Chap 1

Introduction Sources derreurs Representation des nombres sur ordinateur Arithmetique ottante Erreurs de troncature
Chapitre 1: Analyse derreurs

MAT-2910: Analyse numerique pour lingenieur
Dept. de mathematiques et de statistique
Universite Laval, Quebec, Canada
A. El maliki
Motivation
Les cours de mathematiques nous ont habitues à fournir la reponse
exacte ou analytique à un problème donne.
Par exemple :
les equations du second degre,
les integrales admettant une primitive facile à calculer (Cours
CEGEP),
les equations dierentielles de Math. de ling. I.
Cependant, beaucoup de problèmes ne peuvent etre resolus de
manière exacte, en particulier dans le domaine du genie.
Par exemple :
les equations polynomiales de degre 5 et plus,
la majorite des equations dierentielles (exemple : la prevision
des changements climatiques).
Motivation
Les cours de mathematiques nous ont habitues à fournir la reponse
exacte ou analytique à un problème donne.
Par exemple :
les equations du second degre,
les integrales admettant une primitive facile à calculer (Cours
CEGEP),
les equations dierentielles de Math. de ling. I.
Cependant, beaucoup de problèmes ne peuvent etre resolus de
manière exacte, en particulier dans le domaine du genie.
Par exemple :
les equations polynomiales de degre 5 et plus,
la majorite des equations dierentielles (exemple : la prevision
des changements climatiques).
Analyse numerique
Pour un grand nombre de problèmes, le seul moyen de calculer la
solution lorsquelle existe, est de lapproximer numeriquement.
Objectifs :
proposer des algorithmes pour calculer une solution approchee,
controler les diverses sources derreurs propres à
lapproximation numerique,
tenir compte du fait que plusieurs algorithmes peuvent etre
utilises pour resoudre le meme problème.
Lanalyse numerique est un domaine particulier des mathematiques
o` u linformatique joue un role primordial.
On fera un frequent emploi du logiciel Matlab pour la partie
algorithmique du cours.
Analyse numerique
Pour un grand nombre de problèmes, le seul moyen de calculer la
solution lorsquelle existe, est de lapproximer numeriquement.
Objectifs :
proposer des algorithmes pour calculer une solution approchee,
controler les diverses sources derreurs propres à
lapproximation numerique,
tenir compte du fait que plusieurs algorithmes peuvent etre
utilises pour resoudre le meme problème.
Lanalyse numerique est un domaine particulier des mathematiques
o` u linformatique joue un role primordial.
On fera un frequent emploi du logiciel Matlab pour la partie
algorithmique du cours.
Sources derreurs
Une partie importante de lanalyse numerique consiste à contenir
les eets des erreurs introduites.
Voici les quatre principales sources derreurs :
erreurs de modelisation,
erreurs sur les donnees,
erreurs dues à la representation des nombres sur ordinateur,
erreurs de troncature ou de discretisation.
Erreurs de modelisation
Les erreurs de modelisation proviennent de letape de
mathematisation, i.e. la mise en equations.
Pour reduire le degre de complexite dun phenomème
physique, on est souvent amene à simplier le système
dequations, ce qui revient à negliger certaines composantes de
la realite physique. On commet là une erreur de modelisation.
Celle-ci peut generalement etre controlee par un choix
convenable du modèle mathematique.
Erreurs sur les donnees
Elles sont liees à limprecision des mesures physiques.
Elles peuvent generalement etre reduites en ameliorant la
precision des mesures.
Il est possible detudier linuence de ces erreurs sur le resultat
nal, par exemple à laide de la notion de conditionnement.
Dans la suite de ce cours, nous ne nous interesserons pas aux
erreurs de modelisation ni à celles sur les donnees.
Erreurs sur les donnees
Elles sont liees à limprecision des mesures physiques.
Elles peuvent generalement etre reduites en ameliorant la
