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

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

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

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

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

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

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

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

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

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

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

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

66 9.86 2. Il est bien préférable de raisonner en termes de probabilité. Comme GÉNÉRALITÉS SUR LE CALCUL NUMÉRIQUE 1 1 ~~ n(n + 1) . Ce n’est pas l’examen mathématique de cette série qui va retenir notre attention.72 4.1) où sont portés m. c’est une erreur mathématique qui est majorée par le premier terme abandonné de la série convergente alternée : e --. m. 09) : f& = 10-9J32. et pour m = 50000. = 2me.672 0..06 1.& 1est un terme qui représente les erreurs cumulées au cours des opérations réalisées 1 en machine.822 0.. S. Nous avons choisi de faire varier m de 10 000 en 10 000 jusqu’à 50 000. On en conclut que cette manière de concevoir les erreurs n’apporte rien et surtout n’est pas réaliste. Quand on limite la somme aux m premiers termes. Du reste.n (ni 1)’ on voit que la somme partielle limitée au me terme s’écrit : STn=l(m.931 1.502 err. Chaque étape du calcul introduit une erreur de l’ordre de (cf. / . 1.999 0.(mkl) À présent supposons que les calculs soient réalisés sur une machine qui travaille avec des nombres représentés sur 5 octets.475 0. l’erreur globale.999 0.999 0. 25 . la probabilité pour que l’erreur soit effectivement égale à Eg est pratiquement nulle.999 0.1.1.0 Il est facile de constater que les erreurs globales Eg majorées a priori ne représentent pas du tout la réalité.l). on peut majorer l’erreur de troncature de cette série. mais uniquement le calcul numérique effectif ainsi que l’erreur qui en résulte. Nous donnons ci-dessous un tableau (Tab. l’erreur statistique et 1 ~ S . Tableau 1. On peut majorer Eg : E. 106 0. puis de passer à la valeur 100 000.329 0.88 2. globa.999 0.& .950 1.440 0. 108 0. on en conclut que la limite de la série est égale à 1.999 900 950 967 975 980 991 err. ce terme est désigné par erreur réelle dans le tableau. 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!&. En effectuant un passage à la limite quand m devient infini.79 3. m 10 000 20 000 30 000 40 000 50 000 100 000 S 0.S .31 err. Eg est environ 500 fois trop grand. stat. réelle 106 0. Comme il n’y a pas d’erreur sur les multiplications (pas de troncature).30 77.255 2.

3=1 D’après le théorème central limite./(n + l)/(n + 2) sera plus grand que 10g932 si l’on dispose de 4 octets pour représenter la mantisse. ce qui divise chaque erreur élémentaire par 2. En réalité la variable aléatoire X” prend ses valeurs sur l’intervalle (0. Cas où la distribution des X peut être considérée comme rectangulaire On peut aisément calculer les caractéristiques de la variable aléatoire X.102. On va alors raisonner sur la valeur absolue de la mantisse considérée comme un nombre entier. 8.288 74%. c’est-à-dire que l’on va arrêter les calculs lorsque S. = Na2 ce qui donne en définitive une mesure de l’erreur donnée par l’écart type : cy = 0.102fi. on peut associer à l’erreur une variable aléatoire X.042 10P2. puis l’écart quadratique moyen 0’ : o2 = s 0 I(X . La distribution ne sera plus du tout rectangulaire et les estimations effectuées au moyen des erreurs gaussiennes deviennent caduques. est 99. Il s’ensuit que : m = (X) = 0. est 95% et à 3a.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 8. la précision optimum est obtenue pour une valeur de n voisine de 100000 que nous avons portée dans le tableau. et cy = 0.1.l). à 2a. À chaque opération. la division va introduire une erreur systématique qui va garder le même sens très longtemps.5) puisque la machine effectue non pas des troncatures mais des arrondis. Y est une variable aléatoire gaussienne de moyenne m et d’écart quadratique moyen CT : CT. cependant elles le demeurent pour n allant jusqu’à 50 000 environ. soit CT = 0. 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 ».7%. Réexamen des erreurs du point de vue statistique Supposons que l’on utilise une machine qui travaille sur des mantisses de n chiffres significatifs.25. 8. 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. pour ce type de problèmes. 0.083 3.5. 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%. 26 . les grandeurs statistiques ne sont plus des estimateurs acceptables de l’erreur.2. g2 = 1. l’erreur totale sera la variable aléatoire : Y=&.m)2dX = 0.288 7. d’où l’on tire o = 0. À partir d’un certain rang K < n. On calcule d’abord la moyenne : 1 m = (X) = s 0 XdX = 0. Grosso modo. S’il y a N opérations dans la procédure globale et si l’on suppose que les erreurs sont indépendantes. On voit très bien que.

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

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

Ce type de représentation permet d’obtenir une dynamique s’étendant de 10V78 à 10-75 approximativement. 29 . Le premier octet permet de représenter 256 configurations qui se décomposent de la façon suivante : les exposants négatifs ou nuls sont représentés de 0 à 127 et les exposants positifs de 128 à 255. La dynamique n’est pas affectée tandis que la précision relative de la représentation est passée à 10-16 environ. on ne réalise pas des troncatures mais des arrondis ce qui a pour conséquence de diviser les erreurs par deux.1. GÉNÉRALITÉSSUR LE CALCUL NUMÉRIQUE b . représente une erreur absolue de 1 unité sur le dernier chiffre significatif de la mantisse du nombre stocké. Compte tenu de la présence d’un digit supplémentaire utilisé en mémoire centrale lors de l’exécution. = 1 mantisse Ici encore le cas le plus défavorable se rencontre lorsque la mantisse est la plus petite possible. Cette façon de concevoir n’est pas toujours la mieux adaptée au calcul des erreurs. qui se réduit à l’erreur relative sur la mantisse : e.5 10Vj. Il existe également une double précision qui occupe huit octets. quelle que soit sa base. Puisque la représentation est hexadécimale et normalisée. la plus petite mantisse vaut 16”. ou une suite infinie de 1 en notation binaire). à une précision plus grande mais aussi à une dynamique plus faible que celle précédemment étudiée.La plupart du temps la représentation s’effectue sur 5 octets et la base implicite est 2. c . = 9. soit : e. Les quatre octets supplémentaires sont uniquement affectés à la mantisse. = 1/231 = 4. Comme le nombre est normalisé en notation binaire. le premier bit de l’octet 2 est inévitablement 1.Précision de la représentation .Représentation usuelle des nombres flottants dans les Basics .710V10. tandis que le plus grand est de l’ordre de 1038. Le plus petit nombre représentable est de l’ordre de 10V3’. a pour limite l’unité.La troncature du nombre porte sur la mantisse seulement. = 0. soit 0 si le nombre est positif et 1 si le nombre est négatif. 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. Cette conception conduit. L’octet 1 est utilisé pour représenter l’exposant tandis que les 4 derniers octets servent au stockage de la mantisse. Cela constitue une information sans grand intérêt et certains constructeurs utilisent ce bit pour y stocker le signe du nombre. comme on va le voir. aussi préfère-t-on raisonner en terme d’erreur relative sur la représentation du nombre. Toujours est-il que cette suite infinie. autrement dit. on aura une erreur absolue de 1 unité sur la mantisse considérée comme un nombre entier. soit environ 1OW. et par conséquent. il s’ensuit que l’erreur relative la plus défavorable vaut : e. La précision relative est majorée par : e.54 10e7.

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

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

avec les mêmes nombres.785 526. En retenant les cinq premiers termes de la suite on trouve S = 0. 1. c mettant en œuvre cet algorithme. 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.s(4) k k+21.l 10V4.edpsciences. On note qu’à chaque construction d’une nouvelle suite. k À partir de la dernière suite formée.3 10P2 à 5. L’usage de l’algorithme d’Aitken. . et S.1.1.834 920.2.MANUEL DE CALCUL NUMÉRIQUE APPLIQUE 1. et par 2: une suite auxiliaire « choisie convenablement » Nous aborderons un peu plus loin le problème du choix de la suite auxiliaire. on obtient une autre suite au moyen du même procédé. Le terme général s’écrit alors : s(“+l) -. . *http://www. de la suite des S(o).. alors. 1..1) qui est bien connue pour sa convergence lente. La succession des opérations est symbolisée par le tableau 2. celle des S(1).s&] 2 À partir s(O) + s. S’$a).2. 2. .sp = a$‘. La méthode de Richardson consiste à former une suite de « vecteurs » au moyen de la relation suivante : (2.2.&y1 . l’erreur relative sur T passe de 6. d’un algorithme en triangle et que S$+r) est une combinaison linéaire de SC. Dans la mesure où les x.(O). Un exemple numérique On se propose d’appliquer cet algorithme à la suite des sommes partielles obtenue par la sommation de la série : (2.2) avec m. TX. . . On trouvera sur le Web(*) un programme aitken0.com/guilpin/ 32 . que le procédé de Richardson est une transformation linéaire de suites. . la suite initiale que l’on désire voir converger plus rapidement. sont indépendants des Sg’.2sg1 . n..11 s’ensuit. Présentation de la méthode Considérons une suite numérique S. permet de trouver S = 0. le nombre d’éléments de la suite diminue de deux unités. S$” dont la convergence est lente. il est aisé de s’apercevoir qu’il s’agit <d . on forme une nouvelle suite Sj” obtenue de la manière suivante : $0) s(l) = &pj2 k lct2 . Ic = 0. Le procédé d’extrapolation de Richardson (1881-1953) On désigne toujours par S’(O) avec j = 0. Remarque : Dans le cas particulier où l’on choisit comme suite auxiliaire la suite : 2 m -. page ci-contre. Autrement dit. SP) .

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

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

com/guilpin/ 35 .@2(x) vérifient aussi les conditions de la généralisation. En comparant avec le résultat connu on voit que l’erreur relative sur la somme est de 5.edpsciences.Nous allons appliquer l’algorithme de Richardson à la suite des sommes partielles de la série : szl+.644941.+$+. Les termes de la deuxième suite s’expriment au moyen des relations suivantes : $2) = s(O) + k k+l 1 s(1) . 3+2 = 3 S!OI . Comme précédemment on conserve les notations introduites au cours de ce chapitre. On trouvera sur le Web (*) un sous-programme richar0.sec&.=g = 1..s(1) k+l *http://www.3. Présentation de I’epsilon-algorithme scalaire Il s’agit sans doute. Elle vérifie les conditions des théorèmes précédents. .3). = 6 convergente et qu’il ne faut pas confondre avec la série harmonique qui diverge. et du est également la deuxième reste on verra un peu plus loin que ce vecteur de composantes Sj colonne du tableau de l’epsilon-algorithme. 3+2 3+1 + 3 On reconnaît le procédé d’Aitken en réduisant au même dénorn~. Autrement dit. la suite initiale s’écrit : St).$eur l’expression (2. et voici les résultats trouvés : S(25) = 1. . 2.2. par &S’~“‘. alors les fonctions : g1(2) = a191(2) + a2*2(5) 92(x) = @l(X) . nous obtenons : s(1) 3 s(O) $1 . Ici il nous faut en plus choisir une suite auxiliaire. à l’exception toutefois de la suite initiale qui prend le rang 1 au lieu du rang zéro. Nous avons effectué les calculs avec les 25 premières sommes.0 10-‘. et nous avons retenu arbitrairement la suite classique 2. dans l’état actuel des connaissances.2s!O) S!OI . 3.. et si l’on fait Ic = 0.605 723 403 S(Richardson) = 1. Un exemple numérique . c qui réalise cet algorithme.+$+. du plus puissant algorithme permettant d’accélérer la convergence des suites.3) obtenue en remplaçant 2.644 934 066 8. Relation entre le procédé A* d’Aitken et celui de Richardson Revenons à l’expression (2. 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.

.2. 1. . Il s’agit maintenant non plus d’un algorithme en triangle mais d’un algorithme en losange.= +J8539&2.666 666 6 +5 0.g).791666 6 -115 0. Exemples numériques On désire calculer la somme de la série alternée déjà évoquée au cours du premier paragraphe : sd+. .-. il faut donc choisir un nombre impair de données au départ. . la pe suite sera donnée par : 1 $+.866 666 6 .4 10P4 3.2) + où k = 0. 94) s(5) L’erreur relative sur la valeur donnée par St) est 2.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ où k = 0.1)..7 0.+. (n ~ + 1).ll)~l + . . On poursuit les calculs jusqu’à ce que l’on n’obtienne plus qu’un seul terme qui est SP’.. On se persuade facilement que les résultats intéressants figurent dans les suites de rang impair. p 3.3 0.. . + sin [.785 585 s(2) s(3) 2. (n. (siy Isiy I. nous avons donné les suites successives S(Q) en limitant la suite initiale à 5 termes : Tableau s(1) 1 . 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.) 36 .834 920 6 0. . .786 309 5 0. Les suites de rang pair ne constituent que des intermédiaires de calcul.2. .2. soit (n + 1) impair.783 333 3 +329 0.1. Sur le tableau 2. Calcul de la somme d’une série de Fourier La fonction qui vaut -1 entre -T et 0 et +1 entre 0 et T admet le développement en série de Fourier : f(x) = . et avec comme convention S(o) = 0 quel que soit k.723 809 5 +9 0. 1. pour que le terme SC’ soit une approximation de la limite de la suite Sa (l).l) _ s(P-1) k SA’ = sp+.

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

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

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

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. . f(x) = /t-l exp(z . = 9. c qui réalisent ces opérations. 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. .x3 + x4 + . Considérons par exemple la série : 1 ~ = 1 .605960000OE+05 Si = 9.8000000000 E+ 01 S. Voici quelques exemples de développements asymptotiques et les différents résultats obtenus au moyen des procédés d’accélération de la convergence.$ + . Sur le Web (*). car on passe de l’un à l’autre par une inversion. 11 est évident que cette suite diverge. on obtient les résultats suivants 5’.2. 1+x Cette série a un rayon de convergence strictement plus petit que 1. Sur le plan théorique.t) dt avec CE > 0. Appliquons les algorithmes à la valeur x = 99. = -9.02 alors que le calcul direct de la fraction donne S = 10-‘.g + g . on donne les programmes aitkenl . z admet comme développement asymptotique l’expression (cJ chapitre 3) : f(x) = b . 7.000 000 000 0 E + 00 S.com/guilpin/ 40 . + (-l)d& +. .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ même si celle-ci est divergente.02 S = 1.000 000 536 4 E . cependant l’application des algorithmes donne comme limites : Aitken Epsilon-algorithme S = 1. En limitant le nombre de termes à 5.5099005000 E+07. c et epsi13. = -9. . *http://www.000 000 000 0 E .edpsciences. c’est-à-dire hors du cercle de convergence. c’est-à-dire en posant x = 1/x. il est aisé de rattacher ces développements aux prolongements analytiques. .x + 52 .7030000000 E+03 S.

On reconnaît la série géométrique dont la convergence sera assurée si - ii > Ixkl. = 2.0 S.o SG’ = 62. QUELQUES ALGORITHMES ACCÉLÉRATEURS DE LA CONVERGENCE DES SUITES Pour z = 1.2. Sous réserve de convergence. la série de Liouville-Neumann donne la solution du problème : x = y + pAy + p2A2y + p3A3y + .o Sg’ = -3.596 347 Epsilon-algorithme 0. 0 si = 20. 1968 et Lichnerowicz.423 866 20 E + 08 S.O SA = 3 590. = -442. Jean Bass. = -3. où 1x1~ 1est la plus grande valeur propre de A en module (cf. Ici encore. 1955).. Algèbre et Analyse linéaires. = -5. Voici les résultats obtenus : A’d’Aitken 0. . = 8.1927) de deuxième espèce : x(t) . La série de Liouville (1809-1882) . = 3.596 336. = 4. = 1. + pnA”y + . Masson.Neumann (1832-1925) Considérons une équation intégrale de Fredholm (1866.o s.o s: = 0.3.. l’application de l’epsilon-algorithme vectoriel à une suite divergente conduit au bon résultat. que l’on écrira de façon plus concise : x-pAx= y où A est l’opérateur « intégrale » qui est évidemment linéaire.P J 0 1 K(t.301820 E + 06 Si. 41 . Cours de mathématiques.4 .784634 18 E + 09> Si.0 s3’ = . .661498 E + 07 S. tandis que les quinze premières sommes partielles sont : s. Masson. f(1) = 0.139 365 702 E + 10.596 572 7.26980 E + 05 Si.o si = -100. ~)X(S) ds = y(t).

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

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

que : (2k)!= x2k+l (2k + 2)! x2k+3 d’où l’on tire : x zz 2k + 1. pour x fixé. Donc. On aurait pu dire aussi que le terme général de chacune des séries ne tend pas vers zéro quand n tend vers l’infini. s o i t kzz.. On peut trouver n suffisamment grand pour que 4n2 > x2 ce qui montre le caractère divergent de la série. Pour connaître l’ordre k du développement pour lequel l’erreur est minimum. on en déduit immédiatement que k = 5..S2k(X)I que l’on peut écrire encore : l.. dans le cadre de notre exemple particulier. il suffit de calculer 2k termes de la série asymptotique en choisissant k donné par l’expression : x .&(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. mais une seule série suffit. On peut alors évaluer : Elo(x) = $ = 0. 2 Considérons un exemple numérique en supposant que x = 10. 44 . pour montrer la divergence. Désignons par Szk(x) la somme constituée des deux séries qui sont tronquées chacune à l’ordre k : il est alors facile de calculer l’erreur liée à l’approximation : E2kC5) = Ici(x) . ce qui suffit à assurer la divergence.36 10F4. on obtient : (2n+2)!22” ~ $y (2n)!L?+f2 X2 quel que soit x. il suffit d’écrire que : E2k(~) = E2(k+l)(x) (ou encore = Ez(~-I)(x)). On en déduit immédiatement. Pour la série ayant sin(z)/z en facteur.. On a le même résultat avec la seconde série ayant COS(~)/~ comme coefficient..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Ce développement est divergent comme le montre le critère de d’Alembert.l lC= .

essentiellement dans le but de résoudre quelques équations différentielles apparaissant en mécanique céleste et en mécanique analytique. 45 . on doit avoir : lim &(z) = 0 quel que soit 72 même lorsque 2+03 lim Rn(z) > 00 quel que soit I : fixé. Les travaux de Poincaré permettent d’apporter quelques précisions sur la notion de développement asymptotique et ce sont ses propres idées que nous allons rappeler succinctement. lors de l’exécution des calculs. oo[ auquel appartient z. Pour la petite histoire. En effet. 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. 2. et c’est à Poincaré H.36 10V4. En définitive : Ci(l0) = 4. n+cL! Il en résulte que l’on pourra toujours prendre 11: suffisamment grand de telle sorte que l’inégalité suivante soit vérifiée : où E est un infiniment petit positif fixé à l’avance. alors ce développement est unique.454 81 10V2 et l’on peut donc voir que l’algorithme proposé permet d’obtenir les trois premiers chiffres significatifs exacts. L’affirmation inverse est fausse car deux fonctions différentes peuvent avoir le même développement asymptotique. (181991903) qui ait pressenti le premier l’intérêt d’une telle procédure.548 10-2 310. il semble que ce soit Stokes G.Quand une fonction f(z) admet un développement asymptotique. il faudra ajouter les erreurs effectuées sur chacun des termes constituant les sommes. sur un certain intervalle 1]a.3. La somme Szk(lO) donne : S2k(lO) = -0. alors. Pour utiliser au mieux le développement asymptotique.003 6 10-2. LES DÉVELOPPEMENTS ASYMPTOTIQUES Rappelons que cette erreur est liée strictement à la troncature des deux séries. (185441912) que revient le mérite d’avoir développé la théorie (1886). les coefficients du développement asymptotique de cette quantité sont identiquement nuls. on choisit n de telle façon que l’erreur commise sur l’approximation soit la plus petite possible.G.&(z)). supposons que les deux fonctions diffèrent de exp(-crz) avec la partie réelle de hi positive. Il suffit donc de calculer la somme des cinq premiers termes des deux séries pour connaître Ci(l0) avec une précision supérieure à 0. Quelques propriétés utiles des développements asymptotiques Unicité du développement asymptotique . Définition On dira que la série Sri(z) représente un développement asymptotique de la fonction f(z) au voisinage de l’infini si. les conditions suivantes sont remplies : En posant Rn(z) = X~(~(X) .

k=O Produit de deux développements asymptotiques . Pour commencer. il faut que f’(x) soit continue et admette un développement asymptotique . il se peut qu’il existe une fonction Q(Z) telle que la fonction : cc admette un développement asymptotique c 2.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. Combinaison linéaire de développements asymptotiques . g(x) a pour développement asymptotique : QI(x) = 2 $ 2 a&-k. alors l’opération de dérivation devient légitime. il faut que f(x) admette une dérivée f’(x). .Si deux fonctions f(x) et g(x) admettent chacune un développement asymptotique alors la fonction Q(x) = f(x). n=O alors la fonction Q(x) = Xf(x)+pg( x).fibk . Nous obtenons donc : On comprendra immédiatement la nécessité de retrancher les deux premiers termes qui conduiraient inévitablement à des divergences. admet pour développement asymptotique : Q(x) = 2 X”kx. n=O k=O 46 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Toutes les fonctions f(x) n’admettent pas nécessairement un développement asymptotique. de plus.Supposons que la fonction f(x) admette un développement asymptotique que nous écrirons : ao + ?A + 5 + $ + . cependant. 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. X avec ao # 0 .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. Alors on peut écrire : j=o f(x) = C#(x) 2 3 j=o Intégration d’un développement asymptotique . + $ + . Différentiation d’un développement asymptotique .

Si une fonction f(x) admet un développement asymptotique et si une fonction @[j(x)] possède un développement en série entière convergent dans le cercle de rayon If] < p.1.3 1.2. LES DÉVELOPPEMENTS ASYMPTOTIQUES Rapport de deux développements asymptotiques .S122n-2 22x4 23x6 Xfi ( 47 1 .erf(x) .t) dt 5 3. Développement asymptotique de quelques fonctions spéciales 3. 1.t) 3. (2n . .s2m!! !$) & m exp(x . .3.Si deux fonctions f(x) et g(x) admettent chacune un développement asymptotique alors la fonction R(z) = f(x)/g(x) a pour développement asymptotique : à condition toutefois que be soit différent de zéro. . 3. . Exponentielle intégrale I(x) = dt pour x > 0 s z t I(x) = c<-l)n&.3) . . 3. Cosinus intégral Ci(x) = . . . Les fonctions erf(x) et cerf(x) z erf(x) = L &O s exp( -t2) dt cerf(x) = 1 . + n=O (-l)n+l(n + l)! p+2 JO3 dz .5 = exp(-x2) l-&+-. .-+ . + (-1)” l.3.4. Sinus intégral Si(x) = x !!$ & s 0 3. .3. alors le développement asymptotique de 0 s’obtient en portant le développement asymptotique de f dans le développement en série entière de 0 .

32)(4n2 ...12)(4n2 ..(z) COS(U)) dans lesquelles on a noté : u=x++a.5..(z) COS(U) .12)(4n2 . 7L 1!(8x) 3!(82)3 -.B. 48 L ..(z) sont solutions de l’équation différentielle : Les développements asymptotiques sont donnés par les expressions : A.B. cependant le calcul de ces fonctions pour les grandes valeurs de l’argument trouve sa place dans ce chapitre. Les fonctions de Bessel (1784-1846) Le calcul numérique des fonctions de Bessel fait l’objet d’un chapitre à part (annexe F).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3.32) + (4n2 ..12) _ (4n2 .(z) sin(U)) A.(z) sin(U) . Les fonctions de Bessel de première et de seconde espèces notées respectivement Jn(z) et N. Les intégrales de Fresnel (1788-1827) C(x) = z COS(&~/~) J’ 0 dt et S(X) = J sin(xt2/2) dt 0 3.52) +.32)(4n2 .6.72) n 2!(82)2 4!(82)4 B = (4n2 .12)(4n2 . A = 1 _ (4n2 .52)(4n2 .

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

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

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

on trouverait alors 36 et 56 tours. Sur le Web (*) on trouvera le programme dichot . un développement au premier ordre donne l’ordre de grandeur de f(zo + ~1) : f(xo +a) = f(xo) +%f'(ZoL d’où f(~. E n effet. La continuité de f(x) entraîne celle de g(x) qui entraîne à son tour *http://www.4. Cette technique est simple à mettre en œuvre car elle ne fait appel qu’au calcul de la fonction elle-même. quand bien même la dynamique de l’intervalle serait multipliée par 10... Gl= LT(&-1) >1 i Pour aue cette technique soit efficace. Par goût de la simplicité. il est possible de consulter une documentation fournie par le fabricant de logiciel qui informe l’utilisateur sur ce type d’erreur.. 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. car il s’agit dans ce cas d’une erreur statistique. + ~1) .com/guilpin/ 53 .. un écart type est fourni.. la prudence la plus élémentaire exige toujours de reporter la prétendue racine dans l’équation et d’afficher le résultat. Dans les centre de calcul. il est indispensable que la suite des X~C soit convergente.. alors la limite de la suite que nous désignerons par x* est racine de f(x) = 0. Quoi qu’il en soit. d’autre part aux propagations des erreurs de troncature entre autres. Comme f(~s) = 0 et f(Xc + Er) ? 0. encore une remarque : quel doit être l’ordre de grandeur de f(zo) ? On s’attend à trouver zéro. dans l’exemple précédent.edpsciences.f(~o) = ~rf’(~o) 2 10-P~of’(~o).. on forme la suite : Xl =S(~OI / ..3. 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. soit : f(x) + 2 = IC. cela ne ferait qu’ajouter une unité à p + 1. on peut poser f(x) + z = g(z) sans changer quoi que ce soit. Pour des valeurs de l’argument appartenant à un certain domaine.. 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. 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). l / I x2 =Ll(a) . c réalisant la recherche de racine par dichotomie.. quand k tend vers l’infini xk et xk+r tendent vers x*.. RÉ S O L U T I O N DES ÉQ U A T I O N S N U M ÉR I Q U E S Comme le montre l’expression donnant n. 1.. 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. et. mais en général il n’en sera rien. ce qui ne changerait pas grand-chose..

Pour pallier cet inconvénient. il suffit d’ajouter mx et de choisir convenablement m pour que la convergence soit assurée. La règle de d’Alembert (1717-1783) va nous donner la condition de convergence de la série uk : On en déduit que l’algorithme converge lorsque la condition lg’(t)l < 1 est vérifiée dans tout le domaine voisin de la racine dans lequel on effectue les itérations. admettent la même limite x*.g(sk-2) = (xk-1 . Mam t enant il nous faut examiner quelles sont les . puis l’on pose f(x) + mx = g(x) . et la série associée un. conditions qui assurent la convergence des xk. et que la suite 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. En effet si nous appelons S.G-1 avec uo = x0. À la suite des xk associons la série des uk définie ainsi : u n = xn . En utilisant la relation de définition de la série. Généralisation de la méthode Au cas où lg’(<)i > 1. 1. soit encore : . Développons le terme général Uk de la série : uk = xk - xk-1 = g(xk-1) . Nous pouvons écrire : f(x) +mx = mx.1 < f'(x) + m < +1 m Il est toujours possible de choisir m positif ou négatif. m La condition de convergence de la suite des xk est : . nous avons : sp&u~=xp.g(xk-2) Appliquons le théorème de Rolle à la dernière expression. d’où la nouvelle suite des X~C : xk = dxk-l) ~. au lieu d’ajouter x aux deux membres de l’équation f(x) = 0.4.xk-2)&) avec [ compris dans l’intervalle (X&i . nous pouvons écrire : uk = uk-d(t). 54 .xk-2). la suite des itérations est divergente. cela donne : uk = g(xk-1) .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ que limk+oo xk+i = limg(xk) = x* = g(x*). la somme des (p + 1) termes de la série. On peut d’ores et déjà remarquer que la convergence de la série un entraîne celle de la suite x. k=O ce qui démontre la dernière proposition.

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

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

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

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

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. C’est une évaluation directe de l’erreur qui constitue un garde-fou contre les mauvaises surprises. Donc. peut se trouver un point d’inflexion ou un extremum.f’(xo) . RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES où 10-P est la précision relative de la représentation en machine. c qui calcule les racines par la méthode de Newton. page suivante). Quand on tient un certain nombre de chiffres significatifs.edpsciences. 4. La méthode des parties proportionnelles consiste à choisir comme approximation suivante le point d’intersection de l’axe des x et de la droite joignant les points A et B. Soit zo la première approximation et [zo. cette méthode est utilisée lorsque dans l’intervalle où l’on recherche la racine. on lui associe la méthode des parties proportionnelles qui ramène les valeurs des approximations dans un domaine que l’on espère généralement plus raisonnable. On trouvera sur le Web(*) 1 e programme newtonid.Y) = 0.4. Méthode de Newton et des parties proportionnelles En général. Compte tenu de la précision de la représentation on pourra estimer un intervalle dans lequel se trouve effectivement la racine. 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. *http://www. 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. On trouvera sur le Web (*) le programme newtonpp. f(zo)] le point A sur la courbe y = f(z). à laquelle correspond le point B sur la courbe.3. ne provoque des instabilités préjudiciables à la bonne conduite du calcul. la méthode converge quadratiquement et pratiquement seules les erreurs de troncature viennent altérer la précision du résultat. nous obtenons : x2 = ~Of(Q) - Rf(~o) f(Q) -. 0 n effectue une deuxième approximation : f (x0) x1 = x0 . Désignons par 22 l’abscisse de ce point. Fig. 1.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. pour éviter que la valeur de la dérivée apparaissant dans la méthode de Newton notamment durant les premiers tours d’itération.6. Peu de valeurs suffisent. 2.com/guilpin/ 59 . c qui calcule les racines au moyen de la méthode de Newton et des parties proportionnelles. il faut rappeler qu’en l’absence de racines multiples.

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

comme la vitesse de convergence est éventuellement une source de préoccupation. 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. on projette ce point sur la droite Di. En revanche ces problèmes disparaissent avec les méthodes à convergence simple. Ici encore la méthode convergera quadratiquement en l’absence de racines multiples. 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. 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. Soit le système six + biy + ci = 0 (droite 01) a2x + b2y + ca = 0 (droite Dz) avec alb2 # a2bl. les méthodes quadratiques sont beaucoup plus performantes. yo). 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. c sur le Web (*). Partant d’une première approximation A de coordonnées (1~0.2. 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. Cependant il existe des méthodes à convergence simple qui font apparaître elles aussi les dérivées.com/guilpin/ 61 . Bien entendu on obtient dans des conditions convenables une meilleure approximation : x1 = x0 + dz0 YI = YO + dyo à partir de laquelle il va être facile de réitérer la procédure. C’est par ce procédé que nous calculons des diagrammes de phase théoriques lorsque les conditions deviennent délicates. Du reste. Au premier examen on peut s’interroger sur l’intérêt présenté par de telles méthodes puisque. Ce système admet une solution désignée par (x*. Le lecteur trouvera le programme newton2d. d’abord élaborée pour les systèmes multilinéaires.edpsciences. y~). 2. avec des moyens semblables. La méthode de Kacmarz (1937) Nous allons présenter la méthode. soit la transposition au cas non linéaire que l’on traitera au moyen d’une procédure itérative s’appliquant sur le système linéarisé. on obtient le point Al de *http://www.

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

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

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

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

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

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. Cela mérite évidemment un examen attentif. . Pour simplifier le problème sans pour autant nuire à la généralité. Ainsi. Toutefois ces programmes appellent plusieurs remarques : 1. Il suffit alors d’associer la matrice suivante (une des formes canoniques de Frobenius (18491917)) : ’ 0 A = 0 0 0 0 . on s’intéressera aux polynômes à coefficient principal réduit que nous écrirons donc : H. . . Ce n’est pas la meilleure technique pour calculer les valeurs propres d’une matrice et l’on étudiera d’autres méthodes directes qui nous permettront de les obtenir. + un-12 + a. on pourra utiliser les méthodes directes de calcul des valeurs propres pour obtenir les zéros des polynômes. la méthode de Bairstow nous donnera les valeurs propres de la matrice. . . ce qui ôte tout attrait à ce procédé. c et bairstow . partout ailleurs il y a des zéros.(~) est l’équation caractéristique *http://www. Hormis l’ennui précédemment cité. Cependant. 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).-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 . RÉSOLUTION DES ÉQUATIONS NUMÉRIQUES Mise en œuvre de /a méthode . . On montre que (-l)nIII. L’équation caractéristique est en fait un polynôme dont les zéros sont les valeurs propres de la matrice.-an 1 0 0 0 0 -a. . 2. Cependant. quand nous aurons obtenu l’équation caractéristique.edpsciences. . réciproquement. . = 0. 3. 3.4. On pourrait mettre en œuvre une méthode qui utilise un binôme au lieu d’un trinôme.(z) = zn + Ulrc n-1 + a22n-2 + . -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. h réalisant l’algorithme de Bairstow. .3. 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-‘. 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.com/guilpin/ 67 . Racines d’un polynôme et valeurs propres d’une matrice L’usage des mathématiques veut que la détermination des valeurs propres des matrices passe par l’intermédiaire de l’équation caractéristique dont on recherche ensuite les racines. .On trouvera sur le Web (*) les programmes bairstow. dans le cas où les coefficients du polynôme sont complexes. il n’y a pas lieu de procéder à une détermination locale préalable des racines qui peuvent du reste être complexes.

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

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

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

. “’ 0 ..~ . et cela pour k # 2... ... ou bien la matrice n’est pas inversible et son déterminant est nul. .... À présent. a... Il nous est toujours possible de permuter la ligne k avec une des lignes qui suivent. ain T(A. . ain b.. à condition qu’il soit différent de zéro.. d’une façon tout à fait générale. . il suffit d’opérer ainsi : les éléments de la première ligne multipliés par ~21 sont retranchés des éléments correspondants de la deuxième ligne. Ainsi on aura : 2 uki = uki .uklb:. . .. Il n’y a pas de difficultés à poursuivre de la même façon les transformations de la troisième ligne puis des lignes suivantes. . b. Donc. À T(I. seul le premier élément vaut 1.5.. 0 b.. . 0 0 0 . Après cette première phase.. . .@ = 0 ui2 u&.. Quand m = k.. . donc numérotées de k + 1 à n.uk2u& et b2 = b1 . b.... Cette deuxième ligne devient : ensuite. 1 b. Qu’arrivet-il si l’on rencontre un pivot nul? De deux choses l’une. le tableau s’écrit : 1 ui2 u& . les éléments de la première ligne multipliés par ski sont soustraits des éléments correspondants de la k” ligne. . 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........ . CL. Les éléments de la première colonne du tableau transformé équivalent sont nuls pour k > 1.uklc& et b) = bk . . ou bien elle est inversible et son déterminant est 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. . et ainsi de suite jusqu’à la ne ligne. Au cours des calculs. .. Ensuite. pour k > 1 : CL~& = ski . .. b”) = 0 .. nous obtenons la configuration souhaitée : 1 0 0 .. . 0 un2 CL. 0 c& & ..a1 b2 k k k2 2’ présent la deuxième colonne du tableau a été transformée selon nos vœux. nous allons traiter le deuxième vecteur colonne de la matrice A. Les b: sont les solutions recherchées du système linéaire... ÉLÉMENTS DE CALCUL MATRICIEL Pour annuler les autres termes de la première colonne.... b.. .. À la fin du calcul... Il n’y aura d’intérêt à réaliser cette permutation que si au moins un 71 .. 0 ui2 c& . .. les éléments de la deuxième ligne multipliés par uk2 sont soustraits des éléments correspondants de la k” ligne. 0 bf 0 1 0 . Nous divisons toute la deuxième ligne par l’élément u&. a& b.. nous avons supposé que le pivot rencontré n’était jamais nul....

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

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

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

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

c qui réalise ces opérations. Après déflation. . C’est la raison pour laquelle on dit que la matrice A est mal conditionnée. En effet.ao L’opération qui consiste à calculer une valeur u3 (d’abord us) puis à éliminer une ligne s’appelle À présent. toutefois. . Il est facile de calculer chaque fois le déterminant de la matrice A qui tend rapidement vers zéro avec l’ordre n. déflation. a1 a2 c Pl . . . on comprend ainsi où se situent les pertes de signification. Il n’en est rien. Pour n = 15. . . . ~2. 2. Bn . il suffit de choisir le vecteur inconnu X et de calculer le second membre B. on calcule de proche en proche toutes les valeurs ak.. c’est la seule par hypothèse. ~1 = 2. . 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.. . Nous donnons sur le Web (*) 1 e programme vdmonde . nous revenons au problème précédemment traité. 1. . .ao 1 P2 .6.2. soit 20 = 1.-1 a.~. *http://www. Rapidement les résultats deviennent aberrants.. Le calcul de ai.ao avec C = fiai. 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. a2n-1 . Le produit AX donne le second membre B. i=l 1 cr. on sait calculer a0 . k = 0. Remarquons que ce programme utilise très peu de place mémoire : seuls les vecteurs y sont utilisés. . l’ordre de la matrice a baissé d’une unité.-r = n. a(. . À partir de A et de B proposons-nous de déterminer X pour n = 5.. . on connaît immédiatement la valeur as = .15 et 20. donc on peut permuter la ligne j avec la ligne zéro sans que rien ne soit changé. Prenons pour composantes du vecteur X d’ordre n les entiers successifs de 1 à n. n . a. C’est une matrice bien connue pour son mauvais conditionnement. Cas CJÙ un des ai est nul .1. us ayant disparu. . . Pour s’en convaincre. Dans ces conditions. .edpsciences. se ramène à la résolution du système linéaire d’ordre n suivant : n-1 ‘1 cr. .10.L’algorithme semble tomber en défaut si l’un des (hi est nul. si la valeur crj est nulle. En poursuivant les opérations. nous sommes en mesure de calculer ai par le même procédé. on trouve un déterminant de l’ordre de 10V78. Qi 1 a.& puisque la première ligne de la matrice ne contient que des zéros à l’exception du premier élément qui vaut un.com/guilpin/ 76 . .MA N U E L DE CALCUL N U M ÉR I Q U E APPLIQUÉ soit encore : À présent..

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

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

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

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

. la trace de la matrice A4 est égale à Sq. . 4. On trouvera sur le Web (*) 1 e programme leverier .1) fois à gauche les deux membres de cette équation par A : A2X = AXX = XAX = X2X et ainsi de suite. ÉLÉMENTS DE CALCUL MATRICIEL Il reste à identifier les coefficients des termes de même degré en ~ç.. la trace de la matrice A’J est égale à la somme des valeurs propres de A élevées à la puissance q.. Méthode de Rutishauser (1918-1970) Nous décomposons la matrice A dont on cherche les valeurs propres en un produit de deux matrices triangulaires l’une......... c qui calcule les valeurs propres (réelles ou complexes) de matrices réelles par la méthode de Le Verrier.. n.. ici..~~+u..edpsciences. seront les sommes des valeurs propres à la puissance q. on obtient d’une façon générale : A4X = X4X avec q = 1.=O .. nous obtenons : uosp + Ulfrl f. on multipliera B par A puis on calculera la trace de B. .... triangulaire supérieure telles que A = DlG1... et ainsi de suite jusqu’à obtenir la valeur de S”. On calcule la matrice Bi qui est le produit de Gi et Dr dans l’ordre.2. de même.-lS1 + qu3 = 0 pour p > n. Gi. . + a.. Ensuite..) Il suffit de calculer la trace de A puis de multiplier A par A soit B = AA et de calculer la trace de B.. ce qui nous fournit les relations de Newton : aosl + a1 = 0 aoS + ulS1+ 2a2 = 0 QS3 + UlS2 + apsl + 3a3 = 0 . Le problème qu’il reste à résoudre consiste à calculer effectivement les valeurs S4 qui.-lS1+nu.. . . QS4 + ulS4-l + . .3. Dr.2.com/guilpin/ 81 . u()sn + Ul!Y1 +... Revenons à l’équation aux valeurs propres : AX=XX et multiplions successivement (n .. ’ + un-lSP+l-n + &sp-n = 0. triangulaire inférieure et l’autre.2. n. soit : *http://www.. Par conséquent.. (On rappelle que la trace d’une matrice est la somme de ses éléments sur la diagonale principale. pour q = 1.5. Nous savons que la trace de la matrice A est égale à la somme de ses valeurs propres.....

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

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

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

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

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

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

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

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

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

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

a. En réalité. Ce polynôme a pour expression : T.) qui n’est rien d’autre qu’un polynôme de de@ (n + 1). . n. Désignons par M. de plus.u 93 .)! ~ .(~ . on ne travaille pas sur l’intervalle (-1. On peut alors se poser la question de savoir comment choisir les ak pour que l’erreur E(z) soit minimum. L’INTERPOLATION intervalle contenant z et les ai (dans le cas de l’extrapolation z n’appartient pas à l’intervalle 1 précédemment défini).+r(z) = & COS[(~ + l)Arcos(z)] Les zéros de ce polynôme sont donnés par : (n + l)Arcos(zk) = 5(2k + l). ~ 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.appelons que cet intervalle sera plus grand que I s’il s’agit d’une extrapolation. c’est-à-dire que I : n’appartient pas à l’intervalle 1.. c’est le polynôme de Tchebycheff (1821-1894) qui s’écarte le rnoins de l’axe des x sur l’intervalle (-1. Nous obtenons alors l’expression suivante : de là nous tirons l’expression de l’erreur E(z) : Comme chaque fois en pareil cas. l’expression de l’erreur devient : fi(x E(x) < (ri+. on procède à la majoration de f cn+r) (Or) dans l’intervalle adéquat.!.+r la limite supérieure de f’“+‘)(x) dans l’intervalle concerné. elle dépend des points CL~. Nous montrerons au chapitre 9 le théorème suivant : parmi tous les polynômes à coefficient principal réduit de degré (7~ + 1). mais sur l’intervalle 1 dont la borne inférieure est a et la borne supérieure b. R. +l). De plus il est important de noter que l’expression de E(z) varie en fonction de x et que. Le changement de variable : Z= 2x-u-b b . Comment minimiser E(x) La seule façon possible de réaliser l’opération est de rendre minimum l’expression n~=.2:.. .) i=. . soit : 7r(2k + 1) zk = Cos 2(n + 1) avec k = 0 . 1.a. 4.6. +l).

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

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

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

.L(x) = Mo + Ml(z ~ uo) + Mz(x . + zA1bo + ~~2b0 + . on donnera à z les valeurs ae ~ kh avec k = 0. . On obtient donc : . on affcctcra un indice aux valeurs correspondantes des ordonnées avec un signe ncgatif.q(q . + 42 . .. L ‘INTERPOLATION À présent. On obtient alors : = b...uo) ..l)h]. 1%.6.Mlh P.... l (6..+Mn(rx .. pour éviter toute confusion. b ~ (TL . ..h) = bki =A&.2....2h) = bka = Mo ..qh) = bk.)(z ~ ao + h) +. = ~ n! h” Pour des raisons de concision d’écriture il est commode de poser : Ainsi l’expression devient : PrL(z) = b. N.. L’expression (6.5) Cette formule s’appelle polynôme de Newton descendant. [x . ..... nous allons exprimer de proche en proche les coefficients NI.qMlh + q(q .l)(q ~ 2)M# . 1.. c’est-à-dire en changeant de signe la raison de la progression arithmétique.. (6. = Mo P.a0 + (n..(a. 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).h’J . n. .6) Comme précédemment.4) devient : P. = Mo ..(ao ..111 *nbo. Pour obtenir les interpolations en queue de tableau ~ disons avec le dcrnicr quart des données ~~ il suffît d’écrire le polynôme de Newton en considérant 1111 pas négatif.1) ‘. .. soit b-k. + (-l)“q!M<. rnais.1)M2h2 +. A”b.. (ao) P.2Mlh + 2!Mshj2 Pn(ao . au moyen des opérateurs de difference définis au paragraphe préccdent. ..u.

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

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

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

Le polynôme de Newton descendant (6. on pourra préférer de réaliser les interpolations.1).17) Dans ces quatre expressions MTb conserve la même dcfinition que celle qui a 6ti: explicitee au cours du paragraphe 3 de ce chapitre.3. L’INTERPOLATION 10.1. . Programmes déterminant les polynômes d’interpolation Nous avons donné sur le Web(*) 1 es programmes lagpoly . peut souvent conduire à des calculs assez longs et dont l’intérêt n’est pas toujours vraiment immédiat. 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. Un polynôme et un seul représente la fonction dans un intervalle formé par deux abscisses consécutives (uk. c. soient le polynôme de Lagrange et les deux polynômes de Newton qui sont les formes les plus usitées (cf. Le polynôme de Stirling (polynôme pair) (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.)+d2. Alors.4.2. 12. on doit au total calculer n(q + 1) termes. ascend. Le polynôme de Bessel (polynôme impair) p&+2(Z)l < Iz(z” . Chaque polynôme ayant (4 + 1) coefficients.15) 10.16) 10. Pour réaliser cette opération on impose les conditions suivantes : *http://www.14) 10.l)/ (2T’y. a. la méthode d’Adams concernant l’intégration des équations différentielles). 11. c et descend. Stirling ou Bessel. Interpolation par les fonctions-spline Replaçons-nous dans les conditions générales du début du chapitre du moins pour ce qui concerne les données. par exemple. c qui permettent d’obtenir les formes de quelques polynômes rencontrés dans ce chapitre.edpsciences.n)(z2 ~ n . (22 .L+2. (6.k+r).com/guilpin/ 101 .6. Le polynôme de Newton ascendant (6. .

