x)]‘“? mais de plus.P(&<x)=F( 2 e xp ression qui est vraie pour tout ci.(x) peut j ~ prendre les valeurs . { n’ n “‘. ..(z) est la fréquence de succès.

t)“-” d’où dv = -(n .l) et vaut zéro ailleurs.y .On part de l’intégrale : F(z) J 0 du = t.t)“-j &. il est facile de calculer la moyenne des {CC} qui tombent dans « l’urne j ». f . pour z appartenant à (0. soit : +oO (x!“‘) 3 = ’ (J . CORRIGÉS DES PROBLÈMES ET EXERCICES e .x]"-.F(x)]“-.j)! J f(x)[F(x)]j-‘[l .j)(l ~ t)npJpl dt.F(z) est la loi uniforme. Pour cela posons : f(x)[F(x)]ql .1)2. En dérivant cette dernière fonction. t+(l .7 + on poursuit l’intkgration par parties et l’on vérifie que l’on retrouve bien l’expression de <p. que l’on va calculer par une succession d’intégrations par parties. 533 . soit : F(x) = x f(z) = 1 pour 2 appartenant à (0.F(x)]“-jx dz.(z). on obtient la fonction de distribution recherchée : puis v = (1 .-l dt d’où : u = 4.l) et vaut zéro ailleurs. 0 1 (x’“‘) 1 = 1 (x’“‘) = 2 2 6’ (@) E 3 6’ (x4”‘) = 4 6’ On remarque que les valeurs sont « symétriques » par rapport à la valeur centrale.ANNEXE I.F(x)]‘“--! À partir de cette relation.fx dz.Application . on obtient alors : C!$‘(x) = CJJF(x)]j[l .l)Y& . On utilise les dernières relations établies : (x(7”‘) 3 1 = (.n-j)! 6’ J xj-l[l ..

534 . exp(j27rxt)p(z) dx expression dans laquelle t appartient à (-00. on obtient : (cette fonction s’appelle fonction de Lorentz). J exp(j27rzt) -03 exp(-alxl) dz = g /[exp(j27h) 0 + exp(-j2nxt)] exp(-az) dz a2 1 a2 + 47r2t2 = 1 . L’exercice est traité p. D’où lc = a/2. d . 47r2t2 a2 c . L’exercice est traité dans le cours p. Distribution de Cauchy +03 +C= exp(-alzl) dz = 1. s DC.I &l -03 soit encore : 2lc b .2. 320 12.p(t) = ici : s 0 +CC s -03 exp-~1x1 dz = 1. Soit 03 $9(t) = . +m) ’ + ii [ 1 >.Calcul de la moyenne : +‘=C m=a 2 s -DC> xexp(-alxl) dlç = 0 car la fonction sous le signe somme est impaire. +03).4.1. L’exercice est traité p. et l’on trouve : D = 2/u2.5. 328 et p. Loi de Poisson. où I’(Z) est la fonction factorielle.On doit avoir -oo ~4x1 dz = k . L’exercice n’offre pas de difficulté 12.6. L’exercice est sans difficulté 12. 336 12.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 12. Dans le cas où m = 1.La distribution de Student à m degrés de liberté s’écrit : ‘m(x) = U(m + 1)/21 J%iir(m/2) x2 -(m+1)‘2 pour z E (@). a . 331 12.3. Calcul de la variante : +03 Dz. x2 exp(-alzl) dz = a -03 s 0 x2 exp( -ax) dx On intègre deux fois par parties cette dernière expression. Lois 12.

obéit à une fonction de distribution q(z/n). Loi de Poisson dont le paramètre suit une loi du x2. b .q)-’ = 1. prpk. sont indépendantes et obéissent à la même fonction de distribution .Ona exp(-2nltl) Z5 1. Loi binomiale négative. -03 C’est une fonction impaire. f . Nous avons donc : $j(t) = Q@/n) = exp (-2rlt/nl). ainsi. Ck+T-lqk 535 = 1. i=l La fonction de distribution de z est donc 4(x) = +x2) l 7r(l g .Nous avons A = B .Calcul de la moyenne de & : +CC M=l ~ 7r s (1 Jrî2) dx. la moyenne n’a pas de limite et n’existe donc pas au sens ordinaire. Urne de P6lya 1. 12. c . M = [log.pr-‘pk.Transformons l’égalité prpPr = p’(l . et P(C) = p. la variable aléatoire e. et comme les événements B et C sont indépendants.ANNEXE e . on trouve : pr BAT. C. On dit que M = 0 en valeur principale au sens de Cauchy. De là on écrit : Q(t) = exp(-2rltj). a .-.La probabilité d’avoir tiré exactement k échecs qui précèdent le tirage du re succès est f(kr.p).( 1 +X”)]~E. q(z) . nous pouvons écrire : P(A) = P(B)P(C) avec : P(B) = C&pT-‘pk = C. ainsi : Q?(t) = fiexp (-2Tlt/nl) = exp(-2nltl).+k-lpT-lpk = C. cependant. donc on pourrait dire que M = 0 .7. . la variable 3 aléatoire z a sa fonction cadactéristique X4?(t) égale au produit des fonctions caractéristiques ?lJ-(t) de toutes les variables indépendantes &/n. CORRIGÉS DES PROBLÈMES ET EXERCICES 1 n-(1 + x2) expression donnée dans le cours à propos des transformées de Fourier.Les variables aléatoires <.