precision des mesures.
Il est possible detudier linuence de ces erreurs sur le resultat
nal, par exemple à laide de la notion de conditionnement.
Dans la suite de ce cours, nous ne nous interesserons pas aux
erreurs de modelisation ni à celles sur les donnees.
Erreur relative et erreur absolue
Denition 1
Soit x un nombre reel et x une approximation de x.
Lerreur absolue est denie par
x = |x x| (mesure la quantite de lerreur),
et lerreur relative par
x
|x|
(mesure limportance de lerreur ).
Denition 2
Si x 0.5 10
m
alors le chire correspondant à la m
ième
puissance de 10 (et tous ceux à sa gauche jusquau dernier
non-nul) est dit signicatif.
Remarque 1.1 du livre : Nombre à n chires signicatifs : compter
vers la droite jusquà n à partir du premier non-nul à gauche.
Lerreur absolue est inferieure à 0.5 fois la puissance de 10
correspondant au dernier chire signicatif.
Denition 1
x
|x|
Denition 2
Si x 0.5 10
m
ième
Denition 1
x
|x|
Denition 2
Si x 0.5 10
m
ième
Erreurs de representation des nombres
La structure interne des ordinateurs sappuie sur le système binaire.
Lunite dinformation ou bit prend la valeur 0 ou 1. On regroupe
les bits en mots de longueur variable (8, 16, 32 ou 64 sont les plus
courants).
Remarque 1.3 du livre
Lordinateur doit representer les nombres dans un système qui lui
permette dexecuter les operations souhaitees. Or, sa capacite
memoire est nie par construction. Il est donc necessaire de
representer les nombres reels sous forme approchee. Cela entrane
un certain nombre derreurs (troncature ou arrondi).
= 3, 141592653589793238462643383279...
1
3
= 0, 333333333333333333333333333...
Erreurs de representation des nombres
La structure interne des ordinateurs sappuie sur le système binaire.
Lunite dinformation ou bit prend la valeur 0 ou 1. On regroupe
les bits en mots de longueur variable (8, 16, 32 ou 64 sont les plus
courants).
Remarque 1.3 du livre
Lordinateur doit representer les nombres dans un système qui lui
permette dexecuter les operations souhaitees. Or, sa capacite
memoire est nie par construction. Il est donc necessaire de
representer les nombres reels sous forme approchee. Cela entrane
un certain nombre derreurs (troncature ou arrondi).
= 3, 141592653589793238462643383279...
1
3
= 0, 333333333333333333333333333...
Representation en virgule ottante
la notation la plus utilisee est la representation avec virgule
ottante : un nombre x est code sous la forme
x (x) = m b
e
,
o` u b est la base de numeration, m la mantisse et e lexposant.
Les calculs internes sont generalement eectues en base
b = 2, meme si les resultats aches sont nalement traduits
en base 10.
La mantisse m est ecrite sous la forme dun nombre avec
virgule xe et possedant un nombre maximum de n chires
signicatifs
m = 0.d
1
d
2
...d
n
=
n
k=1
d
k
b
k
,
avec 0 d
k
b 1 et d
1
= 0.
Exemple : si n = 4, on a () = 0.3142 10
1
en base b = 10.
x (x) = m b
e
,
en base 10.
signicatifs
m = 0.d
1
d
2
...d
n
=
n
k=1
d
k
b
k
,
avec 0 d
k
b 1 et d
1
= 0.
Exemple : si n = 4, on a () = 0.3142 10
1
en base b = 10.
x (x) = m b
e
,
en base 10.
signicatifs
m = 0.d
1
d
2
...d
n
=
n
k=1
d
k
b
k
,
avec 0 d
k
b 1 et d
1
= 0.
Exemple : si n = 4, on a () = 0.3142 10
1
en base b = 10.
x (x) = m b
e
,
en base 10.
signicatifs
m = 0.d
1
d
2
...d
n
=
n
k=1
d
k
b
k
,
avec 0 d
k
b 1 et d
1
= 0.
Exemple : si n = 4, on a () = 0.3142 10
1
en base b = 10.
Representation en virgule ottante (suite)
Le fait dutiliser un nombre limite de bits pour representer un
nombre reel a des consequences importantes :
Quelque soit le nombre de bits utilises, il existe un plus petit
et un plus grand nombre representables.
Il existe donc un intervalle ni hors duquel on a un
debordement ou un sous-depassement.
Exemple : 3.1415 < < 3.1416
A linterieur de cet intervalle ni, seul un nombre ni de
nombres sont representables exactement.