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

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

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

nous allons diviser la première ligne du tableau T par l’élément diagonal mil. 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.edpsciences. Pour parvenir à notre fin.. on réalise une opération en trop qui est m2i/m22. si l’on utilise les fonctions-spline du troisième degré. En particulier. On pourrait penser qu’il vaut mieux commencer par effectuer la division par le pivot avant d’effectuer la combinaison linéaire qui élimine m21.. on trouvera le programme lispline. On divise alors cette deuxième ligne par 1’ClCment situé sur la diagonale. La dernière ligne donne directement la valeur de la dernière inconnue. .6..on aboutira à une valeur numérique dont la précision est analogue à celle donnée par la méthode de Simpson (1710-1761) puisque. Nous donnons les étapes du calcul de l’expression qui est programmée. Partons de l’expression générale du polynôme d’ordre k : *http://www. on aboutit à une économie considérable de mémoire et de temps de calcul. h qui assure cette intégration. Une application simple des polynômes d’interpolation L’intégration formelle d’un polynôme est une des rares opérations que l’on sache réaliser rigoureusement. 0 P34 0 1 P+I. chapitre 5). tous les éléments de la diagonale principale prenant la valeur 1 (cf. En poursuivant de ligne en ligne la même façon d’opérer. En considérant le problème de résolution d’un système linéaire sous cet angle particulier. La ligne (n ~ 1) permet d’obtenir alors l’inconnue (n . . Sur le Web (*).1) opérations ce qui n’est pas négligeable lors de procédures répétitives où le temps d’exécution peut devenir important. mais dans ce dernier cas. 15. il suffit de multiplier la première ligne par mzi et de retrancher le résultat de la deuxième ligne. il s’agit d’interpoler une fonction par une parabole cubique. il est inutile de diviser m& par m& après la réalisation de la combinaison linéaire car rn& est nul. . .~ dz 61 0 0 0 0 0 0 0 1 4.1) par substitution et ainsi de suite en remontant jusqu’à la première ligne du tableau. . Ensuite. En effet..com/guilpin/ 105 . Cette remarque fait gagner (n. Nous fournissons sur le Web (*) 1 e sous-programme aire. on aboutira nécessairement au tableau T* qui aura la forme suivante : 1 0 0 PlZ 1 0 0 PZY 1 0 0 4 dz . c qui réalise l’interpolation par des fonctions-spline du troisième degré. Il n’y a pas de difficulté particulière donc à utiliser les polynômes d’interpolation pour réaliser les opérations de quadrature.. dans les deux cas.

j&!!i) (x-2. . - h2k bkpl . .) = pp ..bn k=O 16.. il vient : Sk = J’ alc-1 Pk(x) dz = Mk-1 (x .2) qui passe par les Points (Q.<< q . . .._ 4 le polynôme de degré (p ~ q ..q = (xc7 .bo. on arrive alors à une expression encore plus simple de S : ~ S=h -&..1. Pp . Y~) a’ 1‘exception du point (IC. .. nous précisons que le second membre est un déterminant. yp) . 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. Relation de récurrence entre les polynômes P Entre les polynômes Pp .18) où. n. en ce sens elle est analogue au polynôme de Lagrange. on a : Pp. .tx) . pour une valeur 2. ... q (x u) = Pp . 16. 106 . & = yv..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Désignons par Sk la surface comprise entre ak-1 et arc. Dans le cas fréquent où les abscisses sont en progression arithmétique. . (0) .x) (x77 -xl pp ..__..4” 24hk 24hk (uk 2hk cc)” + (hi ..ak-1)4 _ Mkpl (Q . Y~) ..q(x. Avant même de rentrer dans le cœur du sujet.(cr) . nous pouvons poser h = hk quel que soit l’indice k.. 1..___ ._. La démonstration de cette relation repose sur le fait que. Y~) et par Pp ..(7T) . pour plus de clarté.. et x. il est possible d’ores et déjà de remarquer que l’ordre des points ne joue aucun rôle quant à la nature des polynômes.fn) ... .. Dans ce paragraphe. .7J .... différente de 5.. (xkq._.-1)2 ak ak-1 .%)Pp. (xq.1) qui passe par les poilits (q.__ 4 et Pp ._ . . yk) avec k = 0.2.q le polynôme de degré (Q ... ... C’est une méthode directe qui permet d’obtenir donc une valeur unique du polynôme.._ q il existe la relation de récurrence suivante : (x77 ...p ......(m) )_.AI/+6 Le développement de cette dernière expression conduit à la formule simple : là on tire : expression dans laquelle S est l’intégrale totale. q p.tc) .4. on désigne par Pp.. (6. yT).

l’une due à Aitken l’autre due à Neville laquelle n’est qu’une modification de la méthode d’ilitken. Xl .%)YY.POLATION et dans le cas où 2.3. J~).18) peut donc s’écrire : (Gr . au plus éloigné...n pour la valeur x~. nous allons calculer le polynôme P”.. n POIS.3.. On en conclut que l’égalité (6.(. On procédera ainsi de suite jusqu’a l’obtention de l’élément Po~..p ~ 1) qui sont Pp.n À partir de la disposition des yk et des (x...l..-l .~ et PP. on adoptera l’ordre des points allant du plus près de x.Xl *Xl . . 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. Pour le cas où 2. X... ....xv xv ...X” . moyen de l’expression : [(xl .X:?l x0 . c’est-à-dire P012.X/l x0 . en définitive.(xj ..~ qui constitue..%)YL/ = (2....%)Y.%)Y.2.X/L YV pO n POln P012n P0L.. la valeur recherchée Y~...4. . .18) es t une relation qui permet de calculer le polynôme Pp. = (Gr .q de degré (4 ~ p ~ 1) à partir des deux polynômes de degré (4 ... = CC..18).G)YY. cn formant une suite convenable de polynômes intermédiaires Pp. 16... Calcul numérique de yp En faisant usage de la relation (6.... L ‘INTER..... 107 .. Dans le cas d’une extrapolation.xp)yj ~ (xj . ..Méthode d’Aitken ...x0) on va calculer les polynômes Pol.).G)Yr. Po2..x. PolL à l’aide de la relation : poj = (xo 1 xj) polj = (xo 1 xj) [(X0 .xp)yO] avec j = 1.. . ...CI et Pr. Remarque 1 : Pour obtenir une précision optimum....)Pol] avec j = 1... . A ce propos nous étudierons deux méthodes...... n.. = -(xc ~ %)Y.... nous obtenons encore l’identité des deux membres de (6. = 2.x2 x0 ..xv x0 ... La relation (6..x3 Y0 21 52 23 ~ ~ ~ 211.. ...(C)>. Aitken a proposé la disposition suivante : x0 ..6. nous pouvons écrire : (xx . .22 5 2 .... .xp)Poj ... .. = 4% ~ %)Y.2.18) : (2... xfi X/l y1 Y2 Y3 Pol po2 po3 Pol2 Pol3 Pol23 .Pour résoudre le problème des polynômes intermédiaires. a .. .. PolrL au Ensuite on calculera la colonne suivante dans le tableau...x3 Xl .. .2...(xc ..

048 4 -0. il n’est pas utile de poursuivre les calculs jusqu’à l’obtention b . < x. . La table donne y = 0. .223 9 -0. -211 yn P+I. ..xp Y0 1 2 Xl -xp Y Pol fi2 p23 x0 -x2 x0 . lequel fournit pour la valeur d’interpolation 0.5 230 2.380 1 On reconnaîtra là un extrait de la table de la fonction de Bessel de première espèce Jo(z). . clans le calcul de yr. 2. Remarque 2 : Il n’est donc pas nécessaire d’utiliser les points très éloignés de 2. on rencontre deux termes Pol. x1 - x2 x2 -x3 x2-x1. .1L 16. .Neville a proposé une autre disposition du tableau d’ilitken qui est reportée ci-dessous : x0 X0 ~ . ..260 1 -0. *http://www. . Du reste. . < x1 < 23 < . .x3 x0 . < x‘&+l .> car ils n’auront que très peu d’influente sur le résultat. . . . On trouvera sur le Web (*) le programme p-aitken.765 2 0.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ S’il s’agit d’une interpolation. . . < x2 < x‘. . .O 375 0.5 14 1. comme le montre le calcul concernant l’interpolation. donc il convient tout simplement de faire jouer un rôle prioritaire à ces points dans les calculs.5118 0. .edpsciences. Autrement dit.. . . Y3 . . . . . . ce sont les points les plus proches voisins de xm qui jouent un rôle prépondérant. . < 22k < .398 0. . ..com/guilpin/ 108 .938 5 0.397 97. .-l-X. . . P012n PO1. c réalisant la procédure d’Aitken.x1 . . .5 3.2.. Exemple numérique d’interpolation par la méthode d’Aitken On se propose d’effectuer une interpolation dans la table suivante : 070 1. .lc et %. .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 ». . . .70.Méthode de Neville . . si au cours du calcul. On désire effectuer l’interpolation pour la valeur x = 1. . X. on choisira une distribution initiale qui correspond à un encadrement du point z. . x3 ~ Y Pola p123 h23 X1-Q xn-2 -x71 xc.000 Y 0 0. de telle sorte que l’on réalisera la disposition suivante : . . .3. .

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

. Remarque : Dans le cas où la fonction f(x) que l’on approche par la fonction O(x) est connue analytiquement.2. . alors les sommes discrètes sont remplacées par des intégrales sur l’intervalle d’interpolation 1. On écrit le système : 2 UZkxk + (Yk = 0. . . j=o pour 1 = 0. on obtient alors : xaj xu&ujk = xurr:hk j=o k=O j=o 110 avec 1 = 0.Système linéaire surdéterminé de (m + 1) équations à (n+ 1) inconnues m étant plus grand ou égal à n. 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. b .2. Le calcul de ces intégrales peut être éventuellement conduit numériquement dans le cas où les quadratures n’existent pas. . 1. Applications immédiates a .2. 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..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. Généralement on parle de régression parabolique au moyen d’un polynôme de degré m .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ cette dernière expression peut encore se transformer avantageusement de la façon suivante : C~jCm. . Il s’ensuit que b E2 = e2(x) dz s a avec E(X) = f(x) ~ ffJ cyjQj(x).m. ... Sans trop de difficulté on obtient le système des équations normales associé au système surdéterminé de (n + 1) équations à (m + 1) inconnues. .2. R.. ou pour le moins ne sont pas évidentes. m. . . Il sulht de remplacer @l(x) par XL dans la relation précédemment établie . 1.(uk)~i(uk)=Cpll(ak)lrk j=o a v e c Z=0.m.. avec 1 = 0. 1.1. k=O k=O Nous obtenons alors un système linéaire de (m + 1) équations à (m + 1) inconnues dont la résolution nous fournira les coefficients aj.

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

les coefficients de la combinaison linéaire ne sont pas corrélés. . En 1783. en revanche.7 Les polynômes de Legendre. Les polynômes de Legendre rentrent. c’est en électrostatique que l’on se familiarise avec les polynômes de Legendre. Les polynômes de Legendre ont connu rapidement une autre fortune entre les mains de Gauss (1777-1855) qui a utilisé leur propriété d’orthogonalité en proposant une méthode d’intégration numérique particulièrement précise. et c’est le but de ce chapitre que de proposer les enchaînements mathématiques propres à éclairer la méthode. +l) qui prennent la valeur +l pour la valeur +l de la variable. MacLaurin détermina aussi la valeur de l’attraction exercée par un ellipsoïde homogène sur un point situé en son intérieur et sur sa surface. comme cas particulier. comme le sont les coefficients des séries de Fourier avec lesquels nous sommes davantage familiarisés.1. l’établissement des relations exige quelques calculs. 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. La technique opératoire est d’une très grande simplicité. c’est-à-dire qu’ils sont calculés une fois pour toutes.1806) est postérieure de deux ans à leur avènement. Les polynômes de Legendre 1. mais il faut rappeler que la loi de Coulomb (1736. 1. 113 . ainsi s’ils sont utilisés comme base de décomposition. dans la classe des fonctions sphériques introduites par Laplace en 1785. 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. Définition Les polynômes de Legendre sont des polynômes orthogonaux sur l’intervalle fondamental (-1.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. Aujourd’hui. 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. La solution repose sur l’introduction d’un ellipsoïde homofocal et d’une fonction génératrice des fameux polynômes de Legendre. +l) pour les fonctions généralement continues. Legendre étendit le calcul de l’attraction exercée sur un point situé à l’extérieur de l’ellipsoïde.

À présent nous avons imposé n conditions au polynôme Rzn(x) .1) près .1) premières dérivées de F&(x) ainsi que &(z) s’annulent pour z = -1. il faut encore que : Cette condition ne peut être satisfaite. Cela nous conduit à écrire que : cependant pour que l’intégrale (7. Si l’on remarque qu’un polynôme quelconque Q.(x) = K(z . on peut préférer la condition P. que lorsque Rzn(x) et ses (n ~ 1) premières dérivées s’annulent pour z = 1.14)) alors.1)7L(z + 1)” = K(x2 .(x)Qp(x) dz = 0. il reste cependant défini à une constante multiplicative près que l’on désigne par K. autrement dit. c’est-à-dire ceux dont le coefficient du terme de degré 114 .(x) dz = [Q.1)“. paragraphe 1.(x) dz = 0 (7. et l’on peut par conséquent convenir que les (n.. On peut adopter les polynômes orthonormés.2) Cette dernière relation va nous permettre d’exprimer les polynômes de Legendre d’une autre façon en procédant à une intégration par parties.1) si P. la définition impose que : -1 J +1 P. mais l’on peut tout aussi bien s’intéresser aux polynômes à coefficient principal réduit.(x) le polynôme de Legendre de degré n.(l) = 1. on posera : où Rs%(z) est un polynôme de degré 2n que nous allons déterminer. quel que soit le polynôme arbitraire Qp(x). On peut donc l’exprimer sous la forme : Rz.(s) est le polynôme de Legendre de degré m tel que m # n. (7. Pour cela. Il y a plusieurs façons « canoniques B de choisir K. il nous est possible de choisir arbitrairement n constantes définissant &(z).(x)~R~.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Designons par P.(x) de degré p peut s’exprimer selon une combinaison linéaire de polynômes de Legendre de degré égal et inférieur à p (cf. On obtient alors : Jpnm Q. pour p < n on aura également : -1 J +1 P.2) soit nulle.(x) +1 -1 Il convient de remarquer que le polynôme Rzn(x) est défini à un polynôme de degré (n .(s)P.

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

PApl(x) avec n # 0.. 2” n! dZnpl [(2n + 1)(X2 - V] +Pn-l(x).-l] _ soit encore : Pn+l(S) = . 116 .(X) quel que soit n. cette quantité est égale à : En définitive.1)” + 2nz2(22 .L-l(x) + nP. { d’où une première relation de récurrence entre polynômes et dérivées : PA(x) = xP.3. 1.-l(2) = 0.+i(z) .l)! (7. en utilisant la relation de Leibnitz : x&+n S} (x2 .nPAel(z). La soustraction de ces deux dernières expressions conduit à la seconde relation de récurrence entre les polynômes et les dérivées : nP.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’.I)+l dans la dérivée du second terme : [(x2 .l)+l.5) PA(. La relation (7. (7.(z) = xPn(c7~) . Relations de récurrence faisant intervenir des dérivées Dérivons la formule de Rodriguès par rapport à 2.6) Ces deux dernières formules sont utiles dans le cadre de l’étude de la méthode d’intégration de Gauss-Legendre.1.) = 11 2+l (n .2n(22 .s 1 1 dl’-’ [(2n + 1)(x2 . la dérivation de la relation de récurrence (7.qn-l .(z)} D’autre part. cela donne : soit encore.(2n + ~)CEP~~.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ puis on ajoute et l’on retranche 2n(x2 .5) peut encore s’écrire (n + l)Pn+l(~) = (n + 1) {taper + (n + l)P.4) donne : (n + l)Pn+l(z) = (2n + l)PTL(x) + (2n + l)zPA(z) .q-1 + 2+? .-l(Z). Calculons le premier terme du second membre en utilisant la relation découlant de la règle de Leibnitz.1)” + 2n(22 ~ l)+r] . (n + l)P. il vient : On aboutit finalement à la relation de récurrence désirée : (7.(X) + nP.

en vertu de la formule de Rodriguès. (1 . d’où l’on tire : Éliminons Pl’l(x) entre ces deux relations : P. En poursuivant le calcul jusqu’à la dérivée n ième.(x) dz = K” -1 J +1 $(x2 ~ 1)+$x’ . c’est une équation diffkrentiellc linéaire du deuxième ordre appelée équation différentielle de Legendre. t l / / .2zI374 + n(n + l)P.(x)} R.(x).l). 1 / I 1. + ..1)” dz e t w= / 117 . qui possède n racines réelles comprises entre -1 et +l.(z).p.(x) + 2 {xly(x) .7. on voit que R&)(z) est un polynôme de degré n. Propriétés des racines des polynômes de Legendre Un théorème permet d’affirmer que les zéros de chaque polynôme de Legendre sont simples.L(x) + nqpl(x) = (7-L + l)P.). Revenons à la fonction I&(Z) = K(z2 ~ 1)“.6) donne : .“)P..5) faisant intervenir les dérivées : ai = %(x.(n ~ l)P.6) : \ Cette expression ne dépend plus que de F’.5.7) I 1 I Cette dernière relation est vraie quel que soit TZ. les racines de P.-. Norme des polynômes de Legendre Calculons à présent l’expression : +1 . Elle possède 2n racines égales à -1 et +l.-.1) racines égales à -1 et (n .este à éliminer PAPI (x) l’aide de la relation (7. J= Posons -1 J P.. De même. 1..6. la dérivation de la relation (7.4.(x) + xP.(x) et de ses deux premières dérivées : .P&) = xP:L(x) + PA(x) ~ P:I-l(X). Équation différentielle dont les P. et l’on peut ajouter que cette fonction a (n .(z) .(z) = 0.(x) sont solutions Derivons une fois par rapport à z la première relation de récurrence (7.’ dx 1 avec K = ~ 2%! du = $x2 . (7. LES poLmvônnm DE LEGENDRE 1. Ce sont.P. Le théorème de Rolle montre que Ri.>.(x) = (n ~ l)P.(z) a une racine réelle entre -1 et +l.1) racines égales à +l.

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

6.693x” + 3152” ~ 35x)/16.5)/16 &(Cc) = (42927 . de Pc(x) et de Pi(x). 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..8) 1.315x4 + 105x2 . On les rencontre lors de problèmes de lissage sur l’intervalle de définition (0. 1 . 5. on peut calculer les coefficients selon les puissances croissantes ou décroissantes de la variable 2 des k premiers polynômes de Legendre.3. b). c permettant de calculer ces coefficients. Rien d’essentiel n’est changé pourvu que a et b restent finis.3. on obtient le résultat suivant : . (2n + 1) -1 +1 c%-4 dz = (2n+ 1) s (7.5 En définitive.9.30x2 + 3)/8 PS(z) = (63~” .edpsciences. +l) qui est remplacé par l’intervalle fini (a.7. 1. +l) ainsi L s’écrit : L = (-1)" Ensuite. On trouvera sur le Web(*) 1 e programme legendre.8.l).7.4. 2. Il est courant de définir d’autres polynômes de Legendre sur l’intervalle (0.t (2n + 1) = (2n+ 1) .1)/2 PS(z) = (52” . on entasse tous les coefficients des polynômes les uns à la suite des autres dans un tableau unique à une seule dimension. nous pouvons écrire : J = (2n)! 1 yÏ2’“-11. Dans le cas où l’on utilise un calculateur arithmétique. .com/guilpin/ 119 . l). 1. *http://www.702” + 15x)/8 P6(z) = (231x6 . et ils sont appelés parfois polynômes de Legendre modifiés..3x)/2 P4(2) = (35x4 .4). pour des raisons d’économie de place mémoire. On en trouve une application intéressante lors du calcul de diagrammes de phase.2n 2. Variantes concernant les polynômes de Legendre Il n’est pas bien difficile de reprendre cette étude en changeant l’intervalle fondamental (-1.. Calcul des coefficients des polynômes de Legendre À l’aide de la relation de récurrence (7. . Les premiers polynômes de Legendre P”(X) = 1 PI(X) = 5 P2(x) = (322 .

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

dz. 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:. En toute rigueur. que l’on se propose de décomposer sur la base des polynômes orthogonaux de Legendre l’. il suffit de remarquer que lc polynôme est un polynôme de degré n ~ 1. -1 Soit encore : +1 / ~(X&. LES POLYNÔMES DE LEGENDRE En multipliant chacun des membres par &(x) puis en integrant sur l’intervalle (-1.13.:xnmk k=O avec ao # 0. Décomposition d’un polynôme quelconque en polynômes de Legendre Considérons un polynôme quelconque dc dcgri: n : QyL(x) = ~u. fl). 1. Ses coefficients sont donnés par : . dkignons-le par II+~(X).(X) dx = c a. (x)%(x) dz.(x) que l’on écrit : Le principe de la décomposition est tres simple.7. on obtient : +l cc f(x)Pk(x) dz = c aTLPIL(x)Pk(x) s s p1 7z=o +1 dz. -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~&.

com/guilpin/ 122 . remarquons que le changement de variable : a+b b .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Il n’y a pas de difficulté à calculer les coefficients /?. donc à partir de ce moment nous sommes ramené au problème précédent à cette différence près que les polynômes mis en jeu ont perdu un degré : nous sommes passé du degré n au degré (n ~ 1). Méthode d’intégration de Gauss-Legendre 2. et il est très aisé d’effectuer cette décomposition en calcul automatique. nous arriverons au degré zéro. et l’on trouvera sur le Web (*) le programme dcomleg. 2. Calcul de ~lx”P.1. on obtient : et comme : on peut écrire sous la forme : Il est aisé de déduire : en tenant compte des relations d’orthogonalité. Position du problème On se propose de calculer numériquement l’intégrale : b 1 = F(t) s dt (7. Avant d’entamer ce calcul.edpsciences.a tz2 +yz *http://www. en outre F(t) ne comporte pas de singularités notamment aux bornes du domaine d’intégration c’est-à-dire en a et b.14.9) lorsque cellc-ci. c réalisant cet algorithme.ddx -1 On peut toujours décomposer xn en polynômes de Legendre selon la manière qui vient d’être décrite. 1. et b demeurent finies. Par ce procédé. Cette relation est utile lors de l’étude de la méthode d’intégration de Gauss. bien entendu. a un sens et que les bornes d’intégration a.

on retient comme critère l’égalité rigoureuse des expressions (7.11)).2. Soit : n expression dans laquelle PJ (x) est le polynôme de Legendre de degré j et Aj le coefficient numérique de la décomposition. b). Quoi qu’il en soit.11) dans le cas particulier où f(z) est un polynôme.+r (X)I”(x) dz = 0. -1 j=o j=o -1 123 .. 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. un calcul d’erreur fondé sur cette remarque viendra apporter tous les éclaircissements utiles. 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. le théorème de Weierstrass est très postérieur à la méthode de Gauss un petit siècle les sépare ~ néanmoins on peut remarquer que. /:i:. choisir un critère pour déterminer les zk et les Hk.d~=~~(z)dz. 2. 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. LES PoLmôMEs DE LEGENDRE ramène le domaine d’intégration à l’intervalle fondamental (-1. Pour obtenir ces valeurs. En vertu des relations d’orthogonalité. Bien sûr.. +l). dans le cas où f(z) est continue et possède des dérivées successives continues sur le compact (a.(. C o m m e il y a 2(72 + 1) coefficients arbitraires. Calcul des abscisses xk Supposons que f(z) soit un polynôme Qn (z) de degré n.11) montre qu’il y a (n + 1) valeurs zk: à déterminer ainsi que les (n + 1) valeurs Hk qui leur correspondent. L’examen de la formule (7.10) et (7. le polynôme sera au plus de degré (2n + 1). Dans le cas général où f(z) n’est pas un polynôme. nous pouvons écrire : M = -1 s Qn. Ce polynôme peut torrjours s’exprimer au moyen d’une combinaison linéaire unique de polynômes de Legendre de degré égal et inférieur à n. b) peut être approchée uniformément par un polynôme.7. ce qui donne : I=].11) b.10) a -1 La méthode de Gauss pour évaluer numériquement l’intégrale 1 consiste à : a. à une approximation près qui est donnée par le reste de la formule de Lagrange.(x)Pn+l(x) dx = +1 J!Pn+l(x) 2 AjPj(x) dz = 2 A. le développement en série de Taylor montre que f(z) peut se développer selon un polynôrne de degré n. (7.

il est bon de les obtenir avec une bonne précision.+l (z) ne possède que des racines réelles et simples. 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. ainsi défini : À Puisque l’expression (7. +l). nous allons calculer les racines des k premiers polynômes de Legendre.~~+~ étant le coeflicient du terme de degré le plus élevé dans le développement de P.outes les racines de tous les polynômes de Legendrc appartiennent à l’intervalle (-1.3. on en conclut neccssairement que Pn+i(zj) est nul. ne peuvent être nuls sinon lc nombre des abscisses zk s’abaisserait. page 131. Comme ces valeurs sont universelles.3. les valeurs numériques des racines du polynôme de degré 13.+1(2) = UO. distinctes et comprises dans l’intervalle (-1.+l (zr) sont réelles. On a reporté sur le tableau 7. À ce propos. 2.n+l fi(X . Bien entendu: si l’on dispose d’une possibilité d’effectuer les calculs en double précision. et comme par ailleurs les Hk.4. elles pourront être rentrées une fois pour toute dans un calculateur. nous obtenons l’expression suivante : Comme cette relation doit être vérifiée quel que soit le polynôme Qn(z). Remarque 9 : Il est important de constater que les valeurs x1. Remarque 2 : Puisque t. 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. la rnéthode de Bairstow va se réveler particulièrement pratique et efficace pour obtenir les valeurs numériques des racines.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ En introduisant la relation (7. de degré éga. nous pouvons l’exprimer en fonction directe d’un produit de monômes : P. ne serait-ce que pour les employer lors de calculs réalisés sur les petites machines portatives. il est recommandé de l’utiliser. 2.l ou infcrieur à n. nous savons que toutes les racines dc P. présent considerons le polynôme QTL~(z) de degré n. Remarque 1 : Avant dc poursuivre plus avant les calculs.Xj) j==O UO. +l).11) doit donner une valeur exacte de l’intégrale de QTLk (z). nous pouvons écrire : (7. Il).+r(z). Il s’ensuit que les xk sont les (n + 1) racines du polynôme de Legendre de degré (n + 1).13) 124 . ne dépendent pas de la fonction à intégrer et sont donc des constantes universelles. d’ores et déjà. Calcul numérique des racines xk des premiers polynômes À l’aide de la méthode de Bairstow. Calcul des coefficients Hk Puisque le polynôme dc Legendre P.

(x)-P7L(xk)]/(x-xIc) est un polynôme de degré (n-l). Pour ce faire.n+l fibc i=o ijk .16) -1 125 .+l(x) dz.xi) = &nk(xrc).7.+i(s) .uk(x) dz. LES PoLmôMEs DE LEGENDRE Le second membre a toutes ses sommes nulles sauf une seule lorsque j = k.15) est nulle.xk)el s Q.P. Une expression de Qnk(xk) plus commode à exploiter est souhaitable. expression à partir de laquelle on tire : +1 Hk = Qnk. E n vertu de la relation d’orthogonalité et du théorème de décomposition. Développons cette expression : dz .xk) est une racine de p. considérons l’expression suivante : +1 P.n+lHlc fi@. l’intégrale (7.14) Nous allons procéder à la transformation de l’expression (7.+dxk) = aO.+~(~) s -1 pn(x) . On obtient en définitive : Hk = 1 ~A+1(4 -1 ~ .(xk) +lP.pn(xk) dz x .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. ~ xi) = ifk i=o HkQnk(a).(x) . Nous obtenons : +1 L = -1 s Qnk(x) dx = ao. ~ J’ x . et pour cela calculons la dérivée de P.P.xk (7.xk On voit immédiatement que (x . L’expression (7.+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. (xk) et que par conséquent [p.14) qui n’est pas encore d’un emploi très commode. nous avons : et pour x = xk nous obtenons : p. Insistons sur le fait qu’ils ne dépendent pas de la fonction dont on cherche à calculer l’intégrale de façon approchée. (7.

Hk prend mie forme très simple : Hk = 1 1 2 P.17) pour écrire : (7. . En définitive.18) 126 .emplaçons n par (n + 1) et x par xk: dans cette expression. + arr+1.. R.+i(s) admet un développement du genre : P. nous obtenons : (1 ~ x. par identification.+1(x) = u”.~ 2n + 1 n+l 2 En revenant à l’expression (7.n+lxn+l + qn+llCn + .+1). En tenant compte des relations d’orthogonalité. . on obtient la valeur (2n + l)/(n + 1).n+1 et comme d’autre part xk: est une racine du polynôme.+ ~20.13) et (7. Éliminons Cl( x 1 en re 1 es relations de récurrence (7.~ en remplaqant dans l’expression (7.+l(xk) P.xk)(h~.(Q) n + 1 (7. on peut écrire : Pn+l(X) = (x ..17) Il existe une autre forme de HI..MANUEL DE CALCUL N UM É RI QUE APPLIQUÉ Évaluons le premier terme : Comme P.14).n+lxnl?&) d z ao = A n~. on note que : ao. très utile à connaître parce que très facile d’emploi.16).(x) -~XE&(X) = 0.~+~/a~.(zk) d ans la relation (7. on obtient : 2 2n + 1 La relation de récurrence entre trois polynômes consécutifs permet d’obtenir directement ~. T s’exprime alors de la façon suivante : +1 T = -1 J’ uO.+~(xk) = (n + lR(xk). Il suffit de reporter la valeur de (n + l)P. (1 -~“)I?n(x) ~ nP+..~~ en identifiant les termes de degré (n + 1) .<.n+l. on peut alors écrire : -1 +1 . + h7.ll+lxn + h.~)pL.I’ 1 1 ao. .n+lx n-1 + .14) .+ = h. on obtient : t .

/ $ Hkxp+l k-0 + f’2”+“‘(E) 2 I&X~+~. Intégrons terme à terme cette expression.5.cm ! Hkxp + k:=O ... .1.). 2.1..2.7. f ” ( 0 ) 7’ 2! c H~Z:.. 2. b) Nous avons montré que le changement de variable : b-u b+a 2 y=T+-x nous ramène à l’intervalle (. Yk = ~ 2 2 Les HI.. n’étant pas modifiés.f”“(O) +‘. k=O + . +l). On trouvera sur le Web (*) 1 e programme r-legend.f”(O) + . + (2. c calculant les Hk.p+2 f ( x ) = f ( 0 ) + $(O) + $(O> + . Retour sur le calcul de l’intégrale définie sur (a.vôms DE LEGENDRE Cette formule est d’un emploi plus intéressant que la relation (7.+ f(24 (0) n . L’exploitation directe dc la relation (7.‘+ (2&! On remarque que toutes les dérivecs d’ordre impair disparaissent lors de l’intégration.+)j. Calcul de l’erreur commise lors de l’approximation Supposons que f(x) soit une fonction continûment différentiablc sur l’intervalle fini (canonique) (.17) non seulement sur le plan de la programmation mais aussi sur le plan du temps de calcul.6. . LES Pow. Il n’y a pas de difficulté particulière pour obtenir ces valeurs numériques dans la mesure où les coefficients des polynômes ainsi que les racines ont été convenablement placés dans un ou des fichiers. . on obtient : +1 I = s -1 f(x) dz = 2 f ( 0 ) + .edpsciences. (212 + 2)! k=” *http://www. Le développement de Taylor-MacLaurin à l’ordre (2n + 1) nous donne : .com/guilpin/ 127 .)j f’““+“(o) + p+2)(<) (2n + 2)! expression dans laquelle J: et < appartiennent à l’intervalle (-1. . et chacune des intégrales se ramène au cas qui vient d’être présenté.11) donne : f’(O) n J-f(0)~H~+T~H~x*+ k=O k=O +. + (2m. + 1). 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) Par conséquent ~il suffit alors dc calculer : b+a+b-n -Xk.

+2 = sup 1f(2n+2) (x) /p our x appartenant à (-1.m k=O 2 = ~ 2mtl z?L+l _ HkXk . .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si f(x) est un polynôme de degré (2n + 1). Dans ce cas il n’y a pas d’erreur mathématique due à une approximation. 128 . . +l). on obtient en conséquence le système suivant : 71 c k=O Hk = 2 5 Hkxk = 0 k=O k=O . .J = en prenant soin de remarquer que : &XA.21) où M27. . en définitive.. et l’on a l’egalité : I = . . k=O 2n+2 . k=O (7. la dérivée de S(x) d’ordre (2n + 2) est nulle. Il est intéressant de constater que le système de (2n + 2) équations ainsi défini est constitué de (2n + 2) équations non linéaires dans la mesure où l’on considère que les Hk et les X~C sont les inconnues. on recherche une majoration la plus raisonnable dans l’intervalle (-1. si l’on connaît les xk. 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 (7.0. . (n + 1) équations quelconques prises dans le système précédent constituent un système linéaire permettant de calculer les Hk.19) expressions dans lesquelles les sommations s’effectuent pour k variant de 0 à n. . . . . alors. +l). comme toutes les fois en pareil cas. . c k=O n h-1 Hkxk =0 r. c Hkx.J. En revanche. (7.20) 2 # ~ 2n + 3 Bien entendu. Toujours est-il que l’erreur prend la forme suivante : I .

293 0. a .1. la méthode des trapèzes et la méthode de Simpson.185 0. quand à la majoration. & . cette expression n’est pas d’un emploi très commode dans la mesure où figure une dérivée d’ordre (2n.116 0.txt sur le Web (*) où figurent les racines et les poids associés des premiers polynômes de Legendre. elle risque de devenir catastrophique dans la mesure où elle est très surestimée.465 0. Table des valeurs numériques de 77 = Degré du polynôme 2 3 4 5 6 7 8 9 10 11 12 13 Erreur mathématique 0.249 999 999 9 0 9 . Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations.738 0.249 999 996 I = 0. 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.7.459 778 143 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.Les valeurs du tableau 7.177 0.457 0.7. E donne l’erreur mathématique liée à la troncature de la série des polynômes de Legendre. Un exemple numérique.183 0. Bien qu’elle soit très intéressante. + 2).edpsciences. Le calcul devient très souvent arborescent et rapidement inextricable.732 0.116 0.com/guilpin/ 129 I = 0. { > sont directement tirées du du fichier Legendre.292 0.1. LESPOLYNÔMESDE LEGENDRE Dans la mesure où l’on peut obtenir une majoration Mzn+2. Tableau 7.Méthode de Gaoss 5 points : 6 points : *http://www.z’& H~x:~‘~ .

cela est dû à la majoration de la fonction Mi2. elle est maximum pour b .Méthode des trapèzes et méthode de Simpson . +l). On en conclut que l’erreur est comprise entre 2 10-12 et 0.8 1oP.12.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ b .250 0.38110-‘$. le calcul de la dérivée ne de .Calcul de l’erreur concernant l’exemple . il suffit de fabriquer un sousprograrnme dans lequel on rentre une fois pour toutes les racines et les poids du polynôme 130 . avec l’écriture choisie.0. Mi2 est une fonction monotone décroissante dans l’intervalle (0.y car nous avons dû effectuer un changement de variable 2 = 2 + Zt pour nous ramener à 12 l’intervalle canonique (-1. On tire une valeur de E : E = 7. Tableau 7.8 10-s.r log( 1 + z) est relativement aisé. Effectuons le calcul d’erreur pour 6 points : E= $ . Méthode des trapèzes 0.. Donc TMi. 2 appartient toujours à (0. Ici.! n.r.2. Alors nous pouvons écrire : dz/ dt = 1/2 et i > b-u 1 Rappelons que. 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 0. et que 2 = 2.250 0. est plus petit ou égal à 11 x 2 x 2ia. g = A.250 0. la dérivée est 3780 fois plus petite qu’au point x = 1.Par chance. Mi2 = 1 1 10!(2 + 12) 2i2( 1 + . l). l). Remarque : Pour utiliser aisément la méthode de Gauss.250 248 062 027 009 9 Méthode de Simpson 0. tandis qu’il faut 40 points à la méthode de Simpson pour obtenir une précision analogue à celle de la methode de Gauss en 5 points.381 10p4 . En I : = 0. et l’on peut montrer que : [zlog(l + ~)]‘“’ = (-l)TL(n .250 0.u 12! z = 0..-&&z.En 6 points la méthode de Gauss est un peu plus précise que la méthode de Simpson en 100 points.250 0. 11 x 8192 On s’aperçoit que l’erreur E est environ 100 fois plus grande que l’erreur observée directement . h=O = 7.250 000 086 000 005 4 000 00107 000 000 138 Nbre de points 20 40 60 100 c .

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.S. ANGOT (1965) Compléments de Muthémutiques. A.métiques. Éditions dc la Revue d’optique. to the numericul analysis.N.. H.com/guilpin/ 131 . POLYNÔ MES DE LEGENDRE Racines et poids associés des polynômes de Legendre. R A L S T O N et H. Mc Graw-Hill. des problèmes de précision apparaissent avec des représentations sur 16 chiffres significatifs et des racines complexes apparaissent.17814598076194 0.917598399223 ho..23045831595513 *0.. World Scientific.138873510 2198 0. M IGNOT (1984) Anulyse numérique des equations diffkentielles. *http://www.3. CROUZEIX et A.edpsciences. Éditions Dunod. F. M HASKAR (1996) Introduction to the theory of weighted polynomial approximation.0921214998377 0. M INEUR (1966) Techniques de Calcul Numérique. H. il suffit d’ailleurs de rentrer 6 racines et 6 poids associés à cause des symétries.8. les racines sont deux à deux opposees. M. LES Tableau 7.64234933944033 f0.9841830547185 de degré 12 ou 13 (ensuite. HILDEBRAND (1956) Introduction. Racines x Poids Hk 0 232551553230874 0~226283180262897 0.801578 090 733 3 f0. Éléments de bibliographie A.44849275103645 10. 2.040484004765 Degré (40 1 13 ho.) . ’ o e Dunod.L.20781604753688 0. Éditions Masson.7. txt où l’on trouvera les racines et les poids des treize premiers polynômes de Legendre. On donne sur le Web (*) un fichier texte appelé legendre.

(x) = COS ny. Première définition La relation de definition des polynômes de Tchebycheff est donnée par l’expression suivante : T. Les polynômes de Tchebycheff (1821-1894) 1.(z) + T7. (8. = cos(n . (8.8 Les polynômes de Tchebycheff. En partant de la relation : COS s 0 nt COS mt dt = 7r/26.+.(x) = cos(n + 1)y = T. Application à la méthode de Gauss-Tchebycheff 1.T-. Écrivons T~~+. T.(x) + T. s 71171 étant le symbole de Kronecker (182331891).1) Ils obéissent à une relation dc rccurrence que nous allons établir.(x) = 0. Pour cela. il suffit de poser y = arccos z.L+.22Tr.+.2) À present nous allons montrer que ces polynômes sont orthogonaux.(x) = cos(n arccosx) ce qui implique que : TO(x) = 1 et TF(z) = 2.( x ) P tP ff uons-en la somme : ec t T.(x) = 2cosnycosy = 2xT.L-i(2) COS ny cas y .1)y = cosnycosy + sinnysiny.(x) .. Effectuons le changement de variable t = arccos x.sin rby sin y. sauf pour n = m = 0 l’intégrale vaut 7r. on obtient : Tr.(x) D’où la relation de récurrence cherchée entre trois polynômes consécutifs : TT.p.(x) et T:-. soit J: = COS t.1. ce‘ qui nous perrnet d’écrire : dt = -sinx dz 133 .

(8. 1. Nous allons donc définir une suite polynômes à coefficient principal réduit. Si nous examinons la relation (8.5) 2.2. 134 . Théorème De tous les polynômes de degré n à coefficient principal réduit.1.4) si n=O.+l(x) .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 . (8. c’est le polynôme de Tchebycheff T. +1) au sens du sup du module. La relation de récurrence est alors légèrement modifiée et devient : T. Il nous suffit de poser comme relation de définition une nouvelle expression : Tri(x) = & cos(n arccos z). (x) qui approche le mieux l’axe des x sur l’intervalle (. On peut définir la suite de telle sorte que le coefficient de degré le plus élevé pour chaque polynôme soit égal à 1.4xT. Seconde définition Cette suite de polynômes orthogonaux peut être avantageusement modifiée pour le propos qui nous préoccupe.1.2)) 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). +l) relativement à la fonction poids h qui est une fonction définie positive sur cet intervalle. On voit que les polynômes de Tchebycheff sont orthogonaux sur l’intervalle fondamental (-1. Une propriété essentielle des polynômes de Tchebycheff à coefficient principal réduit 2.(x) + 4T.3) = 0.I 2/1-2 -0 s 7 r si n est différent de zéro sin=O.-I(Z) 11 va de même de la norme qui s’exprime : si n est différent de zéro 7l (8.

(sk) est négatif. 3. LES POLYNÔMES DE TCHEBYCHEFF 2. +l). on calcule le coefficient K qui est égal à In puisque nous traitons de polynômes à coefficient principal réduit.c4 = g Z(i. il s’ensuit que f(z) est alors un polynôme n fois positif et négatif alternativement sur l’intervalle (-1. soit : cos[(n + 1) arccosz] = 0.1).(z) ce qui démontre le théorème. On en conclut que le polynôme f(z) est identiquement nul et que p. .1) fois de signe et par conséquent possède n racines. tous égaux en module à 1 et dont les abscisses sont données par la relation : xk: =cos lwr ( n > avec k = 0. . il suffit d’exploiter directement la relation (B. Donc : À présent il nous faut calculer Ti&+. ce qui donne : Xk = COS 7r(2k + 1) 2(n + 1) ’ (8. Quand T. f(zk) est négatif et quand T. ce qui est en contradiction avec le fait que f(z) est au plus un polynôme de degré (n ..6) 4. Donc.(z) et T.+i(x) Pour cela. On trouve les expressions suivantes : T.+l(xk) = F ~ sin[(n + 1) arccos X~C] > d’où TA+.2. +l).:’ 1) ) sin 2(n + 1) 135 .8. possède n extremums alternativement positifs et négatifs sur l’intervalle (-1.5) de l’annexe B. f(z) doit être un polynôme de degré n. f(z) est un polynôme au plus de degré (n .(xk) est positif. 1.+i = 0. Calcul des poids Hk correspondant aux racines xk du polynôme T. (n ~ 1).(z) = T. . Démonstration Désignons par pn(z) un polynôme répondant à la question et considérons alors la fonction : Puisque p. +l). (zk) et Tn+i(xk). ( 2 ) sont à coefficient principal réduit. T. D’abord. Par ailleurs. f(zk) est positif. On les obtient en écrivant T. 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 (-1.1). Il change donc (n .2.

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

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

l)Q. Dans ce cas il n’y a pas d’erreur mathématique due à une approximation . .+ 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 : . .+(. x2n+2 + g"(o) +. =* [f(o) + . (2n+ / y2y ". De là.:'!! +. on tire que : Q 2n+1 Q271 = 0.')!lT = (2n . + (2~~i.1) s 0 COS’~-~ x(1 . la dérivée de f(x) d’ordre (2n + 2) est nulle.cos2 x) dx = -(n .....li(2TL+1)(o) + (2n+ 2)! .+ 7T s 0 cosnP2 x dx d’où la relation de récurrence : 7r x dz = ?r et Qr = cosx s 0 n&. Si f(x) est un polynôme de degré (2n + l).. . et l’on a l’égalité : I = J. = (n - l)Q+z avec &a = s 0 dz = 0.1)!!5i = (2n (2n)!! 2”n! Revenons au calcul de 1 : I=l&[ x S'2"+2'(E)] f(0) + Ef'(O) .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On peut écrire : 7r Qn = (n .. on obtient en conséquence le système suivant : 138 i .

