Execices Corriges

L2
2010/2011
Recueil dexercices et aidemmoire
3
M4
An
aly
nu
se
m
r
iq
ue
V T SU
A
G. F
NO
CCA
NI
Avertissement : ces notes sont rgulirement mises jour et corriges, ne vous tonnez pas si vous dcouvrez des erreurs. Merci
de me les communiquer. Toutes les remarques ou questions permettant den amliorer la rdaction peuvent tre envoyes
ladresse gloria.faccanoni@univ-tln.fr
Gloria FACCANONI
IMATH Btiment U-318
Universit du Sud Toulon-Var
Avenue de luniversit
83957 LA GARDE - FRANCE
Lundi 16 mai 2011
T 0033 (0)4 94 14 23 81
B gloria.faccanoni@univ-tln.fr
i http://faccanoni.univ-tln.fr
M43 - L2INFO - Universit du Sud Toulon-Var
Gloria FACCANONI
Table des matires

1 Rsolution dquations non linaires
2 Interpolation
17
3 Quadrature
29
4 Systmes linaires
45
5 quations diffrentielles ordinaires
63

Thorme des zros dune fonction continue.
que f () = 0.
Soit une fonction continue f : [a, b] R, si f (a) f (b) < 0, alors ]a, b[ tel
Dichotomie. En partant de I 0 = [a, b], la mthode de dichotomie produit une suite de sous-intervalles I k = [a k , b k ], k 0,
avec I k I k1 , k 1, et tels que f (a k ) f (b k ) < 0.
Plus prcisment :
Require: a, b,
k 0
ak a
bk b
a +b
xk k 2 k
while |b k a k | > do
k k +1
if f (a k ) f (x k ) < 0 then
a k+1 a k
b k+1 x k
else
a k+1 x k
b k+1 b k
end if
a
+b
x k+1 k+1 2 k+1
end while
Point fixe. Il est toujours possible, pour f : [a, b] R, de transformer le problme f (x) = 0 en un problme quivalent
x (x) = 0, o la fonction auxiliaire : [a, b] R a t choisie de manire ce que () = quand f () = 0. Approcher les
zros de f se ramne donc au problme de la dtermination des points fixes de , ce qui se fait en utilisant lalgorithme itratif
suivant :
Require: x 0 ,
k 0
while |x k+1 x k | > do
k k +1
x k+1 (x k )
end while
Cas particuliers :
Mthode de la Corde
Mthode de Newton
Thorme.
ba
f (x k ).
f (b) f (a)
f (x k )
(x k ) = x k 0
.
f (x k )
(x k ) = x k
On se donne x 0 et on considre la suite x k+1 = (x k ) pour k 0. Si
1. (x) [a, b] pour tout x [a, b] (stabilit)

2. C 1 ([a, b]) (rgularit)
3. il existe K < 1 tel que |0 (x)| K pour tout x [a, b] (contraction)
alors a un unique point fixe dans [a, b] et la suite x k+1 = (x k ) converge vers pour tout choix de x 0 dans [a, b]. Plus
particulirement,
B si 0 < () < 1 la suite converge de faon monotone, cest--dire, lerreur x k garde un signe constant quand k varie ;
B si 1 < () < 0 la suite converge de faon oscillante, cest--dire, lerreur x k change de signe quand k varie ;
B si |()| la suite diverge. Plus prcisment, si () > 1 la suite diverge de faon monotone, tandis que pour () < 1 elle
diverge en oscillant.
De plus, si C p+1 ([a, b]) pour un certain p 1 et si (i ) () = 0 pour 1 i p et (p+1) () 6= 0, alors la mthode de point fixe
associe la fonction ditration est dordre p + 1.
W
Exercice 1.1. Le but de cet exercice est de calculer la racine cubique dun nombre positif a. Soit g la fonction dfinie sur R+
par g (x) = 32 x + 13 xa2 (a > 0 fix).
1. Faire ltude complte de la fonction g .
2. Comparer g lidentit.
3. Soit la suite (x n )nN dfinie par
x n+1 = g (x n ),
laide des graphe de g
la convergence.
x 0 > 0.
et de lidentit sur R+ , dessiner la suite (x n )nN
sur laxe des abscisses. Observer graphiquement
4. Justifier mathmatiquement la convergence observe graphiquement. En particulier, montrer que cette suite est
dcroissante partir du rang 1.
5. Calculer lordre de convergence de la suite.
6. crire lalgorithme dfini par la suite (x n )nN qui permet de dterminer
p
3
a une prcision de 106 .
7. Expliciter la mthode de Newton pour la recherche du zro de la fonction f dfinie par f (x) = x 3 a. Que remarque-t-on ?
S OLUTION .
1. tude de la fonction g : R+ R dfinie par g (x) = 32 x + 13 xa2 :
? g (x) > 0 pour tout x R+ ;
? lim g (x) = lim g (x) = + ;
x+
g (x)
2
=
lim g (x) 23 x
3 et x+
x+ x
g 0 (x) = 3x2 3 (x 3 a) ;
p
x0+
lim
= 0 donc y = 23 x est un asymptote ;
?
p
? g est croissante sur [ 3 a, +[, dcroissante sur [0, 3 a] ;
p
p
p
? x = 3 a est un minimum absolu et g ( 3 a) = 3 a.
x
p
3
g 0 (x)
+
g (x)
+
p
3
2. Graphe de g compar au graphe de i (x) = x : voir la figure 1.1a. On vrifie analytiquement quil existe une et une seule
intersection entre la courbe dquation y = g (x) et la droite dquation y = x :
g (x) = x
1 a
2
x+
=x
3
3 x2
x 3 = a.
3. tude graphique de la convergence de la mthode de point fixe : voir la figure 1.1a.

p
p
4. On en dduit que pour tout x > 0 on a g (x) 3 a. Donc, pour tout k > 0, x k = g (x k1 ) 3 a. Pour tudier la convergence
de la mthode on procde alors par deux tapes :
p
p
4.1. on vrifie dabord la CN pour tout [ 3 a, +[ : = g () = 3 a ;
4.2. vrifions maintenant les CS :
p
p
p
p
4.2.1. pour tout x dans [ 3 a, +[ on a g (x) > 3 a donc g : [ 3 a, +[ [ 3 a, +[ ;
3
1 p
4.2.2. g C ([ a, +[) ;
Lundi 16 mai 2011
Gloria FACCANONI
p
3
y
i (x)
i (x)
g (x)
y = 32 x
g (x)
p
3
p
3
x0
(a) Graphe de g compar au graphe de i (x) = x.
p
3
x4
x3
x2
x1
(b) tude graphique de la convergence de la mthode de point fixe.
F IGURE 1.1: Exercice 1.1

p
4.2.3. pour tout x dans [ 3 a, +[ on a
2
a
|g 0 (x)| = 1 3 < 1
3
x
donc g est contractante.

Alors la mthode converge vers point fixe de g (et racine cubique de a).
5. tant donn que
g 0 () = 0,
g 00 () =
2a
6= 0
4
la mthode de point fixe converge lordre 2.

6. Algorithme de point fixe :
Algorithm 1 Calcul de x = g (x)
Require: x 0 > 0
while |x k+1 x k | > 106 do
x k+1 g (x k )
end while
Quelques remarques propos du critre darrt bas sur le contrle de lincrment. Les itrations sachvent ds que
|x k+1 x k | < ; on se demande si cela garantt-t-il que lerreur absolue ek+1 est elle aussi infrieur . Lerreur absolue
litration (k + 1) peut tre value par un dveloppement de Taylor au premier ordre
ek+1 = |g () g (x k )| = |g 0 (z k )ek |
avec z k compris entre et x k . Donc
|x k+1 x k | = |ek+1 ek | = |g 0 (z k ) 1|ek ' |g 0 () 1|ek .
Puisque g 0 () = 0, on a bien |x k+1 x k | ' ek .
7. La mthode de Newton est une mthode de point fixe avec g (x) = x
f (x)
. Ici donc elle scrit
f 0 (x)
x k+1 = x k
x a
f (x k )
1
a
2
a
= xk k 2 = xk xk + 2 = xk + 2
f 0 (x k )
3
3x k
3x k 3
3x k
autrement dit la mthode de point fixe assigne est la mthode de Newton (quon sait tre dordre de convergence gale
2 lorsque la racine est simple).
Gloria FACCANONI
Lundi 16 mai 2011
y
f (x)
y
f (x)
1
4
5
4
3
2
7
16
1
I2
I3
I4
17
12
3
2
I0
I1
(a) Mthode de la dichotomie.
(b) Mthode de Newton.
F IGURE 1.2: Approximation du zro de la fonction f (x) = x 2 2.