pour la loi binomiale.qk exp(jkt) = pl’ 2 C” k+T-l[qexp(.qt) pT. on obtient : 536 .jt)]k k=O k=O 2. on obtient le résultat : g2 = npq. P On poursuit les calculs : f”(l) = prr(r .-.r-lkqk. que l’on développe encore : i-(t) = PT 2 G+. on rappelle que.On écrit : v(t) = M[exp(jkt)]. k=O ce qui donne : de là on tire l’écart type : 9 u2=m2-ml=. k=O d’où : ml = rz . on remplace g par qt pour obtenir la loi de génération des moments. pour cela calculons : CO 03 1= J' r(u) 0 -xvel exp(-ax) dz = z xv-’ exp( -ox) dz.-lwk k=O expression à partir de laquelle on va calculer les deux premiers moments non centrés : oc1 ml= f'(l)=pl'TqC-l =J)"E c. b .1)q’ = m2 ~ ml. a .l)q2pPrP2 = p’ 2 Ck+.Il convient de vérifier que sow g(z) dz = 1.qexp(jt)]pr.k(k . soit : f(t) = p”( 1 . e . r(u) J’ 0 CE" effectuons le changement de variable y = ox.$+. ce qui donne : = p’[l . P Pour mémoire.On rappelle quelques résultats concernant la loi de Poisson : P(< = k) = exp(k’x)Xk avec (6) = X et u2 = A.r-.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ d .Par analogie avec la transformation réalisée sur la loi binomiale. y(t) = p7’ 2 Ct+.. M( ) r ep résentant l’opérateur rnoyennc.

.n) = C~lII./c -O/c cn2 537 . a . r + (n2 . et l’on obtient : c P(nl.1)” b + T + (nl . .c+r. (a! +al)v+k-) soit encore : en définitive : Wl=k)= [(nsii]kcLy+y-l [cri--i.1)~.1)” r b + T + nlc .n) = ‘:+b. On divise chaque élément binôme du numérateur et chaque élément binôme du dénominateur de II nIn2 par le nombre c. = 25 .Par suite..1)c b + T + (ni + ns . ~ .1)~ ’ Maintenant. la probabilité de ce tirage s’écrirait dans ce cas particulier : n n1n2 b b-te --. en examinant cette expression..c “1 nl+b/c-1 cn2 n2+r/c-1 C”l -1. mais les termes sont arrangés dans un autre ordre.ANNEXE I. 3. b+r+nlc . r + (n2 . g(z) est donc bien une densité de probabilité. ~ b+r b+r+c”’ b + (nl . = -II. si l’on considère un autre ordre pour les nr boules noires et n2 boules rouges. et. la probabilité de tirer n1 boules noires parmi n = nr + n2 boules est donc : 1 l b b+c P(nl.1)c b + T + (nl + n2 ..1)c r ‘b+r+( nl .Supposons que l’on ait tiré d’abord toutes les boules noires ensuite toutes les boules rouges. b . CORRIGÉS DES PROBLÈMES ET EXERCICES par ailleurs.1)” ..]” expression dans laquelle on pose : p = l/(a + 1) et 4 = o/(o + l). toutes les séquences où figurent nl boules noires et n2 boules rouges ont la même probabilité quel que soit l’ordre de tirage des boules. on s’aperçoit que l’on peut réaliser n’importe quelle combinaison d’un des produits du numérateur et d’un des produits du numérateur sans que la probabilité soit changée. l’expression sous le signe somme est toujours non négative. .c-l = ‘:b.c-r. ainsi on aboutit a : qui est bien l’expression de la loi binomiale négative. r(v+k) v k!Iyv) . nl!nz! b+r b+r+c” nl!n2! b + (ni . le calcul reste le même. Calcul de 00 II(< = k) = soit : Xk+vpl exp[-(a + 1)X] dX = 0 J’ 0 exp(-X)$g(A) dX.. Donc pourvu que nr et n2 ne soit pas changés.