Si l’on poursuit le calcul pour des valeurs plus élevées de n. E(z) donne l’erreur mathématique liée à la troncature de la série des polynômes de Tchebycheff.(x) + ‘. 8.1.(X) + z??z(X) + . + l)! n+ 1 c“”J O k 1 ’ 1 n x”n+” (8. . LES POLYNÔMES DE TCHEBYCHEFF Bien entendu.+l(. on trouve : E24 = 1. calculons l’intégrale : +1 Cet exemple n’est pas tout à fait gratuit .8.tx = TO(X) + Krl(X) + t2T2(x) 1 . la méthode d’intégration de Gauss-Tchebycheff constitue la meilleure façon de calculer les fonctions de Bessel de première espèce. ce qui constitue un résultat remarquable. + ‘. Pour l’instant. page suivante. Je(l) est la valeur de la fonction de Bessel de première espèce d’ordre zéro pour la valeur 1 de l’argument. comme toutes les fois en pareil cas.. 9. Nous avons trouvé dans la littérature la valeur suivante : JO( 1) = 0.. 139 . + fT. Toujours est-il que pour n = 12. on recherche une majoration la plus raisonnable possible de la fonction f(“‘“+“)(<) dans l’intervalle (-1. en définitive.2tx + t2 et exp(xt) cos(t&ZS) = Te(X) + +r. Fonctions génératrices des polynômes de Tchebycheff Nous admettrons les résultats suivants sans démonstration : 1 . Le tableau 8. seul le dernier chiffre significatif change.47 10-4”M24. l’erreur s’exprime de la manière suivante : E(x) = (27y+.10) où M2nt2 = SUP If (2n+2)(x)1 pour 3: appartenant à (-1. soit le 16” chiffre. Viendront s’ajouter lors des calculs effectifs les inévitables erreurs d’arrondi propagées par l’exécution des opérations. +l) .765 197 686 557 966 4 avec une précision absolue de l’ordre de 10-15. . Un exemple d’intégration À titre d’exemple. en effet. donne les résultats obtenus. + iTn(X) + .>! i (2n + l)!! 2n. Nous reviendrons sur ce point au cours de l’annexe F. +l). . Dans la mesure où l’on peut obtenir une majoration raisonnable M2n+l.

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

nL(z) . nous allous établir urle relation dc rkurrencc rutre trois polynômes consécutifs. Ou peut aborder l’étude de ces polynômes d’une façon tout. (9.9 L es polynômes de Laguerre.cx.(z) . Relation de récurrence entre trois polynômes consécutifs À partir de la relation de défiuit.. les polynômes de Lagucrre sont donnés par les expressions : LTL(z) = exp(x)$ {eq-X)X”}.(+jg {exp( -X)C} 141 .+I (CC) devient : Lfl(Lx) = (n + l)L....exp(-x)x”+l+ (n + 1) exp(-z)X”} . Il suffît d’krire la relation dc d&litiou pour l’indice (r> + 1).tra par la suite de calculer facilemeut les coefficients de l’un quelconque des polynômes de Laguerrc.+l(z) = exp(x)s { . ce qui nous permct. 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”} + .s {exp(-X)2?}. à fait analogue à celle que nous avons adoptke pour les polynômes de Lcgcndre.ion. Par définition. w). ce qui dorme : Soit : L. L’expression donnant L. ccpcndaut. Méthode d’intégration ( de Gauss-Laguerre Les polynômes de Lagucrre (1834-1886) sont orthogonaux relativement à la fonction poids exp( -22) sur l’intervalle (0.1) 1. nous avons préféré utiliser une formule semblable à celle de Rodriguès pour établir plus rapidement leurs principales propriétés.

ce qui permet d’écrire : L. (9.1) : L+~(X) = =P(:I:)= {nexp(-Ic)27L-1 soit encore.+1(z) a un degré supérieur de 1 unité à celui du polynôme de degré n.3) = G {exp(-z)?} ~ ns {exp(-z)znP1} À présent.(z) = zzexp(z)s {exp(-z)z+l} .2) montre que le polynôme . 2. Relation de récurrence faisant intervenir la dérivée Hk. Les premiers polynômes de Laguerre La relation de définition permet de calculer les deux premiers polynômes. nous allons établir une autre relation très intéressante pour le calcul des coefficients 3. dérivons la relation de définition (9. soit : La(x) = 1.l)&(s) + 7?L-1(2) = 0.(z) = n exp(z)$ { exp( -2)271P1} . l’aide de la relation de Leibnitz. soit : L. Cela nous sera bien utile pour calculer les Hk de la formule de Gauss généralisée. -L(x> = -p(z) s {n exp( -2)znP1 .(cLz) .G(s) + G. (9.-1(2).5. Ll(Z) = -z+ 1 La relation de récurrence (9. transformons cette dernière expression : x5 {exp(-z)z”-l} On en déduit directement que : L?&(x) = nL.exp( -z)zc”} . Il s’agit de pouvoir exprimer simplement la dérivée L~(Z).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ On calcule directement le dernier terme du second membre à partir de la relation (9.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.r.2) ~ exp(-X)3?}. Cela démontre au passage (en utilisant un raisonnement 142 . II vient donc : L+1(z) = (n + l)Lx(z) .nL. Toujours A.1).(~) .

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

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

nous fourniswnt les valeurs numériques des Hk dont on donne 1111 tableau 9.5) 8. : cc qui nous permet d’obtenir deux expressions plus simples : (9. Calcul numérique des poids Hk associés aux racines Les deux expressions que nous venons d’établir. Exemple 1 On se propose dc calculer la const. on obtient. + 1). LES POLYNÔMES DE LAGUERRE 7.1. Sur lc Wch (*). 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. page suivante. Nous K = -(n!)” car le rapport des coeficients de dcgre le plus élevé dc deux polynômes conskutifs -1. rappelons-le. on trouvera le programme r-laguer .com/guilpin/ 145 . très faciles à programmer.i( 0 1 1 ~ exp(-z) 1 ~ exp-2) dz n: > Les rksultats trouvés sont indiqués dans le tableau 9.577 215 664 90 au moyen dc l’expression suivante : x Y= . 9. *http://www.5) de l’annexe B dans laquelle 110~1s explicitons le coefficient K. zzk est une racine du polynôme de degrk (n.3).edpsciences. est égal à expression dans laquelle.3.eprenons avons : la relation (B. Si nous utilisons la relation de récurrence (9.ante d’Euler y = 0. Donc.1. c qui perrnet de calculer les racines et les poids des polynômes de Lagucrrc.9. 00) ctj l’on approche l’intbgrale au moyen de l’expression : 9. page 149. Calcul des poids Hk correspondant aux racines xk R.

nous devons obtenir un résultat exact en 6 points négligeant les erreurs d’arrondi propagées par la machine.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.I= s 0 exp(-x)x’” dz = 10! Puisque la fonction à intégrer est de degré 10.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 9. nous savons : cc . COS mx peut être assez mal représenté par un polynôme de Laguerre de degré peu élevé. (CI~ Tableau 9.1.2. En effet. Nombre de points 5 Constante d’Euler 0. 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.2. Exemple 2 Il s’agit de calculer la fonction factorielle. 146 .577 0. Nombre de points 4 5 6 lO! 3 033 216 3 614 400 3 628 799.3.577 0.2.577 0. Remarque importante On note une fois de plus que la méthode donne d’excellents résultats. si m est « assez grand » . Compte tenu de l’expression intégrale de la fonction factorielle.577 0. Les résultats obtenus sont donnés dans le tableau 9.577 0. et nous avons choisi : 10! = 3 628 800. 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.999 999 97 9.

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

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

099 121044 461 0.599 227 639 418 09 13.000 203 231592 668 0. LES PoLYNôms DE LAGUERRE Le tableau 9. Calcul numérique de la transformée de Laplace F(p) la transformée de Laplace de la fonction cc F (P ) = s 0 h(t) est une équation fonctionnelle qui s’écrit : dt.(x)+- 12. Fonction génératrice des polynômes de Laguerre Nous admettrons le résultat suivant sans démonstration : 1-t =Lo(x)+tL~(x)+t2L~(x)+-+tnL.244 082 011319 895 0.116 855 187466 37. on peut être amené à calculer numériquement F(p).833 751337 743 36 1.512 610 269 776 45 6.000 000 166 849 388 0. txt qui donne les poids et les racines des 12 premiers polynômes. les calculs sont réalisables si l’intégrale est convergente.edpsciences.611757484 515 13 0.com/guilpin/ 149 .002 663 973 541842 0.3.020 102 381154 650 0.006 054 993 319 3 9.090 449 222 211682 0.621316 842 445 915 22.000 008 365 055 857 0. Racines et poids associés des polynômes de Laguerre.000 000 001342 391 0. on obtient l’expression : F(P) = i s ~(Y/P) m-y) dy 03 0 *http://www.000 000 000 003 062 11. Sous réserve de cette convergence.3 donne les racines et les poids du polynôme de degré 12.264 731371055 443 0.9.844 525 453 118 77 4. Tableau 9.151090 379 373 17.487 967 251005 0.115 722 11735802 Poids Hk 12 2. Sur sur le Web(*) on trouve le fichier texte appelé laguerre.377 759 275 873 127 0. Sans entrer dans les détails de la théorie. h(t) exd-pt) expression dans laquelle t est une variable réelle (généralement le temps) et p une variable complexe. En effectuant le changement de variable y = pt. Degré Racines CE 0.000 000 000 000 001 8.

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

13./’ 0 = Jexp(-x)x7 & [exp(-x)@“] s [exp(-x)zm+a] 0 dz.-l(x) = 0.(X)]’ = -~L:(X) + (n + cy)exp(x)$& [exp(-x)2?+“-‘] . Relation de récurrence faisant intervenir les dérivées . -nexp(z)L ~bp(-~)xn+a] .s [exp( -x)xnfu] Comme par ailleurs on peut écrire : ~L:(X) = n. ce qui donne : (n + a) exp(x) 5 z $ [exp( -2)5n+a-1] = (n + o) exp(z) g $$ . on peut transformer la dernière expression : i!a + exp(x)-. 151 .n+Lg1(~).(x)]’ = ~[exp(x)x-” .exp(-x)3?+“] la relation de récurrence cherchée : (9.8) : [L. X X De là nous tirons une relation de récurrence faisant apparaître la dérivée d’un polynôme dont nous aurons besoin pour calculer les Hk : X[L. LES POLYNÔMES DE LAGUERRE En utilisant la relation de Leibnitz.9.10) J = wexp(-x)P[LE(x)][Lg(x)] dz .2.exp( -2)2n+CY] On obtient alors : [L. Orthogonalité des polynômes de Laguerre généralisés Il s’agit de calculer l’expression : (9.(z) + (n + a)L.3.(2n + 1 + QI . [(n + 0) exp(-x)xn+aP1 .“(X)]’ = @n(x)] . nous allons transformer la dernière expression du membre de droite. Dérivons la relation de définition (9.(n + a) exp(-z)L.T(’ on trouve esdéfinitive = ~L:(X) .exp(x)ss puis.(z) . + exp(s)s$[(n + o) Grâce à la formule de Leibnitz. 13.ns [exp(-z)lçn+u-l] [exp(-z)zn+“] = “+“LE(x) .cm-U-1 exp(x)]&[exp(-z)z’“Pa] x exp( -2)xn+“-l .(n + n)[L:-l(x)]._.9) (n + l)Lq+&) .z)nL.

(z) de degré (n + 1).5. 13.-‘(x). Calcul des racines de Ln et des poids associés Hk On ne peut pas dresser une table des racines et des poids associés puisque ces valeurs dépendent du paramètre cr. co). En effet.-l(x.(x) calculer les poids Hk. Dans chaque cas particulier que l’on sera amené à considérer. Reste à calculer la norme : 1 = aexp(-z)zP” s 0 [LE (z)]” dz = n! /exp(-z)zP+” dz. Si X~C est une racine de L:(x). il faudra construire la chaîne de calculs déjà réalisée pour les cas prccédemment étudiés. 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. où nous n’avons plus à exprimer formellement la dérivée. on obtient J = 0 pour n # m.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. Une autre relation de récurrence On peut avantageusement utiliser une relation de récurrence portant sur les LE+. f(z) est une fonction régulière sur (0. on établit que : pour [LE(x)]’ = -EL. Nous obtenons ainsi une forme aisée à calculer pour les HI.6.4. et l’approximation s’effectue comme toujours au moyen de la relation : expression dans laquelle les xk sont les zéros du polynôme de Laguerre généralisé LE+.). 13.(x) + FL. . on simplifie l’expression précédente : [L. Technique de calcul des intégrales du type I = Sexp(--x)x-“f(x)dx 0 Bien entendu.“(x)]’ = ~L. 13.

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

154 .(x) = TX.edpsciences.-l(X). Nous obtenons : Ko(x) = 1 ICI(X) = x K&4=x2-1 K3(x)=x3-3x I&(x) = x4 . +oo). Sans nuire à la généralité. ce qui donne grâce à la formule de Leibnitz : K. 5. C’est ce que nous allons montrer en calculant l’intégrale Ink.6x2 et ainsi de suite. Calcul des coefficients des premiers polynômes d’Hermite On trouvera sur le Web (*) 1 e programme hermite. il suffit en réalité de connaître les deux premiers polynômes d’Hermite pour déterminer tous les autres. on peut supposer que k > n : +CC Ink = exp -00 soit encore : s (-x2/2) K(x)&(x) dz. Pour ce faire nous dérivons la relation de définition et nous obtenons : K.(x) = (-l)nexp(z2/2)$$exp (-x2/2) + (-l)‘“exp(x”/2)& [-zexp (-x2/2)] . Les premiers polynômes d’Hermite Puisque nous bénéficions de la relation de récurrence (10. 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.I exdx2/2)& *http://www. +CC Ink = (-l)n+k . (10.2).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 2. c destiné à calculer les coefficients des polynômes d’Hermite dans le but plus précis de calculer leurs racines.3) 3. Relation de récurrence entre polynômes et dérivées Dans le même esprit que précédemment. +3 4.com/guilpin/ exp (-x2/2) $ exp (-x2/2) dz. 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.

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

on obtient diverses expressions de Hk aisées à calculer. page 162 les valeurs numériques de ces poids en face des racines correspondantes pour le polynôme de degré 12. soit : En exploitant une de ces relations. 8. Technique de calcul des intégrales du type I = Sexp (-x*/2) f(x)dx où f(Z) est une fonction régulière sur l’intervalle (-00.1. La relation (B. on calcule numériquement sans difficultés les poids Hk associés aux racines zk. 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). Remarque : On note qu’il n’y a pas de difficultés pour calculer les intégrales du type : I= /‘:xp(-$)f(x)dx en effet.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 7. +co).2. le changement de variable : nous permet de revenir au cas canonique que nous venons de traiter. Grâce à la relation (10. On trouvera dans le tableau 10.5) 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. soit : exp (-x2/2) COS(X) dz = 1. On trouve que la constante K vaut n!fi. Les résultats que nous avons obtenus sont donnés dans le tableau 10. L’approximation se réalise au moyen de la somme : expression dans laquelle les X~C sont les racines du polynôme de degré (n + 1).3). page ci-contre. Exemple On se propose de calculer une intégrale dont on connaît la valeur numérique. 156 .

+oo) ( 7 f(x)’ dz). a). Autres notations très utiles Il arrive que des auteurs adoptent une définition légèrement différente pour les polynômes d’Hermite.999 998 1. expression dans laquelle a est un nombre positif (il s’agit d’une formule analogue à celle de Rodriguès concernant les polynômes de Legendre).999 222 1.(x.p.‘(z.2aTX-. -cc 157 . soit : K.000 000 1. la relation de récurrence entre trois polynômes consécutifs s’écrit : K*Lfl(X) u) = 2azK. Dans ce cas. a).10.(lç. u) = exp(-uz2/2)Kz(x). 2 En remarquant que : . la relation faisant intervenir les dérivées prend la forme : K. on obtient les modifications à apporter aux expressions des racines et des poids des polynômes correspondants.u) = (-l)n exp(az’)$ exp(-ax2). encore appelées fonctions du cylindre parabolique ou fonctions de Weber-Hermite.(z. à savoir : xk = x& Les fonctions 02(x. constituent une base orthogonale de l’espace L2 qui est l’espace des fonctions de carré sommable sur (-CO. u) .000 000 143 175 097 099 099 9. u) = 2unK.B =In 4q2q .000 000 1.(z. De même. et le carré scalaire de l’intégrale vaut alors : 17l. Nombre de points 4 5 6 7 8 9 12 Résultat 0.000 043 0.000 000 1. L ES PoLYh&rEs D'HERMITE T a b l e a u 10.1.

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

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

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

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

598 10-16 4.166 10-15 0.11. Nombre de points 3 4 5 6 7 Résultats 0... Un exemple numérique Soit à calculer : I= -1 J +1 zJ1-ldJ:=O.2 . On vérifie que les erreurs sont de l’ordre de 10P16. Les zéros de Sri(x) s’expriment au moyen de la relation : xk = Cos2 avec k=O. 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). k=O b .6.a TX”. +l) relève directement de l’étude des polynômes de Tchebycheff.. Intégrales de la forme I = J! f (x) @x 0 Ici encore l’étude des polynômes S&(x) orthogonaux relativement à la fonction poids W(X) = et à l’intervalle (-1. = ~ 2n + 3xk. et qu’elles ne sont dues qu’à l’exécution des calculs.6. 173 . Sur le tableau 11.555 10-16 0.277 10-l” 0.97110-i” 0. nous avons porté les valeurs approchées.. n et les H* par la relation : 27r H.3.1. 3.

261873 780 008 211 0.158 723 428 390 0.018 541356 326 165 726 210 434 493 336 683 424 673 756 101 0. Tableau 11.043 360 378 833 454 0.’ k zkf [a + (b .(x).005 065 164 245 362 4.958 605 650 752 0.995 342 973 018 0. Les zéros et les poids associés des polynômes S.072 790 297 726 0.398 271993 473 0.MANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 4.534 121206 682 0.019 884 996 920 956 0.p. Sur le Web (*).271909 754 072 704 0.145 912 283 394 760 0.a)y ce qui permet d’approcher l’intégrale au moyen de l’expression : soit encore : J = “f.com/guilpin/ 174 . txt.667 439 806 085 0.(x) On trouvera sur le tableau 11.242 546 154 164 063 0.073 750 248 299 135 0.a)xk] k=O *http://www.1. Technique d’intégration L’intégrale 1 est toujours approchée par l’expression : Il est intéressant de noter que les intégrales de la forme : se ramènent au cas précédemment étudié en faisant usage du changement de variable : x = a + (b .788 340 161057 0.215 360 318 131115 0.. Calcul numérique des xk et des Ht des polynômes s. on trouvera les résultats concernant les premiers polynômes dans le fichier texte sn-x .edpsciences.182 332 521001007 0.269 967 481134 0.887 855 645 352 0.108 800 727 724 129 0.7 les valeurs numériques correspondant au polynôme de degré 11. Degré Yk 11 0.2.7.

Éditions 175 .8. Ici encore les erreurs ne sont dues qu’à l’exécution des calculs.141592 653 653 653 653 589 589 589 589 792 791 791 791 5. Tableau 11. CALCUL DE QUELQUES INTÉGRALES AU MOYEN D’UN CHANGEMENT DE VARIABLE 4. MIGNOT (1984) Analyse numérique des équations dijférentielles.141592 3.3. Éditions Dunod. CROUZEIX et A.141592 3. MINEUR (1966) Techniques de CuZcuZ hmérique. Nombre de points 3 4 5 6 Résultats 3.L.141592 3. Les résultats trouvés sont donnés dans le tableau 11. Éléments de bibliographie M. Masson. H.8. Un exemple numérique Soit à calculer : 1 = -1 Il s’agit d’intégrer un polynôme de degré zéro. et l’on note que les deux derniers chiffres significatifs sont faux.11.

les fonctions sont continues à dérivées 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) .1. aux extrémités de l’intervalle (0.1).1 = z. Cette propriété relie aussi de près ces polynômes à la fonction dzeta de Riemann (182661866).1 (12. on montre que : (12. bien entendu. Ces polyômes de Bernoulli possèdent une autre propriété concernant les séries de Fourier : on peut considérer les fonctions périodiques de période 1 représentées sur une période par les polynômes de Bernoulli de degré 4 et noté B4(z).:/ ‘/-: formule d’Euler-MacLaurin./. Par dérivation de la formule (12. 1. laquelle sert ensuite de tremplin à la méthode de Romberg.3) = u exd(l .1 177 . et plus spécifiquement les nombres de Bernoulli. En utilisant l’identité : (-2~) exp( -zu) exp(-u) . non seulement sont continues. </ .. $wd. Ces éléments sont à la base d’une technique d’intégration numérique obtenue à partir de la formule d’Euler-MacLaurin.12 /. 2 Les polynômes de Bernoulli.1) et par identification directe. Notamment. cela signifie que les fonctions périodiques qui sont définies sur une période par les polynômes de Bernoulli. Formule d’Euler-MacLaurin Les polynômes et les nombres de Bernoulli (Jacques Bernoulli 1654-1705) jouent un rôle important en analyse mathématique. Au passage nous verrons une application des nombres de Bernoulli au calcul de la constante d’Euler.~14 exp(u) . l). ou b. nous ne nous intéressons qu’aux dérivées non nulles. mais ont toutes leurs dérivées continues partout. Méthode de Romberg et autres 1 techniques d’intégration 1. selon la parité) est en l/nq. Le coefficient de rang n de ce développement (a.. En outre. on voit que : E&(z) = 1.

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

.1 ..~ .. si k est impair. + B2n (2n)! l+BIu+B~.1 il s’ensuit que : =l+Blu+B2. .. + X&+l + xkp4C. + n=O L’identification des termes en u donne : xk-l Uzn ~ + .1) nous donne : U exp(u) . > B.1 u3x3 UkXk u2x2 1+ 7+ 7 + 7 +.. .B4 +. FORMULE D'EULER-MACLAURIN = Bfj = Blo B14 BIS Bz2 = = = = 1 42 5 66 7 6 43 867 BS B12 B16 = = = 798 B2. l’expression (12. Bk cx) Xk Ic! = XT+ ( k .+B&+. uzn + Bzn (2n)! ~ + .30 691 -~ 2 730 3617 ~~ 510 174 611 -~ 330 236 364 091 2730 1.l ) ! 1 De là nous tirons l’expression générale : ‘.+ 7 + . + Bk si k est impair.. .. .$+-~ = 2 $Bn(x) = 1 + B&). &(x) = xk + xk-lB1 + x”-~C~B~ ...12. . + ~~. .(x): + B&>$ + . . si k est pair. .+B. si k est pair. Bas = = ~ 854 513 138 1 -2 1 30 1 . u exp(uz) U exp(ux) = exp(u) .+ -g .3.1 = exp(u) . Expression des polynômes de Bernoulli en fonction des nombres de Bernoulli Pour IC = 0. . LES POLYNÔMES nombres de Bernoulli non nuls : BO = 1 B1 DE BERNOULLI.

t) dt. La formule d’Euler-Maclaurin dite formule de la somme Il s’agit d’une méthode d’intégration qui utilise les nombres de Bernoulli.6) + h ~ t) t2p-1 (2p ~ l)! h2[F”(z + h) .9) À présent. + h2P Jd2”) (21. puis.F”(z)] = h3F”‘(s) + .8) par Bk/k!. (12. c’est-à-dire l’égalité (12. + h2p j7(2P+. en nous arrêtant toutefois au même ordre à chaque fois. .F’(z)] = h2F”(z) + .l).F(x) = / F’(t) dt = ]J”(z + h . + (2phyk)! F(2P)(x) 1L + h’” On poursuit le calcul jusqu’à l’ordre (217 . ~ 2)! dt.t)& dt.t)t dt.&‘@)(z)] = hk+‘F(“+‘)(z) + .t) t2p-” d t . ( 1 2 . (12.) (2p . Nous obtenons les formules suivantes : h[F’(z + h) .5) Maintenant. nous allons appliquer la relation (12.6) par Bi/l! et ainsi de suite. soit : J’ 0 F(2p+1)(x + h . + h’“pqn:) (2P)! h +.. (12. nous allons multiplier l’égalité (12.4. (12.7) h” [F@)(s + h) . .+ J 0 0 F(2p+1)(x + h . nous allons intégrer successivement par parties l’expression suivante : CC+11 F(x + h) . .2)! h (4 t2"-2 + h2 J' 0 F(2p+1)(x + h ~ t) (21.l)! dt. .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1.5) par BO.5) aux dérivées successives de F(z).. Additionnons toutes ces relations. puis l’égalité (12. z On aboutit alors à la formule usuelle : F(x + h) ~ F(z) = hF’(z) + $“‘(x) + . 8 ) (2p ~ k)! h h2P-l $2PF1+-+ /+F(2PPl) (X)l = h2Pj7(2P)(x)+ h2P-1 / 0 F(2p+‘)(x + h . pour l’obtenir. en se 180 .

(2P)! h2P Si maintenant on pose F’(X) = f(x). pour cela on remarque que : B2p-2h2P-2 h2P (2p ..2)!2! t2 = &qBZp 1 dt..2k B2p-2h2P-2 2 (217 . +B. FORMULE D'EULER-MACLAURIN = 0. + (2p .... ..12) 181 .t) & + B1h(2p .1.. On en déduit alors que c = 0. il reste : F(x + h) .+ J h +.F”(x)] F(2P4) (x + h) _ F@P-2) t2P-1 +.(-J-l) +. .Le reste est donné par l’expression : h2P ~ f(2p)(x+h-t) b2p(. on obtient le coefficient de F (k) (x) que l’on désignera par c : B&(k . + (2p)! J h 0 f(2p)(x+h-t) b2p(.11) Évaluation du reste .2)!2! t La dernière parenthèse s’exprime simplement en fonction du polynôme de Bernoulli de degré 2p. [F”(x + h) .. (12..4) du paragraphe 1.Bk (k est pair).. j! ) expression que l’on peut écrire sous la forme : C= lC! 1 l+c~&+c~B2+. 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 ~ + ‘..l)! [ .+ k .Lk)!(Lk)! +. En définitive. 0 B2kh2”t2P.l)(k .] d t E = (2p!) o J h (12.F(x) = -Blh [F’(x + h) + F’(x)] + Bz.12. (12. où Cz est le coefficient du binôme.+ F(2p+1)(x + h . nous remarquons que : c = Bk(1) . L ES souvenant que B2m+l POLYNÔMES DE BERNOULLI.) -B2p] dt.10) -4~p=&&p(+%p].k(k-1).. En utilisant la relation (12.1) + B&(k .2) 2! 3! +. ..+C2~B23.) -n.

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

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

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

) 2 k=l avec m = 2n .240 226 03 0.(ho/2n+“+1)TTF 72 (ho/2n)2 . 1.239 03 0.240 216 00 0. Sio) = h. T(k+l) _ (ho/2n)Tf21 . En résumé.I 0 1%1(1+ xl dz = +x .14 1OW”.235 5 0.240 225 87 0.1.) = 2.240 066 6 0.1 Tableau 12. On obtient alors le tableau 12.240 226 5 0 7 et de former la suite des Ik à partir de ho = f .l 10F5.22 8 0.(/@/2n+k+1)2 ce qui s’écrit encore : 4k:+‘T~~l .(2)]’ = 0.240 226 651 0..8.239 926 0. on utilise les relations suivantes : h 0=bpa n ’ hz=. LES PoLwvôMEs DE BERNOULLI.240 226 64 0. [log.240 224 6 0.240 226 653 ..12.240 226 5 0.. 185 0. Un exemple numérique On se propose de calculer l’intégrale suivante : 1 1 = .240 225 49 avec une erreur E = 0. f(a) + f(b) +ef(a+kh. 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. L’epsilon-algorithme appliqué à la même suite donne le résultat suivant : I = 0. Suite initiale 0.240 151 L’erreur est E = 0.1.Tik) T(“+l) n = : 4’“+1- 1 .240 206 6 0.

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.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. i=o i=o . 6 et 12 points. et que nous en ferons ensuite la somme. Quoi qu’il en soit. d’ailleurs cette fonction peut être continue par morceaux avec des points de discontinuité de première espèce.= c si = c f(G). on obtient encore de meilleurs résultats avec beaucoup moins de calculs en utilisant la méthode de Gauss-Legendre dont voici les résultats en 4.240 226 509 I = 0. Autres méthodes d’intégration Si les méthodes fondées sur la technique de Gauss sont. 2.240 226 507. Il est bien entendu que l’on s’intéresse ici à l’intégration numérique des fonctions dont l’intégrale sur un intervalle fini (a. Cela signifie que l’on effectue le calcul sur les différents morceaux selon une des méthodes que nous allons exposer. ne serait-ce que pour la réflexion qu’ils suscitent. 2. 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. les plus performantes.240228 I = 0. d’une façon générale. 4 points 6 points 1 2 points I = 0. b) a un sens. La méthode des rectangles L’intervalle sur lequel s’effectue l’intégration est divisé en N sous-intervalles de longueur égale h = (b-a)/N c e qru nous définit une suite d’abscisses xi en progression arithmétique. Ces derniers calculs ont été réalisés avec une machine fonctionnant avec 10 chiffres significatifs. la sommation des si fournit une approximation de l’intégrale 1. La valeur de l’intégrale entre deux points consécutifs xi et xi+1 notée si est approchée par s: : si = hf(xi) . Désignons par 1’ l’approximation obtenue : N-l N-l I’.1.

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

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

lO). = F(X2i + 2h) ~ F(Z22) .f’“(pi) où pi est un nombre compris entre zi et X~+I. on trouve les résultats suivants : Mr = 0. et l’on voit que . [f(zai)+4f(z2i+1)+ f(xai+a)]. où Md est le sup de la valeur absolue de la dérivée d’ordre quatre sur l’intervalle (a. (il y a 2N points). (p. (f(x..893 et Md = 10.En adoptant le procédé exploite pour les méthodes précédentes.. nous écrivons la nouvelle valeur de E. on obtient le résultat suivant : E = zNM4 = BM4. estimation de Ei : À partir de là. 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). i=o Il est aisé d’obtenir une forme plus simple en majorant la valeur de la dérivée sur l’intervalle (a. (f(x) + 2hf’(zi) + 2h2f”(2i) + +(Xi) + ~/qo)) . M2 = 0. [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). Prenons un exemple simple : 10 I= /exp(-z") 0 dz. = .. M l M4 189 . on obtient une E. Effectuons un développement limité de F(xzi + h).i et Oi sont deux nombres compris entre x2i et x2%+2. autant il est impossible de savoir quoi que ce soit concernant les majorations des dérivées d’ordre de plus en plus élevé.. Remarque : Autant il est aisé de tirer des conclusions quand au rôle joué par N dans chacune des méthodes.95. Tous calculs faits. b). f(zai + 2h) et de f(x2% + h) respectivement à l’ordre cinq pour le premier et quatre pour les deux autres.12.5. sur l’intervalle (0. ainsi. Il s’ensuit l’expression de E : E = $ ” flv(pi).= 25. on obtient : EL = 2hf(zi) + 2h2f’(4 + $f”(z) + ~~“(CC) + $&) . b).43. Les quelques exercices que l’on peut mener facilement le montrent fort bien : dans bien des cas. FORMULE D'EULER-MAC%AURIN Estimation de l’erreur mathématique .) + 4f(G) + 4hf’(Xi) + 2Pf”(L7Ji) où [i. LES POLYNÔMES DE BERNOULLI. : G = si ~ s: =F(%+a)F(zzi).

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

Sur le Web(*). LES POLYNÔMES DE BERNOULLI. b).823 10-l 0.com/guilpin/ 191 . j=o à l’aide des relations de Newton. Au préalable. T a b l e a u 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. L’intégration du polynôme sous le signe somme est effectuée de la même manière que celle de Hk. FORMULE D'EULER-MACLAURIN où A&+i est le sup du module de ~C”+‘)(Z) sur l’intervalle (a.). Pour obtenir une majoration de l’erreur. il suffit d’intégrer entre deux entiers consécutifs.12. on trouvera le programme cotes-i. Rappelons que le calcul de M n+i est rarement simple.2. n Q(n) 3 4 0. de prendre la valeur absolue du résultat et d’en effectuer la somme depuis zéro jusqu’à 12. 0 *http://www.(u) = c a$%“.717 10-5 0.354 10-7 0.2. on aura écrit le polynôme de degré n + 1 sous la forme : n+l P.888 10-4 0.973 10-s 0. dans chaque intervalle constitué par deux entiers successifs.529 10-6 5 6 7 8 9 10 0. c qui réalise cette technique d’intégration suivi d’un autre programme cotes-2.edpsciences.968 lO-’ 0. c qui calcule la quantité : Il faut prendre quelques précautions pour calculer cette dernière intégrale. la fonction est soit positive soit négative (elle est alternativement négative puis positive etc. Si le principe que nous venons d’utiliser pour calculer les Hk demeure. 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. Les premières valeurs calculées sont données dans le tableau 12.

les six premiers chiffres significatifs sont exacts. alors nous trouvons : J = 0. en fait il est dû à la majoration excessive de la dérivée d’ordre (n + 1). Quoi qu’il en soit. on les note a&.2). E(n = 8) < -Jg5 2 9 et lO@ = 4. En général. on tire : Pour fixer les idées. notée g(x) est donnée par les polynômes d’Hermite (cf. Cette raison explique pourquoi il n’est pas possible de comparer directement. chapitre 10) : = (-l)“+‘Kn+r(x) exp Cherchons le sup de la valeur absolue de cette expression dans l’intervalle (0. calculés lors de l’intégration de Gauss-Hermite . soit : = (-l)“K. iKn+l (uk)] 2’ de là. et rares sont les exercices qui le permettent. d’où 0. Il est facile de calculer les valeurs de g(ak) correspondant aux racines ak contenues dans l’intervalle (a.2). La comparaison n’a de sens que dans l’étude de cas particuliers au cours desquels on sait expliciter les dérivées et les majorer convenablement. elles donnent des extremums du même ordre de grandeur et l’on trouve : M n+l = 217..00046... Ce résultat peut apparaître médiocre. choisissons n = 8. et de choisir la plus grande valeur absolue. 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. 192 . ici.2). en effet nous avons : j7(“+2) = k (n + (n + l)!Jz 2. b) ici (0. Désignons par A&+i cette valeur.. J = 0. aussi ne s’attardera-t-on qu’exceptionnellement sur leur majoration. Elle est obtenue pour l’une des valeurs qui annulent la dérivée de g(z). pour 7~ = 8.477250 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 opération va être rendue aisée par l’usage des coefficients HI. il est très difficile de calculer formellement la dérivée d’ordre n d’une fonction.6 10-5. dans le cas général.47725 f 0.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ La dérivée d’ordre n + 1 de l’expression sous le signe somme.+z(s)exp Ce sont donc les zéros du polynôme d’Hermite de degré n+2 qui sont les extremums de g(x).

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

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 ). On connaît les valeurs de la fonction inconnue à des instants différents.y).) $. 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. il suffit de considérer une des toutes premières équations différentielles rencontrées dans la physique : l’équation du pendule simple dans le plan. b. Conditions aux limites (ou de tir). Désignons par 8 l’angle que fait le pendule avec la verticale et écrivons l’équation différentielle à laquelle obéit Q au cours du temps t : d’B(t) dt2 + w2 Sin[e(t)] = 0. On connaît 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. Conditions de Cauchy (178991857).1dans le champ réel Ces types de problème relèvent du vaste cadre de l’analyse fonctionnelle. Cette équation différentielle ne possède pas de solution formelle connue c’est-à-dire de solution exprimable au moyen des transcendances usuelles. Pour s’en convaincre. il est encore plus rare de pouvoir exhiber une fonction f qui soit solution d’une équation différentielle donnée.. S’il est rare de trouver une primitive à une fonction donnée. Ici nous avons choisi le temps comme variable puisque l’exemple retenu est le pendule simple. 195 ..

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

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

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

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

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

INTÉGRATION DE~ ÉQu.+1 au moyen de la relation : “n+l Ynfl = Yn + s fh ~(~11 dz. f n+l = f (%+1. YYn+1 1 201 .-j)] = fn-j avec j = 0.1. ce qui signifie que la détermination de ce polynôme nécessite la connaissance de v + 1 valeurs calculées précédemment.-j. La valeur approchée de yn+r est donnée par l’expression : “n+l Yn+1 = y72 + s f’vn(x) dz.~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. y(z)] au moyen du polynôme d’interpolation de Lagrange de degré u. On se propose de calculer la valeur de yn+r au point x. On adopte la notation : Pvn(xn-j) = f[x. y(z)] dans l’intervalle (z.jfn-j j=o et avec n>u. Méthode de Adams-Bashforth On désigne par Pyn(x) le polynôme de Lagrange de degré v qui interpole la fonction f[z.. expression dans laquelle nous allons approcher la fonction f[z. ~ç. 6.+r). .13. la méthode d’Adams-Bashforth a (ZI + 1) pas s’écrit : Y~+I = yn + 2 h&L.. y(x. V. on en déduit la valeur de fn+r : f n+l=f( &X+l> Explicitons le polynôme de Lagrange : Yn+l) On peut poser puis : En définitive.

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

(l . Le développement en série entière de cette expression donne : -1.3.x)G = . puis l’égalisation à zéro de 2 conduit au développement en série de MacLaurin de S(z).(l -z)] da = -’ log. avec IN T ÉG R A T I O N DES ÉQU. la dérivation successive sous le signe somme.13.Y~+I).z”.(l . = L’identification des termes de même puissance en x conduit aux relations : m-l 203 .x) Nous pouvons donc écrire : S(x) log. 6. k=O En effet.jfn-j j=o et fn+l = ~(G+I.-‘) du.1 . 0 D’un autre côté. si bien qu’il n’est plus utile de calculer les différences successives des fn. et l’on trouve que : %= j(‘“+.~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. Calcul des coefficients rj et bvj Nous allons montrer que les yk sont les coefficients du développement en série entière de la fonction : 1 S(x) = J 0 (1 -x)-” dcr = -&i. avec n 2 u. l’intégrale est directement calculable : S(z) = ( 1 0 J 1 -X)-O da! = J 1 0 exp[-alog. Les expressions à exploiter s’écrivent : yn+l = yn + h k b.

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

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

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

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

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

Donc : Dérivons par rapport à u et faisons u = 0 : = -hf (X~+I.ha.13.+l. yn+l) = c u. En réécrivant la dernière égalité.com/guilpin/ 209 .~TION DE~ &U. on trouvera le programme retrogra. INTÉGR. c qui réalise cet algorithme.~TI~NS DIFFÉRENTIELLES DANS LE CHAMP RÉEL ce qui donne : dAv = .~Y. j=l car qvn(0) = 1. yn+l 1.2 . on obtient : soit encore : Formellement.+I-~. *http://www. on peut écrire une expression semblable à celles établies à propos des méthodes d’Adams : v S+I .f(z.edpsciences. j=l avec : et Sur le Web (*).

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

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

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

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

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

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

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

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

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

219 .j. Repère cartésien orthonormé M(i.j. j ~ 1.LQ(i.2. Z)i.LQ(i... j + 1. Sy et Sz les dimensions de la maille élémentaire. Ic)] . k ~ 1) . l’orientation du maillage à trois dimensions étant définie conformément à la figure 14. L’opérateur laplacien Compte tenu de son importance.j + 1. INTÉGRATION ms ÉQU. k) + @(i . k)i .k = & [@(i + l..j.l M(i. k.2@(i.] + $ [cqi.. Il vient immédiatement que : aqx.. j. cartésien / X SX Désignons par 6x. Repère orthonormé. k)] + & [@(i. dz 62 > 3.2. y.. 3. 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.-$ .j. k) Figure 14. Ic) + Q(i. Ic) . 14. j ~ 1. k + 1) + qi.l.j.. k) .j.~TIONS AUX DÉRIVÉES PARTIELLES en généralisant sur la troisième dimension : dz@ sz2 0 2 bz(l + c) 4>5 -ao @6 -@O -+-.1.. j.1 .

i~.rl.~irr (cj’.Figure 14. x: + 1) + @(i. 220 . Fig.rl. 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).s cu/l%rrd~ique.do. 14.2. Coordonnées cylindriques (r.3.j. z) Dksigrlolw par CI~. k)] z 1 4. Coor. r6fl ct 6~ Irs dimmsions de la mailk Clhmt. 8.1) ~ @(i. + & [Q(i.j..s 3.j> k -.3)..

ARTIELLE~ Figure 14.iorlrlelles ct. = 6y = 6z = h. Coorrlonm2e.ant 1’6kment de volume. ct nous tlevons résoudre IIIE: équation dc Laplaw : A@(F) = 0.Criqur.e solution aux solutions dc l’équation dc Laplace (kluation sans sec:ontl membre) pour obtenir la solution complète (kyuatiori linbaire).s. INTÉGRATION DE~ RQUAT~ONS .ç sph. de Mathieu ctc:.1. Conduite du calcul permettant la résolution numérique de l’équation de Poisson Par raison de simplicités. fonctions dc Weber-Hermite. lorsque le probkne étudik n’admet pas dc symktries simples. Dans tic nornbrcux cas p( F) = 0.~TJX DÉIIIV~~ES F.14. IIOUS connaissons une solution particulib : du ét. Dans lc cas de l’équation dc Poisson. dc Bcssel. 1Clallleureuscmcnt. 1101x3 étudierons le probkmc nous choisirons 63. 1~:s solutions formelles drviennent cx<:c:pt. 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. pratiquement dans tous les cas il f’aut avoir recours au calcul nurri&icliie. Il suffit d’ajouter c:ett. de Neumann. un n o m . Les fonctions qui olkksent à cette CquaLtion portent. wsinus. fonctions tic Legendrc associks. ths un rcpèrc~ cartésien ortlioiiormt? ct 221 . al1trenient dit ccllcs qui jouent un rôle important en analyse : sinus. 4.4. on lts appelle fonctions harmoniques.

Fig.1) ~ h”p(i. à la cathode qui SC trouve au potentiel zéro.j. page ci-contre montre la coupe de cette lampe simplifike. k) + Q(i . d’êt. La réitération de l’exploitation de la formule pcrrnet de proche en proche de modifier tous les points du maillage. [a+‘)(i + 1. Une larnpe triodc est constituée d’une cathode K.. 4. k) + Q(i. k) = g [a+ + l. Application On se propose d’étudier les équipotentielles d’une lampe triode que nous prksentons assez simplifik.re calculkcs et.4.j . De toute façon. k + 1) + @(1. j.l. ces six fils ktant rnaintenns au Potent)iel -5 volts par rapport à la cathode. Pour ce faire. k) + Q> (n-1)(“> j.j. Gauss et Seidel ont profité de cette proprikti: pour améliorer la rnkthode de .2. 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> (“--‘I(i . k) en fonction des valeurs prises aux points plus proches voisins de hi(i.MANUEL DE CALCUL NU&RIQVE APPLIQUÉ Maintenant. On montre que la méthode est convergente. j. k) + Q+‘)(j.1) ~ h”p(i. 222 . L’anode A est un cylindre métallique de rayon 1 cm port6 au potentiel 100 volt. Nous n’avo11s plus besoin que d’un seul tableau dans lequel les valeurs sont « écrasées » succcssivernent.j. on écrit les relations qui font appel aux calculs effectubs au (n . 14. G(i. j. k) + d’“-“(i. k) + @(i. page ci-contre). k)]. La dcrniere relation i:tablic permet alors de calculer tous les points adjacents à la frontière. d’une anode A et d’une grille G1: Gx. nous compléterons ensuite t par symétrie. Comme le probkme admet une symétrie d’ordre six. Gs. 4.hode exigt environ deux fois moins dc calculs que la mkthodc de Jacob car elle converge beaucoup plus rapidement . Nous choisissons le rnaillage suivant : 68 = 7r/36 et 6~ = O:l cm (cf. On se propose de déterminer la carte du potent. on peut faire immkdiaternent usage des valeurs qui viennent. j + 1.6.ion.. k) au point M(a. Méthode de Gauss-Seidel (1821-1896) On peut montrer que la technique itérative de Jacohi est convergente et ahsolumcnt convergente. nous ferons usage des coordonnées polaires à. k)] D’un point de vue pratique. Au rhe tour d’it. il n’est pas trk utile de programmer cette procédure car la mCthode de Gauss-Scidcl en est une importante amélioration. exprimons Q(i.l>j. cause dc la symétrie cylindrique. lesquels sont les seuls à être modifiks. La cathode est un simple fil métallique de rayon négligeable placé sur liaxc du cylindre de l’anode. Gx.krat.2 cm. nous n’avons plus besoin de sauvegarder les différents tours d’itbration.iel dans un plan perpendiculaire à l’axe de la triode.3. k) = . Gd.j + 1.j. k) + Q(i.1)’ : d”‘(i> j. 4.j: k) : qi.j> k . k + 1) + Q +l)(i>j. j.5. La figure 14. il faut deux tableaux pour mcttrc tn couvre cet algorithme. nous n’avons donc besoin pour effectuer les calculs que de faire varier l’angle H dans l’intervalle (0. La grille est constituée dc six fils parallèles à la cathode disposés régulièrement sur le cylindre de rayon T = 0.j .7r/3) e .j. sur la frontière. Ccttc rnét.1.s par rapport.Jacohi : au cours du calcul. k .1.