Pour representer les nombres reels on recourt generalement à
La troncature : on retranche les chires à partir de la position
n + 1.
Larrondi : on ajoute 5 au (n + 1)
ième
chire de la mantisse avant
deectuer la troncature.
Exemple : 3.1415 < < 3.1416
n + 1.
ième
Exemple : 3.1415 < < 3.1416
n + 1.
ième
La representation en virgule ottante induit une erreur relative qui
depend du nombre de bits de la mantisse, de lutilisation de la
troncature ou de larrondi, ainsi que du nombre x à representer.
Denition
La precision machine est la plus grande erreur relative commise
en representant un nombre reel sur ordinateur.
En utilisant la troncature, on a :
m
= b
1n
En utilisant larrondi, on a : =
m
/2 = b
1n
/2.
Modèle de larithmetique ottante
Les operations elementaires sont eectuees en arithmetique
ottante de la manière suivante :
x + y ( (x) + (y) )
x y ( (x) (y) )
x y ( (x) (y) )
x y ( (x) (y) )
Attention : plusieurs proprietes de larithmetique (associativite,
distributivite, etc) ne sont plus valides en arithmetique ottante.
Par exemple : supposons que les reels soient calcules avec n = 3
chires signicatifs et arrondis à la decimale la plus proche.
Soient x = 8, 22, y = 0, 00317, z = 0, 00432
(x + y) + z donne : x + y = 8, 22317 8, 22
(x + y) + z 8, 22432 8, 22
x + (y + z) donne : y + z = 0, 00749
x + (y + z) = 8, 22749 8, 23
(x + y) + z = x + (y + z)
Arithmetique ottante (suite)
La propriete de distributivite de la multiplication nest pas toujours
respectee en arithmetique ottante. En eet si n = 3
122 (333 + 695) = ( 0, 122 10
3
( 0, 333 10
3
+ 0, 695 10
3
) )
= ( 0, 122 10
3
( 1, 028 10
3
)
= ( 0, 122 10
3
( 0, 103 10
4
)
= ( 0, 012566 10
7
)
= 0, 126 10
6
(122 333) + (122 695) = ( ( 0, 122 10
3
0, 333 10
3
)
+ ( 0, 122 10
3
0, 695 10
3
) )
= ( ( 0, 040626 10
6
+ ( 0, 08479 10
6
)
= ( 0, 406 10
5
+ 0, 848 10
5
)
= ( 1, 254 10
5
)
= 0, 125 10
6
x (y + z) = x y + x z.
Il y a donc une dierence entre les deux resultats.
Arithmetique ottante (suite)
Il faut etre prudent avec laddition et la soustraction. Lorsque les
exposants ne sont pas les memes il est necessaire de decaler la
mantisse avant deectuer laddition ou la soustraction.
Pour n = 4
0, 4035 10
6
+ 0, 1978 10
4
= ( 0, 4035 10
6
+ 0, 1978 10
4
)
= ( 0, 4035 10
6
+ 0, 001978 10
6
)
= ( 0, 405478 10
6
)
= 0, 4055 10
6
et
0, 56789 10
4
0, 1234321 10
6
= ( 0, 5679 10
4
0, 1234 10
6
)
= ( 0, 005679 10
6
0, 1234 10
6
)
= ( 0, 11772 10
6
)
= 0, 1177 10
6
Phenomène de cancellation
Il existe dautre part, un certain nombre doperations risquees.
Soustraire deux nombres presque identiques.
7001
7000 = 0, 8367 10
2
0, 8367 10
2
= 0, 000 10
0
si n = 4
7001
7000 = 0, 83672 10
2
0, 83666 10
2
= 0, 6 10
2
si n = 5
Pour remedier à cette diculte, on ecrit
y =
x y
x +
y
,
et on trouve 0, 5977 10
2
au lieu de 0 pour n = 4.
Phenomène de cancellation
Il existe dautre part, un certain nombre doperations risquees.
Soustraire deux nombres presque identiques.
7001
7000 = 0, 8367 10
2
0, 8367 10
2
= 0, 000 10
0
si n = 4
7001
7000 = 0, 83672 10
2
0, 83666 10
2
= 0, 6 10
2
si n = 5
Pour remedier à cette diculte, on ecrit
y =
x y
x +
y
,
et on trouve 0, 5977 10
2
au lieu de 0 pour n = 4.
Operations risquees
Lordre dans lequel on fait les operations et le nombre doperations
ont un impact important sur la precision du resultats. Ainsi on
devrait toujours :
-eviter si possibles les soustractions avec des nombre relativement
proche (exemple 1.20 et 1.21)
- eviter les operations avec des nombres très dierents en ordre de
grandeurs (exemple 1.19).
- on devrait faire les sommes en ordre decroissant (exemple 1.19)
example
S
1
=
n
i =1
1
i
2
+i
=
1
2
+
1
6
+
1
n
2
+n
= 1
1
1+n
valexacte
S
2
=
1
n
2
+n
+ +
1
6
+
1
2
On a (en simple precision, voir le programme Matlab)
S
1
valexacte = 4.7266e 005, S
2
valexacte = 0
Operations risquees
devrait toujours :
example
S
1
=
n
i =1
1
i
2
+i
=
1
2
+
1
6
+
1
n
2
+n
= 1