Exercice 1.2. Dterminer la suite des premiers 3 itrs des mthodes de dichotomie dans lintervalle [1, 3] et de Newton
avec x 0 = 2 pour lapproximation du zro de la fonction f (x) = x 2 2. Combien de pas de dichotomie on doit effectuer pour
amliorer dun ordre de grandeur la prcision de lapproximation de la racine ?
S OLUTION . On cherche les zros de la fonction f (x) = x 2 2 :
B Mthode de la dichotomie : en partant de I 0 = [a, b], la mthode de la dichotomie produit une suite de sous-intervalles
I k = [a k , b k ] avec I k+1 I k et tels que f (a k ) f (b k ) < 0. Plus prcisment
a +b
B on pose a 0 = a, b 0 = b, x 0 = 0 2 0 ,
B pour k 0
B si f (a k ) f (x k ) < 0 on pose a k+1 = a k , b k+1 = x k sinon on pose a k+1 = x k , b k+1 = b k
a k +b k
B et on pose x k+1 =
2 .
Voir la figure 1.2a.
B Mthode de Newton :
x2 2 1
f (x k )
1
x k+1 = x k 0
= xk k
= xk + .
f (x k )
2x k
2
xk
Voir la figure 1.2b.
Donc on a le tableau suivant
x0
x1
x2
Dichotomie
3
2
= 1,5
5
4
Newton
3
2
= 1,5
17
12
x3
11
8
= 1,25
= 1,416
17
24
= 1,375
+ 12
17 ' 1,4142156
On rappelle quavec la mthode de la dichotomie, les itration sachvent la m-me tape quand |x m | |I m | < , o est
une tolrance fixe et |I m | dsigne la longueur de lintervalle I m . Clairement I k = ba
, donc pour avoir |x m | < on doit
2k
prendre
ba
m log2
1.
Amliorer dun ordre de grandeur la prcision de lapproximation de la racine signifie avoir

|x k | =
|x j |
10
donc on doit effectuer k j = log2 (10) ' 3,3 itrations de dichotomie.
Lundi 16 mai 2011
Gloria FACCANONI
y
f (x)
f (x)
1
p
ln 4
0
x
1
x
4(1ln 4)
(a) Graphe de f (x) = exp(x 2 ) 4x 2 .
(b) Zoom.
F IGURE 1.3: Exercice 1.3

Exercice 1.3. Soit f une application de R dans R dfinie par f (x) = exp(x 2 ) 4x 2 . On se propose de trouver les racines relles
de f .
1. Situer les 4 racines de f (i.e. indiquer 4 intervalles disjoints qui contiennent chacun une et une seule racine).
2. Montrer quil y a une racine comprise entre 0 et 1.
3. Soit la mthode de point fixe
(
x k+1 = (x k ),
(1.1)
x 0 ]0, 1[,
p
exp(x 2 )
avec lapplication de R dans R dfinie par (x) =
. Examiner la convergence de cette mthode et en prciser
2
lordre de convergence.
4. crire la mthode de Newton pour la recherche des zros de la fonction f .
5. Entre la mthode de Newton et la mthode de point fixe (1.1), quelle est la plus efficace ? Justifier la rponse.
S OLUTION . On cherche les zros de la fonction f (x) = exp(x 2 ) 4x 2 .
1. On remarque que f (x) = f (x) : la fonction est paire. On fait donc une brve tude sur [0, +[ :
B f (0) = 1 et lim f (x) = +,
x+
p
p
p
B f 0 (x) = 0 pour x = 0 et x =p ln 4 et on a f (0) = 1 et f ( ln 4) = 4(1 ln 4) < 0 ; f est croissante pour x > ln 4 et
dcroissante pour 0 < x < ln 4.
On a
p
B une racine dans lintervalle ] ,
p ln 4[,
B une racine dans lintervalle ] p ln 4, 0[,
B une racine dans lintervalle ]0,
p ln 4[,
B une racine dans lintervalle ] ln 4, [.
Voir la figure 1.3a pour le graphe de f sur R.
2. Puisque f (0) = 1 > 0 et f (1) = e 4 < 0, pour le thorme des valeurs intermdiaires il existe au moins un ]0, 1[ tel
que f () = 0. Puisque f 0 (x) = 2x exp(x 2 ) 8x = 2x(exp(x 2 ) 22 ) < 2x(e 4) < 0 pour tout x ]0, 1[, ce est unique. Voir
la figure 1.3b.
3. tude de la convergence de la mthode (1.1) :
3.1. on vrifie dabord la CN pour tout ]0, 1[ :
q
= () 2 = exp(2 ) 42 = exp(2 ) f () = 0;
3.2.1. pour tout x dans ]0, 1[ on a
s
0<
exp(x 2 )
<
4
e
<1
4
donc : ]0, 1[]0, 1[ ;
Gloria FACCANONI
Lundi 16 mai 2011
10
3.2.2. C 1 (]0, 1[) ;

3.2.3. pour tout x dans ]0, 1[ on a
p
x exp(x 2 )

| (x)| =
= x(x) < |x| < 1
2
0
donc est contractante.

Alors la mthode (1.1) converge vers point fixe de et zro de f .
De plus, tant donn que
0 () = () = 2 6= 0
la mthode de point fixe (1.1) converge seulement lordre 1.
1y
4. La mthode de Newton est une mthode de point fixe avec (x) = x

x k+1 = x k
f (x)
f 0 (x)
exp(x k2 ) 4x k2
exp(x k2 ) 4x k2
f (x k )
=
x
=
x
.
k
k
f 0 (x k )
2x k exp(x k2 ) 8x k
2x k (exp(x k2 ) 4)
5. Puisque est une racine simple de f , la mthode de Newton converge lordre 2 tandis que la mthode de point fixe
(1.1) converge seulement lordre 1 : la mthode de Newton est donc plus efficace.
Exercice 1.4. Lobjectif de cet exercice est de dterminer le zro dune fonction C 2 (R, R) vrifiant 2 < f 0 (x) < 1 sur R. On
dfinit la suite {x n }nN de R par la rcurrence suivante
x n+1 = g (x n ) = x n + f (x n ),
o > 0 et x 0 R sont donns.

1. Montrer que lim f (x) = + et lim f (x) = .
x
x+
2. En dduire quil existe un unique ` lment de R tel que f (`) = 0.

3. Montrer que si 0 < < 1, la fonction g dfinie par g (x) = x + f (x) vrifie
1 < 1 2 < g 0 (x) < 1
sur R.
4. En dduire la convergence de la suite {x n }nN si 0 < < 1.

5. La suite converge-t-elle pour = f 01(`) ?
6. Donner lordre de convergence de la suite {x n }nN pour 0 < < 1 en distinguant le cas =
Lundi 16 mai 2011
1
.
f 0 (`)
Gloria FACCANONI
11
7. Peut-on choisir = f 01(`) dun point de vue pratique ?

1
8. On choisit alors dapprocher = f 01(`) par n = f 0 (x
n)
et la suite {x n }nN est dfinie par
x n+1 = g (x n ) = x n + n f (x n ).
Quel est le nom de cette mthode itrative ? Montrer que la suite {x n }nN converge quel que soit x 0 R.
S OLUTION .
1. Puisque f est de classe C 2 (R, R) et f 0 (x) < 0 sur R alors f est monotone dcroissante. De plus, f 0 (x) < 1 sur R donc
lim f (x) = +
lim f (x) = .
x+
NB : seul la condition f 0 (x) < 1 permet de conclure car une fonction peut tre monotone dcroissante mais avoir une
limite finie ! En effet, la condition f 0 (x) < 1 garantie que la fonction dcroit plus vite quune droite comme on peut
facilement vrifier :
f (x)
f 0 (x)
lim
= lim
1.
x x
x 1
2. Puisque lim f (x) = + > 0 et lim f (x) = < 0, pour le thorme des valeurs intermdiaires il existe au moins un
x
x+
` R tel que f (`) = 0. Puisque f 0 (x) < 0 pour tout x R, ce ` est unique.
3. Considrons la fonction g dfinie par g (x) = x + f (x) alors g est de classe C 2 (R, R) et
g 0 (x) = 1 + f 0 (x)
Puisque f 0 (x) < 1 et 0 < < 1 on a
sur R.
g 0 (x) < 1 < 1
et puisque f (x) > 2 et 0 < < 1 alors
sur R
g 0 (x) > 1 2 > 1
sur R.
Autrement dit
|g 0 (x)| < 1
sur R.
4. Soit 0 < < 1. On tudie la suite

x n+1 = g (x n )
et on va vrifier quil sagit dune mthode de point fixe pour le calcul du zro ` de f .
4.1. On vrifie dabord que, si la suite converge vers un point fixe de g , ce point est bien un zro de f (ici le rciproque
est vrai aussi) : soit ` R, alors
` = g (`) ` = ` + f (`) 0 = f (`) f (`) = 0;
4.2. vrifions maintenant que la suite converge vers un point fixe de g (et donc, grce ce quon a vu au point prcdant,
elle converge vers lunique zro de f ) :
4.2.1. on a videmment que g : R R ;
4.2.2. on a dj remarqu que g C 1 (R, R) ;
4.2.3. pour tout x dans R on a prouv que |g 0 (x)| < 1, i.e. que g est contractante.
Alors la suite x n+1 = g (x n ) converge vers ` point fixe de g et zro de f .
5. Si = f 01(`) alors
x n+1 = g (x n ) = x n
qui converge car 2 < f 0 (`) < 1 ssi
1
2
f (x n )
,
f 0 (`)
< < 1 et donc on rentre dans le cas de 0 < < 1.
6. tant donn que

g 0 (`) = 1 + f 0 (`)
B la mthode de point fixe converge lordre 2 si f 0 (`) = 1,

B la mthode de point fixe converge lordre 1 si 2 < f 0 (`) < 0 mais f 0 (`) 6= 1,
B la mthode de point fixe ne converge pas si f 0 (`) < 2 ou f 0 (`) > 0.
tant donn que 2 < f 0 (`) < 1 et que 0 < < 1 on peut conclure que
B la mthode de point fixe converge lordre 2 si = f 01(`) ,
B la mthode de point fixe converge lordre 1 si 6= f 01(`) .
Gloria FACCANONI
Lundi 16 mai 2011
12
7. Dun point de vue pratique on ne peut pas choisir = f 01(`) car on ne connat pas `.
1
8. Si on choisit dapprocher = f 01(`) par n = f 0 (x
n)
et on considre la suite {x n }nN dfinie par
x n+1 = g (x n ) = x n + n f (x n ),
on obtient la mthode de Newton (qui est dordre 2).
De plus, comme 2 < f 0 (x) < 1 on rentre dans le cas 0 < < 1 donc la suite {x n }nN converge quel que soit x 0 R.
Exercice 1.5. Soit g la fonction dfinie sur R+ par
g (x) =
2x 3 + 4x 2 + 10
.
3x 2 + 8x
1. Faire ltude complte de la fonction g . (On admettra que x 3 + 4x 2 10 = 0 admet comme unique solution m 1,36 et
que g (m) = m.)
2. Comparer g lidentit.
3. Soit la suite (x n )nN dfinie par
x n+1 = g (x n ),
x 0 > 0.
et de lidentit sur R+ , dessiner la suite (x n )nN sur laxe des abscisses. Observer graphiquement
laide des graphe de g

la convergence. En particulier, montrer que cette suite est dcroissante partir du rang 1.
4. Expliciter (sans la vrifier) la condition ncessaire pour la convergence observe graphiquement.