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. schématique d’une lnm. Technique opératoire On met des zeros partout aux nceuds du maillage hormis aux points A.14.5. lors de deux itérations consecutives.5. et celui de la droite Da est le mCmc que celui de la droite Dl.pe Anode K Cathode Figure 14.6. c qui réalise le calcul des potentiels par la méthode de Gauss-Seidel.com/guilpin/ 223 . Nous calculons le potentiel sur les droites D 1. INTÉGRATION DES ÉQUATIONS AUX DERIVÉES PARTIELLES Figure 14. On trouvera sur le Web (*) 1 c programme triode. GI et K. Représentation triode. *http://www. Dz. 03 et Db. Maillage d’une partie du domaine de la triode. 4. sont Sgales ü une certaine précision près. Nous complétons par symétrie car sur la droite DF> le potentiel est le même que sur la droite D 9.edpsciences.

1. La solut.c. t) ct. ct. rsfk Nous obtenons alors 1’Pvolution du syskhne au cours du temps.ir ch. t) ~ 2qn.lClitk est. uous calculoris au moyeu de la relation ci-dessus les valeurs en c‘llacluc~ poirlt (111 maillage. Le non-respect clc la condition de sta. 4 cm Ci sclori qu’il y a une. Nous pouvoiis écrire : mqx. aiiisi clc suitr.2.t h‘t Au moyeu ch diff&ences finies. t) ct lr: ca.c quoi : ou ahoutit à uu tl@üsserncnt dc capac‘itb (overflow) qui produit un arr?t de la rriachinc~. du maillage. Au temps ht.3. Problème de stabilité Nous ne pouvons las choisir u’irrlportc~ corumcnt 1~: quadrillage de l’cspac~c~ (x.hr. t) ~ qz t + n‘t) ~ q.e est rcniplie : cy valmt 2. ct il est facile tic s’apcrcmY)ir que &tc~ m6tlde u’cst pas itérative (les vsleurs changent. t) 6:IJ +D(. cm tenant compte tics conditious iruposks au systhc @tu&+ (conditions aux limites). la maille ~lhncmtaire a la kille a2 .t ~ qx + 6x. t) at .r.r. cT:cSt.lcul proposé est st~ablc lorsque la conditiori suivant. t + 6-t) = 9(Z) t) + g [fD(zr + ch. t) ~ ‘Lqx.ollt poiut. t) + qx .ion du problCme est &tcrmirlC+ par une suite tl’oph-atious 6lhcmta~ires cffcctui33 CI part. .3 coritlitions iiiitialcs. l’expression de 1’6qnatiorl dcvicnt : 5. Maillage pour une coordonnée d’espace et la coordonnée de temps Cornriie prKdcrnrurnt~ nous choisissons un maillage rbgulier. t)] Au temps t = 0. très rspidcrncnt ri’irriport. 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.&r:. Résolution des équations de type parabolique (méthode explicite) 5. sanctionuC~ irriirl~diatrrll~llt. 5.5. au cours du temps) : qz. ii11 tclll~>s 3Ot. tlcux ou trois coordoririCcs d‘cyacc. t. t) + q:x: .c. : on obtient.. Puis nous cfhkuons les calculs au temps 26t par le rr&nc: procéd6. 224 . nous connaissons la valeur de @ CU t.

nouveau uniforme dans la plaqw. L’klimtion sc rkluit alors à. ai~. Maillage pour une coordonnée d’espace et la coordonnée de temps Cornrnc pr@c~~derrirrierit. y. plong&. de la variatdc clc tcrrips t.ion dc ccttc équation. Application : Refroidissement d’une plaque homogène Une plaqué hmnog~?nc d’kpaisscur i! = 10 cm mt port& a la. en série de sinus et tic cosinus qui. î et. 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).14.s de fac.4. bim agit6 pour qiw l’on puisw admettre que l’briergie &lPc par la plaque nc clmngc pa.tt>les d‘espace 2.12 crn”sP1 Au tmut de cornl)ieii de tririps pouvons-nous adrncttrc qiic 1iL tcnipi:mture est 2. C‘est ce genre de problème que Fourier a t.Prieur dc la plaque fn fonct. du temps t (ou notera la symétrie du prol)lèmr) La. 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. de tliffusion est D = 1.~TIONS A~IX DÉRIVÉES PARTIELLES 5. trrup~rat~ure uniforme Ho = 90 “C.ion dc lin distmw z c. t) 3z” 1 dz@ r2 3t” 6.raite ce prol~lèrne. La foiiction tl&mcl tirs trois vari. nous choisissons bzh‘t.1.airc~ a la tkllr Au moyen clcs diff6rcncw finks. l’expression de l’iquatiorl tlcvicnt : 225 . 1822). On trouvera sur lc Wcb (*) 1 c progrmm~c chaleur.ori riotable la teinp&dure du réservoir. pork sou nom (Thkorie malytiyue de la cldrur. 6. pour kt.mipkrature à l’int.joiml’liui.t.1 “C la t~mip6ratim du tlicmnostat ? Il est tout à. noiis m coiis~mmis qw la seule mordonnk: d’mpaw 2.utlicr l‘intPgrat.raitF ct pour lcqwl il II trouv6 la solutioii sous forme tl’uii d~velol)l>eriierit. dans un rkrvoir d’eau 5 la température 01 = 10 “C suffisanirricnt grand c:t. On sc propow dc dik:rrniner la ~. plaqur est t‘11 cuivre dont le coefficient. c qui t. c’est-k-&-c> lorsqiw la.NT&RATI~N DE:S ÉQU. Cornrnc prMdtrnnicnt. I. c>llc est.kd formel. l’~~xpression : 32q2. fait intérrssmt dr corripare~ les résultak du calcul riiirn6riqiic rwcc les rk1dtats du c. teinp6rdure la plus élevée ut tl6passc que dc 0. Au temps f = 0. Nous pouvorls écrire : 1111 rriaillagt rkgulicr~ ct la rmilk 616rncml.

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

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

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

1.2) . En toute rigueur le calcul pratique des séries dc Fourier n’est pas a dissocier du calcul des transformées de Fourier. X(x) T(t) (15.1) a Posons H(z. on se contentera de rappeler 1111 certain nornhre de theor?mcs fondamentaux dont on omettra la démonstration. dc lissage. C’est en résolvant « lc problème du mur » en regime transitoire que Fourier a fourni une expression formelle constituée d’une somme trigonométrique infinie.itre « Théorie Analytique de la Chaleur ». 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.t) = X(z) . d2J2 D dt (15.iste-Joseph Fourier (1768 1830) sous le t. Laplace. On designe par D lc coelhcient dc diffusion thermique dans lc milieu. 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. T(t) n fic e1. Nous obtenons : D~“(Z) d’où l’on tire : T(t) = X(z) T’(t) .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. Au cours de cc chapitre. par Q la température. +l). Petit apercu historique L’origine des séries de Fourier remonte à 1822 quand est paru l’ouvrage de Jean-Bapt.rec erc>h cr les solutions sous la forme dc produits dc h. par J: la seule variable spatiale et par t la variable temporelle.X”(X) ~ T’(t) ~_~. dans la mesure où l’on souhaiterait ctudier en mbme temps les devcloppernents en série de Tchebycheff. et nous aborderons l‘étude du trPs puissant algorithme de Cooley-Tukey. Il convient alors de rcsoudre l’équation : d”8 1 ae -=--. Ccpcndant on pourrait tout aussi bien s’int&esser aux fonctions pcriodiques de pbriode 2: c’est)a-dire dans l’intervalle (-1. Il est intéressant de rapprlcr ici les grandes lignes de cc problème ainsi que sa solution. d’interpolation ct aussi dans les problèmes de filtrage numérique.

. t) = [A COS(~. nkessaire dc faire intervenir les conditions init.=n?r avec n .3. Au temps t < 0. B’ ct C’. 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.4) Maintenant.3) (15.5) expression dans layuclle A et B sont des constantes. (15.5) s’krit alors : Q(~C. Comme on va lc voir le signe moins résulte du fait physique que la tempbrature ne peut pas croître indéfiniment de fqon spontanke. = A: 6’(h. . t > 0) = Q(O> 0) = r. T’(t) + k2T(t) = 0.ions initiales : O(0. T = T. on a T = TO sur les parois du mur c’est-à-dire pour z = 0 et z = h. 1. .iales et aux limites..TO = L3 sin (7x) exp [.(y)ZDi] 230 . Les solutions des kquations (15.t > 0) = H(h. Au temps t = 0. 3 . ce sont des combinaisons linéaires des autres constantes A’. 1 . 2 . On obtient alors les kquations : X”(X)+ k”X(z) = 0. . . on peut rkaliser un changement d’origine des tcmpérakures poser : TO est la nouvelle référence.0 .~) + B sin(kz)] exp(-k2Dt). (15. 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?. A’: B’ ct C’ ktant des constantes d’inGgration. avec . Il reste à appliquer les conditions aux limites ct les condit.2. 7l dor1c k = 7-lh et l’expression (15. pour déterminer compktement la solution il est. t) .3) et (15.n = 0.O) = TO = Acos + Bsin(kh) et Pour simplifier les équations.1) s’krit : /3(:1*.MANUEL DE CALCUL NUMEIUQUE APPLIQUÉ Comme lc premier membre dc (15. Une solution de (15. pour 0 < z 5 h et T = TO partout hors du mur.4) s’écrivent : T(t) = A’exp(-kDt) X(x) = B’cos(kz) + C’sin(kz).

?. Le rncml)rr~ tic gauche est diffkent de zCro quand 71 est impair soit n = 2p + 1. c’est la fonction «fen%re » qui est une constante dans un intervalle fini et./2. il vaut h..1).6) par sin (y:~) c.c] exp [-i. On déduit donc la solution gérkale : e(x. 0 27T sin(rLz) sin(rrlz) dz 2T sin(. alors la condition (15./ls) cos(7rm) dz: 277 231 . qui est. quant.ç < il> donc : (15. cn toute rigueur. On olkient~ : ]Tisin (yz) dz = B. la solution spatiale est donnée pa. LES SÉRIES T)E FOURIER Il nc reste plus qu’3 déterminer le coefficient B: et. nulle ailleurs). au membre d<. droite. si au temps t < 0.6) prend la forme : F(z) = F B. ~ TO = T: pour 0 < ..z. rt-1 (15. la solution la plus génbrale doit donc s’krire : On remarque qu’à l’instant t = 0 : 0(. sin (7~) .6) Multiplions les deux membres dc (15.15.r lc dkvcloppemcnt de la condition initiale dans le mur (ici. 2.i 7r=l (15.i. t) ~ TO = 4: 2 ij&y siri [(2p + l)i. la condition da.8) La somme est le développernent de F(z) en série de sinus. 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. + .7) D’une façon plus générale. Compte tenu de la linkarité de 1’6quation (15.ns Ic mur s’Ccrit F(z) pour 2 compris entre 0 et h.. 0) ~ TO = T. les proIn%%% dr paritk ou de symétrie ayant annulé les coefficients des termes en cosinus.iy.tj intégrons de 0 à h. [siIL’ (yz) dz 0 à cause de l’orthogonalité des fonctions sinus (voir le prochain paragraphcl).. En définitive. B dépend de 11.

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

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

vers zéro comme 1/srL”7 x eb ) a -t 01s çoutinuc partout sur ime ptriode. Sur la parité des fonctions f(x) Si f(x) est. et b. si f (x) n’est pas continue. Si f(. une pbriode. 5. Quelques développements traditionnels a . En cffct. tcndcnt vers zbro au moins comme l/n.1.. Si la strie trigonomhtrique est convergente.7r ~ rr< z < 0.. si f’(~) et f”( z ) existent et sont coiitinues sa.. Comme . alors a.MANUEL DE CALCUL NUMÉRIQUE APPLIQUE 5. : 2. tcndcnt. lhn au moins des coefficients tend vers zéro CoIIIrIl~ 1/71. lc dhcloppcmcnt II~: comprend que des termes en sinus. l’un des coefficients arr ou h.3. Sur la vitesse de décroissance des coefficients a. tend vers ztro avec l/n et la série dtrivke ne converge pas. sur un intervalle intkrieur à. sont nills.f(. toutes les fonctious continues ne sont. 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.. La rkponse est.f’(~) 1. cependant.~) est ur1c fonction impaire. À propos de ce théorème. la convergence de la série peut Ctrc trks lcntc.. ct h. mais la série convcrgc lcntcmcut . ou cn tlhluit immkliatement que les coeffkients b. corit. 27r). alors f(:Z. 5.uf éverituellement eu un nombre fini de points daus l’intervalle (0.4. pas néccssaircmcnt idcntiqucs c’n dehors de cet intervalle. ct h. on peut.. f(~ 1 R6ciproqucmcnt.c) est u n e fonctiori c o n t i n u e et. À propos du théorème de Jordan Si les conditions du théorème de Jordan sont vérifiées. Si la shic trigonomCtriqllr: est convergente et uniformément çouvergcntc. Remarque : Deux séries dc Fourier dont les sommes c:oiincidr:nt. 27r) où il cxistc pour ces deux fonctions des discontimlith d c prcmikrc C~~~:C:C~. et tous les arr sont nuls. non. Dérivabilité d’une série de Fourier Si a(~) et .Soit la fonction paire de période 27r définit ainsi : f(x) = r-:x’ si si 0 S:I: < 7r f(x) = 5 . SC poser la question dc savoir si toutes les fonctions continues sont développa.) est dhcloppablc cn s6ric dc Fourier.ossèdrnt.5. En revanche. une fonction paire. Il reste à calculer les cc. nc sont.f’(:c) WI skie de Fourier. a. 5. on peut calculer directement UII dheloppement de . Quelques propriétés remarquables 5. 5. alors la shic dc Fourier est int6grak>lt terme & terme.inues ailleurs. paire. des discoutirmités de premi&e espèce en nombre fiui sur l’intervalle (0.2.bles eu série de Fourier. alors. et sorit. la série trigonométrique associée n’admet yu’uri développement en cosirms (fonction paire) j les coefhcierits des termes en sinus sontj nuls.x 234 .

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

b) par une skie trigononktriquc et que ccttc S&ic est tronqukc à l’ordre n.1 N .. .. Autrement dit. Autrement dit. Nous allons dhontrcr ccttc proposition dans le cas d’m1e fonction éc~lallt.ique sur toute la pkiodc.loI>pr:rncnt CII shic dc Fourier.. ~N.0. le développement en série de Fourier tronqué & l’ordre n est celui qui. Pour obtenir des expressions commodes d’emploi.1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 6. Voici ces relations dans lesquelles j et 236 . . Bien entendu ce Worèmr est.l -. -1. Approximation d’une fonction échantillonnée . . on désire rendre l’expression : 2 E”= 2 l=-N+l la plus pctitc possible. On a poli6 : CE.illorlrlée.Ao . il faut utiliser 1111 certain nombre de relations trigonométriques qui s’établissent en se serva. pour 2N+ 1 valeurs zk dc la variable.> TTT. ~(XL) . NT. alors les coefficients du développement trigonométrique sont @aux aux coefficients du d~vc. d’une fonction développable en série trigonomktrique.. Les 2N + 1 valeurs de la variable sont réparties en progression aritlmkt. parmi tous les dhcloppcmcnts trigononi~triqucs possibles trouyués à. valable sous réserve que les conditions de validité de développcmcnt en skrie de Fourier soient vérifiées. l’ordre 71.nt de la formule de Moivre (1667 1754) ct de l’expression de la somme d’une progression géométrique. On y parvient.. . . x T1 N avec 1 = -N + 1: -N + 2:.e[Ak COS(~~) + Bk sin(kz)] k=l (15.12) CII écrivant que : dE” y&=0 ct 3E2 w=o. Théorème Si l’on veut approcher au sens des moindres carres UIIC fonction f(z) définit sur (a. 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. +l.O. ’ N r Comrnc f(7r) = f(-7r). au sens des moindres carrks. soit : N . seules 2N valeurs ~(XL) sont indépendantes. assure la mcillcurc approximation..Considhons une fonction f(z) périodique de période 227 dont on connaît uniquement 2N+ 1 valeurs yk.

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

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

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 . Pour les grandes valeurs de n et les petites valeurs de 5.rouvks sont présentés dans le tableau 15. pour le calculer on peut écrire : ?r/‘h 71 sin( 11.) sin(2nt) dt = 2 2 sin( t) 7l J’ 2n sir+L/2nj) 0 du eu ayant. Ou voit sans trop dc difficultk que lc premier maximum est le plus grand . (:E) sont donnés par sin(2nz) = 0.1.l de l’argument..1)t] = msino on obtient.n.15. Les résultats t.. + (-1)” du dbvcloppenlcnt en (271. Nous avons considk+ les termes depuis 5’71 jusqu’à Ss5 pour la valeur z = 0.. Pl us on prend de termes. . page suivmte. (x).999 998 031 On voit que l’epsilon-algorithme fait disparaître le fkheux iuccssantes oscillations au voisinage d’un point de discontinuité. LES SÉRIES DE E’OLJRIER ct puisque sin(2. on peut effectuer un dkveloppement lin&6 de sin(u/2n) et remplacer cette expression par SU/~T~. posé u = 2nz.1. + COS[(272 .. : 3 Les cxtrernurns de S... La courbe reprkeutant S. L’cpsilou-algorithme appliquk à ces quinze valeurs donne le résultat suivant : 0. 239 phCnorr&ne de Gibbs et 1~s . Soit encore : lm zk = !n avec k= 1.2. plus cette anomalie se trouve repoussée sur l’axe des y. Ainsi quand ‘II tend vers l’infini et :r: vers zéro. +‘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).3. Usage de I’epsilon-algorithme et disparition du phénomène de Gibbs Nous allons appliquer l’epsilon-algorithrnc à la suite des sommes partielles S. 8.(X) va cffectucr une série d’oscillations pour un point 5 quclcouquc choisi dans le voisinage de l’ordonnée y = 1.nt) cas(t) + cos(3t) + ‘.

ions ~c:hantillonn~es sont parfaitement rendues.035 1.035 1>038 1.999 1. Il n’en est plus de mCme si la base des fonctions (orthogonales si possihlc) est constitukc de fonctions discont.re ce gcnrr: dc calcul. Walsh.) tendait vers zéro c:onmie l/n. Lc prol&me est inhPrcnt à. 0. ou h. chaque point. Palcy et dc Haar.. c qui mont. Retour sur les fonctions f(x) présentant des discontinuités Nous avons dit que la fonction f(z) admctt.elles que les fonctions de Hadamard. en skie de Fourier mais qu’au moins une skie dc coefficients (a. Si l’on dérive chacun des deux mcmhres.ait un développement.040 1.inues t.038 1.016 1. 1111 pic (1~ Dirac.hlrle.2. 8. æ = 0 et z = T où f’(z) est.r convcnablemcnt ur1c discontinuitk. : 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. 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.025 1. 0) et -tl pour z appartenant. dc discontinuité quelle que soit la hsc de fonctions continues utilisée et le d~vcloppemcnt continu nc peut en aucun cas représentc. de cosinus. on voit que lc seconde membre est une skie divergente puisque e’cst une série de terme en cos(krc) ou sin(kz).edpsciences. L‘rpsilon-algoritllme tire nkmmoins parti de ces données en calculant les sommes partielles de la série divergente. C’est hicn ce qur donne l’cpsilon-algorit. Les points de discontinuitk ne sont plus la source d’oscillations.990 0.1.008 1.019 709 731 733 562 519 556 728 834 054 265 047 814 349 421 045 437 581660 560 117 708 447 325 920 Sur le Weh (*): on dorme lc programme Remarque epsi12.(. ~NOUS avons pris pour exemple la fonction qui vaut -1 pour z appartenant à l’intervalle (-T.MANUEL DE CALCTJL NUMÉRIQUE APPLIQUÉ Tableau 15..com/guilpin/ 240 . ct les fonct.024 1. *http://www.

iliser urlc autre forme pour le dheloppemcnt en série dc Fourier (qui rend plus fa& d’emploi la uotion d’impbdancc par exemple). = (signe dc u)Ja. = g 7 f(z) sin(nwz) dz...=1 ct. 10. 9. COS(%) obtenons par identification : b. 2 2..a + b7. 0 À présent. nous procPderons d’abord ü l’extension dc la pkriode yut l’on désigne par T au lieu de 27r.ahle d’ut. alors : f(x) = 7 + g a. En posantj ti = 27r/T.exp( -j??hJX) + exp( -~TU. et notamrncnt en &~ctricitb. sin(nwrc). 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. c qui permet de calculer f’(z:) eu exploitant le développement cn série. COS(TLWZ) 1.com/guilpin/ 2.15.13) b. n=l (15.> II = 1 *http://www. la série s’écrit..I = 6. il est souhait.x. = cl. LES SÉRIES DE FOL~RIER et. On peut. l‘on trouvera sur lc Web (*) lc programme dirac . sin(prL) cl.edpsciences. soit.) + siu(nr) sin((pT1)] En rapprochant cette expression du dévcloppemcnt (15. alors prkfbrer conserver uniyuemcnt~ ou les sinus ou les cosinus ct faire apparaître à l‘intérieur des expressions un terme dc phase.. Représentation des séries de Fourier avec un terme de phase Dans bien des applications.) + i: h.. les cocfficierits deviemlcnt : T + 5 b.j exp(jnwz) exp(jnwz) .j 71=1 241 .. : f(x) = 2 + 2 dl2 cos(nx ~ pll) = $ + 5 cl. Écriture du développement sous forme complexe Comme c’est à partir de cette étude yut nous allons établir les transformbes de Fourier. [COS(~~) II =l 7t=1 COS(~.9)) nous Q[] = d” (1. ..

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

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

M et. l’intkgrale calculée sur une pcriode 27r/St : in/ht 1 = J -/Jr JT-*fN(w) . est peu perceptible dans la rncsure ou les fonctions sin(nw2.%-t) ’ T ( w ) = e Ahexp(jkw&). et il s’agit alors d’exprimer les coefficients Ak correspondant à un filtre dont. L’etude des filtres numériques lineaires peut passer par la notion de fonction de transfert.16) Très souvent on SC donne une fonction de transfert T(w). la fonction de transfert en w du filtre (15. 6t représente l’intcrvallc de temps entre deux ~cliant.) 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. N sont deux entiers positifs. Ensuite on rctournc à l’espace direct. Nous reviendrons plus en détail sur ces espaces. Par définition. 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 prut dire qu’un filtre linéaire est tout simplement un ensemble fini de coefficients Ak qui dépendent. pointant fondamentale.T(w)lL dw. On Ctudie donc l’action du filtre sur un signal sinusoïdal que nous écrirons : f(t) = exp(. Pour fixer les idees nous allons etudier un filtre sans contrainte.jwt). k=-nr (15. ct filtre passe-bande pour faire reférence aux applications radioclectriques). car pour ce qui concerne les séries de Fourier cette distinction. Il s’ensuit que les Ak sont tels que : 244 . Application des séries de Fourier au filtrage numérique D’un point dc vue très simple. uniqucmrnt de l’opcration que l’on souhaite réaliser mais certainemcnt~ pas de la fonction f(t) a filtrer. la fonction de transfert T_A~N(W) soit la plus voisine de T(w) au sens des moindres carrés. c’est-a-dire z et w. coefficients qui viennent ponderer les valeurs des echantillons : a(t) = 2 Akf(t + kht). donc : = @ct) w(.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 12. Autrement dit ~ il convient de minimiser.illonnages. k=-M (15.15) est donnée par l’expression : T(W) on obtient. dans l’espace réciproque de Fourier. filtre passe-haut.

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

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

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

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

0 -00 (16. COS(~~) + h... = . on peut dire que (2 est l’a<:croissrment dr: w pris cntrc deux valeurs consécutives..l( z C)[ S ( wn:) COS(~~) LECI -+/a + sin(wz) cos(wt)] dz. l’on fait I’hypothk~ que : tT/2 1 cc cc 1 -+ > s 0 lirn - T -T/a I’ f(z) dz = 0.12~) dz h.4) C’est lc dbvcloppcmcnt cn iutkgrale de Fourier de la fonctiou f(t). ou peut considérer que 62 est l’accroissement Sw dt: w.3) Soit encore : Si.!. 7 cos(wt) -n +CC / f(x) COS(~~) 00 +CC dz + sin(wt) / p(z) sin(wz) dz ~00 du.2) s’krit alors : +T.M. I’ À f(z) sin(nRz) dz. présent. pour T tendant vers l’infini. (16. 250 . cela nous pcrmct d’obtenir une autre forme du dkvcloppcmcnt : f(t) = ff + k F R [CI .. Ces formes dc dhcloppcmcnt corrcspondcnt aux dhcloppcmcnts CII shic dc Fourier de fonctions offraut « un spectre continu » encore appelé « spectre de bandes >>.2) Dans cette nouvelle représentbion. que 6w A d w c t q11c CL=62 alors on peut krirc : f-(t) = . On peut encore écrire : f(t) = .(x) cos[w(n: . / -T/z O . Autrement dit.4NlrEL D E C A L C U L hrU. posons w = nR. Lc développement (16.f(z)dz+$$+j”.W@RIQIJE APPLIQIJÉ f(x) cos(n. 7 dw i.a f(t)=.t)] dz. sin(wt)] cl=62 (16.

Bien tics talks tic trzmsformées de Fonricr utilisent cette notation. 1 avec c.5) On peut. -cc d’où En effectuant une extension A l’infini. on krit : f(t) = A 1 c.1.jwt) dw +m G(w) = & / f(t) exp( -jwt) clt.1.. exp(jwt). = T s En conservant les mnmes f(x) exp(-jnk) dz.. exp(jnRt). encore poser : f(t) = )‘G(w) exp(. Il s’agit dans ccttc dernière forme d’une des exprc3sions les plus employi+s appelks l’une transfornk: dc Fourier directe. on prkfbc utiliser tics formrs plus 251 . nR = w : et &ù + dw = (2. --l-/2 conventions que prk&hmncnt. nous obtenons : (16. l’autre transformbc dc Fourier réciproqur. Intégrale de Fourier en termes complexes Partons du développement en sh+ dc Fourier en termes complcxcs : f(t) = CC~. cependant.

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

Nous ne parlerons pas davantage de cette intkgrale qui passe par la notion d’intégration dc mesures abstraites. LES TRANSFORMÉES DE FOURIER Dans ce paragraphe.it. elle donne lc mêrnc résultat que l’intégrale de Lebcsgue. C’est k Henri Lchesguc (18751941) que revient le merite d’avoir découvert la nouvelle intégrale en 1902. Théorème La transformée de Fourier +C= F(t) = -CU .héoriqucs essenticls.I’ If(x)1 dz = h (fi fini).16. 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. 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. 3. 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. dc suite que la notion d’intbgralc de Riemann ne suffit plus pour l’ttudc de tels problèmes. le cas dc fonction discontinues nc comportant que des discontinuitk de prcmike espèce.ions parfaitement. (16.2.11 sens de Riemann.kgrable. la norrne est celle de la convergence en moyenne. d&nics qui ne sont pas intégrahles a.6). pour la fonction f(z) ü valeurs récllcs ou complexes. et. La transformée de Fourier dans l’espace L1 On dit que f(z) appartient à l’espace L’ si. Non seulcmcnt l’espace L1 devient un espace complet mais aussi L2. il s’agit d’un élargissement de la classe des fonctions intégrables. que l’on doit lui substituer la notion d’intkgrale au sens de Lebesguc (1875 1941). 2. C’est. le physicien rencont. Voici pourquoi : lc point essentiel repose sur le fa. nous dksirons rappeler les résultats t. Le prohkme fondamerkal repose sur les conditions d’existence de 1’intCgrale dc Fourier qui est l’une des expressions (16. Il faut bien reconrlaître que l’usage pratique des transform6es dc Fourier passe exceptionnellement par les considérations qui vont suivre. Quoi qu’il en soit. permettre d’éviter quelques pièges que l’on peut rencontrer dans la théorie des fonctions khantillonnées. Disons tout.rant en gCnkra1 <t de honncs fonctions ».i f(x) exp(2njTjzt) dz 253 . Les rnathérnaticiens ont trouvé une définition plus génkrale dc l’intégrale de Riemann afin que L’ soit toujours ml espace vectoriel.1. Insistons toutefois sur un point csserkiel : lorsque l’intégrale de Riemann est rkellerncnt calculable. Le lecteur intércss6 trouvera des d&eloppcments et des exemples dans les ouvrages citts en bibliographie : cn particulier. des exemples de fonctions bornées qui ne sont pas intégrables au sens de Riemann. Au fond. 3. un survol rapide de la t.7) Ici.. complet au sens de la norme L1. Conclusions a. Il existe des fonct. on a : +LX . b.

F ’ ( t ) . 2. si 0.MANTJEL r]E CALCIJL NUMERIQUE APPLIQUÉ existe si f(. bien noter que le cas particulier ~1.z).f(x)I 3.z) appartient à L’. En effet. La syrnktrie donne : f(x) 3 F ( t ) exp(2rjty). Continuité de la transformée.8) exp(-2r. aussi à. prerniàres ou encore 6.jzf(z) : 2-irjz. La T.f Ll . 254 .leur de t. on a les inégalitbs suivantes : +CC .ppartjicnrirntj à Si f(x) est dériva& n fois. La translation qui consist. alors F(t) admet.F.jm) 3 F(t . d ors : . F(t) à changer . si a # 0. L1. (16.l (z) r_F. Propriétés essentielles dans L1 R. donne : (16.2.e r. . si f(z) ainsi que sw n. Si i(z) appartient 5 L1 sa transformhe de Fourier F(t) est uniforrriémcnt continue pour toute va.f(). est linéaire. 5. Si f(z) appart.Ir/) donne : f(x -Y) 3. I)artout une dkrivke F’(t) Imrnke qui est la transformée de Fourier de 2~.10) Il faut. = 0.f(O) est une coristantc et la fonction constante n’appartient pas à L’.ient à L1 et si la fonction XI(:~) appartient. dkrivhs a.r en (z . (16.I -00 If(z)1 dz = . Donc F(t) existe pour tout t.9) 4. = 0 nc prtsentc pas beaucoup d’inthêt. La dilatation d’abscisse. En effet.I’ -<xi f(z) exp(27rjzt) dz < +Oc .appclons que l’on note : f (xl 1. ct. de plus F(t) est bornée uniforrnhent : IF(t)1 < I.

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

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

LES TRANSFORMJhS DE: FOU~~I~~ Alors. Remarque sur le sens de la transformée de Fourier Du point de vue de la physique.ons g(z) par sa transformée de Fourier dans 1’intAgralc (16. l’une et l’autre fonctions conticnncnt exactcmcnt la même information. page suivante donne les principales correspondances. g(z) est bornée et l’intégrale définissant le produit de convolution cxistc.16.13) : En inversant l’ordre des intkgrations. on obtient : +CC h(x) = ct par suitje : . on sait que les transform~cs de Fourier g(z) ct F(t) appartiennent % L2. Le tableau 16. 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). 257 .ant une fonction bornée et la fonction [G(t) . On résumera les opérations ainsi : f(x) 3 g(x) yl-i f *9 3 f.g 111-. F(t)] appartenant & L1. + G G 5. F F(t) G(t) F. 1’Cgaliti: dc Parseval n’est rien d’autre que l’expression du principe de conservation dc l’hcrgic.I -430 .1. Rcmplac. il s’ensuit que h(z) est la transformkc dc Fourier dc G(t) F(t). h(x) ét. G(t) exp(-2jKtz) +LX s pc.g(x)) = /i(x)g(x) -!x. dn: (= /f(x)g*(x) -cIcI d 2 si les fonctions sont complcxcs).4.2. 5. 5.3. Par ailleurs.2 f(w) exd2Wy) h dt +CE h(x) = J G(t)F(t) exp-2jdx) dt. 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). La démonstration est encore plus simple si f(x) et G(t) appartiennent à L2 . la connaissance de la fonction f(x) est stricteruent équivalente à la connaissance de la fonction F(t) . cn effet.

MANUEL LIE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 16. + G(t)] [F*(t) + G*(t)] -00 et +CC -00 dt.F(t) + jG(t)] [F*(t) . -x . partie imaginaire paire F(t) rklle paire imaginaire impaire imaginaire paire réelle impaire complexe pair-c complexe impaire par-tic reclle paire .[f(x) +y(~)] [f*(x) + g*(z)] dz = r. -00 -00 IlOuS allons en déduire quelques propri+% sur le produit scalaire des fonctiorls appartenant à L2.1. La linearité de l’opération d’intégration nous permet d’ecrire : +CO /. ces fonctions admettent chacune une transformée de Fourier désignée respcctivernent par F(u) et G(u). f (xl réelle paire réelle impaire imaginaire paire imaginaire impair2 complexe paire complexe impaire réelle quelconque imaginaire quelconque partie réelle paire .. --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. C omme nous avons l’cgalité de Parseval : /’ f(x)f*(z) dz = / F(t)F*(t) tlt.jG*(t)] dt. partie imaginaire impaire partie réelle impair-c . par-tic imaginaire impaire partie imaginaire paire .F(. 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(x)) = (F(t).g*(x)) = Tf(x ~ su)g*(x) dz = ~r(t)G*(t)exp(2Tjtu) -00 -cc également une dt. on a les autres relations : (f(x)> g(-2)) = P’(t).i’ +a J’ -cc il s’ensuit : (f(-x + u). 259 . compte de la réciprocité des transformations de Fourier.orls exp(2. on obtient l’cxprcssion : U-x). Comme f(z). G(W)). g(x)) = (F(t).rjtu) dt. -cia exp(2xjtu) dt. g(x)) = /F(t)G(t) -(w Si l’on fait IL = 0. G(t))> (f(x)> s(x)) = P-t).u)g(x) dz = /R’(t)C(i) -00 soit.x + u) exp(2rjtx) dz = F(-t) exp(2njtu). f(-. eu remplac. G(t)).f(x. remplac. .u)g(x) dz = /‘ii)G(-t) Maintenant. f(-x) exp(2njtx) dx = F(-t) et. iious ~VOI~S les relations : tm .g*(x)) = /i(x ~ u)g*(x) dx = /i’(-t)G*(t) pc. ~IN -00 exp(-2rjtu) dt. krirc : (f-x + u). G(t)). g(x) exp(-2rjtz) dz I * = G*(-t). t par -t dans la dernière @alité.16. LES TRANSFORMÉES DE FOURIER L’exploitation dc cette dernière égalité 6x1 liaison avec la convolution donrw expression intéressante concernant une forme de produit scahire : (.u). F(t). g(x)) = lmf(x . nous ohtcnons : exp(-2njtu) dt (f(u ~ x).ant g*(x) par g(x) on change G*(t) en G(-t). g(x) d‘une part. d’aprh le théorème de translation sur l’axe des abscisses. (f(:~).x). g(x)) = /i(x . encore : (f(u .2 En rappelant que : +CC s -00 g*(x) exp(2Tjtx) dz = +m / -cc [. G(t) d’autre part jouent des rôles syrrktriqucs. Par ailleurs. on peut.

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

15) ktaicnt simples à calculer mais qu’cllcs exigeaient un temps de calcul considérable.f(-qh) e t T.l)O”] (16. Cependant.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) .2 . Les relations (16. 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). On approche F(t) au moyen dc l’expression suivante : 71-l F(t) = h c f(W) exp(27r-jkht). il est beaucoup plus astucieux de calculer ces fonctions au moyen des relations de rkurrence du type : COS[@ + I)@l] = 2 COS(@)) cos(p@~) . nous pouvons kcrire : 71 .14) Dans le cas où f(z) est une fonction rkelle.1)00]. Cette façon de procéder rcvicnt à décomposer une fonction en une somme de deux fonctions.. et l’on peut trouver des relations de récurrence tout à fait analogues. l’une paire et l’autre impaire . 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. Cornrne l’appel des fonctions de bibliothCque SIN et COS dcmandc 1111 temps important. la raison en est la suivante : comme les fonctions sont. = f ( . ce qui fait que les argurnents des sinus et cosinus sont en progression arithmktique de raison 00.-1 = -f(-nh).sin[(p . k=l (16. 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. avec q=O:1. k-71 (16.16. LES TRANSFORMÉES DE FOURIER 8. Quoi qu’il en soit.cos[(p .15) Remarque : Nous avons dkjà dit que les relations (16.6) au moyen de la méthode des reckanglcs . Calcul par un algorithme ordinaire Il s’agit ici de calculer les intégrales (16. pkriodiques...16) ne sont pas uniques. il suffit de calculer au depart seulernent Ao = cos(00) et 13” = sin(&) puis d’utiliser les formules de récurrence : 261 .n.n h ) S 1L + jh c f(M) sin(2z7kht).16) sin[(p + l)&] = 2 COS(@~) sin(pO0) ..) = 27rht.

) Il s’agit d’un algorithme que l’on désigne souvent sous le nom de FFT (fast Fourier transform). q=-n+p2 (16.jg) . dans les relations (16.17).)exp k=-n (16. les fonctions f(z) et F(t) sont des fonctions complexes de variables réelles respectivement zr et t. on aura les égalités suivantes : F(mr) = h k=-n+pl c f(kh)exp (16. 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. 262 .15) et (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. 1=-n (16.21) quels que soient les entiers pi et pz. 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. Donc. Réciproquement.18) . 9. La transformée de Fourier réciproque ne présente pas plus de difficulté à calculer. on écrira sirnplement : f(x) = T C F(lh) exp(-2nj2ht).20) f (kh) = T ny F(qh) exp (-2~.1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Quelles que soient les formules de récurrence utilisées. La transformée de Fourier discrète Il suffit de reprendre les formules (16. si la fonction f(z) est périodique de période a.17) D’une faCon genérale.19) Par ailleurs. et l’on va observer une lente dégradation de la precision des valeurs calculees pour les sinus et cosinus. 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. elles mettent en ouvre toujours une soustraction. si l’on fait a: = mr. L’algorithme de Cooley-Tukey (1915.15) et (16. on a la transformée inverse : f(kh) = T c F(qh) exp q=-n (16. 9.

chacune de ces fonctions comprenant N/2 points. on choisira un nombre N de données qui est une puissance de deux. Calcul de la transformée de Fourier au moyen de la technique de partage Théorème . on obtient leurs 263 .3. Il s’ensuit que : h = l/N. LES TRANSFORMÉES DE FOURIER Comme cela est sans intérêt.. Les transformées de Fourier respectives de u et ‘v sont désignées par U et V. Puisqu’on ne calcule qu’un nombre fini de points de la transformée. nous n’avons pas amélioré la technique de calcul.16. Pour démontrer cette proposition. il est plus commode d’écrire en indice lc numcro du point c’est-à-dire que l’on notera désormais : F(mr) = F. +1/2). Comme dans le cas du calcul des fonctions trigonomctriqucs. l’une constituée des indices irnpairs fzk+i et l’autre des indices pairs fzk.. Normalisation de la transformée de Fourier Pour obtenir la normalisation. P our des raisons qui deviendront évidentes par la suite. et pi = p2 = 0. Il faudra se souvenir de cette opération lorsque l’on désirera effectuer une interpolation dans les transformées de Fourier. N = 2n. c’est-à-dire que l’on va effectuer une transformation linéaire des abscisses de tcllc sorte que l’intervalle arbitraire (-a/2. Maintenant. +a/2) soit transformé en un intervalle dc longueur unité: soit l’intervalle (-1/2. 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. 9.2. Rappelons que T est la période de la transformée F(t). (N). T = 1: T = N = l/h. et l’on posera N = 2’“. 9. et f(kh>) = fi.22) Il faut bien reconnaître que. Il est bien entendu que l’on conserve l’ordre des échantillons dans la fonction f (cc). les transformées de Fourier discrctes normalisées s’tcrivent sinplement : (16. et nous avons toujours besoin de N operations complexes pour mener à bien les calculs. Par ce procédé. il suffit donc de poser : n = 2nh = 1. nous allons étudier un algorithme qui rend le temps de calcul non plus proportionnel à N2 rnais à N log. jusqu’à présent. II~IE poserons : WN = exp(2nj/N).La transformée de Fourier d’une fonction quelconque cormue en N points est une combinaison linéaire d’une transformée de Fourier de deux fonctions issues de la première et ne comportant que N/2 points chacune. nous allons décomposer la fonction f(z) en deux fonctions. on préfère travailler sur une transformée de Fourier normalisée.

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

5. Certaines donnees conservent le même indice. La façon d’opérer est schématisée sur lc tableau 16..1. Exemple Nous avons huit données numérotées de zkro à sept et nous obt.(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 . 9. 3.2.tion de récurrence suivante : j = RN(k) = &(AI . . -~ ~~~ -. 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. Ccttc méthode s’applique pour k = 0. 9. page suivante. Remarques générales 1..Pour des raisons de simplicitk. Il est simple de passer d’une numérotation à l’autre selon que la première dom& à la valeur xero ou la valeur un. Désignons par 4 l’exposant de deux qui permet d’encadrer le nombre k dc tcllc sorte que : alors nous obt.6. 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.2.2(j) + & et l’on prendra au dkpart : RN(O) = 0. La manière dc l’exploiter sur un cnscrrlblc de huit donntes numérotées de un à huit est presentee dans le tableau 16.3. Il faut donc rn = log. 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. 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. N ~ 1. 265 .Dans l’ordre séquentiel on considère la donnée d’indicc k.Tri par inversion de bit .Le tri direct . LES TRANSFORMÉES a DE E'~URIER .2. Tableau 16. on considère encore que les indices commencent a la valeur zero et se tJermincnt donc a la valeur N . 1. Pour obtenir l’indice j.iendrons la valeur de j au moyen de la rela. (N) bits p our exprimer tous les indices de la fonction échantillonnitc dans le système binaire. .enons UIE représentation binaire sur trois bits.16. 2.

*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. si l’on utilise ce prograrnme avec des données numérotées à partir de l’origine. 2.edpsciences. 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. des programmes exigent cette façon de procéder.22): il ne faut pas diviser les données par N lorsque l’on calcule la transformation réciproque.3. Il convient alors de noter que le module de la transformée de Fourier est correct. Cette opération a été rkalisée au cours du tri et non pas après les calculs (les opérations sont linéaires). 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. les résultats de la transformée de Fourier directe sont donnés à partir de l’origine. dans l’espace réciproque. Nous avons retenu une méthode non récursive agrémentée d’un algorithme de tri direct des données. Lors du calcul de la transformée directe. Programmes de calcul des transformées de Fourier On trouvera sur le Web(*) 1 es sous-programmes df ft0. 4. Il est très facile de se retrouver en présence d’un fâcheux décalage de T lors du calcul des transformk dc Fourier. le premier point calculé est celui correspondant à l’origine. La plupart. Ces programmes nécessitent quelques commentaires. C’est pour cela que la transforrnée de Fourier directe que nous proposons tient compte de ce décalage. h pour calculer les transformées de Fourier. Comme le rnontrent les relations (16. 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. 3.23) et (16. Nous ne l’avons pas retenue pour la raison suivante : lorsque l’on traite des données échantillonnées au cours du t.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 16. Autrernent dit. on SC trouvera également en présence d’un déphasage de T.emps: la première donnée qui se présente correspond à l’abscisse normalisée -1/2 et non pas zéro. h ct df f tinv0. Quelle que soit la manière retenue. 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. 1.com/guilpin/ 266 . le calcul successif des transformée au moyen des relations (16. 5. Par conséquent.24) irnpose la division des résultats par N.