1
1+n
valexacte
S
2
=
1
n
2
+n
+ +
1
6
+
1
2
S
1
2
valexacte = 0
Operations risquees
devrait toujours :
example
S
1
=
n
i =1
1
i
2
+i
=
1
2
+
1
6
+
1
n
2
+n
= 1
1
1+n
valexacte
S
2
=
1
n
2
+n
+ +
1
6
+
1
2
S
1
2
valexacte = 0
evaluation des polynomes
Puisque le nombre doperations inuence la precision. Dans
levaluation dexpression tel des polynomes, on voudrait un procede
reduisant les operations.
Lalgorithme de Horner est un algoritme permettant de limiter les
erreurs lors de levaluation dun polynome. Soit
p(x) = a
0
+ a
1
x + a
2
x
2
+ ... + a
n
x
n
Lalgorithme consiste à reecrire le polynome et devaluer plutot
p(x) = a
0
+ x(a
1
+ x(a
2
+ x(a
3
... + x(a
n1
+ a
n
x)...)))
Soit, par exemple
p(x) = 2 + 4x + 5x
2
+ 3x
3
= 2 + x(4 + x(5 + 3x))
On passe ainsi de 5 multiplications et 3 additions à 3
multiplications et 3 additions.
evaluation des polynomes
Puisque le nombre doperations inuence la precision. Dans
levaluation dexpression tel des polynomes, on voudrait un procede
reduisant les operations.
Lalgorithme de Horner est un algoritme permettant de limiter les
erreurs lors de levaluation dun polynome. Soit
p(x) = a
0
+ a
1
x + a
2
x
2
+ ... + a
n
x
n
Lalgorithme consiste à reecrire le polynome et devaluer plutot
p(x) = a
0
+ x(a
1
+ x(a
2
+ x(a
3
... + x(a
n1
+ a
n
x)...)))
Soit, par exemple
p(x) = 2 + 4x + 5x
2
+ 3x
3
= 2 + x(4 + x(5 + 3x))
On passe ainsi de 5 multiplications et 3 additions à 3
multiplications et 3 additions.
Methode de horner
Calcul de p
n
(x
0
) au point x
0
avec n est le degre du plynome p
n
.
Methode de horner :
p = a
n
,
p = a
i 1
+ px
0
pour i = n, n 1, ..., 1
et à la n de la boucle (après le traitement de i = 1) p contient la
valeur du polynome en x
0
i.e p
n
(x
0
) = p
Illustration dans le cas n = 3
p
n
(x) = a
0
+ a
1
x + a
2
x
2
+ a
3
x
3
= a
0
+ x(a
1
+ x(a
2
+ a
3
x)))
Avec lalgorithme de Horner en x
0
on a
1
p = a
3
2
i = 3, p = a
2
+ px
0
= a
2
+ a
3
x
0
3
i = 2, p = a
1
+ px
0
= a
1
+ a
2
x
0
+ a
3
x
2
0
4
i = 1, p = a
0
+ px
0
= a
0
+ a
1
x
0
+ a
2
x
2
0
+ a
3
x
3
0
et p contient la valeur du polynome en x
0
evaluation des polynomes (example Matlab)
Calcul ordinaire : p(x) = 1 + x + 2x
2
+ ... + 100x
100
Calcul Horner : p(x) = 1 + x(1 + x(2 + x(3... + x(100 + x)...)))
chier p 100.m :
%Comparaison entre Horner et approche ordinaire lors du
%calcul du polynome a 100 termes : p(x)=1 + x + 2x^2 + ...+100x^100
function y=p 100(x)
ldim = length(x) ;
p ordinaire(1 :ldim)=1 ;
for i=1 :100
p ordinaire=i.*x.î+p ordinaire ;
end
p Horner(1 :ldim)=100 ;
for i=100 :-1 :1
p Horner=i-1+p Horner.*x ;
end
%Il manque le terme en a 0
p Horner=p Horner+1 ;
y = p ordinaire-p Horner ;
>>i=1 :101 ;
>>x=0.8+(i-1).*(0.2)./100 ;
>>plot(x,p 100(x))
Erreurs de troncature
Certaine operations/fonctions ne pourront pas etre represente de
manière exacte par un polynome de degre ni (cest pourquoi on
parle dapproximation par des polynomes). Tout comme on ne peut
utiliser une mantisse de longueur ininie il est excut dutiliser des
polynomes de degre ininie...
Il ne sagit plus ici des erreurs de troncature liees à la
representation des nombres sur ordinateur, mais aux erreurs de
troncature des methodes numeriques intervenant dans
lintegration, la dierentiation, etc ...
Elles constituent la principale categorie derreurs. Toutes les
methodes numeriques que nous considererons dans ce cours auront
des erreurs de troncature plus ou moins grandes.
Developpement de Taylor
Soit f une fonction dont les derivees existent jusquà lordre n + 1
au voisinage de point x
0
(voisinage = autour de ).
Le polynome de degre zero P
0
(x) (la constante) approximant
le mieux f autour de x
0
est
P
0
(x) = f (x
0
)
Le polynome de degre un P
1
(x) (la droite) approximant le
mieux f autour de x
0
est la droite passant par (x
0
, f (x
0
)) et
dont la pente correspond à la pente de la tangente à f en
f (x
0
) cest-à-dire f