5. crire lalgorithme dfini par la suite (x n )nN qui permet de dterminer le point fixe une prcision de .
6. Expliciter la mthode de Newton pour la recherche du zro de la fonction f dfinie par f (x) = x 3 + 4x 2 10. Que
remarque-t-on ?
7. Donner lordre de convergence de la suite.
S OLUTION .
1. tude de la fonction g : R+ R dfinie par g (x) =
? g (x) > 0 pour tout x R+ ;
? lim g (x) = lim g (x) = + ;
x+
g (x)
2
=
lim g (x) 23 x
3 et x+
x+ x
3 +4x 2 10)
g 0 (x) = 2(3x+4)(x
;
x 2 (3x+8)2
2x 3 +4x 2 +10
3x 2 +8x
x0+
lim
= 94 donc y = 32 x 49 est un asymptote ;
?
? g est croissante sur [m, +[, dcroissante sur [0, m] o m 1,36 ;
? x = m est un minimum absolu et g (m) = m.
x
g 0 (x)
+
+
g (x)
m
2. Graphe de g compar au graphe de i (x) = x : voir la figure 1.4a. On vrifie analytiquement quil existe une et une seule
intersection entre la courbe dquation y = g (x) et la droite dquation y = x :
g (x) = x
2x 3 + 4x 2 + 10
=x
3x 2 + 8x
x 3 + 4x 2 10 = 0
x =m
f (x) = 0.
3. Pour ltude graphique de la convergence de la mthode de point fixe voir la figure 1.4b.
4. On en dduit que pour tout x > 0 on a g (x) m. Donc, pour tout k > 0, x k = g (x k1 ) m. Pour tudier la convergence
de la mthode on procde alors par deux tapes :
4.1. on vrifie dabord la CN pour tout [m, +[ : = g () = m ;
4.2.1. pour tout x dans [m, +[ on a g (x) > m donc g : [m, +[ [m, +[ ;
4.2.2. g C 1 ([m, +[) ;
2
(6x +8x)g (x)(6x+8)

4.2.3. pour tout x dans [m, +[, |g 0 (x)| =
< 1 alors g est contractante.
2
3x +8x
Si les conditions prcdentes sont vrifies alors la mthode converge vers m point fixe de g (et racine de f ).
5. Algorithme de point fixe :
Lundi 16 mai 2011
Gloria FACCANONI
13
y
y
i (x)
i (x)
g (x)
y = 32 x 49
g (x)
x0
(a) Graphe de g compar au graphe de i .
x4 x3
x2
x1
(b) tude graphique de la convergence de la mthode de point

fixe.
F IGURE 1.4
Require: x 0 > 0
Require: g : x 7 g (x)
x k+1 g (x k )
end while
6. La mthode de Newton est une mthode de point fixe avec g (x) = x

x k+1 = x k
f (x)
f 0 (x)
x k3 + 4x k2 10
f (x k )
=
x
= g (x k )
k
f 0 (x k )
3x k2 + 8x k
autrement dit la mthode de point fixe assigne est la mthode de Newton.

7. tant donn que la mthode de point fixe donne est la mthode de Newton et que la racine m de f est simple, elle
converge lordre 2.
Quelques remarques propos du critre darrt bas sur le contrle de lincrment. Les itrations sachvent ds que |x k+1 x k | <
; on se demande si cela garantt-t-il que lerreur absolue ek+1 est elle aussi infrieur . Lerreur absolue litration (k + 1)
peut tre value par un dveloppement de Taylor au premier ordre
ek+1 = |g () g (x k )| = |g 0 (z k )ek |
avec z k compris entre m et x k . Donc
|x k+1 x k | = |ek+1 ek | = |g 0 (z k ) 1|ek ' |g 0 (m) 1|ek .
3x+4
0
Puisque g 0 (x) = 2 x 2 (3x+8)
2 f (x), alors g (m) = 0 donc on a bien |x k+1 x k | ' ek .
Exercice 1.6. Dcrire la mthode de la dichotomie et lutiliser pour calculer le zro de la fonction f (x) = x 3 4x 8.95 dans
lintervalle [2; 3] avec une prcision de 102 en remplissant le tableau suivant :
Gloria FACCANONI
Lundi 16 mai 2011
k
0
1
2
3
4
5
6
ak
2
2.5
14
xk
2.5
bk
3
3
signe de f (a k )
-
signe de f (x k )
-
signe de f (b k )
+
S OLUTION . En partant de I 0 = [a, b], la mthode de dichotomie produit une suite de sous-intervalles I k = [a k , b k ], k 0, avec
I k I k1 , k 1, et tels que f (a k ) f (b k ) < 0. Plus prcisment :
Require: a, b,
k 0
ak a
bk b
a +b
xk k 2 k
while |b k a k | > do
k k +1
if f (a k ) f (x k ) < 0 then
a k+1 a k
b k+1 x k
else
a k+1 x k
b k+1 b k
end if
a
+b
x k+1 k+1 2 k+1
end while
k
0
1
2
3
4
5
6
ak
2
2.5
2.5
2.625
2.6875
2.6875
2.703125
xk
2.5
2.75
2.625
2.6875
2.71875
2.703125
2.7109375
bk
3
3
2.75
2.75
2.75
2.71875
2.71875
a0
signe de f (a k )
-
signe de f (x k )
+
+
+
x0
signe de f (b k )
+
+
+
+
+
+
+
b0
a1
x1
a2
x2
a3
b1
b2
x3
a4
b3
x4
b4
a 5 x 5b 5
Exercice 1.7. On se propose de calculer

f (x) = x 4
q
4
1
3
en trouvant les racines relles de lapplication f de R dans R dfinie par
1
3.
1. Situer les 2 racines de f (i.e. indiquer 2 intervalles disjoints qui contiennent chacun une et une seule racine). En
particulier, montrer quil y a une racine comprise entre 0 et 1.
2. Soit g la fonction dfinie sur [0; 1] par
g (x) =
x(9x 4 + 5)
.
3(5x 4 + 1)
2.1. Faire ltude complte de la fonction g et la comparer lidentit.
Lundi 16 mai 2011
Gloria FACCANONI
15
y
g (x)
i (x)
q
4
y = 53 x
1
3
q
4
q
4
1
3
g (x)
i (x)
1
3
x0 x1
(a) Graphe de g compar au graphe de i .
x2
x3
x4
q
4
1
3
(b) tude graphique de la convergence de la mthode de point fixe.
F IGURE 1.5
2.2. Soit la suite (x n )nN dfinie par

x n+1 = g (x n ),
x 0 ]0; 1[.
laide des graphe de g et de lidentit sur [0; 1], dessiner la suite (x n )nN sur laxe des abscisses. Observer
graphiquement la convergence.
2.3. Justifier mathmatiquement la convergence observe graphiquement.
2.4. Calculer lordre de convergence de la suite.
2.5. crire lalgorithme dfini par la suite (x n )nN qui permet de dterminer
q
4
1
3
une prcision de .
3. Expliciter la mthode de Newton pour la recherche du zro de la fonction f .

4. Entre la mthode de Newton et la mthode de point fixe x k+1 = g (x k ), quelle est la plus efficace ? Justifier la rponse.
S OLUTION .
1. f est paire ; comme f 0 (x) = 4x 3 , f est croissante pour x > 0 et dcroissante pour x < 0 ; puisque f (0) < 0 et f (1) =
f (1) > 0, on conclut que il ny a que deux racines relles distinctes : ]0; 1[ et ] 1; 0[.
2. On tudie la fonction g (x) =
2.1.
x(9x 4 +5)
3(5x 4 +1)
pour x 0.
B g (x) 0 pour tout x 0 et g (x) = 0 ssi x = 0 ;

B g 0 (x) =
q
4
5(9x 8 6x 4 +1)
3(5x 4 +1)2
5
3
3x 4 1
5x 4 +1
donc g 0 (x) 0 pour tout x ]0; 1[ et g 0 (x) = 0 ssi x =
q
4
1
3.
De plus, g
q
4
1
3
1
3.
10 3x 4 1 32x 3
20 0
32x 3
3 5x 4 +1 (5x 4 +1)2 =
3 g (x) (5x 4 +1)2
q
i q h
x 0; 4 13 , convexe pour x > 4 13 .
B Enfin, g 00 (x) =
concave pour
320x 3 (3x 4 1)
(5x 4 +1)3
donc g 00 (x) = 0 ssi x = 0 ou x =
q
4
1
3,
g est
B Pour le graphe de g compar au graphe de i (x) = x pour x [0; 1] voir la figure 1.5a.
B On vrifie analytiquement quil existe une et une seule intersection entre la courbe dquation y = g (x) et la
droite dquation y = x :
g (x) = x
x(9x 4 + 5)
=x
3(5x 4 + 1)
9x 4 + 5 = 3(5x 4 + 1)
x4 =
1
3
f (x) = 0.
2.2. Pour ltude graphique de la convergence de la mthode de point fixe voir la figure 1.5b.
2.3. tudions la convergence de la mthode 1 . On remarque que
9x k4 + 5
x k+1
=
> 1 x k <
xk
3(5x k4 + 1)
r
4
1
3
1. Remarquons quon ne peut pas utiliser le thorme de point fixe pour prouver la convergence de la mthode car g nest pas contractante sur [0; 1]. En
effet, dans [0; 1] on a
r
16
|g 0 (x)| < 1 g 0 (x) < 1 5(3x 4 1)2 < 3(5x 4 + 1)2 15x 8 + 30x 4 1 > 0 x 4 > 1 +
]0; 1[.
15
Gloria FACCANONI
Lundi 16 mai 2011
16
donc la suite rcurrente