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

C’est réellement cc problèrne qui est traité dans la réalisation d’un disque numerique. definie numériquement pour les valeurs w = Icra : G(w) = F(w) * R(w) (produit dc convolution). périodique et. La transformée de Fourier de g(t) notée G(w) est continue. 268 et il . tirons : 11.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). si elles existent. OII deduit que l’étendue de l’cspscc réciproque est. Il s’ensuit que le signal ne doit pas comporter de fréquences superieures à 22. soit : R(w) de là.illonnage est fixée aux environs dc 45 kHz. La fréquence d’échant. Autrement dit j il faut.i!!fANLJEL DE CALCLJL NUMÉRIQUE APPLIQUÉ conditions. où R(w) est la transformée de Fourier de la fonction porte. il est indispensable de procéder au filtrage du signal avant de 1’~c:hantillorlner ne devra pas comporter de frcquences supericurcs à : 1 W”=2ho’ sous peine de voir apparaître dans le spectre des «battements » avec la fréquence d’échantillonnage. On impose ho Dans cc cas.5 kHz ou tout au plus ces frcqucnces. 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. Quand cette condition est remplie. auront une amplitude très attémicc ~ au moins 20 dB par octave.2. 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 . I~OIIS sin( 27rTw) = 2$Jlw . (-wo: +w~) soit 2~0 ct que la fréquence d’échantillonnage est : 7”() = -: N il s’ensuit que la <~bonnc pcriode » d’échantillonnage ho est donni:e par l’expression : h>U = & 0 c’est la période d’echantillonnage dc Shannon (1916 ).

illonnage sans connaître la plus grande fréquence composant le signal et qui soit non n&&yahle en amplitude. 12.l = 0 si n: < 0 et. On comprrnd très bien que toutes les frkquences comprises entre 22. est la limite de flZ.2. La distribution de Dirac (1902-1984) La distribution de Dirac joue un rôle intbressant dans l’étude des transformi-rs de Fourier. Elle s’appelle fonction de Heavisidc (1850~ 1925) ou 6chclon unité. Définition On considare la suite de fonctions : fil (X. la dbrivée de la fonction de Heaviside est. J car S(Z) est nulle partout sauf cn z = 0.16. supposons alors qu’il existe. 12.1. notée 6(z). f(x)S(x) dz = f(0) 6 .i S(z) dz. par cxcmple. la fonction de Dira(:. encore appclke impulsion unité car sa surface est @ale 2 1 (cornmc toutes les fonctions f.5 ct 45 kHz vont battre avec la fr6quence d’échantillonnage et recouvrir le spectre qui a été obtenu entre 0 et 22. 6(x) est. R.cmpérkes. 269 . n La distribution de Dirac. une frsquenct rbultant du battemrnt de cette fréquence avec la fréquence d’échantillonnage. C’est ce que certains auteurs appcllcnt le « repliemcnt du spectre ». LES TRANSFORMÉES DE F~URIE~< Si tel n’est pas le cas.(~) lorsque n tend vers l’infini. Y(t) est encore appelée la fonction échelon unité.ransforrnées dc Fourier des distributions t. ou plutôt entendrons.!(X) par construction). c’est-à-dire 15 kHz.5 kHz. on peut écrire : b f(x)S(x) dz = f(0). 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. 011 comprend tout le danger qu’il y a à effectuer un échant. Nous verrons. si a < 0 ct b > 0. et l’on consultera avec intérêt l’ouvrage d’Arsac sur les t.Dc nGme. Quelques propriétés a- +X. 12.éciproquement. :r > 1 71 1 =n s i O<:r:<-. . dans lc signal urle fr6qwnce de 30 kHz.

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

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

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

. ct l’on trouvera en bibliographie ses art. 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) . Cependant.(). 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. On peut a.a. dits mal posés aujourd’hui. Ar&nine aux Éditions dc Moscou (c. 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. la lecture des exemples et l’usage des programmes sont amplement suffisants.f. 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. 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. En d’autres termes. Grosso modo.icles originaux. C’est Hadamard (1865-1963) qui le premier a mis en Cvidcncc ce type de problèmes. 1. La lecture de ce livre demande une solide connaissance en mathematique... dans une première approche dc ces problèmes. des variations des donnkes aussi Petit)es que l’on vcwt peuvent amener des variat.17 Initiation aux problèmes mal posés : équations intégrales. et nous avons sculcment cherché dans ce chapit. nous écrivons donc : soit entaché d’une erreur et cg = a. Ce chapitre doit énorrnérnent à l’ouvrage de réf&ence écrit par Tikhonov (1906 1993) et.rc à r&umcr la philosophie sous-jacente.ions aussi grandes que l’on veut de la solution. + &I?l La fonction f(z) est donc remplacée par la fonction y(z) : 00 273 . bibliographie).

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

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

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

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

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

) muni de la rnétrique : expression dans laquelle les qk:(z) qp(z) > 0. sk(zr) sont constants. ug) = 6. 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 : . On montre qu’elle se met sous la forme : A*Az + az = A*u. Recherche de la solution régularisée sous forme d’une série On suppose ici que A est un opérateur complètement continu de F dans U. et si les fonctions des coefficients constants 2 0. INITIATION. est muni de la métrique : PF(Zl.(Az.. b). et que U et F sont des espaces hilbertiens. On aura donc : sont des fonctions continues connues > 0. on écrit l’équation d’Euler associée à la fonctionnelle lissante Me (z. alors.~~~ PROBLÈMES MAL POSÉS : ÉQUATIONS INTÉGRALES. la solution sera approchée par les fonctions les plus lisses jusqu’k Les stabilisateurs s’appellent dans ce cas stabilisateurs d’ordre p. Si l’on désigne par {fk} un système complet de l’opérateur A*A (vecteurs propres) et par {Xk} les valeurs propres associées.&) = SUP 121(x) . b) ( esp ace de Sobolev (1908&1989) IV. où A*A est un opérateur auto-adjoint. tels que Ilzl1 5 d.3. En outre. u).z2(. 4.x)I on peut choisir l’ensemble 4 des fonctions de carré sommable qui admettent des dérivées jusqu’à l’ordre p sur (a.Si F. b . est compact dans F. On peut alors prendre comme stabilisateur la fonctionnelle : Q(Z) = 1142~ Puisqu’il s’agit d’un problème variationnel.z de 4. on suppose que le sous-ensemble 4 de F est aussi un espace hilberticn qui est muni de la métrique majorantc 11~11 p our laquelle l’ensemble des éléments . minimise la fonctionnelle Aabilisante 0(z) avec la p.Exemple 2 . avec toutefois et comme la solution régularisée z. on parle alors de stabilisateurs d’ordre p à cocfficicnts contrainte l’ordre p.17. espace des fonctions continues sur (a.

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

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

La solution est connue analytiquement.. nous ne serons pas en mesure de savoir si le systknc est rkllcment dégénéré ou non. Quoi qu’il en soit.2...Y) = (1. 6.2. il existe une classe de systèmes linéaires qui sont indiscernables cntrc eux pour un niveau d’erreur connu. b) = (-1. on peut utiliser la méthode du résidu. Ceci assure que les dérivées nurnériques en a ct b sont nulles.+l = z.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Ainsi. . c qui résout ce problème dans lequel les intkgrales sont évaluées au moyen de la méthode dc Simpson.. Pour déterminer la solution. Il se peut également que la matrice A ait un déterminant très proche de zéro.1 inconnues à partir du moment OU l’on connaît ~0 et. Résolution d’un système linéaire mal conditionné Soit AX = B un système linéaire le plus général.i’ K(x.1. et l’on la comparera aux résultats numériques : u(y) = zii’[sin(nx) ~ 3 sin(3Tx)]. dans ce cas.2. On va rechercher la solution.com/guilpin/ 282 .0 ~ Y)X e t u(x) = [sin(7rx)]” s i O<y<x s i x<y<l sur l’intervalle (a. Ici encore. 5.. nous pouvons écrire un système d’équations aux différences finies : pour k = 1. n. . 1. z. Exemple numérique On se propose de résoudre num&iquement l’équation de Fredholm de première espèce suivante : +1 . parmi les vcctcurs X qui vérifient l’inégalité : 1/2 avec : [Z] = 2 2. et l’on posera z-1 = ~0 et z. . . On obtient donc un système dc n . appelée solution normale.. on pose ~‘(a) = z’(b) = 0: et ces conditions seront irnposées en écrivant le système pour k = 0. On trouvera sur le Web (*) le programme f redh-1 . n . y) = (1. Y)~Y) dz/ = 4x1 -1 avec K(z..0 ~ x)~ K(x. il faut résoudre chaque fois un système linéaire pour urle valeur dc o.l).edpsciences. comme les calculs sont effcctu6s avec une précision finie.1 équations à n . Si l’on ne connaît pas zo et z. Nous considérons ici les systemes d’équations algébriques pour lcsqucls dc petites perturbations du second rnernbre peuvent induire des variations inacceptables de la solution. j=l i i *http://www.

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

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

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

Avec le développement des calculateurs arithrnétiques. La paternité de cette idée revient à J.1. lors de sa convalescence après blessure. la feuille de papier étant rernplacéc par le drapeau américain qui comporte des bandes équidistantes. Le problème de Buffon Sur une feuille de papier nous traçons des paralléles équidistantes séparées par la distance 2~. ~. il est très facile de réaliser quelques simulations de ce type à l’aide de générateurs de nombres pseudo-aléatoires. Après avoir présenté lc célèbre problème de Buffon (1707. Soit 1 le milieu de EF. page suivante). Fig. 18.E. Mayer qui l’utilisa pour la première fois cn physique statistique. car durant la guerre de Sécession (1861-1865) un officier américain. et nous jetons dessus une aiguille de longueur 21 telle que 1 < (L. nous donnerons deux générateurs de nombres pseudo-aléatoires que nous utiliserons dans quelques applications classiques à savoir : Calcul d’une intégrale définie. Nous plaçons cette feuille sur un plan parfaitement horizontal. ~ Recuit simuk (minirnum dkme fonction). Ce problème s’appelle aussi probkme du drapeau américain.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. Le problème consiste à calculer la probabilité que l’aiguille rencontre une des parallèles (cf. 1. Alors.Inversion d’une matrice carrée. il faut premierement que :x: < 1.1788) comme illustration historique d’une méthode de Monte-Carlo.Rksolution locale de l’équation dc Laplace. s’était posi: le même problèrne. la probabilité pour que M sur El soit compris entre 5 ct I : + dz est : 287 . Désignons par M le milieu de l’aiguille et par EF la perpendiculaire aux parallèles passant par U. On pose EM = 2 que l’on suppose inférieure à FM (A1 compris entre E et I). . Pour que l’aiguille coupe la parallèle AB.

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

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

718 281828 459 045 235.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. il suffit de tirer deux nombres aléatoires indépendants à distribution rectangulaire sur (-1.25.ion analogue à celle liée au problème de Buffon. x1 = T = 3. on trouve T = 3. le point aléatoire A de coordonnées <i ct & obéit à une distribution uniforme dans le carré de sommets (-1.. Pour N = 1000 000. autrement dit. . elle vaut 0.l) en multipliant zi par 0. On suppose que f(z) est une fonction continue par morceaux. il faut multiplier le nombre d’épreuves par lOO. +l) que l’on note ci et &. On trouvera sur le Web (*) le programme calculpi. Il est tout à fait simple de dénombrer les points A qui tombent dans le cercle de centre 0 et rayon unité.141592 653 589 793 238. Dans le plan..com/guilpin/ 290 .edpsciences. on vérifie bien sur cet exemple que la précision varie comme l/fi et que le générateur dc nombres pseudo-aléatoires se comporte bien.25. c qui effectue le calcul de T selon cet algorithme. *http://www. T-Q du carré 4 N Comme pour N donné on sait dénombrer Q. Calcul de 7-r Il est très facile d’obtenir une valeur approchée de T en effectuant une simulat. 4. .141603 5.141507. Elle donne des résultats tout à fait semblables a ceux fournis par le générateur de LehmerGreenberger.. 3. seul son intérêt pédagogique est à prendre en considération car la précision relative varie en l/fi. et pour N = 1000 000 000. on trouve T = 3. On obtient des nombres pseudo-aléatoires à distribution uniforme sur l’intervalle (0. pour N = 100 000 000. 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. -l). on voit que la probabilité de tomber dans le cercle est donnée par : P= surface surface du cercle ----.. 1) et. on trouve T = 3. on obtient aisknent urle valeur approximative de T au moyen de la relation : Il ne faut pas se méprendre sur la portée d’une telle méthode. On vérifie bien que pour diminuer l’erreur d’un ordre de grandeur. et b. Calcul d’une intégrale définie On désire calculer l’intégrale d’une fonction f(z) entre les bornes finies u. Pour cela.140 2. (1.

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

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

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

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

elle s’écrit : 0.18. on écrit alors : log. INTRODUCTIONAUXMÉTHODES DE MONTE-CARLO 8.5).2. La variable TI = F(J) est uniformément répartie. l).<) = -X27 soit encore : 77 = -$log. on peut générer des nombres pseudo-aléatoires à distribution exponentielle qui peuvent alors permettre la simulation du comportement des neutrons dans une réaction nucléaire (distance entre deux chocs successifs).5. Simulation d’autres lois de distribution Il est assez simple d’obtenir d’autres lois de distribution à partir de la distribution uniforme. D’après ce qui précède. Il est donc très facile d’obtenir des nombres pseudo-aléatoires à distribution exponentielle. Distribution exponentielle De la même façon. Supposons que la variable aléatoire < admette la loi de répartition F(z).Pour obtenir la distribution de 7. Soit Q(t) 1 a fonction caractéristique de chaque &. on écrit : 8.0. nous allons étudier diverses techniques permettant de la générer. lrt 295 . Somme de n nombres à répartition uniforme sur (-0. La loi de répartition est : F(z) = 1 .(<) [ appartenant à (0.(l . & .5 (a(t) = exp(2njtz) sin(7rt) dz = ~ . Si l’on remarque que la distribution de 1 . 8.(l .l). Distribution sinusoïdale Par exemple.exp(-X2x) F(x) = 0 pour z > 0 pour x < 0. alors l’expression se réduit à : rj = -$ log.5) : 77 = C.1. nous utilisons la notion de fonction caractéristique (voir le chapitre 21 consacré à cet effet). Si tel est le cas. on peut générer une suite de nombres pseudo-aléatoires à distribution sinusoïdale en utilisant la relation : < = arcsin( [ est évidemment entre -1 et +l. donc pour obtenir 5 il suffit d’inverser la relation précédente à condition toutefois que cela soit possible.5 est la même que celle de < puisque < appartient à (0. Distribution normale Eu égard à l’importance de cette distribution. 8.3.

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

l) . dans le plan. Tome II. DURAND (1961) Solutions numériques des équations algébriques. HAMMERSLEY et D.l) indépendants pour obtenir deux nombres aléatoires à distribution gaussiennc v1 et Q indépendants (distribution normale réduite). En se référant aux propos de l’alinéa b du paragraphe 8. Par ailleurs. OM). 9. Cet argument 4 suit une loi uniforme indépendante de la longueur de OM. 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. d’un point M d’argument 4 = (OX. Pergamon Press. Éditions Dunod.5 dont nous venons de simuler la rcpartition (voir aussi la loi du &). Il suffit de tirer deux nombres aléatoires à distribution rectangulaire <i et (2 sur l’intervalle (0. HANDSCOMB (1967) Les méthodes de Monte-Carlo.C. INTRODVCTIONAUXMÉTHODES DE MONTE-CARLO 8. 1).4. 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. SCHREIDER (1966) The Monte-Carlo Method. algorithms and upplications. G. n’est rien d’autre que la variable x2 à deux degrés dc liberté (chapitre 22) dont la loi dc distribution s’écrit : P(c < z) = 1~ exp (-g) c’est la loi exponentielle de coefficient X2 = 0.18. Éléments de bibliographie E. sin2 (27r&). FISHMAN (1996) Monte-Carlo : concepts. avec & appartenant à (0. soit Ç = $ + 72. il suffit alors de poser : avec Ii appartenant à (0.= tari(4) = tan(27r&) 72 soit encore : $ Cos2 (27r&) = 7. La somme des carrés de ces variables. The method of the statistical trials. A. Éditions Masson. Springer-Verlag. d’où l’on tire : m = JJGiX2W2742) 72 = ~~CO~(2~l2). 71 et 772 peuvent être considérés comme les coordonnées. J.M. 297 .2 (concernant la distribution exponenticllc).

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

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

ÉLÉMENTS DE c. la probabilité de vérifier l’inégalité tend vers 1 quand n tend vers l’infini. Il s’agit dc mettre en œuvre une méthode indirecte qui peut s’appliquer à. Probabilité empirique d’un événement ou mesure de la fréquence relative Plus simplement il s’a. la variable aléatoire X désigne lc nombre présent@ par la face d’un dé normalement numéroté. 6. 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.~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. Ainsi. On appcllc fréquence de A le nombre d’cxpbicnccs oi~ l’tvanement A est apparu divisi: par lc nombre total d’expériences effcctu&s. Notons qu’un écart import~ant peu cxistcr mais il est peu probable. Par exemple. Somme et produit d’événements. tout un ensemble de problCmcs que la probabilité soit connut directement ou empiriquement. Nous venons de définir une variable aléatoire X qui est discrète. Par cxcmple. que les variables aléat. 3. On réalise ainsi une mesure cxp6rimentale de la probabilité. du dé pipé.IT& 2. par exemple.git d’envisager l’étude des cas où la propriété de symétrie a disparu : c’est le cas. 4: 5 ct. et lion parle dans cc cas dc probabilité empirique ou statistique.lculs. À présent apparaît 1111 sérieux problème : la probabilité statistique change d’une série d’cxp&icnces 2 l’autre. ou plutôt une série de n expériences.. 4. C’est l’cxp&ience qui révèle l’absence de sym@trie. À l’occasion de l’énoncé du théorème dc Bcrnoulli. Cc thi:orème que nous dérnontrerons plus loin est l’cxprcssion de ce qui est appel@ la loi des grands nombres. Notion de variable aléatoire Par dkfinition. 301 . Il nc faut pas confondre la variable aléatoire avec les valeurs effectives que ccttc variable est. plus improbable que n le nombre d’épreuves est grand. 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.oires soient discrètes ou contimIes.. une catégorie déterminée est appelée variable aléatoire.19.2. quel que soit E > 0 aussi petit que l’on veut. ne. 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. nous venons d’introduire une notion nouvelle de la convergence : la convergence en probabilité : On dit que X. les valeurs possibles de la variable alCatoire X sont 1: 2> 3.ion d’une Bprcuvt appartenant à. tend vers X0 en probabilit6 si. Cette difficulté se trouve réglitc par l’intermédiaire du théorème de Bernoulli : Soit un nombre 7 > 0 aussi petit que l’on veut. toute variable dont la valeur est fixée par la réalisat. susceptible de prendre.4~~~1.7 PROR. et d’autant.

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

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

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

18 = 0. 305 .7 x 0. Les probabilités conditionnelles restent proportionnelles entre elles.O P(A/Hz) = 0.28 P(i&) = (1 .3 x 0.18 Il faut bien comprendre cc que signifient ces calculs. Les probabilités conditionncllcs causes Hk s’ecrivent : dc l’événcmcnt observé A (ml étudiant. et les probabilités des causes deviennent : 0. 5. 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.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) = 0.7 x 0.18 Remarque : On verifie bien que la somme des probabilités est égale à 1. .6 = 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).19.61.42 P(I&) = pl(l . On se trouve alors dans le cadre d’un système complet d’cvenements incompatibles.O Une fois l’événement A réalisé. et ils peuvent Ctrc obtenus par une autre voie. est rccu) lices aux P(A/H1) = 0.28 + 0.12 P(H2) = plp2 = 0.28 + 0. Lois de répartition des variables aléatoires La description complète d’une variable aléatoire. les deux premières causes deviennent impossibles.pr)pz = 0.p2) = 0.4 = 0.18 = 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 0.0.6 = 0. 0.39.4 = 0. il suffit donc de calculer Q tel que o[P( H:i) + P(&)I = l! donc : 1 a = P(Hx) + P(H4)’ puis P(Hx/A) = C@(H~) et P(Hd/A) = C#(H~).O P(A/‘&) = 14 P(A/H/i) = 1.

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

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

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

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

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

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

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

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

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

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

ct> dt -cc +Y expression dans laquelle &(t) est la transformée de Fourier de @k(t). soit : a(t) = a+(t) .. Quelques autres propriétés importantes Soit une variable < de densité de probabilité p(z). 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. + x. .) n admet comme fonction caractéristique : Dans bien des cas. La transformée de Fourier inverse va transformer ce produit simple en un produit de convolution.t) . on aura toutes les chances de montrer que 5 obéit à une loi gaussienne puisque la fonction caractéristique sera gaussienne. . Ic = 1.lorsque n est grand devant 2n 0n t. la fonction @(t) s’écrit : e(t) = nlog.4. 327 t2 . [ ( )1 Q i . dans le cas de la dernière variable [. Si par hasard @ 4 admet un développement du genre 1 . ayant la densité de probabilité np(ny). La variable [In. nous obtenons : P(X) = / rI.2. la moyenne < d’une somme de variables indépendantes de même densité de probabilité p(z) : 2 = I(x1 + x2 +.5. 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. Dans le même esprit.cx . En particulier. 1.. on s’intéresse aux logarithmes de la fonction caractéristique : Q(t) = l%P(t)l. n. La fonction caractéristique de cette variable s’écrit donc : +‘X a(t) = J p(x) expjzt -m +CO dz. @z(t). LA FONCTION CARACTÉRISTIQUE 1.21.

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

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

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

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. à m . h qui permet degrés de liberté.com/guilpin/ de tabuler la loi du xfT. on obtient : 0 1 cc (2u) n’2-1 exp( -u) du = ~ s u7’/2p1 exp(-u) du = 1 r(nP) 0 1. on a donc : e x p -i dy. > dy.(w). Calcul de la valeur moyenne Nous voulons calculer la moyenne de la variable xk : 1 "(x3 = p/2r(n/2) m s yy 0 71/2%1 exp ( -. Calcul de la variante D (xz) Au préalable.edpsciences. On donne sur le Web(*) 1 e sous-programme khi2. Vérification de la normalité de la loi Il s’agit de calculer L. ( 1 0 Effectuons un changement de variable u = y/2.2r(11.2) 1 s 0 0 (m+L)m. *http://www.1.M ANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. le même changement de variable que celui effectué dans le paragraphe précédent permet d’écrire : d’où : 1.3.2. on calcule le moment d’ordre deux que l’on note x m2 m2 : y (xi) = 2TL.

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

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

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

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

2)y”“P1 +CE Pm(t) = J’ 0 p<(t . +co) 5.2r(m. v) P.(m) = Y(m + 1)/21 J’>o [l + .(y) = p[Q(y)]V(y) P.)] d y .(v)v du = mm/2 dz+“+T(m/2) x exp on pose : mm/2 &G2m/2-11T(m/2) Tymexp [-“” (I+ .22. d=wml2) -00 337 . soit : exp (-$1 La distribution devient donc p. Vérification de la normalité de la loi Il s’agit de calculer R. 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].(Y) = 2m.2) pour 2 E (O. La distribution pm(t) de la variable t s’écrit alors : (my2)7rL/2-1 exp (-$1 2my = 2”L!J~1~m.+m).~. LA LOIDUX~ ETLA LOIDE STUDENT On peut écrire : y = !D(z) LG = Q(y) W(y) = 2my.(co). on a donc : .+i h. en définitive..1. on trouve : p (t) = r[(m + 1)/2] m *l?(m/2) t 2 p(7n+1)‘2 ’ + ii 1 [ pour t t (-cm.] -h+l)P dt.

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

22.2 m + l . 1.-log. il suffira d’effectuer un développement de MacLaurin (au voisinage de zéro).l m . La densité de probabilité s’écrit : rb + WI 29m(x) = fir(m/2) ’ 1 + 2’ [ m 1 (m+l)P ’ En passant aux logarithmes. s’écrit : le produit des fonctions caractéristiques donne une fonction que l’on peut écrire d’une façon simplifiée : A(m. 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 . LA LOIDUX~ ETLA LOIDE STUDENT On donne sur le Web (*) 1 e sous-programme student . 6..f loge(m) *http://www. il s’ensuit que la transformée de Fourier inverse n’est pas une distribution de Student. 7.l m . 2 + 2 . M a lh eureusement.2 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) = . 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.(6.l . Soit (a(t) la fonction caractéristique de trn. 2 . h qui calcule les valeurs de la distribution de Student quel que soit le degré de liberté m.~ log.. La loi de Student à m degrés de liberté tend asymptotiquement vers la loi de Gauss quand m tend vers l’infini Comme la loi est symétrique.1og..edpsciences.+ . n)K. La fonction caractéristique de 7.2(x).2(x)Kn.1og.wm + 1)/21 ’ Z ’ r m ( 1 Xfi + 2 1 1 expression dans laquelle Km.2 m-2 m . La distribution d’une somme de deux variables aléatoires indépendantes obéissant à une distribution de Student est-elle encore une distribution de Student? La réponse est non. 2 2 ( > ( > ( 1 . on trouve : log. 2 2 m .com/guilpin/ 339 .2(2) est la fonction modifiée de Bessel de troisième espèce.(x)) = Cste + 2 1% 2 m ..

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

Bien entendu. . Définition On appelle fonction de répartition d’un système de deux variables aléatoires X et Y. Système de variables aléatoires. Désignons par 4(t) 1 a fonction dc rkpartition de la variable aléatoire X toute seule.q) = P(X < E. Généralités Il s’agit de gén&aliser un certain nombre de notions afin de les étendre aux systèmes de plusieurs variables aléatoires ct plus spécialement aux systèmes de deux variables aléatoires qui vont retenir notre attention lors de l’étude de l’analyse de corrélation-rCgression. 2. .1.1 23 Systèmes à plusieurs variables aléatoires 1. . la probabilité de vérifier simultanément les deux inégalités : X<C e Elle est définie par l’expression : t Y < q. ct par $(q) 1 a fonction de répartition de la variable aléatoire Y t. X. ces propos se généralisent au cas de 7~ variables aléatoires X1. Il est alors tentant de penser que les proprii:tés du système dépendent uniquement de celles de chacune des variables . il n’en est rien et il convient de tenir compte de leur interdépendance. JqE.Y < rl) (cf. .oute seule. page suivante) et cela revient à dire que F(I. X2.1. dont le point figuratif appartiendra à un espace à T-L dimensions. 7) est la probabilité de se trouver dans le quadrant hachuré de la figure c-contre. 23. L’apport essentiel de ce chapitre sera l’étude de la matrice de covariance ct de la matrice dc corrélation. 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. Fig. 2. 341 .

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

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

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

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

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

m. Kz.m. Après avoir posé 2 = X + Y. K z.y = 0.2. = M[X .].. Y] ~ m. ii. Ce théorème est susceptible d’une genéralisation simple : M I1 2xi i=l =CM[X. 347 . 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. 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. 6. ?=l 6. = 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. et la moyenne du produit est égale au produit des moyennes. 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. nXi = i=l fiM.m.23. = M [X. On obtient alors les expressions suivantes : D[X + Y] = D[Z] = M [Z..u. = M[X] Le développement de l’équation donne : et m... SYSTÈMES À PLUSIEURS VARIABLES ALÉATOIRES On démontrera évidemment le même théorème en ce qui concerne les variables continues. M[X . on passe aux variables centrées que l’on indice avec un zéro : 2.M[X] + m. Variante d’une somme de variables aléatoires Nous allons calculer D[X + Y]. Si les variables sont indépendantes. Y] = M[X]M[Y] + Kz.] = M [Xi] + M [Y.)] m.Xi].. = M[Y]..m.] + 2M [XoJ$] = D[X] + D[Y] + 2Kz. Y] ~ mEM[Y] .3. Y”] = M [(X ~ m.. Insistons sur le fait que cette relation est indépendante du fait que les variables aléatoires soient indépendantes ou non. = X” + Yo.) (Y .

m. Y] = rr~.2m..y)M[X = M [Z”] ~ mi = M [X”Y”] . (nX + arnz = uM[X2] - = aD[X]..J. + Kz. = M[X .m. 7.. on voit apparaître la covariance.. Puisque X et Y sont des variables independantes.. + Kz. + K. Y]. il en est de même de X2 et Y” .q + K~~.y + K..m. Y] + (m. en tenant compte du fait que KL. En effet. Variante d’un produit de variables aléatoires Il nous faut calculer D[X . la dernière expression se simplifie.Jz] avcvcc m.y)2.~ = +1 si a est positif et -1 si a est nkgatif. Y] = M [X”Y”] ~ (ml. 348 .D[Y] + rniD[X].4. . or1 obtient : D[~O. à partir de la covariance on peut Ccrire : K x. D[X. Propriétés du coefficient de corrélation (démonstrations) Si les variables aléatoires X et Y sont liks linéairement : alors le coefficient de corrélation vaut *l..MANUEL DE CALCUL NTJMÉRIQUE APPLIQUÉ 6. soit : Si les variahlcs sont centrées.M[Z] + K:. ~ b)] = uM[X”] ~ mn.Yo] En remarquant que my = ~TL.~ + = M [(X ~ 7~) (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. Y] = D[X] D[Y] + ml..1... alors.M[X] - nm.Y] =M [Z” +m. = M [(X - m..2m. Dans lc cas particulier où les variables sont indépendantes.m.II = 0. Kz. .$z.m.2(m.y)2 = M [X”Y”] ~ 2(m.)2 + Kz. pour cela posons 2 = X Y : D[X Y] = D[Z] = M [Z.. Dans cette dernière expression.. L)[X.c~r~~y D[X . 61 = D[&l D[yOl.~rn.?J = MIXo.m..7. ou peut écrire : D[X .y)(m~..) + (m.] = M [(Z .Z] = M [Z”] + mz . Y] = M[X’]M[Y”] .)] b b am.

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

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

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

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

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

0 et l’écart type 2. nous avons effectué les regroupements sur 15 sous-intervalles. En l’absence de toute considération sur les risques encourus. rn le nombre d’occurrences.1.519e-2 p* =3.815. expressions dans lesquelles <y est le seuil de signification. Cela signifie que l’on choisit de rejeter la loi avec 5 chances sur cent de la rejeter à tort.98.2 p* =3.1.665 2. Il n’y a aucune raison de rejeter la loi dc Gauss comme hypothèse H.417e-3 p=1. le nombre de degrés de liberté est 12.768e ~ 1 p* = 1. k est le numéro de l’intervalle de regroupement. p la probabilité théorique de tomber dans l’intervalle.2 p=6.142 2.668 -1.438e-3 p=8.189 1. on trouve que les nombres pseudo-aléatoires gaussiens ont une moyenne de 6. CRITÈRES DE CONFORMITÉ valeur moyenne 6.766e-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. on opérera selon l’un des cas de figure suivants : a.037e-4 p=3. les données expérimentales ne la contredisant pas.628e ~ 1 p* = 1.684e . Ainsi.144 -1.172e-2 p* = 3..094 3.601.7132 1.395e-3 p* = l. comme l’hypothèse à tester est la loi normale.169e-2 p = 3. la probabilité dc dépasser la valeur u est. après avoir calculé U.925e-2 p = 3.239l 0. On dit aussi que l’hypothèse H est tout à fait vraisemblable. Tableau k=O k=l k=2 k=3 k=4 k=5 k=6 k=7 k=8 k=9 k = 10 k= 11 k= 12 k = 13 k = 14 m=4 24.1 p* =6.174e-3 p* =9. Les résultats obtenus sont présentés dans le tableau 24. Expérimentalement.05.2.169e-2 p=3.570 Dans ce tableau. p=8.001 e . la valeur de u peut se situer dans deux domaines : le domaine des valeurs possibles u < xl-.1 p=6.7153 -0.05 et un écart type de 1.096 -2. Alors dans cette dernière éventualité.4 p’=4.766 e . Nous avons alors obtenu la valeur de u = 7.620 -2. 355 .216e .237O 0. le seuil de signification le plus répandu est 0.882e-1 p = 1.191 -0. 0.178e ~ 2 p* = 1. x est l’abscisse du début de chaque intervalle. 4. Comme le montre le tableau.174e ~ 1 p* = 1.180 e .0 (nous avons ajouté chaque fois 12 nombres aléatoires à distribution rectangulaire donnCs par la technique de Lehmer).205e-1 p=1.683e-1 p=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.24.868e ~ 1 p* = 1. on rejettera l’hypothèse H avec Q chances sur cent de la rejeter à tort .442e-2 p* = 1.174e ~ 2 p* = 7.618 3. et le domaine des valeurs improbables u > xf-.167e .1 p = 1.2 p=1. et p* la probabilité empirique.207e .092e-4 p” = 9.904e-2 p=1.

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

x1 i x2.~~ ~3. En ce qui concerne la variante de rn : on 357 . l’estimation ?71.24. 3. On dit alors que l’estimation est consistante . Par exemple. Ces remarques nc suffisent pas à concevoir des estimatcurs intéressants et utiles. à cc slljet on se souvient que si n est élevé. souvent. 2. on leur irnpose donc certaines contraintes dont les trois plus importantes sont les suivantes : 1. lorsque cette condition est remplie. 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. Bien sur.. il faut employer un estimateur.. . 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. . . supposons que l’on réalise n’ expériences ayant fourni chacune une moyenne m. On peut écrire : voit alors que l’estimateur n’est pas biaisé. l’cstimateur ü doit converger vers a en probabilité. . La plupart du temps. que fi. n’. Q. a est une variable aléatoire dont la loi de répart. mais il convient alors dc le vkifier . z. À présent. et l’on SC contente seulement des deux premières. on dit que l’estimateur est non biaisé. elle dépend aussi du paramètre inconnu a ainsi que du nombre n d’cxpkriences. Pour obtenir une estimation. . 2. on souhaite que M[a] = a. a . Toutes les estimations possibles de a le sont à partir des valeurs {zk}.. et désignons par ‘rn et D respectivement la moyenne et la variante. . Par conséquent. Le plus souvent le biais dépend de n. puis un estimateur Ü du paramètre n qui est une grandeur associée à la variable X.1. 6. . et l’on parvient à corriger l’estimateur afin que sa nouvelle expression ne soit plus biaisée . converge en probabilité vers m.Nous définissons la rnoycnnc au moyen dc l’expression : IC=I En vertu de la loi des grands nombres (théorème de Bernoulli). j = 1. c’està-dire que o(a) soit rninimum.Cas de la moyenne . toutes deux inconnues. . et que la moyenne de la moyenne est encore la rnoycnne. D’une façon générale: on peut considkrer une variable aléatoire X qui prend les valeurs . on peut souhaiter avoir les estimateurs pour lesquels les erreurs sont les plus petites possibles . toutefois on peut d’ores et déjà dire qu’il s’agit dc la formule mathématique utilisée pour effectuer le calcul de l’estimation. il n’est pas possible de satisfaire simultanément ces trois contraintes.ition dépend de celle dc X . est urle fonction des {zk}. on désire que l’estimation centrée possède la variante la plus petite possible. Il s’ensuit. la notion d’estimateur va se prkiser dans les lignes qui suivent. nous avons une très grande chance de trouver la moyenne expérimentale proche de la moyenne théorique (thkorème de Bernoulli). Application à l’estimation de la moyenne et de la variante Rcvcnons à notre variable aléatoire X à valeurs 51. z.

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

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

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

196 3. on ne recherche qu’un schéma en moyenne pour x.j = log. on porte en abscisse J’(J’ + 1) et en ordonnée la valeur y. Pour cela on mesure la surface relative Ij de chaque raie à laquelle un produit de nombres quantiques J’(J’ + 1) est associé.L’analyse de la structure fine des bandes d’émission d’une molécule diatomique ici H Al . $ ( 3) 4. 362 . Dans ce schéma.823 Exemple .. 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 . Sur un graphique.196 2. Le coefficient de la pente ü s’appelle coefficient de régression de y en x. cette dénomination doit être prise comme un simple nom générique. cela signifie que y(x) est la moyenne de 7 pour une valeur donnée de x. c’est-à-dire une loi de variation de la moyenne conditionnelle M[qj x ] en fonction de x. La théorie permet d’établir que : lot& ( 23 > = -gJ(J’ + l). La droite ainsi définie porte le nom de droite de régression. Tableau 25.1 ( s.37 3. 1 on a porté les résultats. A est un coefficient connu attaché à la molécule ktudiée.permet la détermination de la température du plasma émetteur.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ expression dans laquelle les termes entre parenthèses expriment la dépendance non aléatoire et S exprime le résidu. c’est l’expression aléatoire de q. La mesure de la pente de la droite permet de calculer T.333 3. durant ses premiers travaux. expression dans laquelle Sj est calculé pour chaque raie j. elle est historiquement liée aux travaux de Galton (1822-1911) ~ considéré comme un des fondateurs de la méthode statistique ~ qui avait constaté que. alors. Il s’ensuit que la valeur moyenne de 17 est une fonction linéaire de x : y = as + b.47 3. 6 doit vérifier un certain nombre de conditions : M[S] = 0 e t D[6] = g2.176 3.1.980 2. la pente de la droite en question était négative d’où l’idée de régression.941 2. . Sur le tableau 25.

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 <. Il y a une contrainte supplémentaire : cette décomposition doit être effectuée de telle sorte que les variables S et 5 soient non corrélées. on voit que le résidu est corrélé avec [ puisqu’il dépend du paramètre ü à estimer. Remplaçons z et y dans l’équation de la régression : qui se transforme : 7 = a< + 6 + (6.as. . Ici encore on s’intéressera à la loi en moyenne et l’on écrira : Y(x) = ax + 6.] = 0 et M[i?. Cela peut entraîner des ennuis dans le calcul des estimateurs qui risquent de perdre leurs bonnes propriétés évoquées au chapitre 24.) . soit encore Y(x) = n/r[q][ = x]. On peut écrire : et l’on ajoute : Ad[&.] = 0. 1. Si l’on fait l’hypothèse d’une liaison linéaire entre 77 et <.7 est sujette à variable un caractère aléatoire.3. 363 . Cela impose que M[@l = 0. il n’est donc pas nécessaire que < le soit. Dans cc schéma. 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. expression dans laquelle 6 exprime le résidu avec comme caractéristiques : M[S] = 0 et D[b] = a’. variable x3 fait l’objet de très faibles yj. en effet S est centrée. les erreurs qui entachent les variables x et y.25. 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. la grandeur 17 se décompose en deux parties : 77 = (üf + 6) + s. et S. Si la distribution de ces deux variables 6 et < est gaussienne. En effet désignons par 6. alors on est assuré de l’indépendance.

x2. Si l’hypothèse d’indépendance statistique est vraie. clic est supérieure on place un 1.Test de la suite formée à partir de la médiane de l’échantillon YTL+l 2 ( y: + y. remplies : 1.7 ordonné par valeurs croissantes. Cette nouvelle suite s’appelle suite variationnelle. Fondements de l’analyse de corrélation-régression La détermination des coefficients ü et b s’cffcctue selon la méthode des moindres carrés. repose sur les remarques suivantes : la suite dc 0 et de 1 est constituCe de sous-suites formkcs soit ur~iquemrnt. Il apparaît comme IIIIC question de bon sens que /L doit avoir une valeur «pas trop faible cornparéc à n. L’idCc du test. On doit s’assurer que l’observation de l’expérience no i est bicn indépendante de celles qui ont. On désigne par p le nombre total de sous-suites.. Désignons par x1.. .1. On abandonne les éléments qui sont @aux à IC. . été effectuées auparavant et qu’elle n’influence pas non plus les observations suivantcs. si n est pair. on va forrner une suite de deux caractères arbitraires. On propose plusieurs méthodes de vérification de l’indépendance stochastique des tirages..f:Ci est l’élément central de la Suit)e des yj. L’étude de 1’indCpcndance stochastique des exp@ricnces évoquks dans les schémas t. Si la valeur dc zk. homogénéité des varianccs conditionnelles . si. Il importe de vkrifier que l’échantillonnage n’a pas été dirigé. Indépendance stochastique des résultats d’observation Il s’agit de vérifier que les échantillons ont bien Cte prélevés au hasard. vkifier que trois conditions suivantes sont. 2.. Il est clair que I-L et X sont des grandeurs qui dépendent de ?z ct on les notera : pu(n) et X(~L). c’est-à-dire : jr a . est irnpair.~. Nous a. Il s’ensuit que la longueur X de la plus grande sous-suite doit avoir une valeur « pas trop grande comparée à n ».) /2 si n. est inférieure 5 z . car les sous-suites ne peuvent pas Ckre trop 101~gucs si le tirage est dû au hasard.llons reprendre en dktail ces trois points. À partir de la suite des x3. les distributions des variables sont gaussiennes.. CC. Pour s’assurer que les estirnateurs issus de l’analyse de corrélation-régression sont tout à fait convenables.) obéit à IUIC loi normale dont la rnoyenne ct l’kart type sont donnés par les expressions : M[p(n. on doit.MANIJELUE CALCUL NUMÉRIQUE APPLIQUÉ 2.rrrCi on place mi 0. La valeur empirique dc la médiane Tr. on peut montrer que /L(T~. disons 0 rt 1. indkpcndance stochastique des résultats d’observation (l’échantillon a bien étk tire au hasard) : 2. de 0 soit uniquernent de 1. on forme une autre suite yj constituk par l’ensemble des x.. ». x3. À partir de l’échantillon initial des xj. 3. l’échantillon extrait de la population parcntc ktudiCc dans l’ordre où ils apparaissent. et yj s’appcllc l’ordre statistique de rang j.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~).)] = y D[p(n)] = y 364 .

727 1.705 1.2.698 1.741 1.663 1. Aiivazian) : p(n) > PE . Nous avons trouvé x.701 1.708 1.713 1.685 1.713 1.723 1.744 1.746 1.71 1.722 1.Le tableau 25.724 1.712 1. de 1 à partir de la suite donnk par l’échantillon initial.714 1. 1.676 1. aussi prbfère-t-on utiliser les rkultats suivants (d’aprks S.724 1.72 1.735 1. On trouvera sur le Wcb (*) lc programme teststat .692 1.704 1..(n + 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).717 1.726 1.715 1.724 1.edpsciences.683 1.682 1.696 1.696 1.. on forme une suite de 0 ct.705 1. On compare chaque ékment au suivant immédiat: s’il est plus grand on place 1111 0 et s’il est plus petit on place un 1.678 1.703 1. OII calcule : p(n) = 40 et X(B) = 9.712.73 1.69 1.701 1.Application à une suite de nombres pseudo-aléatoires .693 1.com/guilpin/ 365 .728 1.776 1..736 1.2 donne la hauteur d’un échantillon de 100 personnes prélcwks au hasard parmi des conscrits.702 1.704 1.708 1368 1.725 1.702 1.736 1.706 1. c qui rFalise ces simulations ct ces calculs. c .25. 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.723 1.Ce test permet.] = 1.707 1.709 1.721 1. Par ailleurs.721 1. de dkceler une tcndancc de dkviation progressive de la moyenne dc la distribution. le nombre de souschaînes est 56 et la sous-chaîne la plus longue a la taille 6. quelque peu plus cornpliquéc.722 1.709 La lecture des dormécs s’effectue ligne par ligne.746 1.679 1.728 177 1.694 1.781 1.. D’un point de vue pra. Tableau 25.734 1.3 (logd~) + 111 1 où PE définit l’opération troncature (partie entière).69 1.663 1.716 1.733 1.68 1.723 1.748 1.729 1.711 1.1.74 1.765 1.721 1.719 1.715 1. Il s’agit donc de s’assurer du bicn-fondé de l’indkpendance stochastique du tirage. tirage au On peut donc conclure qu’il n’y a aucune raison de repousser l%ypoth&c d’un hasard.711 1.~IRE La distribution de A(*n) est. b .716 1.727 1>688 1.686 1.742 1.665 1.716 1..711 1. ÉTUDE DES DÉPENDANCES DANS 13 CAS LINÉ. Le cas d’égalitk est kart@.Test des suites ascendante et descendante .719 1.723 1.692 1.698 1.692 1.708 1.693 1.722 1.9Sj/m [ X(~L) < PE [3.687 1.706 1.tiquc on devra *http://www.706 1.719 1. Comrne dans le cas précédent.701 1.

25. page précédente) à la lueur de ce nouveau test. est le quantile d’ordre (Y de la loi normale réduite.1) . On obtient pour le nombre de souschaînes la valeur 67 et pour la sous-chaîne la plus longue la valeur 3. on rejettera l’hypothèse d’indépendance stochastique avec moins de 10 chances sur cent de rejeter la loi d’indépendance à tort. On rappelle la définition du quantile d’ordre (u : P(x < 21.Application à une suite de nombres pseudo-aléatoires .On analyse le même échantillon (Tab.Test des carrés des différences successives . 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.5(1+u:) où U. on rejettera l’hypothèse de l’indépendance stochastique des tirages si r(n) < ycy(n). Ici encore rien ne permet. on forme la demisomme de la moyenne des carrés des différences entre chacun des éléments et son suivant immédiat. Toujours à partir de la suite initiale.1.) = a.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ vérifier les inégalités suivantes : 327~ . 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. 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.Ce test ne concerne que les données qui obéissent à une distribution normale. Pour un échantillon de taille supérieure à 20. 366 . de repousser l’hypothèse d’un tirage au hasard. Le calcul donne p(n) = 58 et le tableau A(n) = 6. e . d .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.2.

elle doit être proportionnelle à une fonction connue de 2.05 est -1.F(wq) = Q où F(z) est la répartition de la variable aléatoire <. dJ:=0. Soit ICO~ le milieu de chacun des intervalles. f . et la variable aléatoire : A= -t&milog. On suppose que les variables ont été regroupées dans k intervalles.00048 puis : y(n) = 1 . qui sera déterminée empiriquement : Le problème qui nous préoccupe maintenant. c’est de connaître un test qui nous permette de juger de l’homogénéité ou non de la série des variantes. Homogénéité des variantes conditionnelles La variante conditionnelle D[~]Z] d e 1 a variable dépendante doit rester inchangée. i=l ($) 367 . Quand D[~]Z] est une constante. = D[ylz& = 02.os(n) = 0. quand I : varie. on trouve dans les tables : & / exp(-$) -00 le quantile d’ordre 0. ÉTUDE DES DÉPENDANCES DANSLE CAS LINÉAIRE soit si a = 0.2 = 5 -gyii . D[~]Z] doit être une constante : D[~IX] = a2 = cte. On obtient q2(n) = 0. au sens statistique.y. 2.05 Remarque : Il ne faut pas confondre le quantile d’ordre a avec le point de pourcentage 100 Q.2.05 .65.Toujours sur le même exemple. si l’on doit envisager une tendance systématique à varier en fonction de z. Il s’agit de vérifier que les différences entre les k valeurs obtenues pour les sf sont dues au hasard ou.00059 et cr”(n) = 0.25. alors : ~[Yl~Ol] = D[ylzoz] = . Encore une fois il n’y a pas de raison d’abandonner l’hypothèse d’un tirage au hasard. la variante empirique de chaque intervalle est donnée par l’expression : s. Autrement dit.)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.Application à une suite de nombres pseudo-aléatoires . Si tel n’est pas le cas. Le point de pourcentage 100 Q de la variable aléatoire < est la valeur wq telle que P(z > wp) = 1 .837. dans le cas contraire. notée h2(z) (car D est une forme quadratique). 2 2 8 e t ~o. on examine ce que donne le test.