(x
0
) (on exploite la continuite de la
derivee première) donc
P
1
(x) = f (x
0
) + (x x
0
)f

(x
0
)
en exploitant toujours la continuite en x
0
, à lordre 2 on a
P
2
(x) = f (x
0
) + f

(x
0
) (x x
0
) +
f
(2)
(x
0
) (x x
0
)
2
2
Developpement de Taylor (suite)
Un exemple important derreur de troncature est le developpement
de Taylor dune fonction f .
Soit f une fonction dont les derivees existent jusquà lordre n + 1
au voisinage de point x
0
. Alors
f (x) = f (x
0
) + f

(x
0
)(x x
0
) + ... +
f
(n)
(x
0
)(x x
0
)
n
n!
. .
P
n
(x)
+R
n
(x)
o` u
P
n
(x) est le polynome de Taylor de degre n de la fonction
f (x) autour de x
0
R
n
(x) est lerreur commise en approximant f (x) par P
n
(x) .
On utilise la formule de Taylor-Lagrange pour exprimer lerreur : il
existe un certain (x) compris entre x
0
et x tel que
R
n
(x) =
f
(n+1)
((x)) (x x
0
)
n+1
(n + 1)!
Lequation precedente est une egalite. Elle ne devient une
approximation que lorsque le terme derreur R
n
(x) est omis.
R
n
(x) devient de plus en plus grand à mesure que x
0
seloigne
de x, à cause du terme (x x
0
)
n+1
.
Lorsque x est proche de x
0
alors R
n
(x) est de plus en plus
petit quand n augmente.
On ne connat pas (x), on sait seulement quil existe. A
defaut de pouvoir levaluer exactement on peut calculer une
borne superieure quand cest possible.
Si on neglige R
n
(x) on commet une erreur de troncature.
n
(x) est omis.
R
n
0
seloigne
0
)
n+1
.
0
alors R
n
Si on neglige R
n
n
(x) est omis.
R
n
0
seloigne
0
)
n+1
.
0
alors R
n
Si on neglige R
n
n
(x) est omis.
R
n
0
seloigne
0
)
n+1
.
0
alors R
n
Si on neglige R
n
n
(x) est omis.
R
n
0
seloigne
0
)
n+1
.
0
alors R
n
Si on neglige R
n
Le developpement de Taylor est souvent utilise en faisant le
changement de variable h = x x
0
, on alors
f (x
0
+ h) = f (x
0
) + f