(
i q h
x 0 0; 4 13
x k+1 = g (x k )
q
q
q
est monotone croissante et majore par 4 13 : elle est donc convergente vers ` 4 13 . Comme ` = g (`) ssi ` = 4 13 ,
q
on conclut quelle converge vers 4 13 . De mme, la suite rcurrente
(
x0
iq
4
1
3;0
x k+1 = g (x k )
est monotone dcroissante et minor par
q
on conclut quelle converge vers 4 13 .
q
4
1
3
: elle est donc convergente vers `
q
4
1
3 . Comme ` = g (`) ssi ` =
q
4
1
3,
q
Par consquent, quelque soit le point initiale, la mthode de point fixe donne converge vers 4 13 point fixe de g
(et racine de f ).
q
p
8
4 +1
2.4. Si on pose = 4 13 alors g () = , g 0 () = 0, g 00 () = 0 et g 000 () = 3202 25(522
= 152 3 : on conclut que la
4 +1)4
suite converge lordre 3.
2.5. Algorithme de point fixe :
Require: x 0 > 0
Require: g : x 7 g (x)
x k+1 g (x k )
end while
3. Entre la mthode de Newton et la mthode de point fixe x k+1 = g (x k ), la plus efficace est la mthode de point fixe
x k+1 = g (x k ) car elle est dordre 3 tandis que celle de Newton nest que dordre 2.
Lundi 16 mai 2011
Gloria FACCANONI
2 Interpolation
tant donn n + 1 couples (x i , y i ), le problme consiste trouver une fonction = (x) telle que (x i ) = y i ; on dit alors
que interpole {y i } aux nuds {x i }. On parle dinterpolation polynomiale quand est un polynme, dapproximation
trigonomtrique quand est un polynme trigonomtrique et dinterpolation polynomiale par morceaux (ou dinterpolation
par fonctions splines) si est polynomiale par morceaux.
Les quantits y i peuvent, par exemple, reprsenter les valeurs aux nuds x i dune fonction f connue analytiquement ou des
donnes exprimentales. Dans le premier cas, lapproximation a pour but de remplacer f par une fonction plus simple en
vue dun calcul numrique dintgrale ou de drive. Dans lautre cas, le but est davoir une reprsentation synthtique de
donnes exprimentales dont le nombre peut tre trs lev.
Polynme de Lagrange
Considrons n +1 couples (x i , y i ), le problme est de trouver un polynme m (x) = a 0 +a 1 x +. . . a m x m Pm , appel polynme
dinterpolation ou polynme interpolant, tel quel
m (x i ) = y i ,
i = 0, . . . n.
Les points x i sont appels nuds dinterpolation. Si m = n on a le rsultat suivant :

Thorme. tant donn n + 1 points distincts x 0 , . . . , x n et n + 1 valeurs correspondantes y 0 , . . . , y n , il existe un unique
polynme n Pn tel que n (x i ) = y i , pour i = 0, . . . n quon peut crire sous la forme
n (x) =
n
X
y i L i (x) Pn
o L i (x) =
i =0
n x x
Y
j
j =0
j 6=i
xi x j
Cette relation est appele formule dinterpolation de Lagrange et les polynmes L i sont les polynmes caractristiques (de
Lagrange). 1
Erreur. Si y i = f (x i ) pour i = 0, 1, . . . , n, f : I R tant une fonction donne de classe C n+1 (I ) o I est le plus petit intervalle
contenant les nuds {x i }, lerreur dinterpolation au point x I est donn par
E n (x) f (x) n (x) =
o I et n+1 (x)
n
Q
i =0
f (n+1) ()
n+1 (x)
(n + 1)!
(x x j ).
E XEMPLE . Pour n = 2 le polynme de Lagrange scrit

(x x 1 )(x x 2 )
(x 0 x 1 )(x 0 x 2 )
(x x 0 )(x x 2 )
+ y1
(x 1 x 0 )(x 1 x 2 )
(x x 0 )(x x 1 )
+ y2
(x 2 x 0 )(x 2 x 1 )
P (x) = y 0
1. Si n est petit on peut calculer directement les coefficients a 0 , a 1 , . . ., a n en rsolvant le systme linaire de n + 1 quations

n
1 x 0 . . . x 0n a 0
y0
a 0 + a 1 x 0 + . . . a n x 0 = y 0
1 x 1 . . . x n a 1 y 1
a + a x + . . . a x n = y
1
n 1
0
1 1
1
.
. = .
i.e.
.
.
.
. .
. . .
.
.
.
.
.
.
.
a n + a 1 x n + . . . a n x nn = y n
yn
1 x n . . . x nn a n
17
2 Interpolation
18
Polynme dHermite ou polynme osculateur

On peut gnraliser linterpolation de Lagrange pour prendre en compte, en plus des valeurs nodales, les valeurs de la drive
du polynme interpolateur dans ces nuds.
Considrons n+1 triplets (x i , y i , y i0 ), le problme est de trouver un polynme m (x) = a 0 +a 1 x+. . . a m x m Pm tel quel
(
m (x i ) = y i ,
i = 0, . . . n.
0m (x i ) = y i0 ,
Si m = 2n + 1 on a le rsultat suivant :
Thorme. tant donn n + 1 points distincts x 0 , . . . , x n et n + 1 couples correspondantes (y 0 , y 00 ), . . . , (y n , y n0 ), il existe un

unique polynme N PN tel que N (x i ) = y i et 0N (x i ) = y i0 , pour i = 0, . . . n quon peut crire sous la forme
Q(x) =
n
X
i =0
y i A i (x) + y i0 B i (x)
PN
L i (x)
c i
=
=
n
Q
j =0
j 6=i
n
P
j =0
j 6=i
xx j
x i x j
1
x i x j
A i (x) = (1 2(x x i )c i )(L i (x)) ,
B (x) = (x x )(L (x))2 ,
i
i
i
N
= 2n + 1.
quon peut rcrire comme
Q(x) =
n
X
i =0
(y i D i (x) + y i0 (x x i ))(L i (x))2
L i (x)
ci
D i (x)
=
=
n
Q
j =0
j 6=i
n
P
j =0
j 6=i
xx j
x i x j
1
x i x j
= 1 2(x x i )c i ,
= 2n + 1.
Cette relation est appele formule dinterpolation de Hermite. 2
E XEMPLE . Pour n = 2 le polynme de Hermite scrit
Q(x) = y 0 1 2(x x 0 )
1
1
+
x0 x1 x0 x2
(x x 1 )(x x 2 )
(x 0 x 1 )(x 0 x 2 )
+ y 1 1 2(x x 1 )
1
1
+
x1 x0 x1 x2
(x x 0 )(x x 2 )
(x 1 x 0 )(x 1 x 2 )
+ y 2 1 2(x x 2 )
1
1
+
x2 x0 x2 x1
(x x 0 )(x x 1 )
(x 2 x 0 )(x 2 x 1 )
+ y 00 (x x 0 )
(x x 1 )(x x 2 )
(x 0 x 1 )(x 0 x 2 )
+ y 10 (x x 1 )
(x x 0 )(x x 2 )
(x 1 x 0 )(x 1 x 2 )
+ y 20 (x x 2 )
(x x 0 )(x x 1 )
(x 2 x 0 )(x 2 x 1 )
2
,
2. Si n est petit on peut calculer directement les coefficients a 0 , a 1 , . . ., a N en rsolvant le systme linaire de N + 1 = 2n + 2 quations
a 0 + a 1 x 0 + . . . a N x 0N = y 0
a
0 + a1 x1 + . . . a N x1 = y 1
.
.
.
a + a x + . . . a x N = y
n
1 n
N n
a 1 + a 2 x 0 + . . . N a N x 0N 1 = y 00
a + a 2 x 0 + . . . N a N x 1N 1 = y 10
...
a n + a 1 x n + . . . N a N x nN 1 = y n0
Lundi 16 mai 2011
i.e.
1
1
.
.
.
.
.
.
0
x0
x1
xn
x0
x1
xn
...
...
.
.
.
...
...
...
.
.
.
...

x 0N
y0

a0
N
x1
y1

a1
.
.
.
. ..
.
.
. y
x nN
n
=
.
N
1
y0
.
N x0
. 00
N x 1N 1
y
.. 1
.
. .
.
.
.
aN
y n0
N x N 1
n
Gloria FACCANONI
19
2 Interpolation
(x x 1 )(x x 2 )
(x 0 x 1 )(x 0 x 2 )
+ y 10 (x x 1 )
(x x 0 )(x x 2 )
(x 1 x 0 )(x 1 x 2 )
+ y 20 (x x 2 )
(x x 0 )(x x 1 )
(x 2 x 0 )(x 2 x 1 )
Q(x) = y 0 1 2(x x 0 )
1
1
+
x0 x1 x0 x2
+ y 00 (x x 0 )
+ y 1 1 2(x x 1 )
1
1
+
x1 x0 x1 x2
+ y 2 1 2(x x 2 )
1
1
+
x2 x0 x2 x1
Splines
Cest une mthode dinterpolation par morceaux possdant des proprits de rgularit globale.
Dfinition. tant donn n + 1 points distincts x 0 , . . . , x n de [a; b] avec a = x 0 < x 1 < < x n = b, la fonction s k (x) : [a; b] R
est une spline de degr k relative aux nuds {x i } si
(
s k (x)|[xi ;xi +1] Pk , i = 0, 1, . . . , n 1,