23 140.93 229.08 207.19 123.39 205.24 215. dans expression.ll 236.82 118.29 184. la douzième la variante et.86 28.61 40. été exécutés avec 16 chiffres significatifs. on trouvera lc programme varian-1 .77 240. La onzième ligne donne la moyenne obt. Il faudra alors trouver une fonction hz (22).99 127. 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. 10.edpsciences.44 181.46 133.F réalisée 10 fois pour cinq valeurs de la variable J: qui sont : 70. page ci-contre. on a noti: : n ktant la taille dc l’khantillon.61 229. les nornbres ayant été arrondis.71 151. Ylj Y2j Y3.lO 241.93 212.39 160.26 192.06 149.95 144. Exemples 1. 17.52 237.36 185. on trouve la valeur h = 5.26 17 211.21 155.98 22 239.15 190.87 119.i Y4i Y5j 0 1 2 3 4 5 6 7 8 9 Moyenne Variancc Valeur de X 125.4.ion.81 187.12. Le nombre de degrés dc lib&é est 5 . la treizième les valeurs de CC.02 220.67 20. Le tableau 25.3. 176 et 212.47 22. 2.73 151. Tableau 25. 115.MA N U E L DE CALCUL N U M ÉR I Q U E APPLIQUER suit approxirriativcmcnt pour ru.36 147. 80.80 210.03 74.81 128.76 182.. > 2 une loi du x2 à k ~ 1 degrés dc liberté .03 210.87 10 182.87 123.36 150.53 177.31 5 148.com/guilpin/ 368 .Ol 210.92 217.3 donne les résultats d’une prcmik expérience qui a i:tk rkalisée 10 fois pour cinq valeurs de la variable :L: qui sont : 5. mais nous n’en avons report& que 5.OO 213. c qui rkalise cette simnlat. On peut affirmer qu’il n’y a aucm~c raison pour repousser l’hypothkc dc l’homogénéitk des varianccs corlditionnc:llcs.1 = 4.8 134.19 233.89 27 Remarque : Les calculs ont.51 116.28 201.27 154. 22 ct 27. Lc tableau 25.. donne les résultats d’une deuxiCme expkricnce qui a ét.49 184. Sur le Web (*). et la probabilité de dépasser la valeur A est 0. *http://www.275.15 238.22 150.63 182.74 234.enue pour chaque valeur de Z. Tous calculs faits.

o Le calcul de A donne 50.85 55.ion des coefficirnts de corrélation par la mbthode des moindres car& conserve toutes les bonnes propriétks à condition que n.0 Ysj 72.516 et la probabilit.5 151.Ol 76:75 30.55 69.O Y4j 75.44 54.25.7 107.27 4.3. quoique l’aplatissement et la dissymktrie rendent kgalcment dc grands services.33 82.Ol 70.93 389.5 129.5 113.36 89.5 142.2 155.76 38.3 137.2 141. Ylj Yzj 138.4 112.77 0.2 139.91 96.9 176.54 80. À prbsent.o 212. l’on va chercher 1me loi h”(z) qui rende les variantes homogènes.34 10941.com/guilpin/ 369 .5 146.59 47. il n’y a aucune raison de rejeter l’hypothèse dkmc variation cxponenticllc des variances.7 141. soit grand devant. On renonce donc à l’hypothbe de l’homogknéité des varianccs conditionnelles c+.6 155.47 79.4 140.2 60.3 61.8 118. cn particulier à la méthode des moindres carrés. Il y a environ deux chances sur 1 0 ‘” dc pouvoir dépasser cette valeur. *http://www.8 144.9 31. Les distributions sont gaussiennes Il faut vérifier le caractère gaussien des yyij pour chaque valeur fixk de 1:. On trouve alors : A = 4.4 81.8 146. R.3 145.4.edpsciences.l 123. mais ce n’est pas pour cela que l’on va renoncer aux mtthodcs d’analyse de corrélatiorl-régression et.81 62. c qui réalise cette simulation. En pratique les trois critCres ne sont pas toujours vérifiés sirnultankment.l 140.0) et dOIIC il convient de calculer UI~C valeur du x2 a k .l 149. 1.4 151.l 109. C’est le critère du xL qui sera le plus souvent utile.k de dépasser cette valeur est P = 0.89 68.2 115.o 0 1 2 3 4 5 6 7 8 9 Moyenne Variante Valeur d e X 148. On essaye la loi h”(z) = exp(z/39.8 141. Conclusions Nous ~O~IS évoquk les conditions idéales d’applicat.appelons que l’on a perdu un de@ de liberté en choisissant) h”(z) = exp(z/39.2 dcgrk de libertk. ÉTUDE DES DÉPENDANCES DANS LE CAS LINEAIRE Tableau 25.O Y3j 109. Il a bté montré notarnmcnt que l’estimat.73 31. 3. Sur le Web(*) . 2. les données expbrimentalcs ne la contredisant pas.18 115.ion dc la méthode des moindres carrés que nous avons déjà présentée au chapitre 4 à propos de l’interpolation.32 59.47 -57.211.3 109.5 100.l 140>2 165.57.0) et l’on recommence les calculs.3 126. on donne le programme varian-2.05 69.

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

c’est la dépendance linéaire qui donne toute sa puissance à l’analyse de corrélation.~M)I .26 Analyse de cordation et de régression 1. Calcul du coefficient de corrélation dans le cas où les variantes conditionnelles sont homogènes Le calcul du coefficient de corrélation et son interprétation ne fonctionnent correctement que dans le cas d’une dépendance linéaire entre les variables aléatoires. La corrélation Dans le chapitre précédent. on suppose. nous avons vu que deux variables aléatoires pouvaient avoir une certaine tendance à varier simultanément. c’est au rapport de corrélation que nous aurons affaire. llmm La valeur empirique ou estimateur est donnée par les expressions : soit encore : 371 . Avant de s’attaquer à la détermination des paramètres de la liaison de corrélation. et c’est l’étude du coefficient de corrélation qui permet de répondre à la question. que l’on a établi le caractère linéaire de la dépendance entre les deux variables aléatoires 77 et [. il convient de s’assurer de l’existence effective d’une telle dépendance. La visualisation des données sur un graphique aide fortement à caractériser une éventuelle dépendance . Si une telle dépendance ne peut être envisagée. Pour l’instant.M[E11 (7 . Ainsi le coefficient de corrélation est défini par l’expression : r zy = M {CE . 1.1.

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

2) degrés de liberté. Si w < ta(n .cr) à condition toutefois que T ne soit pas trop près de 1 et que n soit suffisamment grand (plusieurs dizaines). p est compris entre -1 et +l. en revanche. Intervalle de confiance pour la vraie valeur du coefficient de corrélation . On évalue les limites du domaine au moyen des relations : u. il existe une dependance fonctionnelle univoque entre 17 et < et réciproquement. Si jpl = 1. on rejette alors l’hypothèse d’une liaison de corrélation avec la probabilité û: de la rejeter à tort. le coefficient de corrélation perd son sens en tant que caractéristique de l’intensité de liaison entre les deux variables aléatoires.05.26. 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..2)./2 est le point de pourcentage lOOa/2 de la distribution normale réduite. On utilise alors le rapport de corrélation pT. la grandeur suit une loi de Student à (n . Contrairement au coefficient de corrélation. Cette approximation par une distribution normale nous permet de tester l’hypothèse d’une absence de liaison de corrélation. soit T = 0. 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. et si mesure la dispersion des résultats individuels autour de la moyenne globale y. Il en résulte que T appartient à cet intervalle avec un niveau de confiance (1 . les rapports de corrélation pslc et pc/. Si T = 0.3. 1. 2.On utilise le fait que la distribution de T est normale./c qui est beaucoup plus sûr parce que son interprétation ne dépend pas de la forme de la dépendance de la régression étudiée. Cas d’une dépendance non linéaire. les propriétés de T et de p sont très semblables : 1. 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. 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.) ne sont pas symétriques. 373 .

on le fait avec la probabilité cz de la rejeter à tort. Dans le cas contraire. Réciproquement.h2(x) On pose alors : 1 wfi = h2(xi) et D[EI77 = Y1 = $i72(Y). L’absence d’une liaison de correlation entre 7 et [ signifie que p71c = 0. par conséquent. dans le cas où : on cherche dans la table de la loi de Student la valeur t. on a une autre expression du coefficient de corrélation : F.Tout comme le coefficient de corrélation. 1 et wgi = g2(yi) Wf=Cwfi e 2=1 t Wg=Cw. Remarque : Il n’y a pas de dépendance simple entre pslE et P</~. Absence d’une liaison de corrélation .< ..F& est une mesure de l’écart de la dépendance de régression par rapport à la forme linéaire. Ici encore. $. alors & = ?j. Remarque : Il est possible de montrer que le rapport de corrélation ne peut être inférieur à la valeur absolue du coefficient de corrélation r. cela veut dire que la liaison étudiée est statistiquement significative. 2=1 où zi et yi sont les centres des intervalles de regroupement respectivement pour z et pour y.C suit une loi normale pourvu que n soit au moins de l’ordre de quelques dizaines. = {( j$j $ Z-1 Wf. la différence $. les deux caractéristiques coïncident et.4. Si l’on est amené à rejeter l’hypothèse d’une liaison de corrélation.. Dans ces conditions. Les moyennes vi ne dépendent pas de x..MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 3.XiYi ~ XY -. et la non-corrélation de q et < ne signifie pas nécessairement la non-corrélation de < et 77. autrement dit la droite correspondante de régression est parallèle à l’axe horizontal.ic)1-12 g ix1 {s&/“&/}1’2 374 . Dans le cas d’une dépendance linéaire.(n . si pv/( = 0. Cas où les variantes conditionnelles ne sont pas homogènes On suppose alors que l’on a trouvé les deux fonctions h2(x) et g”(y) qui rendent homogènes les variantes conditionnelles : LI[ql< = x ] = a. 1.2) du point de pourcentage CY qui est le seuil de signification.$ )C CWgiXitJi .

Maintenant.1. il existe entre les variables une liaison du type de celles que nous avons évoquées au chapitre précédent .c)2. = $ Cwgi(yi . la connaissance de la nature du problème est utile pour orienter les choix adéquats. Régression linéaire L’analyse de corrélation nous a montré que deux variables aléatoires sont liées. elle sera obtenue en règle générale par la méthode de moindres carrés à partir des données expérimentales. cependant. g 2=1 Les relations surmontées d’une barre sont obtenues avec les valeurs de h2(zi) tandis que celles surmontées d’une double barre sont obtenues avec les valeurs de g”(yi). il s’agit de déterminer la forme générale de la liaison étudiée.wgi(xi . le rapport de corrélation prend la forme suivante : 2. 375 . ANALYSEDE CORRÉLATIONETDE RÉGRESSION sz =2 = $ g. D’une façon semblable. puis d’estimer les paramètres entrant dans l’expression analytique de la liaison.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. 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. Il n’y a pas de méthode standard pour obtenir la forme analytique de la liaison. 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. 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). Dans le cas où la dépendance n’est pas linéaire. C’est pour cette raison que l’on demande la linéarité des fonctions par rapport aux paramètres à déterminer : la dérivation de la forme quadratique (définie positive) par rapport à chacun des paramètres à déterminer nous conduit à l’obtention d’un système linéaire que nous savons résoudre. 2. Les seuls renseignements dont nous disposons sont les données expérimentales. Pour ce qui concerne l’estimation des paramètres.26.

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

Estimation de la précision a . avec ANALYSE DE CORRÉLATION ET DE RÉGRESSION Dans le cas où O[v]<] = C~~‘(X).CX) de tomber dans 2. 2. on trouvera le programme regres .z) + 6. a ~ t.3.2(n-2)L .com/guilpin/ 377 .Y(Xi)]’ r=l à la suite de quoi.Z) + b est inconnue.& .2)5 < b < b + t. Sur le Web (*). avec la probabiliti: (1 . alors que la droite Y = a(z . *http://www.. b-t a.Z12 i=l et s2 = f 2 [y. 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. On calcule pour ce faire les quantités suivantes : Sf = i 2 [xi .Sur /es paramètres 5 et 6 . c qui calcule l’incertitude sur la pente de la droite de régression..26. 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.y. .& . fi S:Xfi~ chacun de ces intervalles.edpsciences.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 .‘45.2)A < a < E+tn.2(n . nous pouvons affirmer que : 1.

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

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

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

il sera nécessaire d’examiner chaque suite particulière de polynômes orthogonaux.2. Calcul des Hj Comrne nous avons vu que chaque polynôme IV~(X) encore ccrire : n k=O possédait k racines distinctes.) [ I3 = ~ If(2n + 2)! (u:. b).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5.12) du chapitre 7.~~.20) du chapitre 7 est quelque peu modifiée bien que le calcul demeure le même dans son principe. On poursuit les calculs de la mêrne manière que celle abordée lors de l’etude des polynômes de Legendre.hogonalité pour obt.(z) : En revanche.5) où K dépend de la suite particulière dc polynôrnes envisagée. est la norme de Wlz.+r (x) appa. On obtient alors : (P+“(. Par ailleurs. b) par rapport à la fonction de base W(X) non négative sur (a. on peut expression dans laquelle a est le coefficient du terme de degré le plus élevé. 1. on écrit l’expression : Les zj sont les racines du polynôme W. Son expression est donnée par : où QJ.ivcment le coefficient du terme en 9 du polynôme WT1(z) et le coefficient du terme en z”+r du polynôme WT1+r (.1. Expression de l’erreur en remplacant I par J L’expression (7. pour obtenir une expression analogue à (7. 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). ne fait appel qu’à la seule ort.f)2”up où ITz+r est la norme du polynôme I%$&+~(X) et u7Ltr le coefficient principal (coefficient de &‘). Calcul des xj Reprenant la relation (7.~~ et UO. 6.rtenant à la suite de polynômes orthogonaux sur l’intervalle fini ou infini (a.z) .+~ sont respect.enir la nouvelle expression des Hj. Du reste il suffit de s’apercevoir que le calcul des IT. 394 . soit : ou bien (B.17) du chapitre 7. 5.

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

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

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

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

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

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

4.022 q=4 501 467 009 080 9 6 0:l 0.38 0. la troncature des skies.1717 -0.$ + $ ~ $ +.380 952 355 d’où l’on dkduit : bU = 1 bl = 0.150 6 0.006 697 0.5 1.777 777 777 b2 = 2.M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ Tableau D.O 2.300 1 0. Il s’agit avant tout d’une erreur purement mathématique liée à.090 3 -0.305 75 0.047 -0.. t.151214 0.208 23.245 9 JO(x) Padé p=4 q=4 0.997 0>938 0.765 197 0>223 890 -0. Résultats n.umérique.g + 2 ~ $ + .0 2.5 6.938 469 0. Cela du reste nc préjuge en rien des autres erreurs liées à l’exécution des calculs qui peuvent devenir prépondérantes notamment lorsque les calculs font apparaître des différences.327 JO(x) Padé p=3 0.765 2 0.210 581985 b3 = -0. 2 JO(x) tables 0:999 75 0.714 285 705 7 4.765 0>222 -0.048 383 -0. + (-l)n XT1 (2n + ( l)! + 1 cas(2) = 1 . Nous partons donc des développements en série de MacLaurin : sin(z) = 2 1 .997 501 0.0 7:o 60 9s 1o:o ce qui donne : 10 = 1 II = 1.006 8 0. Calcul de sinus et cosinus On se propose de calculer la fraction rationnelle adaptée à chacune des ‘fonctions sinus et cosinus en se fixant pour 2 l’intervalle (0.ç ohtenus. t + (-l)$$ +..1.7r/4) car ce sont ces dkveloppements que nous allons utiliser pour fabriquer les fonctions de bibliothèque ultkrieurement.5 5.223 9 -0.938 5 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.048 4 -0.111111111 l2 = 2. Comme nous 412 .

l x 1OV” Cas p = q = 3 c = 6 x 10-l” E = 2 x 10-l” cosinus c = 4.312890813 x 10-” Cas p = q = 3 2. Tableau D.705 957884 x 10-l 2.3.6 x 10-s c = 1. D.940421157 x 10-” 4.235 543 474 x lO-” 1 -4. Nous allons donc calculer les approximants pour p = q = 2 puis p = q = 3 (cf. on pourra prendre la fraction rationnelle p = q = 2 pour le sinus et p = q = 3 pour le cosinus.597 8 8 3 6 x 10P4 1 bu= bl = bz = b3 = 1 2. il faut d’abord connaître les approximants avant de procéder aux évaluations des erreurs.338383838 x 10-l bz = 3.163 277 311 x 1OV” z()= 11 = l2 = l3 = z”= l1 = l2 = cosinus ho= bl = -4.595 035 872 x 10-” 1 -1.2 x 10P7 E = 3.2).237288 124 x 10F4 3.4 x 10P8 E = 2.ANNEXE D. pour obtenir huit chiffres significatifs exacts. sinus Cas p = q = 2 c = 2.34 x 10-11 -E = 4.738 828 969 x 10F2 -3.50937951 x 10F4 bu= 1 bl = -1. Tableau D.585 515 911 x 1ow -4. 413 .723 422 695 x 10P4 L’erreur sera maximum en valeur absolue pour 2 = 7r/4. Tab.563 492 064 x 10-l ba = 2. sinus Cas p = q = 2 l()= l1 = 12 = 1 3. cela nous permettra d’effectuer un choix par la suite.2.760 512 714 x 10P4 1.5 x 1OF’” En conclusion. dans le tableau D.070 105 82 x 10F2 1 4. LES APPROXIMANTS DE PADÉ ETDE MAEHLY l’avons vu précédemment.3.425234545 x 10-l 4.414321216 x 10P2 2.365079365 x 1OF” 8. nous obtenons les résultats présentés. Donc.282828283 x 10-’ 4.

bien sûr. c’est le polynôme de Tchebycheff de dcgri: n qui s’écarte le moins de l’axe des J: sur l’intervalle (-1.1. chapitre 8). Malheureusement quand 011 s’éloigne de zéro. si l’on développe une fonction en série de polynômes de Tchebycheff. il nous faudra développer non plus les fonctions en série de MacLaurin mais. méthode de Maehly Comme nous avons eu l’occasion de nous en rendre compte les approximants de Padé donnent une excellente précision au voisinage de zéro . +l) sans préjudice de la généralité puisqu’il est toujours possible de ramener tout intervalle fini 1 à cet intervalle. Si l’on souhaite pouvoir obtenir une bonne précision sur tout l’intervalle fini (a. Nous avons étudié les polynômes de Tchebycheff quand nous avons évoqué la méthode d’intégration de Gauss-Tchebycheff (cf. 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.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 (. Les polynômes de Tchebycheff obéissent aux relations de récurrence : ainsi qu’à la l/. +l) au sens de la norme du sup. chapitre 8) : T. On est en droit de penser que les erreurs auront un comportement identique pour les approximations par fractions rationnelles que l’on déduira non plus à partir de la série de MacLaurin mais à partir du développement en série de Tchebycheff. on sait que. b) que l’on réduira grâce à une transformation linéaire à l’intervalle canonique (-1. cette précision décroît notablement. parmi tous les polynômes de degré n à coefficient principal réduit.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 5. +l). en une série de polynômes de Tchebycheff (1821-1894). Nous avons défini le polynôme de Tchebycheff de degré n au moyen de la relation (cf.(z) = COS[~ arccos(z on a donc : T”(Z) = 1 e t T~(X) = IC. Généralisation des approximants de Padé. f(x) admet un développement unique en série de Tchebycheff donné par l’expression : 414 . l’erreur oscillant entre deux extremums. En revanche. Donc. la précision de l’approximation sera homogène sur tout le domaine. ils seront moins précis dans le voisinage de zéro. rien d’étonnant à cela puisqu’ils ont été construits pour remplir cet office. Aussi serons-nous bref pour ce qui concerne leurs propriétés. En effet.

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

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

6.339252452 x 1OF” bz = 0.5 .~~COS(Z) + t2] COS(~~) J’ Il w7r et .5.(l . Tab. si t” < 1. log. reste donc à obtenir les cocfficicnts du développement en polynômes dc Tchebycheff de la fonction : Iog. il sera judicieux dc dkvelopper les polynômes de Tchebychcff pour obtenir f(z) sous la forme : On obtient alors Ics valeurs du tableau D. Tableau D.Ce cas est présenté dans le tableau D. Pour des raisons évidentes de commodité de calcul.966 519 6716 l(j= 1 11 = -1.25).516 155 562 b1 = -0.335 223 066 2 bx = -0. Pour fixer les idées. 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<.Étude du cas p = q = 3 .4./ 0 dz = -it’r’si t2 < 1.~~COS(Z) + t2] COS(X) dn: = -:Y.2 + 0. D. Étude du cas p = q = 3 bo = 0. Il niy a pas de difficulté à calculer les coefficients uk (cf. choisissons t.out à fait arbitrairement le coefficient t égal à 0.7: = arccos nous permet de calculer les coefficients du développement en série de Tchebycheff. Tableau D.890 890 323 x 10-l l3 = -7. page suivante.4).5. = -7r/4608 ull = -7r/45056 a .[l .~ 417 .078971778 la = 1. LESAPPROXIMANTS DE PADÉ ETDE MAEHLY En effet.[l . on trouve dans les tables : 7T log. Le changement de variable .273 101370 2 x 10-l -.ANNEXE D.

1.158 567 374 = -0. = = = = = +0. 1. 1.047 218 321 Étude du cas p = q = 4 1.810910968 = -1.180932496 = -0.7. b.9. bo bl bz b:s bd = = = = = -0.460239216 -0. 1. = +2. Erreur liée à l’usage des approximants de Maehly On peut se faire une opinion sur la précision des approximations proposées. En effet. Comme on pe ut considérer que P(z) = l. b.884589260 = 0.815064572 -0.7.056954021 = 0.453 766 143 -0. . on en déduit que : wp4 ayant été défini au paragraphe 1.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau D.029 357 010 b& b. 6. on peut écrire : L’erreur est donc de l’ordre de : a.Les résultats sont présentés dans le tableau D. Tableau D.288 160 179 = -0. + g . = 0.085 339 731 -0.8. 418 .424487452 = -2. .377 746 570 Pour mieux apprécier les différentes méthodes.104 821387 b. . b.013 102 673 Tableau D.670 446 132 = -0.171670 047 = +0. b. 1. b. page ci-contre) : log(l + z) = z ~ . De là on tire les valeurs du tableau D.238 518 707 = +1.f + . Étude du cas p = q = 3 1.8.850 716 186 +1. D.378 178 065 = -0. 1. b. Étude du cas p = q = 4 10 l1 l2 l3 l4 = +1 = +0.481673 325 -1. = 1.Étude du cas p = q = 4 . 1.152 640 716 = -0.109240548 b . = 0.6. nous avons tabulé la fonction sous diverses formes dont le développement classique (cJ Tab.614 231378 +0. + (-y$ + .821537645 -0.439993085 1 = -1.

R.2 -0. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques.847 958 0.Ol w 0. Paris. PADÉ (1892) Sur la représentation approchée d’une fonction par des fractions rationnelles.223 958 0. C. voire de fonctions orthogonales.559 616 0.231 0.232 049 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.-0. H.139 765 -0.896 088 024 0. 8.559 615 787 0.215 798 0. offrant des propriétés intéressantes afin de former d’autres approximants.287 682 072 .S.223 143 551 0. BREZINSKI (1978) Algorithmes d’accélération de lu convergence.5 0. Annales Scientifiques de l’École Normale Supérieure. Annales Scientifiques de l’École Normale Supérieure.A. A.287 500 -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. 2 log(l.5 -0. PADÉ (1899) Mémoire sur les développements en fractions continues de la fonction exponentielle. Éditions Technip. Dunod.Ol 071 0.7 0.042 0.139 761942 .215 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.597 832 7. par exemple. 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. H.ANNEXE D.301856 0. BAKER et P.896 046 0.597 837 000 0.300 104 592 0. 419 . mais il n’existera pas de différences fondamentales avec les approximants de Maehly.223 0.558 333 0.596 759 071 034 102 139 106 761 671 951 0. Difficultés liées à la recherche d’une généralisation Il est naturel d’envisager l’usage d’autres polynômes orthogonaux. GRAVES-MORRIS (1978) Padé Approzimants. RALSTON et H.223 145 0.-0.l -0.300 104 0.287 -0.595 837 0.x) k=O APPROXIMANTS DE PADÉ ET DE MAEHLY Maehly p=q=4 -1.139 -0. On pourrait penser à des approximants formés à partir des séries de Fourier.25 . la relation de récurrence utilisée avec les polynômes de Tchebycheff.231113 0.215 111379 0. LES Tableau D.548 0.215 113 0.139 185 -0. Cambridge University Press.231111721 0.300 0.287 688 -0.9.

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. Très souvent. nous nous attacherons à l’esprit de la technique du calcul d’un certain nombre de fonctions élémentaires. On conçoit sans difficulté que les sommes partielles vont être relativement importantes avant de décroître jusqu’à une valeur petite. Dans ce chapitre. 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.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. On peut s’en persuader facilement en considérant le développement de exp((z) qui nous servira de technique de calcul pour z = 10. 1. Considérons par exemple le cas des fonctions de Bessel. Avant d’entreprendre à proprement parler cette étude. 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. Cela imposerait des mots-mémoire de taille importante et de fort longs calculs. +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. insistons sur le fait qu’on n’utilise jamais directement un développement en série pour calculer les fonctions de bibliothèque. on évalue cette dernière fonction au moyen des approximants de Padé. Malheureusement. En effet. cette technique qui donne des résultats remarquables n’est pas systématiquement applicable. +l) q ui nous permettrait ensuite d’utiliser les approximants déjà évoqués.

950 +0.(e) = N + Q log.(2). Il reste à calculer N et n.(2) = 0. 1. b. il n’y a pas d’erreur en calculant 2N puisque N est entier.(e) = 1.(2) et n la partie fractionnaire du même rapport.(2) s’effectue au moyen d’un développement en série et l’on obtient pour log. bb b.015 369 014 951382 261972 540 073 Le calcul des coefficients ak peut se faire par la méthode de Gauss-Tchebycheff. Les coefficients que nous avons trouvés pour p = q = 3. N est la partie entière de X/ log. Nous aurons : exp(Q) = 2 wXk(x) k=O avec +1 -p(x) a0 = :-l JziTdX s 2 ak = IT +1 Tableau E. (E.954 415 0. Il s’agit là de constantes calculées une fois pour toute : log. on obtient sans grande difficulté N et n. en ayant développé les polynômes de Tchebycheff.015 822 087 684 815 193 10 1. Il faut bien noter que les degrés p et q des polynômes formant la fraction rationnelle sont fonction de la précision recherchée. sont présentés dans le tableau E.190 992 0.l. Le calcul de log. xk étant un zéro du polynôme de Tchebycheff de degré p. soit par un approximant de Padé déterminé dans un précédent chapitre. nous pouvons écrire alors : x log. = = = = 1. (2) = 1. 1. [(lix + 12)x + I{]x + 1. Il reste à calculer la fonction exp(Q) ce que l’on réalisera par les approximants de Maehly par exemple. mais il faudra calculer les valeurs de exp(xk). (2) et donc pour log. Du simple fait que la machine calcule en binaire. puis Q = nlog. On obtient donc n sans problème et l’on note que Q est compris dans l’intervalle -0.442 695 04.189 -0. soit par un développement en série.693 147 < Q < +0. 422 .905 369 0. = = = = +1.(e) = N + n. b. (e) log.693 147 180 et log. 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. Il en va de même du nombre de chiffres significatifs qu’il convient de conserver.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ de telle sorte que N soit un entier et Q un terme compris entre -1 et +l. On aura donc : exp(x) = I(%x + Wx + ~:IX + % .(e) autant de chiffres significatifs qu’on le souhaite.4 En remarquant au passage que log.l.905 -0. Passant aux logarithmes en base 2.693 147.

.7r/4).599 640954. ~/2) et enfin à l’intervalle (0. D’abord. Donc. on se ramène à l’intervalle (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).On se propose de calculer exp(35. 4 4 8 .257). Posons : . T). Il suffit de reprendre la technique déjà utilisée pour parvenir à ces fins. > . 2. décomposition : xlogs(e) = N+n pour cela on réalise la qui donne : N = 50 et n = 0.721 > 1 1 7x2 = . +oo) Compte tenu de la parité des fonctions. on écrit : sin(x) = (-1) N sin(ni7r) et Si si est négatif. T).050786 931 Padé p = q = 3 2.86509903 d’où Q = 0. n/2). Posons : 1 s2 = signe ( 4 .7r/4). puis : / 423 . puis ensuite. il convient de les multiplier par 1015 : machine X 2. on écrit : sin(x) = (-l)Ncos(ni~) COS(X) = (-l)N cos(ni7r). e t Cos(x) La dernière transformation consiste à obtenir l’argument de la fonction sinus ou cosinus dans l’intervalle (0.0507875 Maehly p = q = 3. pour l’instant. voyons comment ( 1 ) puis : Si si est positif. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES Un exemple numérique . nous nous sommes ramené à l’intervalle (0. on réduit le champ à (0. Calcul de sin(x) et COS (X) pour x appartenant à (-00.050786965 2 ~T~(X) k=O 2. 2 2 si=signe - À présent.0507872 2.7r/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. Voici les résultats trouvés par différents procédés.n 2 1 1 nl=--sl ( --n. = (-l)Nsin(nrT).A NNEXE E. avec 0 < n < 1. se ramener à l’intervalle (0.s2 ( --721 > .

À précision égale. il n’y a plus aucun détail qui puisse etre délaisse.502 007 17.On se propose de calculer sin(69. toutes choses égales par ailleurs. Il est possible de faire mieux encore. n = 0. Cependant. partir de là.674 N = 22 Puis nous obtenons : sl = signe (0.125 769 8). on se propose de calculer cos(58. nous déduisons : Sl puis : s2 = .674 361~) = 0.5 . Si s2 est négatif.587214 N=2 ce qui donne : sz=-1 e t n2 e t 7~ 583). On établit que : = 0. l’algorithme qui contient le moins d’opérations logiques et arithmétiques ~ qui sera par conséquent le plus rapide ~~ sera toujours préferé. b . lorsqu’il s’agit d’implanter une fonction dans un système. On se propose de calculer sin(7.497 992 83. mais il nous a semblé préférable de nous attacher surtout à la philosophie générale.7r/6) sur lequel on adoptera les approximants de Maehly .1 e t = -1 et = 0. économie de temps oblige. Nous pouvons écrire : et n = 0.125 769 8) = -0. pour le calcul des fonctions cosinus et sinus.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Si s2 est positif.n) = 0. n Il nous faut donc calculer sin(0.587 214 583) = 0.530 612 163 8 le dixième chiffre « significatif » étant sujet à caution. on aura : sin(nrr) = sin(n2T) e t et cos(n17r) = cos(npT). L’erreur absolue sur ce résultat est inférieure à 5 lO-‘“.5 ~ (0.n) = 0.0 11 obtient sans problème : N=18 À e t n = 0.17803792.415 085 41 = 0.630 566 873 9 x 10p2> les dix chiffres significatifs mentionnes sont exacts. on obtiendra de meilleures performances si l’on réduit l’intervalle à (0.5 . 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. 424 . nous obtenons : sin( 7. Ainsi. L’usage de l’approximant de Padé pour p = q = 2 établi dans un chapitre précédent permet d’obtenir le résultat suivant : sin(69. on conservera les mêmes principes que ceux qui viennent d’être développes. Maintenant. mais on ajoutera l’analyse des cas particuliers usuels tels que 7r/2 et 7r/4 ou encore 7r/3 et 7r/6.002 007 17.5 + (0. En adoptant l’approximant de Padé p = q = 3 pour évaluer le cosinus.5 .002 007 177r).25 .084 914 59.964 628 186 9. Exemples d’application a .n) = +l et nl = 0.25 + (0.Un autre exemple. Il nous reste donc à calculer sin(niT).rb) = 361). on trouve alors : cos(58. n. on écrit : sin(ni7r) = cos(n27r) cos(n17r) = sin(ngr).

(2) + log.35174). On obtient alors z = 0. Proposons-nous dc calculer log(35 784. Ensuite. soit log(1. = 10.7r/4).088 061275 en adoptant l’approximant de Maehly pour p = 4 = 4. p.ANNEXEE.@ évoquée pour les fonctions sinus et cosinus. On peut utiliser la fraction continue suivante : mais on peut aussi obtenir des approxirnants de Padé ou de Maehly à partir du developpement banal de cet(x) : où les Bzk sont les nombres de Bernoulli (cf. (Q) avec 1 < Q < 2.25 -x). 425 . on peut très bien utiliser les approximants de la fonction log( 1 .25 et z = -0. À titre d’exemple. OII se souviendra que le produit de tangente et de cotangente du même argurnent est égal a l’unité. (Q) Autrement dit. B’ren sûr. (x) = L log. En appliquant les règles précédentes.(x) pour x appartenant à (0. on a 5 = LLQ avec 1 < Q < 2. Nous obtenons en choisissant la représentation flottante : zx = 0.. tandis que la division par T ramène l’intervalle à (0. +oo) Écrivons le nombre z dans le système binaire.25 ~ 1. Calcul de tangente et cotangente pour x appartenant à (-00. oo).157948 et l’on trouve : log(Q) = 0.5. POSOI~S .485 269 25 4..092 05175. Il faut faire : x = 1. de telle sorte que l’on puisse ecrire : log.2tz + t2) en choisissant t = 0.35174) Ici le dernier chiffre est entaché d’erreur. T). 2L’1 avec bo # 0. N = 2L.boblbzbxb4bsb6b7. D’où lc résultat : log(35 784. Cette série converge pour x2 < 7r2.75 comme limites de variation pour x. on obtient L = 15 et Q = 1. opération que l’on réalisera soit avec les approximants de Padé soit avec les approximants de Maehly. Calcul de log. il y a plusieurs façon d’évaluer ces fonctions dans un imervallc reduit. 178). En appliquant la technique dé.092 05175 = 0. on se ramène à l’intervalle (0. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 3. +oo) Les raisons de parité permettent de travailler sur l’intervalle (0. Il reste à calculer log. Encore une fois insistons sur le fait que cette idée ne constitue que le principe du calcul. On reconnaît une technique tout à fait semblable a celle utilisée pour la décomposition de exp(z).

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

On obtient alors fi = 2”fi. En définitive. Exemple On se propose de calculer &7584.. Cette opération est réalisée au moyen de la fraction continue : fi = 7 _ . RALSTON Dunod. permet d’obtenir : fi = 0.A2 _ 4 102 7-41 .F = 0. e L’application de la fraction continue donne : fi = 0.. introduite dans la formule de Newton-Héron. À présent. Grosso modo. dont la paternité reviendrait à Héron d’Alexandrie (Pr siècle). Éléments de bibliographie A. oo) Il s’agit probablement de l’un des plus vieux algorithmes toujours en vigueur. 172 + 15 7-2 En introduisant cette valeur dans la formule de Héron-Newton : a+1 = (a + nlyk)P après trois tours d’itération.517 992 144 7 à la seconde..268 315 862. Calcul de la racine carrée pour x appartenant à (0. on obtient alors une précision relative sur y2 qui sera meilleure que 4. rappelons-le.:.518 098 408 4. WILF (1965) Méthodes mathématiques pour calculateurs arithmétiques. on pourra poser : 5 = 22mrl avec i < n < 1 donc qrnP1 < 2 < 4 ” . 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.348 33 = 256dO. 427 . tous les chiffres significatifs sont exacts. 9..517 992 155 5 à la première itération. il nous reste à calculer fi. laquelle. quadratique.5 10-g. En calcul binaire. et H.ANNEXE E.S. CALCUL DES FONCTIONS DE BIBLIOTHÈQUE ÉLÉMENTAIRES 8.348 33 < 48 e t donc q: udl7 584. e t J.348 33 = 132.605 989.34833. On établit que : 4? < 17 584. on trouve : J17584.

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

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

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

cherchons les valeurs de 5 qui permettent d’ohtcnir mie précision ahsolue de lO-‘O sur Job. c. nous pouvons faire usage de la formule de Stirling pour s’affranchir de la fonction factorielle.4) dans laquelle on devra calculer JpV(z) que ne permet pas de calculer la relation (F. la propagation de l’erreur k travers l’opération de troncature des opérations arithmétiques effectuées..h..com/guilpin/ 432 . Springer.c. besse1jn. On l’obtiendra au moyen de la relation de rkurrence (F. WATSON (1992) Modem Analysis. Cambridge University Press.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c .9). bessel2n.edpsciences. *http://www. Éléments de bibliographie A.T. en choisissant toiijours n = 20 : 1x1 = 54. 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 = 100.5) qui utilise le calcul deJ. bessel2f . et nous obtenons : log. GO~DET (1962) L. Éditions Masson. bessellf . La précision obtenue est donnée dans les commentaires en tête des programmes.N. D’un point de vue pratique. 6. es C. Editions Masson. toutefois. pour les prernières valeurs de k.Le calcul dc Y. Pour ce qui concerne les autres fonctions de Bessel de prcmikrc C~~~CC. c.. cela signifie que tous les chiffres significatifs de la tabulation sont exacts. E.7). le calcul direct en faisant usage de la formule de dérivation de Leibnitz permet d’aboutir. (z . E(z) = (2n + 2) log. on trouvera url ensemble de programmes besselln. besseljf .h et besse1yn. Calcul de l’erreur sur JO(X) Nous partons de l’expression intégrale de Jo(z) 1 Jo(x)=. ANGOT (1972) Compléments de mathkmatique.CCR.n euckdian SZ>(I.le qui donnerait directement une majoration de ïV zn+2 pour Jk (z). il est difficile d’exploiter une relation généra. la seule source d’erreur étant.c.h qui réalisent ces différents calculs.s. G. Pour fixer les idkes. d . f onctions de Bessel. Sur le Web I *). 5. MULLER (1998) Analysis of s&rkul symetries 1.Lc calcul de Yv(z) avec v non entier est réalisé au moyen de la formule (F. WHITTAKER et G. (z) avec n entier est fondé sur l’exploitation de l’expression (F.

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

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

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

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

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

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

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

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

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

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

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

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

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

on s’intéressera aux courbes représentatives. il n’y a aucune raison pour que ces deux tangentes constituent une tangente commune. Application à une suite lentement convergente : 7-r . une tangente à une courbe alors il est possible.. dans D. . à partir de A. d’en tracer une seconde. a . yg) et (zf. les fonctions f(z) et g(z) sont continues. la tangente étant issue de A. 2. et nous allons déplacer le point A sur la droite z = ~0 pour obtenir cette tangente commune.Soit (~0. . qui admettent une tangente commune dans D. On suppose que. yf) des points tangents aux courbes. proposer une procédure pour obtenir numériquement la tangente commune aux deux courbes.Appliquer l’epsilon-algorithme au calcul de y=lim À ( l+~+~+. b ..En réaliser la programmation sous forme de sous-programme. un extremum et un seul qui est un minimum. ys) tangent à y = g(z).7.. pas de points d’inflexion dans D). Ci pour y = f(z) et Cz pour y = g(z). Laquelle conviendra-t-il de retenir pour la solution qui nous intéresse? c . hormis les valeurs prises à la frontière du domaine.S’il est possible de tracer. dérivables au moins deux fois et qu’elles ne possèdent pas de points d’inflexion. en général. Comment devra-t-on choisir ~0 pour obtenir la précision optimum? d . + (-I>n& +.Pour l’instant. yf) tangent à y = f(z)! puis les coordonnées du point (zg. +.Les courbes représentatives Ci et (2’2 ne sont plus données par des fonctions explicites mais par des fonctions implicites qui s’écrivent : @(CE. À l’intérieur d’un domaine D du plan réel (02.1. on suppose que les fonctions ont les bonnes propriétés usuelles de régularité (continuité et dérivabilité à l’ordre deux. Ici encore. y) = 0 et qq y) = 0.. Indiquer une méthode de calcul numérique de ces coordonnées. yo) un point A du plan par lequel il est possible de tracer une tangente quelconque à chacune des courbes Ci et CL. Dans la suite.+&logJm) 1 quel ordre m obtient-on le meilleur résultat avec une machine donnée? 446 . L’epsilon-algorithme scalaire a .11~ . + . On se propose de déterminer numériquement cette tangente commune. les deux tangentes étant issues de A. Puis.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 1. 4 6 . Recherche d’une tangente commune à deux courbes On considère deux fonctions y = f(z) et y = g(z).. Donner un algorithme qui permette d’obtenir numériquement cette tangente commune. Oy) elles admettent chacune. Écrire les coordonnées du point (zf. Algorithmes accélérateurs de la convergence des suites 2. Donner une procédure qui permette de calculer numériquement les coordonnées (zg.

En intégrant successivzment par parties montrer que f(z) admet un développement asymptotique dont on explicitera les coefficients. 22x4 2”26 5. 3.& + ~3 .3) + .(z) pour des valeurs de n quelconques plus petites et plus grandes que N. b . pour une valeur quelconque de 2. estimer la précision obtenue sur chacune des valeurs. On montrera que cerf(z) = $ { 1 . Effectuer un programme qui. L’epsilon-algorithme scalaire En réaliser la programmation sous forme de sous-programme.5 + . 3. + ( .. Montrer que la série est bien divergente quand n tend vers l’infini.(Z) passe par un minimum qui dépend de n pour une valeur fixée de 5.3. On désigne par N la valeur de n pour laquelle on obtient ce minimum (N est une fonction de z). pour des valeurs quelconques de z (mêmes voisines de l’unité).. P ROBLÈMES ET EXERCICES 2.(z) et montrer que E. c .(2n . b .Réaliser un programme qui calcule les racines selon la méthode itérative du premier ordre.(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=0.1.Réaliser un programme qui donne les racines d’une équation f(z) = 0 par dichotomie. d . 447 . On aura soin d’injecter la valeur de la racine trouvée dans l’équation f(x) = O. donner le nombre de tours de dichotomie suffisant pour obtenir la meilleure précision sur la racine. 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 de Newton (méthode itérative du deuxième ordre). Résolution des équations numériques 4. Comparer les différentes méthodes. 1.Application .. 1 2np122np2 4. .1 ) 1L 1 .2.On propose la même étude sur les fonctions suivantes : O(x) = c /exp(-t’) dt 0 et cerf(z) = 1 .ANNEXE H. Calculer l’erreur ~~(5) commise lorsque l’on remplace f(z) par son développement S.1. Appliquer l’epsilon-algorithme scalaire (cf. Développement asymptotique a . Racines d’une équation f(x) = 0 a .1. Montrer qu’en machine ce minimum est obtenu dans le voisinage de En(X) = &+1(5) ou G-l(X) E Es. Les développements asymptotiques 3.Soit la fonction : f(z) = St-l exp(z ~ t) dt avec 2 > 0 encore appelée exponentielle intégrale.. Compte tenu de la précision relative de la machine utilisée qui est de 10-“. chapitre 2) aux sommes partielles S.