(x
0
) h + ... +
f
(n)
(x
0
) h
n
n!
. .
P
n
(h)
+
f
(n+1)
() h
n+1
(n + 1)!
. .
R
n
(h)
o` u (x) est alors compris entre x
0
et x
0
+ h.
Lexemple 1.26
Estimer le degre du polynome de Taylor pour avoir au moins 5
chires signicatifs lors de levaluation de la fonction f (x) = e
x
en
x = 0.1.
1) Forme du polynome de Taylor de f (x) = e
x
On choisit de faire un developpement autour de x
0
= 0 car :
f (x
0
) = f
(i )
(x
0
) = 1 i
Utilisant le developpement de Taylor avec la formulation en h on
approxime lexponentielle par
P
n
(h) = 1 + h +
h
2
2!
+
h
3
3!
+ ... +
h
n
n!
e
h
= e
x
0
+h
= e
x
Et lerreur dapproximation est
R
n
(h) =
e
h
n+1
(n + 1)!
avec [0, h]
Lexemple 1.26 (suite)
On a |R
n+1
(h)| = |
e
h
n+1
(n+1)!
|
e
h
h
n+1
(n + 1)!
(Borne)
Utilisons le developpement pour estimer la valeur de e
h
avec
h = 0, 1 (Erreur absolue (h) = |e
h
P
n
(h)|)
n P
n
(h) (h) Borne N.chi signif
0 1.000 000 0 0.105 10
0
0.111 10
0
1
1 1.100 000 0 0.517 10
2
0.552 10
2
2
2 1.105 000 0 0.171 10
3
0.184 10
3
4
3 1.105 166 7 0.420 10
5
0.460 10
5
6
Pour h = 0, 05 et n = 3 on obtient P
3
(0.05) = 1.051270833 et
(h) = 0.263 10
6
.
(0.1)
(0.05)
=
|P
3
(0.1) e
0.1
|
|P
3
(0.05) e
0.05
|
= 16.14 2
3
Exemple de developpement de Taylor
Calculons le developpement de Taylor de la fonction cos x autour
de x
0
= 0. (Voir exemple 1.27 pour le cas de f (x) = sin x)
f
(0)
(x) = cos x, f
(0)
(0) = 1,
f
(1)
(x) = sin x, f
(1)
(0) = 0,
f
(2)
(x) = cos x, f
(2)
(0) = 1,
f
(3)
(x) = sin x, f
(3)
(0) = 0,
f
(4)
(x) = cos x, f
(4)
(0) = 1,
f
(5)
(x) = sin x, f
(5)
(0) = 0,
f
(6)
(x) = cos x. f
(6)
(0) = 1,
Le developpement de Taylor est donc
cos(h) = 1
h
2
2!
+
h
4
4!

h
6
6!
+ ... + (1)
n
h
2n
(2n)!
. .
P
2n
(h)
+
cos
(n+1)
((h)) h
2n+2
(2n + 2)!
. .
R
2n+2
(h)
,
o` u (h) [0, h].
Exemple de developpement de Taylor
On a |R
2n+2
(h)| = |
cos
(n+1)
((h)) h
2n+2
(2n+2)!
|
h
2n+2
(2n + 2)!
(Borne)
Utilisons le developpement pour estimer la valeur de cos h avec
h = 0, 1 (Erreur absolue (h) = | cos h P
2n
(h)|)
2n P
2n
0 1,00000000 0, 4996 10
2
0, 5000 10
2
3
2 0,99500000 0, 4165 10
5
0, 4167 10
5
5
4 0,99500417 0, 1389 10
8
0, 1389 10
8
8
Pour h = 0, 05 on obtient
2n P
2n
0 1,00000000 0, 1250 10
2
0, 1250 10
2
3
2 0,99875000 0, 2604 10
6
0, 2604 10
6
6
4 0,99875026 0, 2170 10
10
0, 2170 10
10
10
Ordre et degre
2n
(0.1)
(0.05)
0 3, 9968 4 = 2
2
2 15, 995 16 = 2
4
4 64, 009 64 = 2
6
Ainsi, lorsque h est divise par 2, lerreur absolue est quant à elle
divisee par un facteur
2
2
si 2n = 0,
2
4
si 2n = 2,
2
6
si 2n = 4,

2
2n+2
pour 2n
Les valeurs 2
2
, 2
4
, ..., 2
2n+2
, ne sont pas fortuites. La denition
suivante permet de comprendre do` u elles viennent.
Grand ordre
Denition 3
Une fonction e(h) est un grand ordre de h
n
au voisinage de 0, note
e(h) = O(h
n
), sil existe une constante positive C telle que
|e(h)| C h
n
.
Denition 4
Une approximation dont le terme derreur est un grand ordre de h
n
est dite dordre n.
Lordre est le degre du terme de lerreur R
n
(h).
Lorsque h est petit, la fonction O(h
n
) decrot comme C h
n
, et
plus n est grand, plus la decroissance est rapide. Une fonction
en O(h
n+1
) decrot plus vite quune fonction en O(h
n
).
Lorsque h est divise par 2, la fonction O(h
n
) diminue selon un
facteur 2
n
, car on a
C
_
h
2
_
n
=
C h
n
2
n
.
Grand ordre
Denition 3
n
e(h) = O(h
n
|e(h)| C h
n
.
Denition 4
n
est dite dordre n.
n
(h).
n
) decrot comme C h
n
, et
en O(h
n+1
n
).
n
) diminue selon un
facteur 2
n
, car on a
C
_
h
2
_
n
=
C h
n
2
n
.
Grand ordre
Denition 3
n
e(h) = O(h
n
|e(h)| C h
n
.
Denition 4
n
est dite dordre n.
n
(h).
n
) decrot comme C h
n
, et
en O(h
n+1
n
).
n
) diminue selon un
facteur 2
n
, car on a
C
_
h
2
_
n
=
C h
n
2
n
.
Grand ordre (suite)
Remarque
Dune manière generale on note
f (x
0
+ h) = P
n
(h) + O(h
m
),
de sorte que le terme derreur soit clairement indique.
Remarque
Il ne faut pas confondre le degre du polynome de Taylor (n) et
lordre de lapproximation (m). On a souvent m = n + 1 mais ce
nest pas toujours le cas.
Dans lexemple precedent
cos(h) = 1
h
2
2!
+
h
4
4!