s k C k1 ([a; b]).
videmment tout polynme de degr k est une spline, mais en pratique une spline est constitue de polynmes diffrents sur
chaque sous-intervalle. Il peut donc y avoir des discontinuit de la drive k-ime aux nuds internes x 1 , . . . , x n1 .
Splines linaires. tant donn n+1 points distincts x 0 , . . . , x n de [a; b] avec a = x 0 < x 1 < < x n = b, la fonction `(x) : [a; b]
R est une spline linaire relative aux nuds {x i } si
(
`(x)|[xi ;xi +1] Pk , i = 0, 1, . . . , n 1,
` C 0 ([a; b]).
Autrement dit, dans chaque sous-intervalle [x i ; x i + 1], la fonction ` est le segment qui connecte le point (x i , y i ) au point
(x i +1 , y i +1 ) ; elle scrit donc
y i +1 y i
(x x i )
`(x)|[xi ;xi +1] = y i +
x i +1 x i
Erreur. Si y i = f (x i ) pour i = 0, 1, . . . , n, f : [a; b] R tant une fonction donne de classe C 2 ([a; b]), lerreur dinterpolation
au point x [a; b] est donn par
(b a)2
max| f (x) `(x)|
max| f 00 (x)|.
xI
xI
8
W
Exercice 2.1. Construire le polynme de Lagrange P qui interpole les points (0, 2), (1, 1), (2, 2) et (3, 3).
S OLUTION . Le polynme dinterpolation de Lagrange de degr n sur lensemble des n+1 points {(x i , y i )}ni=0 scrit
p n (x) =
n
n x x
X
Y
j
yi
.
x
i
j
i =0
j =0
j 6=i
Ici n = 3 donc on a
Gloria FACCANONI
Lundi 16 mai 2011
2 Interpolation
20
y
(x x 0 )(x x 2 )(x x 3 )
(x x 1 )(x x 2 )(x x 3 )
+ y1
(x 0 x 1 )(x 0 x 2 )(x 0 x 3 )
(x 1 x 0 )(x 1 x 2 )(x 1 x 3 )
(x x 0 )(x x 1 )(x x 3 )
(x x 0 )(x x 1 )(x x 2 )
+ y2
+ y3
=
(x 2 x 0 )(x 2 x 1 )(x 2 x 3 )
(x 3 x 0 )(x 3 x 1 )(x 3 x 2 )
P (x) = y 0
P (x)
(x 1)(x 2)(x 3) (x 0)(x 2)(x 3)

+
(0 1)(0 2)(0 3) (1 0)(1 2)(1 3)
(x 0)(x 1)(x 3)
(x 0)(x 1)(x 2)
+2
+3
=
(2 0)(2 1)(2 3)
(3 0)(3 1)(3 2)
=2
(x 1)(x 2)(x 3) x(x 2)(x 3)

+
3
2
x(x 1)(x 2)
1
8
x(x 1)(x 3) +
= x 3 + 2x 2 x + 2.
2
3
3
=
Sinon, comme on cherche un polynme de degr 3, il sagit de trouver les 4 coefficients a 0 , a 1 , a 2 et a 3 solution du systme
linaire
a 0 + a 1 0 + a 2 02 + a 3 03 = 2
1 0 0 0
a0
2
a + a 1 + a 12 + a 13 = 1
1 1 1 1 a 1 1
0
1
2
3

i.e.
1 2 4 8 a 2 = 2
a 0 + a 1 2 + a 2 22 + a 3 23 = 2
1 3 9 27 a 3
3
a + a 3 + a 32 + a 33 = 3
0
Exercice 2.2. Trouver le polynme de lespace vectoriel Vec{1 + x 2 , x 4 } qui interpole les points (0, 1) et (1, 3).
S OLUTION .
y
Il sagit de trouver un polynme p(x) qui soit combinaison linaire des deux polynmes assigns (i.e. p(x) =
(1 + x 2 ) + (x 4 )) et qui interpole les deux points (0, 1) et
(1, 3) :
(
p(0) = 1,
p(1) = 3,
p(x)
(
(1 + 02 ) + (04 ) = 1,
1
(1 + 12 ) + (14 ) = 3,
do = 1 et = 1. Le polynme cherch est donc le polynme p(x) = 1 + x 2 + x 4 .
Exercice 2.3.
1. Construire le polynme de Lagrange P qui interpole les trois points (1, e), (0, 1) et (1, e).
2. Sans faire de calculs, donner lexpression du polynme de Lagrange Q qui interpole les trois points (1, 1), (0, 0) et
(1, 1).
3. Trouver le polynme de lespace vectoriel Vec{1, x, x 2 } qui interpole les trois points (1, 1), (0, 0) et (1, 1).
S OLUTION .
1. Le polynme dinterpolation de Lagrange de degr n sur lensemble des n + 1 points {(x i , y i )}ni=0 scrit
p n (x) =
n
X
i =0
yi
n
Y
x xj
.
x
j =0 i x j
j 6=i
Ici n = 2 donc on a
Lundi 16 mai 2011
Gloria FACCANONI
21
2 Interpolation
P (x)
e
(x x 1 )(x x 2 )
(x x 0 )(x x 2 )
(x x 0 )(x x 1 )
+ y1
+ y2
=
(x 0 x 1 )(x 0 x 2 )
(x 1 x 0 )(x 1 x 2 )
(x 2 x 0 )(x 2 x 1 )
x(x 1)
(x + 1)x
=e
(x + 1)(x 1) + e
=
2
2
= (e 1)x 2 + 1.
P (x) = y 0
1
y
2. Il suffit de changer les coefficients y i dans lexpression prcdente :
1
x
Q(x) =
x(x 1) (x + 1)x
= x 2 .
2
2
Q(x)
3. Il sagit de trouver un polynme p(x) qui soit combinaison linaire des deux polynmes assigns (i.e. p(x) = +x +x 2 )
et qui interpole les trois points (1, 1), (0, 0) et (1, 1) :
p(1) = 1,
p(0) = 0,
p(1) = 1,
+ = 1,
= 0,
+ + = 1,
do = 0, = 0 et = 1. Le polynme cherch est donc le polynme p(x) = x 2 .

Exercice 2.4.
1. Construire le polynme de Lagrange P qui interpole les points (1, 1), (0, 1), (1, 2) et (2, 3).
2. Soit Q le polynme de Lagrange qui interpole les points (1, 1), (0, 1), (1, 2). Montrer quil existe un rel tel que :
Q(x) P (x) = (x + 1)x(x 1).
p n (x) =
n
n x x
X
Y
j
.
yi
x
i
j
i =0
j =0
j 6=i
1. Ici n = 3 donc on a
(x x 1 )(x x 2 )(x x 3 )
(x x 0 )(x x 2 )(x x 3 )
+ y1
(x 0 x 1 )(x 0 x 2 )(x 0 x 3 )
(x 1 x 0 )(x 1 x 2 )(x 1 x 3 )
(x x 0 )(x x 1 )(x x 3 )
(x x 0 )(x x 1 )(x x 2 )
+ y2
+ y3
(x 2 x 0 )(x 2 x 1 )(x 2 x 3 )
(x 3 x 0 )(x 3 x 1 )(x 3 x 2 )
P (x) = y 0
x(x 1)(x 2) (x + 1)(x 1)(x 2)

(x + 1)x(x 1)
+
(x + 1)x(x 2) +
=
6
2
2
1
1
2
= x 3 + x 2 + x + 1.
6
2
3
2. Par construction
Q(1) = P (1),
Q(0) = P (0),
Gloria FACCANONI
Lundi 16 mai 2011
2 Interpolation
22
Q(1) = P (1),
donc le polynme Q(x) P (x) sannule en 1, en 0 et en 1, ceci signifie quil existe un polynme R(x) tel que
Q(x) P (x) = R(x)(x + 1)x(x 1).
Puisque P (x) a degr 3 et Q(x) a degr 2, le polynme Q(x) P (x) a degr 3, donc le polynme R(x) quon a mis en
facteur a degr 0 (i.e. R(x) est une constante).
Si on na pas remarqu a, on peut tout de mme faire tous les calculs : dans ce cas n = 2 donc on a
Q(x) = y 0
=
(x x 1 )(x x 2 )
(x x 0 )(x x 2 )
(x x 0 )(x x 1 )
+ y1
+ y2
(x 0 x 1 )(x 0 x 2 )
(x 1 x 0 )(x 1 x 2 )
(x 2 x 0 )(x 2 x 1 )
x(x 1)
(x + 1)(x 1) + (x + 1)x
2
1
1
= x 2 + x + 1.
2
2
Ainsi
(x x 1 )(x x 2 )
x x3
(x x 0 )(x x 2 )
x x3
1
+ y1
1
(x 0 x 1 )(x 0 x 2 )
x0 x3
(x 1 x 0 )(x 1 x 2 )
x1 x3
x x3
(x x 0 )(x x 1 )(x x 2 )
(x x 0 )(x x 1 )
1
y3
+ y2
(x 2 x 0 )(x 2 x 1 )
x2 x3
(x 3 x 0 )(x 3 x 1 )(x 3 x 2 )
(x x 0 )(x x 1 )(x x 2 )
(x x 0 )(x x 1 )(x x 2 )
= y 0
y1
(x 0 x 1 )(x 0 x 2 )(x 0 x 3 )
(x 1 x 0 )(x 1 x 2 )(x 1 x 3 )
(x x 0 )(x x 1 )(x x 2 )
(x x 0 )(x x 1 )(x x 2 )
y2
y3
(x 2 x 0 )(x 2 x 1 )(x 2 x 3 )
(x 3 x 0 )(x 3 x 1 )(x 3 x 2 )
y0
y1
=
+
(x 0 x 1 )(x 0 x 2 )(x 0 x 3 ) (x 1 x 0 )(x 1 x 2 )(x 1 x 3 )
y2
y3
+
(x x 0 )(x x 1 )(x x 2 )
+
(x 2 x 0 )(x 2 x 1 )(x 2 x 3 ) (x 3 x 0 )(x 3 x 1 )(x 3 x 2 )
(x + 1)x(x 1)
=
6
Q(x) P (x) = y 0
et = 16 . Sinon directement
1
1
1
1
2
1
1
1
Q(x) P (x) = x 2 + x + 1 + x 3 x 2 x 1 = x 3 x = x(x 2 1) = x(x + 1)(x 1)
2
2
6
2
3
6
6
6
avec = 16 .
Q(x)
y
3
x3
P (x)
2
x2
1
x0
Lundi 16 mai 2011
x1
Gloria FACCANONI
23
2 Interpolation
Exercice 2.5.
1. Construire le polynme de Lagrange P qui interpole les trois points (1, ), (0, ) et (1, ) o et sont des rels.
2. Si = , donner le degr de P .
3. Montrer que P est pair. Peut-on avoir P de degr 1 ?
S OLUTION .
1. Construire le polynme de Lagrange P qui interpole les trois points (1, ), (0, ) et (1, ) o et sont des rels.
Le polynme dinterpolation de Lagrange de degr n sur lensemble des n + 1 points {(x i , y i )}ni=0 scrit
p n (x) =
n
X
i =0
yi
n
Y
x xj
.
x
j =0 i x j
j 6=i
Ici n = 2 donc on a
P (x) = y 0
(x x 1 )(x x 2 )
(x x 0 )(x x 2 )
(x x 0 )(x x 1 )
+ y1
+ y2
+
(x 0 x 1 )(x 0 x 2 )
(x 1 x 0 )(x 1 x 2 )
(x 2 x 0 )(x 2 x 1 )
x(x 1)
(x + 1)(x 1)
(x + 1)x
+
+
=
2
1
2
= x(x 1) (x + 1)(x 1) + x(x + 1)