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

AN N E X E H.Calculer effectivement a@/ap et !T:/Op en dérivant les relations de récurrence des 71. on explicitera bien &J &J le dkbut et la fin des relations de récurrence. on divise PTL(z) par lc monôme Dl(z) = z ~ (p + ja). Montrer qu’au premier ordre on peut écrire : e. Racines d’un polynôme à coefficients complexes On considk un polynôme de la variable complexe à coefficients complexes : P. a .+l = ke.z.Expliciter les coefficients yk et 6~.Donner l’expression formelle de x1 en fonction de ~0.8~ $$ra8p rcl. e .. c . PR O B L ÈM E S ET EXERCICES a . Donner les conditions pour que la suite des approximations soit tolljours convergente vers X. retrouver les conditions sur f (ou ses dérivées) pour que l’approximation 21 soit effectivement meilleure que ~0. (T : dp. en fournissant les relations de rkurrcnce auxquelles ils obéissent.5.+jPo)~7z + ((11 +jP. Montrer que.$ons en fonct.&ation : e.et x’ &J d .Opérer de la même mani@re pour calculer d@/3a ct ??Z~/da. 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. = X . 4.Montrer que le quotient. et d6A..On dksigne par e. c . + j&) avc(' 00 + j/3(. Proposer un processus it.(z) = (w. Donner les expressions de <I> et de q. l’écart à la solution X après le 7~~ tour d’it. de la fonction f et évcntucllement de ses dérivées. . + (a.)z 'L-1 + ((12 + j/32)P2 + . Représcntcr au moins 1111 cas pour lequel la mkthode ne converge pas vers X.. il faut ct il sufiit que les fonctions @ et * soient nulles. # 0. b . rappeler la mkthode de Newton permettant de les annuler simultanément. On écrit le polynôme Qnpl (z) sous la forme : Qer(z) = (yo + jS0)2-~ + (71 + jS1)zTLp2 + (yz +js#-c3 + '.En s’aidant dc quelques figures simples. pour que (p + ja) soit UIK racine... d . Pour ce faire. + (Yn-l +jL.. da.ératif du type : on donnera explicitement G(z)... On cxplicitcra k en fonction dc @ ct de ses dérivées (ou dc f ct de ses dérivées). des Sk par rapport à p puis en posant ~ = tkpl ct ~ = UU~-~. On précisera convenablement le début ct la fin des relations de récurrence..@ ct KLJ sont des fonctions implicites des deux variables p ct (T.. On dksire obtenir une racine complexe de ce polynôme que l’on a localiske dans le domaine complexe A. nott: Qn-i(~): est 1111 polynôme de dcgrk TL ~ 1 et le reste est une constante complexe notCc R = @ + jS. Ici encore. '.Comparer cette mkthodc à celle de Newton.) b .ion @ et S’ et de leurs dkrivées partielles par rapport à p et. 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 .

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

Y) = Pc? Y) + 9%> Y). y) soit minimum. d . Y) en minimisant la forme quadratique suivante : @(x.Comme les développements successifs sont limités au deuxième ordre.Y) = 0 On suppose qu’il existe un domaine A à l’intérieur duquel le système admet une solution et une seule . On appelle ek l’erreur après la k” itération et l’on pose : . Écrire le développement de Q2(xo + <.jusqu’à l’ordre n inclus. À partir d’une valeur x0 on génère une suite X~+I = f(5k).ANNEXE H. les valeurs de < et de q ne sont que des approximations.Montrer que ce second problème est équivalent au premier. Résolution d’un système non linéaire On considère un système non linéaire de deux équations à deux inconnues : f(GY) = 0 dX. yo) au deuxième ordre en < au voisinage de 50 . 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) un point A&(2”. 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? 4.7. On se propose de calculer la solution (X. et que les fonctions et leurs dérivées sont continues dans A par rapport à x et à y. après un nombre fini d’itérations on obtiendra la relation X = f(X) à 1a p récision de la machine utilisée. Ordre d’un processus itératif Soit f(x) une application de R sur R continue et indkfiniment dérivable.On choisit comme première approximation de (X. on suppose que les fonctions possèdent des dérivées par rapport. b . Proposer un algorithme qui permet d’atteindre X et Y.8. yy0) appartenant à A. c . 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 + <. PROBLÈMES ET EXERCICES 4. en outre. Montrer que les recherches de la racine par approximations successives et par la méthode de Newton obéissent au schéma fonctionnel que nous avons défini.Maintenant. Donner la valeur de 7. Soit Q(z) = 0 une fonction dont on désire calculer la racine unique X localisée dans le domaine A. à x et à y . a . Si dans le domaine D l’application est contractante. puis calculer z pour que Q2(x.

on projette perpendiculairernent ce point sur la droite Dr. puis exprimer .. On suppose que les deux fonctions sont. b - À quelle Condit)ion l’application est-elle contractante? 2. l’erreur eN est finie. Résolution d’un système de deux équations à deux inconnues.enant au domaine a.+r est un polynôme (ou scric enticre) cri eTL que l’on écrit : e n+l = ae. yr).8? Quel sera alors l’ordre du processus? 4.9. . Par définition. Y).+r en fonction de e. Cas où le système est linéaire . + 2 De. e. on obtient alors lc point Al dc coordonnées (51.MANUEL DE CALCUL NTJMÉRIQUEAPPLIQUÉ donner l’cxprcssion de e. On poursuit la génération des points Ak jusqu’à ce que l’on ait obtcmr la prccision souhaitée.. j de f(z) ainsi que des dérivées de p(z). 1.+. En déduire que e. cependant. Application à la méthode de Newton . domaine où l’application est contractante.f(z) en fonction de a(z): et calculer enfin les cocfficicnts Q et /? en fonction de CI>(z) et de ses derivées. contimres ct dérivables (à l’ordre nécessaire) et que dans un dornainc D ce système admet une solution unique (X.Y) = 0 un système de deux équations à deux inconmrcs. + Y 7eT7 + t On cxplicitcra les coefficients CL. Calculer les coefficients o et /3. 1.Rappeler rapidement la rnéthode de Newton.. on cesse les itérations à l’ordre N (N tours d’itération) et.Associée à l’équation a(z) = 0. 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. 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. . en calcul numCriquc. Ensuite on projette le point Al sur la droite Dz ce qui nous donnera le point AZ de coordonnées (22. On comprend que la convergence sera d’autant plus rapide que le processus iteratif contractant sera diordrc plus élevé. ya). Méthode de Kacmarz (1937) Soit : f(x. Quelle est la condition qui permet d’annuler le coeflicient . Y) = 0 S(X. Partant d’une approximation Ao(zo. Dans l’hypothèse où l’application est contractante lim. p et y en fonction des dérivées de p(z). = 0..On écrit alors : arz + bry + cr = 0 aaz + b2y + cz = 0 (droite Or) (droite Dz). a . y”) appart. Ici encore on suppose que a(z) a une racine unique dans le domaine a.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.

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

ricirlle uswlle : . il s’agit dc rkluire cc systkc SI au système SS appel6 système des équations normales. Au moyen dc la méthode tics moindres carrbs.3). 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. Détailler eusuitc la mét.udc d’un systPmc linéaire de appel6 SI se prkente sous la forme : 11 équations 5. Expliyucr la méthode à suivre pour calculer cffectivcment X2. Système linéaire surdéterminé On envisage l’ét. 5.31 et doniicr les conditions sur l’ordre des matrices pour que dc telles équations puissent. E n reportant cette expression dms (H.èmc des Cqnations normales s’écrit. 5.ions à. avoir un sens . rfaliser.5.3).4.2) ct (H. Résolution d’un système linéaire par la méthode itérative de Jacobi On considère 1111 système linéaire de mat.. 71 composantes et LI’ lc vecteur sec:o~~tl mcmbrc a ré composantes.ivement cn quatre sous-matrices et deux sous-vecteurs dr.hodc pour obtenir Xl. Donner l’expression de X1 tir6e dc (H. Le système que l’on 6crira en notation matricicllc : AX=B.3. la manière suivantje : 1:: nri#=~i.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. X le vecteur des incommcs à. 711 inconnues awc II 2 m.2. pour cela on désignera par Il et kl rcspectivcment lc nombre dc lignes et le nombre de colonnes de la matrice A. 454 . II et kl positifs IIOII nuls strictcmcnt inf6ricwrs à N.~ tics deux systCmes suivants : Montrer que lc problème peut SC ramener à la résolut. 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. dormcr l’expression de X2. dc m équations CI rn ir~connues. Pour cela on dbtaillrra chacune des opérat. : ATAX = ATB où A7’ est la matrice transposée dc A. Montrer yuc lr syst.2). Mallleurcllserrlcnt la matrice A est beaucoup trop volurnintuse pour tenir dans la mémoire centrale du micro-ordinateur dont on dispose. On SC propose d’~limincr le vecteur X1 entre les dwx équatiorls (H. AcsXI + A4Xâ = BL w4 CH. 011 se propose dc fractionner la matrice A et le vecteur B respect.rL Equations à n inconnues que l’on kit. Rhliser un programme qui ét.

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

pi) > 0.p).l hj = C c.Montrer que (Api.~) p.j = cApj. pJ) sont nuls pour i # j. . Aq) = (Ap.s CLQ de A.~ . .1) quand les produits scalaires (AP.+1 XAJ = h.~ ) (H. deux relations entre A. 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). a . B le vecteur second membre d’éléments {bl}.j=O a v e c C. de D. Montrer que (p. On kcrira L = AD. S?’ et AT7 en dkduirc S. 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. P T étant lc vecteur transposé de p en kriture matricielle. linéaires dépendant d’lmc matrice 5. Montrer que A = LS = (hD)S peut aussi s’i‘crire (seulement dans ce cas prkcis) A = h(DS). 1.Donner l’expression de A’ en fonction de D. b .On désigne par h le vecteur qui est solution du systèrne AX = B.j. 2.6. on peut écrire : A = Afi\IDAT = ïWMT. montrer que h peut s’écrire sous la forme : N . a . c . y) = (q. b .P3) x.~} forment une base de l’espace à N dirnensions.Par définition.Montrer que les {P. (B>P. Ap) = (Aq. . Donner l’expression des Cléments dc XI~ la matrice A en fonction des klémentjs 1. on dit qu’une suite dc vecteurs {pi} est A-orthogonale (i = 0.. de L. 456 .6) Montrer qut h peut s’obtenir par le sclkma itératif suivant : 20 = topo (B> Pi) “’ = (AP. q) lc produit scalaire de p et 4 : (P> 4) = pï’q. N .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ d . éléments rrllk de la matrice triangulaire d .7+1 = xj + (++1P.Écrire directement les relations donnant les inférieure M en fonction des élémcnt. 2..Indiquer une méthode de résolution des systknes symétrique non singulière.Soient p et CJ deux vecteurs de dirrrension N.1.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. ST et AT. choisie. X le vecteur inconnu. D onner les éléments 61. On note par (p.~P. C omrne D est une matrice diagonale. .Déduire que A = ADA’ (ou encore que A = STDS). de V% en fonction des ékments d. . . c ..

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

7(r.7 s’ohticnt à partir de l’a. .Quel est le nombre maximunl de tours d’it6ratjion qui permettra d‘olh:nir la sohhion exacte. .te rrkthodc dc rkolution d’un syst.ant. 6.1) (APj: déduire que bj = C. déperldark d’une matjricc A définie positive et symktriqut. c:orrcsponda.JJ.l~P.l->l>roximation prkéderlte en ajout. que l’approximation X..I) ex71 )rr :Y‘ a pos6 : ri = B ~ A.) = E”(r)) + lj(Ap.c. et s’appelle a . c .ux troncatiircs des calculs effectifs? 5.. pr+cisémrrlt.p.p.Montrer que la suite des {pl} est A-ort~hogonalc CII utilisant la relation (H.p.Montrer que la suite des {r. ..j:~). la quantit6 c.. Dkduirc q u e Z.. la wlation (H.. = n.} est.7.Montrer que? E2(:x) est donné par l’cxxprcssion : E”(z) = [A(h ..f est celle qui minimise le carre du rkidu dans la direction p. Les formules montrent..) ssion dans laquelle on . s’appelle métllodt~ du gradient co~~jugué.ermincr b . Il s’agit de minimiser E’(x) da. p sur la droite 2.XT)> h ~ x]. une quantitk algkbriquc paralkle au vwtcur p. (= B ~ xj).B. Quelles transforma.. et.Soit A une matrice yuelconquc.2b... + I.~ ~ (~.Cet./) ~...À chaque étape du processus it. orthogonale en utilisant. ahstra.Montrer CIU~ E’(zj + l.1hfhVUEL DE (‘ALCL’L NUMÉRlQlJE APPLIQUÉ N.rlt à ce minimum.8).tions doit-on appliquer au système lincaire pour pouvoir utiliser l’algorithmr i:tudib? .bratif~ r’? dorme l’écart à la solution exactJe vecteur rkklu 0~1 résidu. On note E”(r) le carri‘ du rkidu.hc linkairc.j. de dét. On pourra poser : b .7).ct~ion faite des crrcurs dues a. a .ns la dircct. Nous a~llorls voir que.iou 1.

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

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

b .+.pproches du mkne probkme. a .1 et 6. Les fonctions «spline » Rkaliser un programme qui effectue les interpolations (des rnêmcs données) au rnoycn dc fonctions «spline » de degré trois. montrer que ct déduire ur1e procédure générale de calcul des valeurs propres d’une matrice 6..AN N E X E H. P~013LèhfE. a . les racines du polynôme caractCristiquc : dc calculer les valeurs propres Xj: P. L’interpolation 6. Le polynôme de Lagrange On dispose d’un fichier dc donnees constitué d‘une suite dc N couples d’abscisses et d’ordonnées. On notera : En utilisant l’expression de a. La mise au point termink. donnkc par la relation de Newton./. Pour ce faire.Calculer les cocfficicnts du polynôme de Lagrange par inversion de la rnatricc fournie par l’kriture du systkic linéaire.s? Pourquoi? 461 . b ..Comparer les performances des deux a. dkfinic de la fac..2 .. 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.+a. Applications des J 6..Prograrnmcr dircctcment la méthode de Lagrange.Dkmontrer 1~ relations de Newton exprimant les coefficients (~k cn fonction des sommes des racines élevées à la même puissance m. =O avec a() = 1. le transforrncr cn sous-programme. Nous 11011s proposons de calculer directement les cocfficicnts ak: puis de calculer les racines du polynôme.(z) = a”d7 + UlZ n-1 + a2x” -2 +. considérons une suite de matrices B.5 ET E X E R C I CE S 5.9.on suivantJe : B 4 = Aq + alAqpl + QA”-~ + . 6. 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. c .2.1. On dksirc réaliser un programme qui pcrmcttc d’effectuer une interpolation voire une extrapolation par le polynôme dc Lagrange. + o“1 1 : OU 1 est la matrice unitk d’ordre n.Donner la relation de récurrence qui existe entre dellx rnatriccs conskutivcs Quelle valeur convient-il de donner à Bu? l?k et n.Déduire des ktudcs précédentes 1111 ou plusieurs prograrnmcs qui realiscnt la différentiation et l’intégration.

= 3 m.b C va. Étude d’un pendule de longueur variable On considère im prndidc dont la longucwr l = b" + 7rt où ?! est llrl~ cor1sta. en rr:vanch(~. CO = 1V4 F. électrique fermé constitlk d’une> self L. 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. Int6grer nuriiériquement cette équation avec: lrs valeurs suivant.t. que lc pendule qui nous pr~oc~upc~ est.cs II = 10 m. dB/ dt = 0 radian/s et. 0 = 1 rri/s. Quelle 4 alors l’amplitude des oscillat~ions‘? Pcubon considérer que H est. y a-t-il à fréyuent. L’équation de Van der Pol Soit 1’Cquation diff6rentic~llc suivante : 011 dolIlle E = 1. 7.r1te.Écrire l‘équation diff~rcnticllc % laqucllc ohbit l’angle Q que fait.0. avec lc temps wlon la loi : a . 19 = 7r/200 radian. Intégration des équations différentielles dans le champ réel 7. Cc mouvement des plaques est évitlemment.MA N U E L DE CALCUL NUM. C . Rtkliscr 1111 programme qui cffcctw la t~abulat~ion dc la solution de cette dernikr k~uation. R = 1 il.rois mont& en série. Au temps t = 0.3.Écrire l’équation dans le cas où g est petit. resté petit? d .O. = 10 m.-à-clirc dans l’cspacc~ où y est port6 cn abscisse et &y/ dt t'ii ordonii~c. Al1 kmps t = 0. 71 = -1 m/s.ct. L et R sont fixrs.icllc à laquelle obéit la charge kkctriquc: q(t). Rqr~sentcr les rkultats de l’intégration dans l’cspacc des phases.GRIQUE APPLIQIJE 7. la bc~m~ d’une grue suspentlue au bout d’un c%l)lr de longurur I.1. b .Mêmes questions qu’au $ c avec toutefois des conditions init. : b. WI = 225 s -1.2. H’ gardid les mêmes valeurs. crt6 par mi niot.rie t‘11 fonction du temps selon la loi : 1 c(t) 1 + E siritilt G La réalisation de ce condensateur est.O et E = 10.ensit.cs : L = 1 H.ik qiw l’lmitb. On cssaycra les valeurs 5 = 1. Écrire l‘équation difErcnt. lc pcntliilc avec la vcrticalc. qc1 = 1V4 C ct i = dq/ clt = 0 A.La hrnnc s’arretc quaiid clic a parcouru 7 in vertidrment (II = 3 m). Qu’observez-vous? Quel intérêt.é est g. donc fournir de 1’6iwrgic au circuit dectjriyue.. d’une rksistancc R ct ~‘LIIIP capacité C: tous les t.ialcs tliff6rcnt. H et.ion de la pesanteur dont l‘int. Intégrer nurri~riclilerrient cette bquation cn choisissant des conditions initiales très difkentcs (cc sont des doiirltw qui sont c:oninmniqn~cs cn corivrrsa.cur qui peut. c’est. E = 0:57 et. 7. I varie lin~aircmc~nt. sachant que cc pcntlule est soumis à l’a. Système électromécanique dépendant d’une équation de Mathieu On considère 1111 circuit.r:r de tcllcs équations? 462 .ioririel). sackant. la capacit.

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

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

6. seul lc calcul de l’int.égralc demandera le calcul explicite tic s[y(t). Application numérique .. Tracer dans ce cas le cycle limitcx de la trajectoire suivie par lc chien.ion dc ~(T(I) = y(0).En conservant le pas h = 0. 8.T. Le chien court à la vitesse constante de 20 km/h.rouver la trajectoire du chien et représenter la graphiquement (cf. c’est-à-dire quand dT/dt = 0.ion diff&enticlle (H. calculer y(l) et y(2) dc l’tquat. Lorsqu’il est en A.13) . t].cmp+rat. des conditions initiales de ce problème pour lesquelles le chien ne rattrape pas le jardinier. Généralisation de l’équation (H. 1.2. d onner la formule exprimant y(!&) A partir de l’expression obtenue pour N = 2.). PROBLÈMES ET EXERCICES Étude du cas N = 1 .11).05. page suivante). et . 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. = S(T~) (:II fonction des u. Donner alors l’expression de y(Tl) en fonct~ion des C. Écrire explicitement l’expression donnant y(Tl) à partir de la forrnulc obtenue pour N = 1. L’éyuat. Rien du développement. 3. Puis indiquer un procédé perrnett.).05. Exprimer les ni en fonction des sk. puis les valeurs sk. expression dans layuellc T représente la t. page suivante). Trouver. puis les valeurs sk = S(T~) en fonction des (1. Inverser ces relations pour obtenir les ‘II en fonction des sJ Donner l’cxpwssion tic y(Tz) en fonction des C. formel préckdemrnent r&li& n’est.ANNEXE H. Sachant~ que la distance OB = 30 m ct que le chien a le droit de piétiner le parterre. 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.Calculer les points TO et T1. Étude du cas N = 2 . car les coefficients ak dépendent des valeurs obtenues pour les y(T. t] est. H. . les isothermes d’un réfrigérateur Nous nous proposons de d&rminer dans le plan les isotherrnes d’un rkfrigérateur à l’équilibre thermique. modifié. T1 et T2. Calculer ?/(II) et y(2h) avec h = 0. ct .çj. 7.2.1.Soit l’équation : 2 = -501/+ & avec y(0) = 0. Application numérique . t.0 ri considere à présent yuc s(t) dépend de :Y(t) ct l’on Ccrira : s(t) = s[y(t): t]. au besoin expérimentalement.Calculer les points TO.urc: et t lc temps (cf.ion (H.~.ant dc calculer cffectivemcnt 02). Intégration des équations aux dérivées partielles 8.13) n’est évidemment plus linéaire. Fig. L’équation de Laplace. Fig. Décrire urle procédure complète d’intégration de la dernière équation différentielle proposcie. Indiquer ur1 procédé pour obtenir effectivement y(Tl) en fonct. mais on supposera encore que s [y(t). H. une fonction à variations lentes et faibles. Cormaissant à présent y(To) e t y(Tl).

MANUEL DF: c4~f.x~ IWIMÉRIQUE APPLIQUÉ La géonktrie du réfrigérateur est donnée sur la figure H. calculer la tcrnpératurc cri chaque point du maillage et déterminer quelques isothermes dr cc système thcrmiqur:. x0 cm Figure H. en revanche. Procéder & mi rnaillage convenable du dornaine. Isothermes d’un m?frigFrmkw. la paroi du rkfrigkrateur est à la tempkrature ambiante dc 20 “C.2.2 : lc congélateur est représenté par un rectangle à la température dc -10 “C. 466 .

Déterminer la durée du refroidissement. Transformk de Fourier d’un rkeau (taches de difbaction). L’algorithme de Cooley-Tuckey Réaliser le programme dc la transformée dc Fourier directe et de la transformée dc Fourier inverse. la table des adresses pcrmettjant de mettre les domkes dans le bon ordre . montrer que l’kluation dc la clialcur où P est la puissance dissipk par unit. N. la transformke de Fourier par dkimation. la tcmpératurc de 10 “C.1( OC)-‘. la table des simls (et cosinus) au moyen d’un algorit.nt refroidie lorsqur son centre. éventuellement entachkcs d’une petite erreur.l “C.hme rCcurrent . PROBLéMES ET EXERCICES 8. 9.B.3. déphasées dc ?r selon lc choix rctcnu pour rcprkentcr les données. mais CII 1’ = 0 les équations sont discontinues.ure dans la sphkc: à diffkrcnts instants. où r‘() = 1. La rkistivitk du cuivre est r(T) = ro(l + QT). elle est plongée dans 1111 grand rkervoir d’wu à la tcmpératurc uniforme 01 = 10 “C.72 10-s bL m. Un cylindre dc cuivre de longueur indkfinie. on attend que le fil soit en éyuilibrc thermiyuc. On plonge w fil dans un bain (thermostat) 5. le siège d’un dégagcmrnt de chaleur. On c’omrncncera par rkliser des programmes de mise au point qui sont : a. On considère que cc rkservoir est un excellent thermostat. b. Transformke de Fourier de la fonction porte. T est cxprimb en “C ct a = 4. portée à la temp&at.. Au temps t = 0. La transforrn+e inverse doit permettre d’obtenir les valeurs dc départ. 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. On pourra tcstcr les deux transformkes de Fourier sur une gaussicnrle tronquk (il faut réflkhir sur la troncature.cmr.2. c. . est à une température inférieure à 10.nt continu réparti uniformément d’intensité 1 = 200 A.Attention & l’usage des coordonn~cs sphériques que nous emploierons dc toute façon. On demande do calculer la tcmpiirat. Cas où tout le volume est le siège d’un dégagement de chaleur Si tout lc volume s’krit.). . On dit que la sphère est c:orrll->lèt.ure uniforme Ho = 90 “C.A N N E X E H.-1. dc rayon R = 1 cm. p est. : est.6 de voliimr~. est. 467 . On donne 0 = 3. On donne le coefficient dc diffusion dans le cuivre D = 1.1. la capücit~k calorifiyuc par unit6 de volume et X est la conductibilité thermiyuc du milieu. Les transformées de Fourier 9. Comment pallier cet inconv6nicnt ? 8.40 Jcn? ct D = f = 1.12 cm2/s. parcouru par 1111 courant 1. ensuite on fait passer 1111 coura.12 cm p2se. Refroidissement d’une sphère homogène Une sphère homogène dc cuivre dc rayon 7’ = 5 cm est.

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

1. u 1 I ‘B b . La transformée de Fourier discrète s’écrit : cpk = . le nombre dc grains G est très élevé. 9. N . Au besoin. et l’on désigne par v(t) sa transformée de Fourier. Comment réaliser ccttc opération à l’aide du dispositif et de l’appareillage ut. . et pk = cpi + jy~i.4. Pour chacune des fonctions. on peut 6crirc fTrb = f.4. et l’on recueillera sur la cellule photoélectrique un signal formé de la superposition de signaux tels que celui présenté figure H.Comment concevez-vous l’appareillage du cadre « mesure » chargée du traitcmcnt du signal? Le parallélisme entre l’axe des t. + jf7. Calcul numérique des transformées de Fourier pour un nombre de données N = b” Soit f(x) UIC fonction appartenant à L2. m) = 0.ilisés? Dans la réalité.ANNEXE H. . Ny fmWN”L m=o a v e c 27r WN=exp jN ( > 469 .1. t n Figure H. PROBLÈMES ET EXERCICES Figure H. Dire pourquoi l’allure générale de J(V) ne sera pas modifiée.5. on dispose de N échantillons complexes (uniformkment répartis) notés fin et yak avec (k. On ne considère par la suite que les fonctions échantillonnées normalisées. mais déphasé d’une façon aléatoire les uns par rapport aux autres. .3.rous et l’axe de déplacement des particules G doit être rigoureux.2. n c .

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

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

1. pour 0 < z < 1. Application numérique . = 50 puis 60. Loi du x2 Effectuer un sous-programme qui réalise le calcul du x2 a m degrés dc liberté : 472 . Lois (Binomiale. Donner l’expression de la densité de probabilité. Reprendre les calculs précédents.n. Gauss-Laplace) 12. Quelle erreur est commise sur ces approximations? Approximation de n! au moyen de la formule de Stirling : n! = nn exp( -n)&G( 1 + E.f(x) h(x) = fi]exp (-T) dt. La loi Binomiale Approximation de n! au moyen de l’approximation de Stirling : log.(r~!) = nlog. Application numérique : calculer n! pour n. 90 et 100.f:‘“‘(~) de la variable z appartenant à l’urne j..2. 4 1/12 quand n croît indéfiniment. puis donner l’expression de la valeur moyenne (CT?‘) des Ei dc chaque vecteur V qui sont tombés dans l’urne j. Vérifier que les résultats sont symétriques. 12. Poisson. 80.La fonction F(z) est la loi uniforme : 0 F(x) = x 1 pour 5 5 0 . 12.(~n) . En déduire la fonction de distribution .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ pour ce faire. 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 . puis calculer la valeur moyenne des & tombés dans chacune des urnes.) avec TX. on réalise une succession d’intégrations par parties de cette dernicrc expression. 70.3. et l’on s’intéresse à la statistique d’ordre n = 5 (il y a 5 urnes). 0 12. pour 5 2 1 .

Distribution de Cauchy On considère la variable aléatoire < obéissant a la loi de distribution p(z) = kexp -a121 pour z appartenant à (-00. 473 .Rappeler la définition de la fonction caractéristique 4(t) dP. Calculer effectivement 4(t).Calculer la constante k. ) = 1 ..Soit z = i ~~‘.6. z) de Student à m degrés de liberté d’une variable aléatoire 7 et donner son expression dans le cas où m = 1. est un paramètre strictcmcnt positif et k une constante de normalisation. PR.3. On donne X = 30. f . +oo) expression dans laquelle u.OBLÈMES ET EXERCICES 00 I-(z) = .I exp( -t)t*-r dt ryn + 1) = :I! r ( n+. e . . b . par quelle courbe de Gauss peut-on approcher cette loi? Donner le sup du module de la difference entre ces deux fonctions. Loi de Poisson. Loi de Student ~ 5.Rappeler l’expression de la distribution i(m.5. Q la moyenne arithmétique de ré variables aléatoires ‘rjk indépendantes et distribuées chacune selon la loi Q(Z). d . 2” Effcctucr un sous-programme qui réalise lc calcul de la loi de Studcnt à m degres de liberté : 12.4. c . puis en déduire sa fonction de distribution. on désignera par q(z) cette distribution particulière.Calculer la moyenne m ainsi que l’ecart quadratique moyen D de la variable aléatoire [.Donner l’expression Q(t) de la fonction caractéristique de la variable aléatoire q. Donner l’expression de la fonction caractéristique Q(t) de la variable z. 12. ( 2 n 1 ) 6. Loi de Poisson Effectuer un sous-programme qui réalise le calcul de la loi de Poisson : Pk: = $ exp(-A). a .ANNEXE H. 12.l a variable aléatoire < et donner l’intervalle de définition de cette fonction.

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

enfin que : .Donner l‘cxprcssion c . l’ordre fixb du tirage de srt.y” dorlt l‘expression s’kcrit.~. mi remet dans l’urne la boule tirée plus c boules de la rriêirir couleur-. Après chq~w tirage cffcctu6. r houles rouges.On pose : de la prolzhilit+ P(TI. quel que soit. X est uue variable aléatoire qui suit une loi du . .Donner l’expression de la.b . + cy:. (Il s’agit diun tirage contagieux dans ~IIIP urne de Pdya..) a . 71) de tirer ni hules uoircs pa. i cx ct.end vers la loi horriialr riCy+tiw : c. .12.rmi 7) tiragrIs d . que p et. 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.Jl +P)“I. prohl~ilité IITLIT12 de tirer d‘abord nl hiiles noires puis 112 lmulrs rouges.En réalité. : 3. b .On considère UIC urne qui contient 0 houles noires et.1 hulw noires et (1~ ~12 l~oul~~s ro~~gcs.Lorsque 77. Moutrrr que.

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

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

jour uu cycliste parcourt.On SC propose tl’écriw cxpli<itenicnt la loi dc Poisson m fonction du temps 1 ct. ct mi rappcllc que les temps d’apparit. .ctrnicnt~ scrnadrirs). a 4 . lc tmips t. Calculer la nioyennc~ n tic < .res. l’on dkipe par X le rlombrc rrloycn d’év&mncnt.Calculer la probabilitk qu’il survirnnc cxact.ist.km rri une scrmiric (1 mois ~ b .+l .isons mi tlriix mois. Durée de vie d’un système simple (fiabilité) 1.kmn en 1111 mois.Chaque .t probabilit.iellcmc~nt a11 cours du kmps.Calder la probabilit. L’c~xpkienw lui a appris qu’il survient une crf3mison de six bicyclette cn inoyrnnc tlciix fois par mois.Ckdciiler la probxhilité qu’il survirnnc c~xactrrncnt. probabilité qu’il survicririe trois crevaisons ou plus mi un mois. Loi de Poisson.. La silitc t..rinsi que sa.iquc de 13 variable al&oire [ = t.é qu‘il nc survienne aucunc~ crevaison en un mois. d .t. AIm?s avoir rcnmrqu6 que [ est une variable . quatre crcva. c . Donrwr l’expression de la. lc tcnips qui s’koulc crkre deux év6ncrnents consécutifs. la rnêrnr: diskmce. 478 . loi dc Poisson Ph: (t) donnt\.f (t) à 1.9. En dkliiire la rlciisiti~ de probabilit6 .@ F(t) = P(c < t) ( 1 ut 1 R wuiablc al&~t.emcnt une cwv. On désire kt~udirr la stat. dans un iritcrmll~~ t d6biit~arlt 5.qiicllc~ ohkit la variable al6atoirr <.~PPLIQIJ~~ 12. variancr 0’. la siiit. e .ppdlc flux d’~v~iirriir~nts. ind4?pcrdmk les ii115 des aut.c tliscr~tk: dc la date des 6vkmncnts cpi arrivwt s~qlicrit. dculcr la. DE cucul. . une crev.ion des 6vikmrrks sont.Calmlcr la. qui est.~l~atoirc coutinuc.6 de temps.M~NIJEJ. 2.ut~ la probabilit. s’a. On d6sigrie p:u t. l’inst~arit ti ~il n’y ait itiicun évtncmcnt.Calmlcr la probabilitb qu’il survienne cxa.6 pour qw X: 6v~ncmcnts survicuncnt durmt. NLIMÉRJQCJE . 3 Pour cela on calculera d’abord l. probabilit.s par unit.@ pour que.oirc [ soit plus petik> que f.

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

appelcr.12.Rappeler la demonstration de l’inégaliti: de Bienaymé-T(:hehycheff’ : où F’ désigne la probabilité. qui sont toutes les deux normales (gaussiennes) centrées ct réduites. 13.ribution f(z). Une fois les conditions établies. puis on calculera E(X). 12. et l’on prkisera le domaine de validité de t. La fonction caractéristique 13.2 B2 Cette expression s’appelle inégalité de Kolrnogorov. On montrera que f(z) est bien urlc densité de probabilité. L’inégalité de Kolmogorov (1903-1987) Soit X une variable aléatoire continue de moyenne nulle E(X) = 0. a 480 . puis la fon&on caractcristique de la variable rl = <r + &.1. on suppose que ]X/ a une borne supérieure désignk par I3.hfA. les expressions des moments centrés d’ordre trois et quatre. Loi quasi normale . (%)’ tend vers une gaussienne quand n croît positivement . donner l’écart quadratique moyen a2 dc la loi normale dont les moments deux et quatre coïncident avec ceux de la loi quasi normale envisagce. On considère un nombre arbitraire t positif. et b. E(X’).riable normale lorsque : aléatoire X obeit à une distribution quasi E(X:‘) # 0 e t 23(X4) = 3[E(X2)]? On se propose de calculer les paramètres a et b de la loi : de telle façon que f(z) soit une loi quasi normale. Montrer que : expression dans laquelle a est compris entre 0 et B. En déduire la fonction de distribution de q. a . au besoin en les démontrant. Calculer la fonction caractéristique de chacune d’elle. nous dirons qu’une va.11.Par définition. on déterminera n. Enfin. a b . d’écart quadratiquc cr2 et de fonction dc dist.À présent. d’écart quadratique m o y e n E(Y”) = g2 et obéissant à une distribution gaussienne. b . En dcduire que wy > a) 2 E(X2) . R. E(X”) ct E(X4).WJEL DE CALCUL NUMÉRIQUE APPLIQUÉ 12.Soient deux variables aléatoires indépendantes <r et (2.On considère une variable aleatoirc Y de moyenne nulle E(Y) = 0.

. ékments notés X1. X. 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).12.. .ique Q(t) de cette variable aléatoire. . On réalise une partition de l’axe réel en T intervalles notés 11: I2.iques moyens. On considère une variable aléatoire X dont on se donne u11 échantillon constitué dc n. les probabilités théoriques que X appartienne respectivement aux intervalles 11. p..l et rn2 les moyennes respectives et par 01 ct CT~ les écarts quadrat. I. ct enfin la fonction caractérist. L’un effectuera les auto-convolutions successives de la fonction de distribution. c’est-à-dire uniformément répartie sur l’intervalle (-0... montrer que la fonction caractéristique tend vers une gaussienne quand n tend vers l’infini. puis la fonction caractéristique de la variable aléatoire E/n. X2.On considère une variable aléatoire < à distribution rectangulaire. On désigne par rn.. D onner la fonction caractérist.Les variables indépendantes sont toujours gaussiennes mais ne sont plus centrkcs réduites. Déduire dc cet exercice le comportement asymptotique de la fonction : f(z) = (F)” Effectuer deux prograrnmes qui permettent la vérification expérimentale de conclusion obtenue.1) degrés de liberté. PROBLÈMES ETEXERCICES b . 0. . .)2 nPq obéit. à une loi du x2 à (r ..5 ..) 481 .p2. c . La loi du x2 et la loi de Student 14. Au moyen d’un développement limiti: au deuxième ordre dc loge P(t).5). et l’on désigne parn.ique Q(t) de la variable aléatoire : où les & sont des variables aléatoires indépendantes à distribution rectangulaire uniformkment réparties sur l’intervalle (-0..Gknéraliser le calcul du C. d . (Rkalisation d’un histograrnme. 1.5 .1.np. Donner la fonction de distribution de r/ = El + <2. En déduire la loi de distribution dc IL quand n devient grand devant l’unité. O)S). l’autre le calcul direct de la fonction caractéristique.ANNEXE N. À partir de quelle valeur no de n peut-on admettre l’approximation asympt~otique? 14. Le test de Pearson On désire montrer que le paramètre de Pcarson x2 = c pl 7’ (Y .

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

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

Montrer que e .640 & J’exp(-5) 0 dt=l-0. de g .Montrer que b . de même variante. . tu et n.On suppose que la variable t définie au 5 14.Effectuer l’application nurnérique. Commenter les trois résultats obtenus. h .On désigne par P( ltl > to) = l-a la probabiliti: que Itl dépasse une certaine valeur positive to. indépendantes et. on effectue 1x1 changement de coordonnées orthogonales de la matrice orthogonale A d’éléments (ui.os(19) = 1. 3 approche . Effectuer l’application numérique dans ces nouvelles conditions. a.Montrer que (x) .729 to. On donne : t”.05.05(21) = 1.m = 3 d .) : Montrer que -g CE/.Montrer alors que t est une variable de Studcnt dont on précisera le nornbre de degrés liberté.Sur les variables centrées (zj ~ au moyen m).05(20) = 1.721. f .O5(~).m)2. normales. On dorme : 1.j=l .2 est gaussicnne.Montrer que les variables xi sont centrées.j=l c . Déduire la relation entre l(x) ~ ml.725 t0. ct en déduire la valeur de la répartition de Student h. = -& . 484 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ a .

Vkrificr que les nombres générés obéissent bien à une loi de distribution uniforme.1 L1 4 2 2 316 1. la quantitk détenue.ANNEXE H.Quelles sont les liaisons dc corrélation qui sont fondées ou significatives ? On donne un extrait de la table de Student : h.833 to. 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. Par ailleurs on notera (q) la..o 1. Les données faisant l’objet du classement seront fournies par le générateur de nombres pseudo-aléatoires de Lehmcr.8 3.moycnnc dc la variable aléatoire q et par 0: sa variante.5 On désigne par 2 la variable aléatoire associée au nombre de pcrsonncs. c . Exercices du cours a .5 2 2. 1.860 h.Faire un programme qui rkalisc 1111 histogramme.2 5. b . Tableau H.ryz entre la quantiti: d@tcnuc 2. PROBLÈMES ET EXERCICES 15. entre le nombre de personnes et l’impôt payé. .l 0 7. Critères de conformité 16.T.812.os(lO) = 1.Dans l’hypothk raisonnable de dépendances linéaires.6 2.2.ns(8) = 1.m(9) = 1. 485 . b .1.5 6. et l’impôt payé. . Matrice de corrélation Dans 1111 document à caractère historique de 1321 on trouve le tableau H.2 d’imposition.7 4:l 3. calculer les coefficients de corrélation suivants : a .5 3.0 Impôt 1. 16. Systèmes à plusieurs variables aléatoires Système linéaire sut-déterminé.T:~~ entre lc nombre dc personnes et. 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. Ensuite.u.

c . évaluées en nkkrcs.Calculer le x2. Montrer que la suite dc nombres pseudo-aléatoires : obéit à une distribution gaussienne de moyenne 50 ct d’écart type 0. Vcntsel. Donner les cxprcssions dc ~1 et c2 en fonction de a ct b.Pour déterminer a et b.udicr les incertitudes : celles-ci. Tableau H. Quel est le nombre de degrés de liberté‘/ Qucllc est approximativement la probabilité de dépasser la valeur du x2. On a effectué l’étude d’une population parente d’une C~~?CC detcrminée d’arbres. Vérifier que (L et b jouent un rôle symétrique. b .3. sont regroupées dans le tableau H.[zzi 1 O/(h ~ u) :> pour a < z < h ailleurs.2. a .(&)]1i2 siri(27r<i+l) Vérifier que cc g6nérateur fournit des nombres akatoires ü distribution gaussicnne.1) V~+I = [-2 10g. page ci-contre. a et b.3. et en particulier. On a trouvé les résultats présentés dans le tableau H. on SC propose de calculer la moyenne rn et l’écart quadratiquc moyen o’.Calculer a et b en fonction de rr~ et c2. d .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ c . 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 : . On propose d’étudier un autre générateur de nombres gaussiens qui rcspccte les queues de distribution : % = L-2 log&)]“2 cos(27r<. Peut-on retenir l’hypothèse d’une distribution rectangulaire? 16. a2. Dagnelie. ce qui fournira un système de deux Cquations à deux incormues. puis num6riqucmcnt m.3.4. 486 . on s’est intéressé à leur taille. où mi est le nombre de mesures tombant dans un intervalle donné d’après H. Tests d’hypothèse Étude de la distribution d’une hauteur d’arbres. d’après P. Calculer la probabilitk th6oriquc dc tomber dans chacun des intervalles dc classement figurant dans le tableau. Étalonnage d’un appareil de mesure L’étalonnage d’un appareil dc mesure a porté sur 400 mcsurcs dont nous nous proposons d’ét. 16.} une suite de nombres pseudo-aléatoires fournie par le générateur de Lehmer.Cette façon d’obtenir des nombres aléatoires à distribution gaussienne présente 1111 dkfaut : les queues de distributIion II~ sont pas bonnes. .Soit {E.

.Calculer le x&. on détermine 5 valeurs de l’ordonnée y selon la loi y = ux + b. on désire vérifier l’homogénéité d’une suite de variantes.L’hypothèse H est la loi normale.Effectuer le test de la somme des carrés des diffkwuzes successives. Pour 5 valeurs de l’abscisse 2. b . 17. proposer mie solution. e . 487 . Calculer les probabilités par intervalles de regroupement. c . . 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 . On choisira tous les pararnètres comme on l’entend.4.2.Peut-on raisonnablement conserver l’hypothèse H? Justifier votre réponse. a . 17. On affecte un indice aux points zi. À cet effet. yic avec i = 1.Effectuer le test de la rnédiane. f .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. .Effectuer le test des suites ssccndantc ct dcsccndant.2.1. on fabrique deux séries dc données sur lesquelles on se propose dc retrouver les caractéristiques. d . c . H.Le test de Kolmogorov donne-t-il une confirmation du résultat obtenu au # e? On détaillera tous les calculs. Il s’agit du même écart type pour les 50 nombres tirés.Pour chaque yio on prend 10 valeurs obtenues a partir d’un générateur de nombres pseudoaléatoires gaussiens d’écart type ~7 . on les note yy. Étude des dépendances dans le cas linéaire 17. Test d’indépendance stochastique des résultats d’observations a . On se propose de vérifier les tests usuels d’indCpcndance stochastique sur cet échantillon. b . d .e. .Pour chaque xi on choisit un écart type a different tel que les 0: obéissent a une loi crédible telle que : CT” = a.ANNEXE Tableau H. elles sont centrées sur yLu et ont la variante c2.Générer 1000 nombres pseudo-aléatoires à distribution gaussienne. Homogénéité d’une suite de variante Dans le cadre du schema de régression. Tenter de trouver une fonction qui soit différente de h”(zi) mais qui en soit une bonne approche. : 5.Calculer les deux premiers moments 1*1 et D puis l’écart type 0. b .

A). c . rn b .5. sur lequel se fonde le calcul. dans l’ordre dc leur apparition.Calculer la longueur rnoyenne et 0 l’écart type des sous-chaînes. b .j : a . On appelle sous-chaîne une suite constituée uniquement dc A (ou dc B) limitk à droit? ct k gauche par un B (resp.ire). donner l’inégalit6 à laquelle obéissent.05. la prohahiliti: de prkenter l’une des deux faces est 0.Calculer C l’écart type de la variable <. UC. Test d’indépendance stochastique du tirage d’un échantillon On considère lc jeu de pile ou face dura. Donner XK la longueur rnoyenne des chaînes contenant K sous-chaînes.05. On appelle chaîne de longueur n. Nous nous proposons d’étudier quelques caractéristiques des chaînes et des sous-chaînes. On énoncera le théorème sur lequel se fonde le calcul.3. Applicat)ion numérique : K = 10. au moyen de n tirages conskcutifs. dont la longueur VI soit supérieure ou égale à une valeur arbitraire positive A& (on pourra éventuellement calculer la probabilitk contra. Partie 1. Rappeler le thkorème central limite. < et K.nt lequel on note la succession des apparitions. a . On SC propose d’étudier la variable aléatoire [ (désignée par n précédemment.) qui est la longueur d’une chaîne constituée de K sous-chaînes de longueur l. f . On note A l’apparition de face et B l’apparition de pile. d . v6rificr qu’il en est de mCmc dc XK.Dormcr la probabilité P d’obtenir au moins une sous-chaîne (parrni les K).MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 17. éléments (sous-chaîne de longueur p contenant pA ou p1B) est égale à ( 1/2)IL.Ce résultat peut ctrc utilisk comme test no 1 servant & vérifier l’indépcndancc stochastique des résultats d’observation (test fondé sur la mi:diane de l’khantillon). On donne : 0.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. Partie 2 . = 8. 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).En choisissant le seuil de signification Q = 0. la suite des A et B obtenue durant l’cxpkricnce. On bnonccra lc thi:oremc. grand devant l’unit&. 1:ii5 488 . En déduire la distribution dc la variable aléatoire <.05 = & iexp (-c) dt. calculer P.Montrer que la probabilité T de tirer une sous-chaîne constitube de 11.On effectue le tirage de K sous-chaînes. e . Effcctucr l’application num&iquc pour une chaîne de longueur nj = 100.On suppose que le nombre K de sous-chaînes est. puis donner l’expression de la probabilité P(c < L/O) pour que < soit plus petit que la valeur arbitraire ~0. et comparer le résultat avec celui obtenu à partir de l’expression approchk donnée dans le cours.