h
6
6!
+ ... + (1)
n
h
2n
(2n)!
+ O(h
m=2n+2
)
on a divise h par un facteur 2 en passant de h = 0, 1 à h = 0, 05,
et lerreur absolue par un facteur 2
2n+2
en considerant P
2n
(h) pour
n = 0, 1, 2, ....
Cet exemple montre que le polynome de Taylor de degre 2n de la
fonction f (x) = cos x est dordre 2n + 2, pour n = 0, 1, 2, ....
Grand ordre (suite)
Remarque
Dune manière generale on note
f (x
0
+ h) = P
n
(h) + O(h
m
),
de sorte que le terme derreur soit clairement indique.
Remarque
Il ne faut pas confondre le degre du polynome de Taylor (n) et
lordre de lapproximation (m). On a souvent m = n + 1 mais ce
nest pas toujours le cas.
Dans lexemple precedent
cos(h) = 1
h
2
2!
+
h
4
4!

h
6
6!
+ ... + (1)
n
h
2n
(2n)!
+ O(h
m=2n+2
)
on a divise h par un facteur 2 en passant de h = 0, 1 à h = 0, 05,
et lerreur absolue par un facteur 2
2n+2
en considerant P
2n
(h) pour
n = 0, 1, 2, ....
Cet exemple montre que le polynome de Taylor de degre 2n de la
fonction f (x) = cos x est dordre 2n + 2, pour n = 0, 1, 2, ....
Pour une fonction de plusieurs variables
Extension pour x = (x
1
, x
2
, x
3
) R
3
du polynome de Taylor
Soit f une fonction dont les derivees existent jusquà lordre 2 au
voisinage x
0
= (x
0
1
, x
0
2
, x
0
3
) alors
f (x) = P
1
(h) + O(h
2
)
P
1
(h
1
, ..., h
p
) = f (x
0
) +
p
i =1
f (x
0
)
x
i
h
i
= f (x
0
) +f (x
0
) h
En pratique on sinteressera surtout à P
1
(h)
f (x) P
1
(h
1
, h
2
, h
3
) = f (x
0
1
, x
0
2
, x
0
3
)+
+
f (x
0
1
, x
0
2
, x
0
3
)
x
1
h
1
+
f (x
0
1
, x
0
2
, x
0
3
)
x
2
h
2
+
f (x
0
1
, x
0
2
, x
0
3
)
x
3
h
3
avec h = (h
1
, h
2
, h
3
)
Propagation derreurs
Quelle est la precision dune evaluation dune fonction f
(possiblement de plusieurs variables) au point x qui est approchee
par la valeur x
? f = |f (x) f (x
)| =?
Lerreur globale lors de levaluation dune fonction f (f (x) = e
x
par exemple) sera composee de deux termes
1
erreur de troncature : passage de f vers P
n
2
erreur d ue à la representation des reels : passage de x vers x
Propagation de lerreur
Soit un algorithme pour evaluer une fonction f en x. Lerreur
devaluation sera d ue à lerreur absolue sur x (x) qui se sera
propagee sur toutes les etapes du processus.
On parlera donc de propagation derreur...
Le dev. de Taylor donne une reponse
Soit f une fonction dune variablel et x
une representation à
mantisse nie de x. On sait que
f (x) = f (x
x)
Si f est susamment derivable, utilisant le developpement de
Taylor on a
f (x) = f (x
x) = f (x
) f