2
2
= ( )x 2 + .
2. Si = , P = qui est un polynme de degr 0.
3. P (x) = P (x) donc P est pair. Donc P ne peut pas tre de degr 1 car un polynme de degr 1 est de la forme a 0 + a 1 x
qui ne peut pas tre pair.
Exercice 2.6. Soit f une fonction de classe C 1 ([1, 1]) et p le polynme interpolateur dHermite (de degr 3) de f vrifiant
p(1) = f (1),
p 0 (1) = f 0 (1),
p(1) = f (1),
p 0 (1) = f 0 (1).
crire le polynme p.
S OLUTION . On a deux mthodes pour calculer le polynme interpolateur dHermite :
Premire mthode : le polynme interpolateur dHermite scrit
p(x) =
n
X
i =0
y i (1 2(x x i )c i ) + y i0 (x x i )
n (x x )2
Y
j
j =0 (x i x j
j 6=i
)2
ci =
n
X
1
.
x
xj
i
j =0
j 6=i
Pour n = 1 on a alors
p(x) = y 0 1 2(x x 0 )
1
x0 x1
(x x 1 )
(x 0 x 1 )
+ y 1 1 2(x x 1 )
1
x1 x0
(x x 0 )
(x 1 x 0 )
+ y 00 (x x 0 )
(x x 1 )
(x 0 x 1 )
+ y 10 (x x 1 )
(x x 0 )
(x 1 x 0 )
2
.
Dans notre cas x 0 = 1, x 1 = 1, y 0 = f (1), y 1 = f (1), y 00 = f 0 (1), y 10 = f 0 (1) donc
1
f (1)(x + 2)(x 1)2 + f 0 (1)(x + 1)(x 1)2 + f (1)(2 x)(x + 1)2 + f 0 (1)(x 1)(x + 1)2
4
i
1h
=
f (1)(x 3 3x + 2) + f 0 (1)(x 3 x 2 x + 1) + f (1)(x 3 + 3x + 2) + f 0 (1)(x 3 + x 2 x 1)
4
2 f (1) + f 0 (1) + 2 f (1) f 0 (1) 3 f (1) 3 f (1) f 0 (1) f 0 (1)
=
+
x
4
4
0
0
0
0
f (1) f (1) 2 f (1) + f (1) f (1) + f (1) 3
+
x +
x .
4
4
p(x) =
Gloria FACCANONI
Lundi 16 mai 2011
2 Interpolation
24
Le polynme interpolateur dHermite est donc le polynme

p(x) = + x + x 2 + x 3
o
2 f (1) + 2 f (1) + f 0 (1) f 0 (1)
,
4
f 0 (1) + f 0 (1)
=
,
4
3 f (1) + 3 f (1) f 0 (1) f 0 (1)

,
4
f (1) f (1) + f 0 (1) + f 0 (1)
=
.
4
Deuxime mthode : le polynme interpolateur dHermite est un polynme de degr 2n + 1. On cherche donc un polynme
p(x) = + x + x 2 + x 3
tel que
p(1) = f (1),
p 0 (1) = f 0 (1),
p(1) = f (1),
p 0 (1) = f 0 (1),
cest--dire tel que
+ = f (1),
+ + + = f (1),
2 + 3 = f 0 (1),
+ 2 + 3 = f 0 (1).
On obtient
3 f (1) + 3 f (1) f 0 (1) f 0 (1)
,
4
f (1) f (1) + f 0 (1) + f 0 (1)
=
.
4
2 f (1) + 2 f (1) + f 0 (1) f 0 (1)

,
4
f 0 (1) + f 0 (1)
,
=
4
Exercice 2.7. Lesprance de vie dans un pays a volue dans le temps selon le tableau suivant :
Anne
Esprance
1975
72,8
1980
74,2
1985
75,2
1990
76,4
Utiliser linterpolation de Lagrange pour estimer lesprance de vie en 1977, 1983 et 1988. La comparer avec une interpolation
linaire par morceaux.
p n (x) =
n
X
n
Y
i =0
j =0
j 6=i
yi
x xj
.
x x
i
Ici n = 3 et si on choisit de poser x 0 = 0 pour lanne 1975, x 1 = 5 pour lanne 1980 etc., on a
(x x 1 )(x x 2 )(x x 3 )
(x x 0 )(x x 2 )(x x 3 )
+ y1
(x 0 x 1 )(x 0 x 2 )(x 0 x 3 )
(x 1 x 0 )(x 1 x 2 )(x 1 x 3 )
(x x 0 )(x x 1 )(x x 3 )
(x x 0 )(x x 1 )(x x 2 )
+ y2
+ y3
=
(x 2 x 0 )(x 2 x 1 )(x 2 x 3 )
(x 3 x 0 )(x 3 x 1 )(x 3 x 2 )
P (x) = y 0
(x 5)(x 10)(x 15)

(x 0)(x 10)(x 15)
+ 74,2
(0 5)(0 10)(0 15)
(5 0)(5 10)(5 15)
(x 0)(x 5)(x 15)
(x 0)(x 5)(x 10)
+ 75,2
+ 76,4
=
(10 0)(10 5)(10 15)
(15 0)(15 5)(15 10)
= 72,8
72,8(x 5)(x 10)(x 15) + 3 74,2x(x 10)(x 15) 3 75,2x(x 5)(x 15) + 76,4x(x 5)(x 10)
750
On a alors que
B lesprance de vie en 1977 correspond P (2) = 73,45,
Lundi 16 mai 2011
Gloria FACCANONI
25
2 Interpolation
B lesprance de vie en 1983 correspond P (8) = 74,81,

B lesprance de vie en 1988 correspond P (13) = 75,86.
y
76,4
P (x)
75,86
75,2
74,81
74,2
73,45
72,8
1975
1977
1980
1983
1985
1988
1990
Remarque : il est intressant de considrer une interpolation linaire par morceaux (splines de degr 1) ; on note que lesprance
de vie est sous-estim en 1977 et sur-estim en 1988 par rapport linterpolation prcdente car
B lesprance de vie en 1977 correspond 74,272,8
50 2 + 72,8 = 73,36 < P (2),
105 8 + 73,2 = 74,8 P (8),
1510 13 + 72,8 = 75,92 > P (13).
Exercice 2.8. La production de citron dun Pays a volue comme suit
Anne
Production (105 kg)
1965
17 769
1970
24 001
1980
25 961
1985
34 336
1990
29 036
1991
33 417
Utiliser une interpolation polynomiale pour estimer la production des annes 1962, 1977 et 1992. Comparer les rsultats
avec les valeurs rels : 12 380, 27 403 et 32 059. Comparer ensuite avec les valeurs estims par une interpolation linaire par
morceaux (splines de degr 1).
p n (x) =
n
n x x
X
Y
j
yi
.
x
i
j
i =0
j =0
j 6=i
Ici n = 5 et si on choisit de poser x 0 = 0 pour lanne 1965, x 1 = 5 pour lanne 1970, x 2 = 15 pour lanne 1980 etc., on
a
(x x 1 )(x x 2 )(x x 3 )(x x 4 )(x x 5 )
(x x 0 )(x x 2 )(x x 3 )(x x 4 )(x x 5 )
+ y1
(x 0 x 1 )(x 0 x 2 )(x 0 x 3 )(x 0 x 4 )(x 0 x 5 )
(x 1 x 0 )(x 1 x 2 )(x 1 x 3 )(x 1 x 4 )(x 1 x 5 )
(x x 0 )(x x 1 )(x x 3 )(x x 4 )(x x 5 )
(x x 0 )(x x 1 )(x x 2 )(x x 4 )(x x 5 )
+ y2
+ y3
(x 2 x 0 )(x 2 x 1 )(x 2 x 3 )(x 2 x 4 )(x 2 x 5 )
(x 3 x 0 )(x 3 x 1 )(x 3 x 2 )(x 3 x 4 )(x 3 x 5 )
(x x 0 )(x x 1 )(x x 2 )(x x 3 )(x x 5 )
(x x 0 )(x x 1 )(x x 2 )(x x 3 )(x x 4 )
+ y4
+ y5
=
(x 4 x 0 )(x 4 x 1 )(x 4 x 2 )(x 4 x 3 )(x 4 x 5 )
(x 5 x 0 )(x 5 x 1 )(x 5 x 2 )(x 5 x 3 )(x 5 x 4 )
P (x) = y 0
(x 5)(x 15)(x 20)(x 25)(x 26)