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

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

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

on sait que l’incertitude sur chacune des mesures effectuées (Yk). On sait que la repartition de la variable z est as(z) = 9( 2. Dans lc cas où u = 0. De plus.Dans le cas on Q # 0. Donner l‘intervalle de confiance concernant y pour UIC valeur donnke 20 dc la variable z dans chacun des cas typiques.ry. 18.3. 11) cn fonction de @.Qucllc relation doivent satisfaire les coefficients Q et /3 pour que az(z) soit la loi normale réduite. Expkrimentalement.Calculer Krry la covariance des variables z et I/.4.E(z) et @g(7/).6 montre que les points expérimentaux se disposent selon deux scgmcnts de droite désignks par SI c t sz. e . la fonction de distribution de la variable y notée ay suit aussi une loi normale rkluite.6.MANUEL DE CALGIJL NUMÉRIQUE APPLIQUÉ c . on 492 . d . g .Donner l’expression de la fonction de répartition des variables 5 et y notée 9(x! y). w).1 et 17. Les incertitudes constituent une variable aléatoire dont la moyenne est nulle. Distribution de Student Reprendre les fichiers fabriqués au cours des exercices 17. Calculer la fonction de distribution de la variable 5. X- Figure H. 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. qu’il s’agisse des points du segment SI ou des points du segment 5’2: correspond au même kart type (7. Calculer les coefficients dc la droite de régression y = ni: + 0 dans chacun des difkents cas. La représentation graphique dormCe par la figure H. xc. Analyse de régression. Peut-on dkduire que la non-corrklation entraîne l’indépendance des variables I : et y? Argumcntcr. Étude d’un chengement de ph. donner l’expression de la droite de régression de y en 2. f .nsr. donner l’expression de a(~. y). Montrer que.2. en déduire le coefficient dc corrélation ‘r. 18.Calculer la fonction caractéristique de a(~. Estirner la prkision sur chacun des coefficients a pour un seuil dc signification donni: cy. dans ces conditions.

Sans entrer dans les d&&. A est une constante calcul& (donnée considérée comme rigoureuse).uxquellcs on peut a.6.7 21 92. c’est-k-dire à la grandeur H = Y2 ~ Y1 où Y1 ct Y2 sont représentk sur la figure.l 68 493 . pour de nombreuses rnoléculcs diatomiqucs.ffectcr un nombre cnticr J appelé nombre quantique de rotat. 18.4 36 113. T 66.I (donnée expérimentale). 10 80.l) 2Jfl 1 ( OU 1 est l’intensité relative de la raie . a . obtenus par MendGev (1834 1907). 1.ablir la relation suivante : log. a .uée dkne suite de raies dont on peut mesurer pour chacune la surface: laquelle est proportionriellc à l’intensitk relative 1.Estirner l’incertitude sur la dktermination de H. opérations conduisant. la théorie permet d’et.Rkaliser l’organigramme des opérations décrivant. dans la mesure OUI l’kqllilibre thermodynamique local est atteint. de dtterminer la ternpkrature de latlitc molécule. ct a. PROBLÈMES ETEXERCICES admettra qu’il n’y a aucmle incertitude sur les valeurs (X. des dorm~cs 18. b . T est la ternpératurc absolue que 1’011 cherche à Cwaluer. au traitement correct. Solubilité du nitrate de sodium dans l’eau Voici le tableau H. cornmcnt dkterrnincr T? est la précision statistique de cette détermination? c .6 51 125. soit y = f(T): les grandeurs y et T étant exprimées en unités arbitraires.5.6 15 85. Tableau Y H.7 (~veiit.9 29 99.ion.Quelle Ik.ANNEXE H. c . bien détcrmirke exp~rimentalcment..5 de résultats. On s’intércssc à.) du paramèke X.~iellemcr~t aprks avoir tenu compte de la correction due à la fonction d’appareil).r Nz mesures. B est une constante calculée (donnk considérk comme rigoureuse). la transition au point X0. On justifiera l’option retenue. Mesure d’une température par spectroscopie L’cnregistrernent d’une bande Clcctronique kmise par une molécule diatomique permet . le traitement autornatique des donnks expérimentales. Une extrknité dc SI et une extrkmitk de Sz correspondent à la même abscisse X0 qui est.Rkaliser l’organigrarnrne des expkrirnent alcs.5. il s’agit bien sfir d’une dktcrmination statistique. donnant la solubilité y dans l’eau du nitrate dc sodiurn en fonction dc la ternpkrature T. Lc principe est lc suivant : la bande est constit.J ~ +JJ.7 0 71 4 76. indiquer de quelle manière on pourra estimer la grandeur H.Sachant que le segment 5’1 est déterminé par NI mesures ct le segment & pa.Sachant que l’on dispose de N données cxpkimentalcs b .3 -.

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.1(7) = 1. On désire connaître la solubiliti: pour la valeur T = 40 laquelle ne figure pas dans le tableau... 19. (1 + X) en fraction continue. On donne ml extrait de la table de Student : to. contenant I : et ~0.En supposant que f( I : ) es t une fonction continue indéfiniment dkrivablc sur WI intervalle ..2.895 t0...05(9) = 1.ion des coefficients ck = &. = 0: QI = 1. PI = Au.P. Donner alors la valeur correspondante de la solubilitk ainsi que l’intervalle de confiance de cette détermination pour 1111 niveau de confiance dc O. b . Pour y parvenir.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Peut.Au moyen d’ml raisonrlement par récurrence. .. Qi'Qz'Q3' a . + 2. puis calculer numériquement la valeur dc log. Les fractions continues 19..(~) Q.-i)~m-i(~) (21) avec Pn = 1. . à l’ordre 2.415 toJ(9) = 1.On montre que les Ak obéissent à la relation de récurrence ~1 ~ n.rr+~(x) + (x ~ ~~. à l’ordre ~1... d .383..1.os(7) = 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 . démontrer les relations suivantes : En+-I(Z) = A.-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.9...833 to.f(k)(~O) avec k = 0: 1. Donner A&ila valeur de As en fonct. = AmQrn(z) + (ix ~ c~r. 2 qui sont respectivement à l’ordre 1. Q. 494 . (2).Donner le développcmcnt de log. on forme une suite (l’approxirnatiorls EL EL u.~)Qm-.

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

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

positive. La seule erreur sur k. pour cela: il suffit dc remarquer que U.rer qu’elle admet une limite supérieure. moins de 16 chiffres significatifs en notation décimale si l‘on envisage l’usage du langage C en double précision).cnt une représentation sans crrcur (pourvu qu’ils possèdent. est evidcmment minorée par 0. il suffit dc mont.-r qui est différent de zéro pour n > 2. admet donc imc limite. Si l’on sc ramène à l’erreur relative.618033989. : k:..y . est donc l’erreur liée a la division. seront égales a la précision relative E. La suite k. est formée de termes strictement positifs pour 12 > 0. la racine positive est : 1+2/5 Y= ~ = 1. est strictement eroissantc ct. 2 Sur le plan du calcul numérique de y au moyen de la suite dc Fibonacci. on en conclut que k. . Généralités sur le calcul numérique 1.. OII remarque que k...1.1 Corrigés des problèmes et exercices 1.UTzpl = 0 et...x3L++5zE1+p. G-1 n 1 un-1 v.. D&@ons par y cette limite: on écrit alors : Un+1 ..ion de définition de k. Calcul du nombre d’or La suite U..U. . l’on divise chaque terme par U. il sera inutile de poursuivre les calculs apri:s que deux valeurs consécutives de k. est lc rapport dc deux entiers Un et UTL-l lesquels admett. est compris entre 0 et 2 quel que soit n > 2 ct que la suite k. dont.1 = 0. 1 Le dernier terme est plus petit que 2 car la suite U. On obtient donc : Quand n tend vers l’infini la dernière équation devient : y2 ... cela se traduit par l’Égalité : .-r + UTLPz et d’écrire la relat.. donnée par la machine (et le langage utilise) . = U.

.. Cornmençons à partir du la3 (440 Hz) par définir les dièses. et T~(Z) = cos[arccos(z)] = z Ici encore. il ne faut pas réserver un tableau pour la variable indicée k. 498 ..MANUEL IIE CALCUL NTJMÉRIQUE APPLIQUÉ Cette condition donne l’erreur relative la plus petite sur le calcul de y. 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. les fréquences sont dans le rapport deux sur trois.. une erreur importante pourra surgir et qui se propagera au cours des calculs. Ce processus permet de déterminer les dicses. mais le procédé est coûteux en temps de calcul. il ne faut pas utiliser de tableaux sauf si l’on désire effectuer IIIE représentation graphique dc ces polynômes. Pour ce qui concerne les bemols. Remarque : Sur le plan de la programmation. soit : C’est donc une relation de récurrence entre trois polynômes consécutifs. Une manière sirnple d’opérer consiste à ecrire les douze demi-tons de la gamme puis à les calculer successivement. si les deux termes sont sensiblement les rnêrnes..+i (x) : T.l)y] = cos(ny) cas(y) + sin(ny) sin(v) TT1+l(x) = cos[(n + l)y] = cos(ny) Cos(y) .+l(x) = COS[(~ .2.3. on la divise par deux s’il s’agit des dièses ou on la multiplie par deux s’il s’agit des bémols.. 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.. 1. Pour l’utiliser. 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.. Les polynômes de Tchebycheff Posons 1~ = arccos( puis écrivons la relation de définition pour TrLpi (XT) et T.. o11 nc connaît pas la taille de cc tableau. seules deux valeurs consécutives sont nCcessaircs et suflisantes. Il s’agit de faire ses gamrnes. Si la fréquence d’une note sort de la gamme à detcrminer.sin(ny) siri additionnons ces deux relations : T. et l’on fera 1111 dkalage chaque fois que l’on calculera une nouvelle valeur. Il existe une source de difficultés qui va affecter la precision : le second membre de la relation de recurrence est une différence. 1. il s’ensuit que. ils sont déterminés par les quintes qui se situent sept demi-tons majeurs au-dessous de la note précédente..l(Z) + TTLpl(X) = 2cos(ny) COS(Y) enfin retournons aux anciennes variables en remarquant que 2 = COS(~/). il suffit dc connaître les deux prerniers polynômes T~(X) et T~(Z) à savoir : T”(Z) = COS(O) = 1. D’ailleurs.

La gamme naturelle propose un do# à 557 Hz et un r. Bach (1685 1750). 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. Maintenant.66 H z 782.86 704.1.2. Calculons à présent la frequence de la quinte dc la note mi. de la profondeur k l’instrument. elle vaut (1/12) log.54 Hz mat. 1. 880 Hz).S.12 Hz . ht. 1. la ré SO1 440 Hz 586. il s’agit dc la note sa : 660 x 3/2 = 990 Hz.y: Sir. 499 . 6 618. On note que 660 Hz se situe bien dans l’intervalle (440 Hz. du volume. ou plus exactement. Pour terrniner.ANNEXE 1. une fois l’instrurnent accordé dans une tonalité. il n’est pas possible d’en sortir (modulation) sans avoir le sentiment que l’instrument joue faux. On note que le do# et rkt.057 762. ont la même fréquence de 554 Hz qui est intermédiaire entre les deux précédentes valeurs. les mêmes notes ne possèdent pas les mêmes fréquences.48 Hz Hz 463. on trouve les notes et les fréquences présentées dans le tableau 1. 440 Hz 660 Hz 495 Hz 742.03 H z 549. propose d’accorder la rnêrne frkquence à ces deux notes. due à J. La gamme tempérée.05 Hz 412.22 Hz 695.67 Hz Hz Hz Hz Hz Hz En poursuivant ainsi.(2) = 0.88 Hz 835.34 Hz Hz 651. Tableau 1.89 594.31 521. l’intervalle d’octave sera divisé cn douze dem-tons d’égale valeur dans une échelle logarithmique. page suivante). Autrement dit. Donc le rapport du logarithme des fréquences de deux notes consécutives.51 488. la fréquence est 440 x 3/2 = 660 Hz. est une constante quelle que soit la fréquence initiale dc la gamme rctcmle.3. séparées alors par un demi-ton. Tab. Quoi qu’il en soit on voit aisCment que les diffk-entes tonalités ne poss&lent pas les mêmes notes.38 Hz 732. soit 495 Hz. on peut d&nir les doubles bémols. SOlb si mi En contimmnt de la sorte. Autrement dit. on calculerait les doubles dikes. c’est l’octave de la note dont on cherche la fréquence. T a b l e a u 1. CORRIGÉS DES PROBLÈMES ET EXERCICES La quinte du IIL est la note mi dont. cette fréquence n’appartient pas au bon intervalle puisqu’cllc est supérieure à 880 Hz. On établit très facilement la table de la gamme ternpérk (~5 Tab.48 469.5 Hz 556.éb à 549 Hz.31 Hz ré+ l(L# fa do SO1 ré 626.1.59 792.79 528. calculons les notes qui vont éventuellement être affectkcs d’un bémol (cf. Il suffit de diviser par deux la valeur de la fréquence pour se rarncncr dans le bon intervalle.2). En poursuivant ainsi.

on obtient.99 830.loge ( 7 )l k+1 c=z 2 10-9 Sachant que k est t. il s’agit d’un dévcloppcment asymptotiquc qui est divcrgcnt mais qui donne 500 . ( k+1 7 1 il faut rkaliser à peu près 2k a.dditions (soustractions) qui introduisent une crrcur absolue de l’ordre de 2. On ne pourra donc compter que sur 7 ehiffrcs significatifs après tant de calculs. 440.res grand devant l’unité. on obtient l’équation transcendante qui donne k en fonction de y c’est-à-dire : 1 Ic+1 ~ .3.88 Hz 523.25 Hz 771% z mi # o u fa fa]+ ou SOlb SO1 sol~/r 011 lU(. En utilisant mie représentation de 16 chiffres significatifs. la 659 25 698146 739. Il n’y a pas de difficulti: majeure à programmer la relation faisant intervenir les nombres dc Bernoulli.25 Hz 554 37 H7 J 587133 Hz 622.OO Hz Hz Hz Hz Hz Hz 1.MANIJEL DE CALCUL NUMÉRIQUE APPLIQUÉ Tableau 1.10-” dans le pire des cas... la précision optimale lorsque deux valeurs consécutives de la suite des ~k seront égales à la prkision dc la représentation.99 783. il faut calculer environ dix millions dc termes ce qui est évidemment prohibitif s’il existe d’autres méthodes. Estimons néanmoins l’erreur risquant d’affecter le rksultat.61 880.16 Hz 493. dans le cas le plus pessimiste évidemment. soit : En admettant que yk soit minore par 1/2.OO H 466.4. Écrivons la relation de rkcurrence entre deux valeurs conskutives de -yk : %+1 = yhY + ~ kS1 1 log.. on peut se livrer aux approximations commodes : il s’ensuit : de là on tire une valeur approchee dc k FX J1/2 109/“. Calcul de la constante d’Euler (1707-1783) Avec mie machine qui cffcctue les calculs avec une précision relative de 10-q.

l‘exkution des calculs. lik+l = IlkT + C&+l .. Lorsque l’on rkglige les termes après le rang IL.t I une simple constante.3.5. Rkalisons cette opi‘ration pour /L = 4 et 5.‘. .] II” + . . fi(x) s On krit P”(x) = R. + (x ~ T)‘~-“R~. = (. . + (CE . 1. }x + arr k=O Pour z = T.$j’. autrement dit on aura rnieux que 13 chiffres significatifs..x . elles seront majorCes par 4mlOVl’ avec m = 100. ./(2p~rn2~“).-r(x) = (x ~ . Fixons m 2 la valeur 100 par exemple et regardons quelle doit etre la valeur de p pour obtenir la meilleure prkcision rnathématiquc. .(x ~ r)~rl-.(X) p.. . l’erreur de troncature strictement mathkmatique est infkrieure à la précision usuelle de 10V1”.T)“R~I + (x .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 : .+ CI.~)I’“(X) + RI.2.p.r)“-lR1 + t.. En conclusion.-l7.-l(21) + R.(x) = CU& = {..-r(x) + R. CORRIGÉS DES PROBLÈMES ET EXERC~~ES d’excellents résultats si l’on tronque habilcmcnt la série. C . 501 ... ..-.r)R. = (x ~ 7-)Pc2(z) + RT. on obtient rcspcctivement pour le membre de droite : 1 120 100s cz 1OK” et 5 660 l()()lO = 10-22.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...)P. R. car P0 ( x) C. + R. (7”) vo ?Il b . Il convient d’kvaluer les erreurs liées à... = P.. Calcul numérique des dérivées d’un polynôme à coefbcients réels pour la valeur x = r a .I Pr?.ANNEXE I. VT7 = Y.On écrit la suite des polynômes : PT.. [{ [(a02 + Ul)X + aa]z + u:3}x + u.. CII choisissant m = 4.-1 ii-... . + .. . on calcule donc la suite : = ao = ‘Uo7’ + (11 = l!lr + CL2 va .Le polynôme prend la forme : PTT(x) = (x . on commet sur -y wic erreur strictement mathématique inférieure à 2B.

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

Y. Pour cela.644 88 <c(2) < 1.Y0 % On écrit encore : ~ = -F pour z = of et y = yf. c .yo ~ (of ~ zo)f’(z. La tangente à CI s’écrit : d’ofI: dy -‘$!L dz Y pour . l’ordre de 10pl’.Passant par le point A.634 983 903 puis on 1.7.~ Zf .Xf . pour connaître les valeurs :xz.ro dont l’ordonnée est. peut nous permettre d’obtenir cette valeur de yo. La dichotomie. Il faut donc choisir la tangente la plus pctitc cri module.f) = 0 p our la prcmi@re courhc ct pour la seconde : yy = . CORRIGÉS DES PROBLÈMES ET EXERCICES Prenons 1111 exemple : ((2) = g(= 1. et c’est pour cette valeur prbcisément que l’on obtient la tangente commune aux deux courbes. supbricurc au plus grand des deux extremums de CI et Cz. À condition que les fonctions f(x) et g( n:) soit calculables dc façon semblable. il existe cn gbéral deux tangentes à la courbe CI ct à la courbe Cz. c et dzetal .(J.Dans le cas de fonctions implicites. On examine le signe de cette fonction en Al puis en (Al + AZ)/2 ct ainsi de suite. et une bonne précision sur la fonction @. d . par exemple. ~ Y0 011 considCre la fonction Q = Yf ~ ~ qui est la diffkrence des pentes des tangentes . Il existe deux programmes dzeta0. il faut résoudre le système &n linéaire de deux Cquations à deux inconnues par une des méthodes itératives proposées dans lc cours..f) = 0.~ ~ XO)~‘(:Z~~) = 0.644 98. y. Donc.634983 + &> soit encore : 1.2 n et yf.644934): dkduit que : on calcule alors Sl00(2) = 1. On opère de la môme façon pour l’autjrc tangente pour laquelle on écrit : 503 .ANNEXE I.On désigne par Al un point de la droite z = . il faut choisir x0 approximativement au milieu de l’intervalle (of. pour avoir des erreurs semblables sur les calculs dc z f et ICI.q(xg) et Y ~ yo . a - b .j(~.20 xg ~ 50 menées de A aux deux courbes. 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.f) . c qui réalisent ces algorithmes. on a Q’(zf. Quand A parcourt le segment A1Az la fonction Q ni: s’annule qu’une seule fois.T = Xf et y = yf Yf . 1. on utilise mie des mCthodes itkratives proposées dans le cours. 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. Si la longueur A1Az est de l’ordre de quelques unités.634983 + & <C(2) < 1. En général il faut rechercher la racine d’équations transcendantes (voire implicites) qui donnent Xf et XT1 puis on calcule yf et y. Recherche d’une tangente commune à deux courbes On a yf = f(zf) et . :rg)..

fixé. Les développements asymptotiques 3. Algorithmes accélérateurs (Voir le cours chapitre 2) 3. [Ci] : 44171) = nlog.t) dt.t) < 1 car z > 0 et t > .(n + 1) logr(z) 504 . tend vers l’infini puisque le terme gkkral devient infini quel que soit 2. Calcul de l’crrcur Erg lorsque l’on tronque la sPric après le terme d’ordre n + 1 : E. 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.t) dt : mais @tant donni: que exp(rc .I t-‘Lp2 exp(z . 2.1. ~ r1 .. . +. il est comrnodc de lui associer la fonction @(n) = log. c concernant cette prockdure. lc prograrnmc tangent..e skric diverge quand n. . 71! La fonction (p(n) = 71+1 est une fonction stricterncnt.x + (-l)""(n + l)! .) . + (-l)TQ& tFp2 exp(n: .z on peut écrire l’inégalitjk et pour 71. Cett.LJ + $ .(n) dont la dkivke s’écrit.MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ ct : On regle le probkme du point A de la rnkne rnani&e qu’au paragraphe précédent On fournit.r . positive quels que soient n et 5 : pour I I” 1 l’étudier. ainsi : F = log.f(x) = k .(Z) = (n + l)! .(n.loge(z)..

dt.. y-ln/2rr-2 1 _ 4. Pour I ” fixé. 1.r.Pour ce qui concerne la fonction : cerf(z) = 1 .0(z) = 5 /exp(-t’) .(2n-3) +. Ce résultat n’est pas CII contradiction avec ce qui prk?de.l-l (.-1(2) = Eng+l(z) q UI aurait donné encore un résult.p+2 ce qui donne no = x ~ 1. on peut. Calcul de la fonction arctan Comme 20 ~ arctan(z0) = 0. en effet x est mie variable rkelle tandis que ré est une variable entière. TL() r~() + 1 a . on peut s’attendre à ce que la convergence se rktlise même si la condition précédente n’est pas vérifiée.Application de Iépsilon-algorithme .x0)] = z . Voir le cours 4.(. ajouter cette quantité à. l’équation 2 = arctan( soit : z = arctan + 50 .es valeurs dc .z) = EIL. Résolution des équations numériques 4...(x) car OII aurait.3 1-b+-22& -+. CORRIGÉS DES PROBLEMES ET EXERCICES elle 5 im minimum pour n = N = 2 .I 011 effectue une suite d’intégration par parties ct l’on obtient : cerf(z) = 1 ~ Q(z) = exp( -z”) ~~ i 1. C’est ce que nous avons vérifik. trouver des rkultats corrects aussi bien pour des pctit...20 = arctan ~ arctan 505 .3.2.. l‘crrcur sera minimum pour urlc valeur de TL() qui est approximativement dom& par l’égalité : soit encore : N! &V+I (N + l)! . Voir le cours 4.3. On va voir que c‘est le même minimum. On aurait tout aussi bien pu hirr E.ANNEXE 1. trouvk 120 = .Le dkveloppcment asymptotique étant u11 pI’cJhIlgcment analytique.arctan ou encore : z ~ 20 = arctan ~ arctan expression que l’on transforme ainsi : arctan[tan(z . b ..5 ‘p.z que pour dc grandes valeurs dc n.at kgèrement diffkrcnt : cL=Jm qui a une racine approchée dc l’ordre de TL() = z ou 7~0 + 1 = 2.Tfi + (-l)+’ 1.1. On aurait rnasqui: cette remarque en krivant l’itgalité E. cela signifie que la fonction cp(n) a aussi un minimum.5. Dans la rnesurc dc la < calculabilitC effective » : 011 doit.Cas de /a fonction erreur .3..

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

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

toutes calculées pour p = po et <T = (ru. Q et !P sont des fonctions dc p ct 0. on Connaissant une prcmikc approximation p. calculer les dérivées . Il reste à. Ces relations aboutissent à : Dc la rnême manière. Q(p. g et g. on calcule les dbivks partielles par rapport A c : . OII calcule enscmblc les dérivées par rapport à p puis les dérivées par rapport 2 (7. nous voulons obtenir p et cT tels que : @(~.a) = 0. On a donc : On pose : cc qui permet d’écrire : avec to = -yo ct 210 = 60. et CT() développant Q et Q au premier ordre : va chercher ü calculer h ct 1 CII La résolution du système linCaire donne h et 1 : ces valeurs %ant.a) = 0 et. comme dans la méthode de Bairstow. et.MANUEL DE CALCTJL NUMÉRIQTJE APPLIQUÉ Bien cntcndu. Le problknc consiste donc à obtenir : a7 9: 3. g.

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

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

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

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

$ possède N . valeur que l’on substitue dans la seconde équation : A:<A. 4.‘A2] X2 = B2 . soit A:jAF’Az ~ Ad: Inversion de la matrice précédente. Soustraction dr: la matrice A4 au rkultat prkkdent.B2.= ?Y 8. Résolution d’un système linéaire volumineux La matrice Al possède 11 lignes et kl colomws.bl lignes ct N ~ kl colonnes. Les vecteurs X1 et BI sont à II lignes: ct les vecteurs XL> et & à N .A2X2] + A4X2 = Bz. Voir le cours p. il ne reste plus qu’à multiplier Al1 par cc dernier rksultat pour avoir la valeur dc Xl.Ad]-l. 3. Pour que l’opération propos& soit possible.12~ + 27 = 0 On calcule aisément : bl = . y) = x2 + 4. ?/) = x2 + yy2 .iplication de AZ3 par lc résultat. la matrice A2 possède II lignes et N . Le programme grosys . soit A:sAF’Bl . CORRIG& DES PROBLÈMES ET EXFXCICES Exemple f(x.A3A.Ad] x* = A. 7. il faut que 11 = kl: donc que les rnatriccs Al et A4 soient.I [I?l ~ AzX2]. 9.~” ~ 36 = 0 g(x. soit [A:jA.f 8?J 5.% ou encore : [A~A.II lignes et kl colonnes et enfin la matrice A. expression que l’on rc%ranclle dc Bl. Multiplication dc Ai’ et A2 soit ALlAz.lBI .B2.kl colonnes.‘Bl: Soustraction dc B2 au résultat précédent. Voir le cours p. 2. on rkalise la suite des ophkions Inversion de Al en Al’.~A~ 1. 8. Mult.‘A2 .lAz. : Pour calculer XL.3.Il lignes. c effectue les calculs proposks par cette procédure. 5. 70 5. Multiplication de A:( par lc rhultat préckdcnt. . soit A:jA. Multiplication du résultat précédent par le résultat du 5. On obtient X2. Calcul de AFIB1. et l’on peut donc calculer A2X2.2.ANNEXE 1. 513 . La premitirc Cquatiorl donne : X1 = A. soit A:IA. Cctk kquation peut encore être transformée de la manihe suivante : [Ad ~ A:sA. Éléments de calcul matriciel 5.1. 6. la matrice A:i possède N . carrées. 378 5.l[B1 .yA. prkcédent.

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

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

(Apj.Pour éviter de comrncttrc quelques confusions. relations établies au paragraphe b. pj) = 0 si 2. .4 .11 p u i s 7n.2.edpsciences.Soit ei une base orthonormale à N dimensions. du On résout ensuite X = M-‘Y en faisant.L’équation A = MM” donne les relations suivantes : mT1 = a11 puis m21m11 = u12 et plus g&6ralement : *rL/lmll = n. n. N-l le vecteur p dc composantes pk s’écrit : p = C r>.. c paragraphe c en écrivant : Y = MplB.ei 2=0 N-l de mêrne le vecteur q s’kcrit : q = C q. P). . 5.com/guilpin/ 516 . On passe % la dcuxitime ligne et la deuxième colonne au rnoyrn des équations suivantes : rr& = a22 . 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. q) = (Aq. pj = 0. 2.kl et qui réalise l’algorithme: 6tudiC.. dont nous dkduisons : Ce calcul se g&&alisc aisément : d . = (9.3. On trouve sur le Wcb (*) 1 c programme choleski . Bien et c... tout au long de ce probltimc. a . (Apj.6. Dc là nous d6duisons la première ligne et la r première colonne : ml1 = *z/cI. Aq) = c c l=O k:=O UZk’?kPI .MA N U E L BE CALCUL NUM É R I Q U E A P P L I Q UÉ c .Cornme A est une matrice définie positive. dans les relations établies aux paragraphes b les 1kl par les mk.Après avoir calculé les rn/k on calcule les ~1. on remplace les S~J par les rn. Résolution d’un système linéaire par la méthode du gradient conjugué Nota . 1.rl = ~ 71111 a11 pour I=2. *http://www.e.zl = a2k pour k: = 1. pj) > 0 si pj # 0 ct. . A P ) = (AP. n.l/ pour r! = 1. n. usage des entendu.. . les vecteurs sont no& en caractères gras.m& et plus généralement : mk2rn22 + mklrn.

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

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

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

dans la mesure où la matrice A n’est pas singulière. k! b- À présent. on a : c . .7.Nous avons : il s’ensuit que : c\ik = mo) .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 . soit : ensuite. 459). alors on peut multiplier à gauche les deux membres de l’équation Ax = B par la matrice transposée AT. 72. Calcul direct des coefFicients du polynôme caractéristique a . dérivons l’expression P. 5.10 p.(X) = [XI.Par un examen direct de (H. . on peut écrire : ‘@l(O) = 1. Ainsi : ATAx = ATB. La procédure présentée est concrétisée par le programme gradconj . c. Nous avons : expression dans laquelle on fait X = 0. 520 .A].Dans le cas où la matrice n’est pas définie positive. on est ramené à l’étude précédente.MANUEL DE CALGUL N U M ÉR I Q U E APPLIQUÉ 6.

..... .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.alq COS(V) ~2~ .. = bpq = 0. . d .....11 sin(<p) .. Soit : (upp . 5. On voit que la matrice TplAT a les mêmes valeurs propres que A mais pas les mêmes vecteurs propres. ses valeurs propres sont réelles...azq COS(P) a7. Multiplions à gauche cette derniere équation par T-l : T-lATZ = TP’XT2 = X2. .. On verifie bien que TT = I (matrice unité d’ordre n).upq cos2(‘p) + upq sin’(cp) .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 . Calcul des valeurs propres d’une matrice réelle et symétrique par la méthode de Jacobi a ..Puisque A est symétrique.... = K.T est symétrique par construction..anq COS(P) e .P = b... sin(cp) - ~2~ COS(P) uzp Cos(p) + uzq sin(p) .. Il convient à présent de calculer sin(cp) et COS(P) en fonction de T.. T-l est symétrique aussi car (T-l)i.. 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 ~ 1.8. Pour obtenir ceux-ci. B = (TAT) est aussi symétrique. b . = upp sin2(cp) bpq = app sin(cp) b.. l’angle ‘p appartenant à (-... donne : tan(2cp) = ce qui ~ upq sin(cp) COS(P) .Écriture des éléments de (AT).ANNEXE I.On obtiendra les valeurs propres de A après avoir obtenu les coefficients du polynôme caractéristique..On veut que b. donc A est diagonalisable...%4 r... CORRIGÉS DES PROBLÈMES ET EXERCICES e ..... ........On a AX = XX puis on fait X = TZ cc qui donne AT2 = XTZ..uq4 sin(cp) cos(‘p) 2% UPP .uqp sin(cp) COS(V) + uq4 COS~(P) COS(P) .> f) . Nous avons : sin(2cp) = 7 cos(2cp) 521 .. unp Cos(p) + annq sin(cp) uzp sin(cp) .. c . ... ces derniers deviennent : bpp = upp COS~(~) + upq sin(p) COS(~) + uqp sin(p) COS(~) + uqq sin2(p) b.uq4) sin(cp) COS(P) = upcl [COS~ (cp) ~ sin2 (cp)]. puisque A est symétrique. f . 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) ..

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

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

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

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

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

Pour t = 1.5yk + 0. il devient : t2 t2 y’(t) s t1 il s’ensuit que : exp(Dt) dt = [y(t) exp(Dt)]iT .l pour t = 1 et t = 2.3 alors que le calcul direct de la solution analytique donne la valeur 0. on obtient y = 332. Pour obtenir une valeur numérique raisonnable. il faut prendre un pas h petit devant la constante de temps T = 1/50. 2.25 puisque h = 0.D s t1 y(t) exp(Dt) dt. J’ t1 s(t) exp[D(t . y(b) exp(%) .tz)] dt.63 et pour t = 2 on trouve y = 1 105 733.On obtient : t2 t2 t2 s t1 y’(t) exp(Dt) dt = -D /’ t1 y(t) exp(Dt) dt + J’ t1 s(t) exp(Dt) dt.k exp[D(t ~ h)l dt.y(tl) exp(Dtl) = t1 J t2 s(t) exp(Dt) dt.tl)k exp[D(t . disons par exemple h = -r/lO = 0. tk) soit encore : yk+r = -1.La méthode d’Euler s’écrit simplement : yk+r = yk + hf(yk.tl)] + qui est l’expression recherchée. et en posant @ . a .000000005 X 10-l.t2)] dt.t1)” s(t) = C k!pk ak k=O avec p = t2 T tl.ANNEXE I.!. Alors pour t = 1. k!p” t1 527 . b - À présent.h)] dt = e ak 1 k=O tl t2 (t-t )‘” . il s’agit de la valeur asymptotique de la solution. ou encore : t2 Y(h) = y(tl) exp[-D(t2 .002. N (t .05. on trouve y = 1. CORRIGÉS DES PROBLÈMES ET EXERCICES b . Intégrons par parties le premier membre. Alors 1 s’écrit : ak exp[D(t .

Tl = tI et TO = 2tl . 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.5) : z/(Tl) = ~(TOI exp(-DP) + (CO ~ G)~O + CISI.5) Application numérique : CO = 0. on obtient en définitive l‘équation (1. il s’ensuit que nous s(t)=ao+ta . (1.012 66.01836 ct Cl = 0. puis y(l) = 0.MANUEL DE CALCULNUMÉRIQUEAPPLIQUÉ on a : On calcule immédiatement CU : t2 CO = 1 t1 ‘exp[D(t ~ tz)] dt = $[l .On a Tl = t2 et TO = t a ~ (ta .tl u1 Les calculs étant menés comme précédemment on obtient : uo = s1 d’où l’équation (1.099955.tz)] et dv = (t ~ tl) dt. puis on Ctablit la relation de récurrence entre les Ch:: en intégrant l’expression de Ck par parties : k!p’Ck = s t1 ( t .tl)” exp[D(t . hode du cas N = 2 .6) .ta. cl(T2) = y(Tl) exp(-DP) + 528 SO + (CO .2s1.6) : et a1 = (Sa .tl) = tl.2Cz) SI + -52. (1.Comme pouvons écrire : on a Tz = t2.ta)] dt en posant PL = exp[D(t .SO)/2 et CL2 = sa + SO . Tous les calculs faits on trouve : Étude du cas N = 1 .exp(-D/L)].

Tl]. 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 savons que le chien se dirige en permanence vers le jardinier. puis on continue les calculs en itérant la relation (1. ce qui donne : et (o = 0 (condition initiale). 529 . On poursuivra les itérations de la rnême manière que ccllc indiquee au début de ce paragraphe. On fait dont d’abord s1 = su pour obtenir :y(Tl) que l’on reporte dans l’expression de ~1. = f2(t)[a2 + b2]. Problème de la poursuite Désignons par z(t).x dt = b sin[f(t)] =a cos[f(t)] et et Y dz . y(t) et vo les coordonnks cartésiennes et la vitesse du jardinier. dt x . Nous pouvons krirc : d’où : dX dt ainsi que : Par ailleurs. On connaît donc Tj et y(Tl) à l’issue de ce calcul. Généralisation de /‘équation (1.5) dans laquelle on effectue le changement SI = S(T~) = s[y(Tl).y dX ~ = ~~.5) que l’on itCre suffisamment.ANNEXE I. Y(t) et V 0 1 es coordonnées cartésiennes et la vitesse du chien. De là on tire que f’(t) est une constante et par conséquent que f(t) = wt + cp. CORRIGÉS DES PROBLÈMES ET EXERCICES 3. on choisira sa = s1 et l’on calculera alors y(Tz). 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.X On écrit l’équation horaire du jardinier : X d’ofl dY Y . 7. puis par X(t).On reprend la relation (1. Donc. Description de /a procédure d’itération .6) pour obtenir t2 et y(Tz). nous pouvons alors écrire : dY --T Y .= -af’(t) Ski[f(t)] dt d’où $ = bf’(t) cos[f(t)] [$J2+ [+y’ = u. Alors.On établit une plate-forme de calcul avec la relation (1.Y dX X .6.6). On va poursuivre de la mCmc façon avec l’expression (1. Au départ.6) .

Il s’agit donc dans un premier temps de calculer la transformée de Fourier d’un réseau de N trous alignés et équidistants. t) la valeur obtenue à l’instant t . comme les longueurs sont parcourues à la vitesse constante V. dans l’espace de Fourier.1. et grosso modo. mais le choix du système de coordonnées introduit une discontinuité au centre puisque l’équation fait apparaître un terme en l/r. 8. Étude d’un vélocimètre Pour des particules se déplaçant selon l’axe du réseau à vitesse constante. appelée I(z).M ANUEL DE CALCUL N U M ÉR I Q U E APPLIQUÉ 8.1. t ~ dt). 6t étant le pas dans le temps. 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. le terme é1 e v é au carré donne un « spectre de raies » et le terme [sin(7rXa)]/[. le spectre en fréquence de la lumière transmise. 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. sin(7rXb) ’ sin(7rXa) “x . et l’on trouvera un programme qui traite ce problème et qui s’appelle refrig. 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. L’équation de Laplace. En choisissant l’origine au centre du réseau et en appelant F(k) la transformée de Fourier d’un trou. est le produit des transformées de Fourier de la fonction d’éclairement d’une part et de la fonction d’absorption d’autre part. les isothermes d’un réfrigérateur Le travail ne présente pas de réelles difficultés. En réalité. 530 . c. On pallie cet ennui en choisissant pour T(0. 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. Dans notre problème. sin(7rvb/v) [ 2 1 . En effet. t) = T(0. 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. Intégration des équations aux dérivées partielles 8. 9. soit T(0. 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 .6t au point adjacent (premier voisin). Tout le calcul fait : Q(x) sin(7rXa) sin(7rXbN) = nk . le champ de température est parfaitement continu. Les transformées de Fourier 9. Rappelons que X est un nombre d’ondes (inverse d’une longueur).irX] [sin(-irXMV)]/[sin(7rXb)] élevé au carré donne l’image de l’enveloppe de ces raies. on retrouve l’expression classique des réseaux.2.

équation qui se transforme de la manière suivante : un calcul analogue donne : @k+ZN/3 = Ak + BkW. Cependant.W. On écrit la définition de la TF : puis on regroupe les termes en trois sommes partielles : Qk = f. Bk et Ck sont les transformées de Fourier de trois fois moins de points que n’en comporte l’échantillon initial. + f3Wik + &jWN” + . c’est-à-dire la largeur à mi-hauteur.$k+N’“).ANNEXE I. « Deux raies » consécutives sont séparées de la distance a déterminée par deux maximums relatifs et consécutifs de la fonction « raie ». 3. .. reste donc à régler les problèmes de périodicité : CD k+N. . .) (=ClcWN) +flw~+f4W~k+f7W~k+‘. > WN + { .2.2. 2.3’) + & avec 34 5 k < 3 ‘+‘et RN(o) = 0. d’où on tire : @k = Ak + Bk IV. + f4W&9 + f7y+ + .1. Le premier minimum nul de la modulation existe quand sin(7wa/v) = 0.. les dernières relations ne peuvent être utilisées que pour k = 0.. } WN”. On voit que Ak. Ces expressions s’écrivent encore : Qk = fow$j + f3W&. .. + . 531 . 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”.’ +f2wN+fsw~k+f8w~k+. . 1. . La formule d’adressage des données s’écrit : j = RN(~) = R~(lc .+j$). elle est déterminée par la différence de deux valeurs consécutives qui annulent le dénominateur. (= A/J (=BkW. c’est-à-dire lorsque u = V/a.f2w.. elle est donc de l’ordre de ca/N. ((&)+<*ll*r(-. est inversement proportionnelle à IV. + -t fi WN-. . CORRIGÉS DES PROBLÈMES ETEXERCICES L’examen de cette expression permet de répondre aux questions : 1. ïV/3 . et quand N est grand devant 1. + f& + fs WN” + . + C’~CIV$~.3 = Ak + BkWFN13 + CkW. + fdv‘q. on a donc : a = v/b. La finesse des raies. . 9. c vaut &.

. cllcs sont toutes équiréparties (idem les faces d’un dé). et S... c- Cette expression est donnée par la loi binomiale car toutjes les composantes obéissent à la même distribution (rkpartition).. 10.l) et c’est une fonction non décroissante dc x. Ainsi.(x) peut j ~ prendre les valeurs . Il s’ensuit que P(<~C < x) = p pour ) toutes les composantes.i+1 1 ou encore que S. 1: 2. Les événements étant indépendants : soit encore : 532 . = 1 si si si xk<x<xk+l 2 5 51. { n’ n “‘. x S. Cela revient au m&ne de dire que S. La première relation permet les calculs pour k = 0.2. on cornbinc linéaircmcnt b transformées de Fourier de b fois moins de points que dans l’échantillon initial. d .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ Dans le cas où N = b”.P(&<x)=F( 2 e xp ression qui est vraie pour tout ci. 6 .n. i N/b. S. (x) ne peut pas Etre inférieur à $. .) = Cy..[F(X)]~‘[l ~ F(x)]‘“? mais de plus. L’ordre statistique a s.. toutes ces conditions sont celles du schéma de Bernoulli.. 11. j prend les valeurs de j à n.1. C’est bien la fonction de répartition de la variable aléatoire 2.b”) + b”ltl avec b4 5 k < b4+l et &T(O) = 0. P(xJ”) < x) est la probabilité pour qu’il y ait au moins j composantes de V inféricurcs à x.(z) est la fréquence de succès. Il reste à établir les b ~ 1 relations pour obtenir une transformk complète ce qui ne présente pas de diRicult6. x > 5. Introduction aux méthodes de Monte-Carlo Les cxcrcices sont traites dans le cours p.-1. prend des valeurs sur (0. 287 et suivantes. avec k=l.. Éléments de calcul des probabilités 11. = 0” S. La formule d’adressage devient : N j = RN(~) = R~(lc .. .3 .’ 1 Ici encore la probabilité d’obtenir la valeur i est donnée par la relation : P (S&) = .Il suffit de placer 5 dans la série des X?I.

il est facile de calculer la moyenne des {CC} qui tombent dans « l’urne j ».(z).On part de l’intégrale : F(z) J 0 du = t.n-j)! 6’ J xj-l[l .y .l)Y& .j)(l ~ t)npJpl dt. 533 .x]"-. f . que l’on va calculer par une succession d’intégrations par parties. On utilise les dernières relations établies : (x(7”‘) 3 1 = (.7 + on poursuit l’intkgration par parties et l’on vérifie que l’on retrouve bien l’expression de <p. CORRIGÉS DES PROBLÈMES ET EXERCICES e .t)“-j &.-l dt d’où : u = 4.1)2. Pour cela posons : f(x)[F(x)]ql . t+(l .l) et vaut zéro ailleurs.fx dz.F(z) est la loi uniforme. pour z appartenant à (0.j)! J f(x)[F(x)]j-‘[l . on obtient alors : C!$‘(x) = CJJF(x)]j[l .F(x)]“-.F(x)]‘“--! À partir de cette relation.l) et vaut zéro ailleurs.Application .ANNEXE I. soit : +oO (x!“‘) 3 = ’ (J . 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. En dérivant cette dernière fonction. on obtient la fonction de distribution recherchée : puis v = (1 . soit : F(x) = x f(z) = 1 pour 2 appartenant à (0.t)“-” d’où dv = -(n .F(x)]“-jx dz..

+03). 328 et p. J exp(j27rzt) -03 exp(-alxl) dz = g /[exp(j27h) 0 + exp(-j2nxt)] exp(-az) dz a2 1 a2 + 47r2t2 = 1 .MANUEL DE CALCUL NUMÉRIQUE APPLIQUÉ 12. où I’(Z) est la fonction factorielle. a .On doit avoir -oo ~4x1 dz = k . Soit 03 $9(t) = . 47r2t2 a2 c .5. D’où lc = a/2. on obtient : (cette fonction s’appelle fonction de Lorentz). x2 exp(-alzl) dz = a -03 s 0 x2 exp( -ax) dx On intègre deux fois par parties cette dernière expression.4. +m) ’ + ii [ 1 >. Dans le cas où m = 1. L’exercice est sans difficulté 12. 336 12.I &l -03 soit encore : 2lc b .3.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 (@). s DC.6. L’exercice n’offre pas de difficulté 12.1. L’exercice est traité dans le cours p.p(t) = ici : s 0 +CC s -03 exp-~1x1 dz = 1. Lois 12.Calcul de la moyenne : +‘=C m=a 2 s -DC> xexp(-alxl) dlç = 0 car la fonction sous le signe somme est impaire. exp(j27rxt)p(z) dx expression dans laquelle t appartient à (-00. L’exercice est traité p. 534 . Loi de Poisson. d .2. L’exercice est traité p. Distribution de Cauchy +03 +C= exp(-alzl) dz = 1. et l’on trouve : D = 2/u2. Calcul de la variante : +03 Dz. 331 12. 320 12.

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

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