x 1+ p 12. La loi binomiale négative (reprise et applications) Les questions a. [4 + -l.(W) = j=l Og e(l-$+gjf&ï& 51 1%..(l + rn2) = -p log. Prenons le logarithme de W. Y ( > en définitive. 1+. -11-r (1+7).y r(n2 .Y d . P(nl..597. de là on tire : W = [ &]P’.Il+%n2-1)1 Cette dernière expression est plus délicate à étudier et désignons par ak le terme général dans le dernier membre : q+-Yk P -= 1ak= 1+yk 1+yL ce terme tend vers 1 quel que soit k par valeurs inférieures à 1. log. 538 .282. %. puis m2 = g = 3. . nous avons : log.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c .8.I)l . c et d ont fait l’objet d’une réponse lors de l’étude du problème précédent. et s2 = 2. c’est-à-dire que n2 est de l’ordre de n . n) + C-.y + c:xp> n1 par ailleurs : n1 C -1lY E ply [ I *1 1 = cny1 + p]‘“’ ) 7n2 ensuite on calcule l’expression suivante : “+!LFF C n2 Cn& _ 4(4 + Y). on peut étudier le comportement des différents facteurs : c -p.Lorsque n + 03 et que p et y tendent vers zéro de telle sorte que : np+X e t 1 v-+ -) P ce qui entraîne aussi que n2 » nr.Voici les résultats du calcul : ml = g = 1. e .n) = -PlY cn2 -41-r .15. on aboutit au résultat : n1 [/q [LJ.Le changement de notation donne : cm1 P(w. b.(W) z -p. or f = Xp.

467 0. 1.111 x 10-l 0.5).001 0.133 0.008 0. Tableau 1.139 0.) montre que la probabilité de pouvoir dépasser ce nombre est inférieure à 1 chance sur 1000.q” = 1.253 0.209 0.080 0. on obtient 31.666 04 539 . il reste à calculer les différents coefficients du binôme que l’on multiplie par pr (cf.4.434 x 10-l 0.133 0. on obtient le tableau 1. Pour la valeur expérimentale du x2 .4976 et r = 1.450 0.073 0.6 x 10-2 04 f .158.537 8.475 x 10-l 0. négative : par suite q = 0.253 0.023 0.008 w 7 6 4 8 0.172 0.252 x 10-2 0.581 0.067 0.013 0.006 04 0.060 0..067 0. Réécrivons la loi binomiale pT(l .-.308 0.228 x 10-l 0.5024.023 0.060 0..Pk)'/pk* 0 1 2 3 4 5 6 7 8 et plus 0.005 0. k expériences 70 38 17 10 9 3 2 1 0 Pk* Pk bk* -Pk)'/Pk* 0 1 2 3 4 5 6 7 8 et plus 0.020 0.487 x 10-l 0.014 0. CORRIGÉS DES PROBLÈMES ETEXERCICES Tableau 1. Tab. k expériences 70 38 17 10 9 3 2 1 0 Pk* Pk lo3(Pk* .450 7.259 0.037 0. g .364 0.006 04 0. k=O On calcule pT = 0.000 1 04 0.45 x 1ow2 0. la consultation des tables du x2 à (9 .45 0. envisageons la distribution de Poisson en prenant X = mi.066 0.ANNEXE 1.4. Force nous est de rejeter l’hypothèse d’une distribution de Poisson avec moins d’une chance sur 1000 de la rejeter à tort.020 0.Bien que mi et s2 soient notablement différents.5.q)-1‘ = PT c ci+.1) degrés de liberté (attention la case k = 0 compte.On a : p = mila = 0.013 0.467 0.318 0.

remplaçons F(t) par sa valeur : Q(t) = 1 . Fiabilité a1. 2 . 12. 3 .5 exp( -0.271 P4 = $ exp(-4) = 0.P(< < 7) = 1 . 5 .5) = 0. et la probabiliti: pour qu’il n’y ait aucun événement dans l’intervalle de temps t débutant à l’instant ti est P”(t) = 1 ~ F(t) = exp(-Xt). Si l’on regarde les tables du x2 on voit qu’il y a 95 chances sur 100 de dépasser la valeur calculée. x2 x2 Une propriété remarquable .exp(-Xt) = F(t).9. Il n’y a pas de raison de ne pas conserver cette loi. Comme P(A . 1 . on obtient en définitive : a(t) = F(t + 7) .PI .Pk(t) = [(Xt)k/k!] exp(-Xt). d ‘où la probabilité conditionnelle P(BIA) = P(A B)/P(A) = Q(t).5 x=2 x=2 x=2 x=4 PI = 0. puis P = 1 .618 à (9 . d’où 1 1 a2=D&x-. P(BIA). Loi de Poisson. B ) = P ( A ) . Durée de vie d’un système simple. Calcul de u2 oc D = J’ 0 t2Xexp(-Xt) dt = G.Po .271 Pu = exp(-2) = 0. après une intégration par partics on obtient : a = 1/X.F(7). 9 et r).F(7) .323 b . B) = P(T < < <