(x 0)(x 15)(x 20)(x 25)(x 26)
+ 24001
(0 5)(0 15)(0 20)(0 25)(0 26)
(5 0)(5 15)(5 20)(5 25)(5 26)
(x 0)(x 5)(x 20)(x 25)(x 26)
(x 0)(x 5)(x 15)(x 25)(x 26)
+ 25961
+ 34336
(15 0)(15 5)(15 20)(15 25)(15 26)
(20 0)(20 5)(20 15)(20 25)(20 26)
(x 0)(x 5)(x 15)(x 20)(x 25)
(x 0)(x 5)(x 15)(x 20)(x 26)
+ 29036
+ 33417
=
(25 0)(25 5)(25 15)(25 20)(25 26)
(26 0)(26 5)(26 15)(26 20)(26 25)
= 17769
(x 5)(x 15)(x 20)(x 25)(x 26)

x(x 15)(x 20)(x 25)(x 26)
+ 24001
325000
31500
x(x 5)(x 20)(x 25)(x 26)
x(x 5)(x 15)(x 25)(x 26)
25961
+ 4292
82500
5625
x(x 5)(x 15)(x 20)(x 26)
x(x 5)(x 15)(x 20)(x 25)
7259
+ 3713
=
6250
4004
= 5923
Gloria FACCANONI
Lundi 16 mai 2011
2 Interpolation
26
= 17769 +
1407243973
39576120413 2 10206685933 3 325261939 4 7663144 5
x
x +
x
x +
x
100100
9009000
22522500
17325000
28153125
On a alors que
B la production de lanne 1962 estime par cette interpolation est P (3) = 77765,36380,
B la production de lanne 1977 estime par cette interpolation est P (12) = 15404,96367,
B la production de lanne 1992 estime par cette interpolation est P (27) = 43127,20660.
P (x)
y
43 127
s 1 (x)
s 3 (x)
37 798
25 373
22 934
34 336
33 417
32 059
29 036
27 403
25 961
24 001
17 769
9
19 0
9
19 1
92
19
5
19
8
0
19
8
77
19
70
19
65
14 029 13 285
12 380
19
19
63
15 404
77 765
Lundi 16 mai 2011
Gloria FACCANONI
27
2 Interpolation
Exercice 2.9. Pour calculer le zro dune fonction y = f (x) inversible sur un intervalle
n[a; b] on peut utiliser linterpolation :
aprs avoir valu f sur une discrtisation x i de [a; b], on interpole lensemble (y i , x i ) i =0 et on obtient un polynme x = p(y)
tel que
f (x) = 0
x = p(0).
Utiliser cette mthode pour valuer lunique racine de la fonction f (x) = e x 2 dans lintervalle [0; 1] avec trois points
dinterpolation.
Comparer ensuite le rsultat obtenu avec lapproximation du zro de f obtenue par la mthode de Newton en 3 itrations
partir de x 0 = 0.
S OLUTION . Calculons dabord les valeurs interpoler
i
xi
yi
0
1
2
1
p
e 2
e 2
1
2
Le polynme dinterpolation de Lagrange de degr n sur lensemble des n + 1 points {(y i , x i )}ni=0 scrit
p n (y) =
n
X
n
Y
i =0
j =0
j 6=i
x i
y yj
.
y y
i
Ici n = 2 donc on a
(y y 0 )(y y 2 )
(y y 0 )(y y 1 )
(y y 1 )(y y 2 )
+ x1
+ x2
(y 0 y 1 )(y 0 y 2 )
(y 1 y 0 )(y 1 y 2 )
(y 2 y 0 )(y 2 y 1 )
p
(y + 1)(y e + 2)
1
(y + 1)(y e + 2)
= p
+
.
p
p
2 ( e 2 + 1)( e 2 e + 2) (e 2 + 1)(e 2 e + 2)
p(y) = x 0
Par consquent une approximation de la racine de f est p(0) =

La mthode de Newton scrit
p
e+2
1 p
e+2
p
p
2 ( e2+1)( e2e+2) + (e2+1)(e2 e+2)
0.7087486785.
x 0 = 0,
xk
x k+1 = x k e e xk2 = x k 1 + e 2xk ,

on obtient ainsi la suite
Gloria FACCANONI
xk
0
1
2
3
0
1
2
e 0.7357588825
2e
2
e 2e 0.6940422999
e
Lundi 16 mai 2011
3 Quadrature
Rb
Soit f une fonction relle intgrable sur lintervalle [a; b]. Le calcul explicite de lintgrale dfinie I ( f ) = a f (x)dx peut tre
difficile, voire impossible. On appelle formule de quadrature ou formule dintgration numrique toute formule permettant de
calculer une approximation de I ( f ). Une possibilit consiste remplacer f par une approximation f n , o n est un entier positif,
et calculer I ( f n ) au lieu de I ( f ). En posant I n ( f ) = I ( f n ) (la dpendance par rapports aux extrmits a et b sous-entendue),
on a
Z
b
In ( f ) =
f n (x)dx,
n 0.
Si f est de classe C 0 sur [a; b], lerreur de quadrature E n ( f ) = |I n ( f ) I ( f )| satisfait

Z
En ( f )
b
a
| f (x) f n (x)|dx (b a)k f f n k .
Lapproximation f n doit tre facilement intgrable, ce qui est le cas si, par exemple, f n =
Z
I ( f ) In ( f ) =
b
a
Z
f n (x)dx =
n
X
!
i x
i =0
dx =
n
X
b
a
i =0
Pn
i =0 i x
Pn car
n
n b i +1 a i +1
X i h i +1 ib X
x
x i dx =
i .
=
a
i +1
i =0
i =0 i + 1
P
Une approche naturelle consiste prendre f n = n f = ni=0 f (x i )L i (x), le polynme dinterpolation de Lagrange de f sur un
ensemble de n + 1 nuds distincts {x i }ii =n
. Ainsi on dduit
=0
In ( f ) =
n
X
i =0
Z
f (x i )
b
a
L i (x)dx
L i (x) =
n x x
Y
j
j =0
j 6=i
xi x j
Il sagit dun cas particulier de la formule de quadrature suivante

In ( f ) =
n
X
i f (x i )
i =0
qui est une somme pondre des valeurs de f aux points x i : on dit que ces points sont les nuds de la formule de quadrature
et que les nombres i R sont les coefficients ou encore les poids. La formule de quadrature de Lagrange peut tre gnralise
au cas o on connat les valeurs de la drive de f : ceci conduit la formule de quadrature dHermite. Les formules de
Lagrange et dHermite sont toutes les deux des formules de quadrature interpolatoires, car la fonction f est remplace par son
polynme dinterpolation.
Degr dexactitude. On dfinit le degr dexactitude dune formule de quadrature comme le plus grand entier r 0 pour
lequel I n ( f ) = I ( f ) pour tout polynme f Pr .
Thorme.
gale n.
Toute formule de quadrature interpolatoire utilisant n + 1 nuds distincts a un degr dexactitude au moins
En effet, si f Pn , alors n f f .
La rciproque aussi est vraie : une formule de quadrature utilisant n + 1 nuds distincts et ayant un degr dexactitude au
moins gale n est ncessairement de type interpolatoire.
Le degr dexactitude peut mme atteindre 2n + 1 dans le cas des formules de quadrature de Gauss.
Stabilit.
Thorme.
Une formule de quadrature est dite stable sil existe M R+ tel que
Pn
i =0 |i | M .
Une mthode de quadrature de type interpolation est convergente sur C [a; b] ssi les formules sont stables.
29
3 Quadrature
30
Formule de quadrature composite. On dcompose lintervalle dintgration [a; b] en m sous-intervalles T j = [y j ; y j +1 ] tels

que y j = a + j H o H = ba
pour j = 0, 1, . . . , m. On utilise alors sur chaque sous-intervalle une formule interpolatoire de
m n
n
o
o
(j) n
(j) n
nuds x k
et de poids k
. Puisque
k=0
k=0
Z
I(f ) =
b
a
f (x)dx =
m1
X Z y j +1
f (x)dx,
yj
j =0
une formule de quadrature interpolatoire composite est obtenue en remplaant I ( f ) par

I n,m ( f ) =
m1
n
X X
j =0 k=0
(j)
(j)
k f (x k ).
Changement de variable affine. Souvent on dfinit dabord une formule de quadrature sur lintervalle [0; 1] ou sur lintervalle
[1; 1] et puis on la gnralise lintervalle [x i ; x i +1 ] par un changement de variable affine.
Soit x [a; b] et soit y [c; d ], on cherche une transformation y = f (x) qui envoie lintervalle [a; b] dans lintervalle [c; d ].
Comme on veut une transformation affine, on cherche f (x) sous la forme mx + q. On doit alors rsoudre le systme linaire
(
c = ma + q,
d = mb + q.
On obtient
(
m=
q=
Par consquent y =
cbad
d c
ba x + ba
do
Z
c
d c
ba ,
cbad
ba .
Z
f (y)dy = m
b
a
d c
f (mx + q)dx =
ba
d c
cb ad
f
x+
dx.
ba
ba
E XEMPLE . Transformer lintervalle [0; 1] dans lintervalle [x i ; x i +1 ] par un changement de variable affine.
On a y = (x i +1 x i )x + x i et
Z
x i +1
xi
Z
f (y)dy = (x i +1 x i )
f ((x i +1 x i )x + x i )dx.
On voit que lorsque x = 0 alors y = x i , lorsque x = 1 alors y = x i +1 , ou encore lorsque x = 1/2 alors y =
x i +x i +1
2
etc.
E XEMPLE . transformer lintervalle [1; 1] dans lintervalle [x i ; x i +1 ] par un changement de variable affine.
On a y =
x i +1 x i
2
x+
x i +1 x i
2
, quon peut rcrire y = x i + (1 + x)

Z
x i +1
xi
f (y)dy =
x i +1 x i
2
x i +1 x i
2
et
x i +1 x i
f x i + (1 + x)
dx.
2
1
Exemples de formules de quadrature interpolatoires

1. La formule du rectangle ou du point milieu est obtenue en remplaant f par une constante gale la valeur de f au
milieu de [a; b] (polynme de degr 0), ce qui donne
a +b
I 0 ( f ) = (b a) f
.
2
Si f C 2 ([a; b]) alors lerreur de quadrature est
E0( f ) =
Lundi 16 mai 2011
h 3 00
| f ()|,
3
h=
ba
,
2
]a; b[.
Gloria FACCANONI
31
3 Quadrature
x 0 +x 1
2
a+b
2
x0 = a
b
(a) Formule du point milieu.
x0 = a
a+b
2
x1
x2
x 3 +x 4
2
x3
x4 = b
(b) Formule du point milieu composite.
(c) Formule du trapze.
x 2 +x 3
2
x 1 +x 2
2
x1
x2
x3
x4 = b
(d) Formule du trapze composite.
x0 = a
(e) Formule de Cavalieri-Simpson.
x1
x2
x3
x4 = b
(f) Formule de Cavalieri-Simpson composite.
F IGURE 3.1: Formules de quadrature pour n = 0, 1, 2.
Le degr dexactitude de la formule du point milieu est 1.