(x
)x + O((x)
2
)
Et en negligeant les termes en (x)
2
on a
f |f

(x
)|x
Et par abus de language :
f (x) = f (x
) |f

(x
)|x et f = |f

(x
)|x
Pour x R
3
Si on evalue au point (x
, y
, z
) avec une erreur (x, y, z) la

fonction f = f (x, y, z) alors
f
f (x
, y
, z
)
x
x +
f (x
, y
, z
)
y
y +
f (x
, y
, z
)
z
z
Example
Soit un tube dont la hauteur H et le rayon R sont mesures avec
une precision de 0.01 cm. Si R = 10.2 cm et H = 50.0 estimer
lerreur faite en calculant la surface si on utilise 3.1414 comme
approximation de ?
1) Puisque est approxime on le considère comme une variable du
problème alors
R
= 10.2, R = 0.01 H
= 50.0, H = 0.01
= 3.1414 0.5 10
3
2) La surface du tube sexprime par f (R, H, ) = 2RH et par la
formule on a
f =
f (R
, H
)
R
R +
f (R
, H
)
H
H
+
f (R
, H
= (2H
)R + (2R
)H + (2R
)
= (100.0
)R + (2.04
)H + 1020.0 < 0.5 10

1
La surface calculee du tube est de 1 602.114 avec 3 chires
signicatifs.
Pour les operations de base
Erreurs sur les operations de base
En utilisant les fonctions f
0
(x, y) = x + y, f
1
(x, y) = x y,
f
2
(x, y) = xy et f
3
(x, y) = x/y on obtient lerreur pour les 4
operations de base. Par exemple pour la division on a
f
3
=
1
y
x +
(y
)
2
y =
|y
|x +|x
|y
(y
)
2
Et on produit ainsi le tableau 1.29.
Note : dans le tableau 1.29 on calcul lerreur relative en utilisant :
f
i
|f
i
(x
, y
)|
ce qui produit une erreur relative similaire (à la denition 1.2).
Cette nouvelle denition de lerreur relative ayant le bon go ut
detre facile à calculer puisque toutes les quantites y sont connues.
Propagation derreurs : Exemple dinstabilite numerique
On cherche à evaluer numeriquement lintegrale
I
n
=
_
1
0
x
n
10 + x
dx, o` u n est un entier naturel.
Le calcul ci-dessus revient à determiner I
n
par recurrence avec
_
_
I
0
= ln
11
10
,
I
n
=
1
n
10I
n1
.
Ce problème, pourtant bien pose, conduit à une catastrophe
numerique.
Propagation derreurs : Exemple dinstabilite numerique (suite)
I
n
=
1
n
10I
n1
I
n1
=
1
10
_
1
n
I
n
_
I
0
0, 095310 I
50
0, 095310
I
1
0, 046898 I
49
0.002794
I
2
0, 031018 I
48
0.001804
I
3
0, 023154 I
47
0.001947
I
4
0, 018465 I
46
0.001979

I
9
0, 013492 I
41
0.002222
I
10
0, 034921 I
40
0.002278
I
11
0, 440115 I
39
0.002336
I
12
4, 317816 I
38
0.002398
I
13
43, 25508
I
14
432, 4794 I
32
0.002849
I
15
4324, 860 I
31
0.002941
Etude de lerreur
Pourquoi lexplosion ?
Soit f
n
(x) =
1
n
10x n = 1, ... alors
I
n
= f
n
(I
n1
) n = 1, ... I
0
= ln(
11
10
)
Quel est lerreur sur I
n
, en negligeant lerreur darrondi sur 1/n ?
f
n
= | 10|x n = 1, ... I
n
= 10I
n1
n = 1, ...
Puisque lon part de I
0
on a
I
n
= 10I
n1
= 100I
n2
= ... = 10
n
I
0
donc, lerreur
initiale sur I
0
est propagee à toutes les etapes et par cumul
derreurs on ni par avoir instabilite complète do` u explosion à
linni...
Lidee est alors de renverser la recurrence en posant
I
n1
=
1
10
_
1
n
I
n
_
, avec I
n1

1
10
I
n
.
Voir aussi lexemple 1.23 du livre :
p
n
=
_
1
0
x
n
e
x
dx et p
n+1
= e (n + 1)p
n
FIN DU CHAPITRE 1
FIN DU CHAPITRE 1.
Pour la reussite du cours on devrait se er dans lordre :
1) au manuel + aux exercices,
2) au manuel,
3) aux exercices,
4) aux presentations,
5a) au prof,
5b) à ces amis, ...

Chap 1

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chap 1

Transféré par

Droits d'auteur :

Formats disponibles

Introduction Sources derreurs Representation des nombres sur ordinateur Arithmetique ottante Erreurs de troncature

Chapitre 1: Analyse derreurs

) avec une erreur (x, y, z) la

)H + 1020.0 < 0.5 10

Vous aimerez peut-être aussi