On dcompose maintenant lintervalle dintgration [a; b] en m sous-intervalles de largeur H = ba
m avec m 1 En
2k+1
introduisant les noeds de quadrature x k = a + 2 H pour k = 0, 1, . . . , m 1 on obtient la formule composite du point
milieu
m1
X
2k + 1
I o,m ( f ) = H
f a+
H .
2
k=0
E 0,m ( f ) =
b a 2 00
H | f ()|,
24
]a; b[.
2. La formule du trapze est obtenue en remplaant f par le segment qui relie (a, f (a)) (b, f (b)) (polynme de Lagrange
de degr 1), ce qui donne
ba
I1( f ) =
f (a) + f (b) .
2
E1( f ) =
h 3 00
| f ()|,
12
h = b a,
]a; b[.
Le degr dexactitude de la formule du point milieu est 1, comme celle du point milieu.
Gloria FACCANONI
Lundi 16 mai 2011
3 Quadrature
32
Pour obtenir la formule du trapze composite, on dcompose lintervalle dintgration [a; b] en m sous-intervalles de
largeur H = ba
m avec m 1. En introduisant les nuds de quadrature x k = a + k H pour k = 0, 1, . . . , m 1 on obtient
!
m1
X
X
1
H m1
1
f (a + k H ) + f (b) .
I 1,m ( f ) =
f (x k ) + f (x k+1 ) = H
f (a) +
2 k=0
2
2
k=1
E 0,m ( f ) =
b a 2 00
H | f ()|,
12
]a; b[.
3. La
de
formule
Cavalieri-Simpson est obtenue en remplaant f par la parabole qui interpole (a, f (a)), (b, f (b)) et
a+b
a+b
,
f
(polynme de Lagrange de degr 2), ce qui donne
2
2
I2( f ) =
a +b
ba
f (a) + 4 f
+ f (b) .
6
2

E2( f ) =
h 5 (4)
| f ()|,
90
h=
ba
,
2
]a; b[.
Le degr dexactitude de la formule du point milieu est 3.

Pour obtenir la formule composite, on dcompose lintervalle dintgration [a; b] en m sous-intervalles de largeur
H = ba
m avec m 1. En introduisant les nuds de quadrature x k = a + k H /2 pour k = 0, 1, . . . , 2m on obtient
!
!
m1
s1
m1
m1
X
X
X
X
H
H
2s + 1
I 2,m ( f ) =
f (a) + 2
f (x 2r ) + 4
f (x 2s+1 ) + f (b) =
f (a) + 2
f (a + r H ) + 4
f a+
H + f (b) .
6
6
2
r =1
s=0
r =1
s=0
E 2,m ( f ) =

b a H 4 (4)
| f ()|,
180 2
]a; b[.
W
Exercice 3.1. Soit f une fonction C (R, R).
1. On considre lapproximation
Z
1
1
f (x) dx

2
2 f 21 f (0) + 2 f 12 .
3
Quel est le degr dexactitude de cette formule de quadrature ?

2. On se donne les points {x i }ii =n
de subdivision de lintervalle [a; b] : x i = a + i h avec h =
=0
de variable affine, en dduire une formule de quadrature pour lintgrale
Z xi +1
f (x) dx.
ba
n . laide dun changement
xi
En tirer une formule de quadrature composite pour lintgrale

Z
f (x) dx.
a
3. crire lalgorithme pour approcher
Rb
a
f (x) dx.
S OLUTION .
Lundi 16 mai 2011
Gloria FACCANONI
33
3 Quadrature
1. Soit p(x) = a + bx + c x 2 + d x 3 + ex 4 , alors

Z
x2
x3
x4
x5
p(x) dx = ax + b
+c
+d
+e
2
3
4
5
1
1
et
c
e
= 2a + 2 + 2
3
5
1
c e
2
2p( 21 ) p(0) + 2p( 12 ) = 2a + 2 +
3
3 6
La formule est donc exacte de degr 3.

2. Par le changement de variable y = x i + (x + 1)
polynme de degr au plus 3)
Z
x i +1
Soit h = x i +1 x i =
on dduit la formule de quadrature (exacte sur lespace des
x i +1 x i
dx
f x i + (x + 1)
2
1
"
!
x +x
!#
x +x
i +1
i
x
x i + i +12 i
+ x i +1
x i +1 x i
i +1 + x i
2
2f
f
+2f
.
3
2
2
2
x i +1 x i
f (y) dy =
2
xi
x i +1 x i
2
ba
n . La formule prcdente se rcrit
x i +1
f (y) dy
xi
h
h
h
3h
2 f xi +
f xi +
+ 2 f xi +
.
3
4
2
4
et la formule de quadrature composite dduite de cette approximation est

Z
b
a
f (x) dx =
3. Algorithme dapproximation de
Algorithm 4 Calcul de
Rb
a
n1
X Z xi +1
i =0 x i
Rb
a
f (x) dx
X
h n1
h
h
3h
2 f xi +
f xi +
+ 2 f xi +
.
3 i =0
4
2
4
f (x) dx
f (x) dx
Require: f
Require: a
Require: b > a
Require: n > 0
h ba
n
s 0
for i = 0 to n 1 do
x a + i h
s s + 2 f x + h4 f x + h2 + 2 f x + 3h
4
end for
return I h3 s
Exercice 3.2. On considre lintgrale

2
Z
I=
1
dx.
x
1. Calculer la valeur exacte de I .

2. valuer numriquement cette intgrale par la mthode des trapzes avec m = 3 sous-intervalles.
3. Pourquoi la valeur numrique obtenue la question prcdente est-elle suprieure ln(2) ? Est-ce vrai quelque soit m ?
Justifier la rponse. (On pourra saider par un dessin.)
4. Quel nombre de sous-intervalles m faut-il choisir pour avoir une erreur infrieure 104 ? On rappelle que lerreur de
quadrature associe scrit, si f C 2 ([a; b]),
(b a)4 00
,
|E m | =
f
()
12m 2
]a; b[.
S OLUTION .
Gloria FACCANONI
Lundi 16 mai 2011
3 Quadrature
1. Une primitive de
34
1
x
h
ix=2
est F (x) = ln(x). La valeur exacte est alors I = ln(x)
= ln(2).
x=1
2. La mthode des trapzes composite m + 1 points pour calculer lintgrale dune fonction f sur lintervalle [a, b] scrit
!
Z b
m1
X
1
1
ba
f (t )d t ' h
f (a + i h) + f (b)
f (a) +
avec h =
.
2
2
m
a
i =1
Ici on a f (x) = x1 , a = 1, b = 2, m = 3 do h =
1
3
et on obtient
1
1 1 3 3 1
21
1 1
f (1) + f (1 + 1/3) + f (1 + 2/3) + f (2) =
+ + +
=
= 0,7.
I'
3 2
2
3 2 4 5 4
30
3. La valeur numrique obtenue la question prcdente est suprieure ln(2) car la fonction f (x) = x1 est convexe. On
peut se convaincre laide dun dessin que les trapzes sont au-dessus de la courbe y = 1/x, laire sous les trapzes sera
donc suprieure laire sous la courbe. Pour bien visualiser la construction considrons m = 1 :
0.5
1
0.5
0
0.5 1 1.5 2
Cela reste vrai quelque soit le pas h choisi car la fonction est convexe ce qui signifie quune corde dfinie par deux points
de la courbe y = 1/x sera toujours au-dessus de la courbe et par le raisonnement prcdant laire sous les trapzes sera
suprieure laire exacte.
0.5 1 1.5 2
4. Lerreur est majore par
|E |
Donc ici on a
(b a)4
sup | f 00 ()|.
12m 2 ]a;b[
2
1
1
max
=
.
12m 2 ]1;2[ 3 6m 2
p
< 104 , i.e. m > 102 / 6 40,8. partir de 41 sous-intervalles, lerreur de quadrature
|E |
Pour que |E | < 104 il faut que

est infrieure 104 .
1
6m 2
Exercice 3.3. Soit f une fonction C (R, R). On se donne les points {x i }ii =2n
de subdivision de lintervalle [a; b] : x i = a + i h
=0
avec h = ba
2n . Le but de lexercice est de trouver une formule de quadrature 2n + 1 points base sur la formule de Simpson
pour approcher
Z b
f (x) dx.
(3.1)
a
On propose dans un premier temps (question 1 5) de construire la formule de quadrature 3 points de Simpson :
Z
1
1
g (x) dx g (1) + g (0) + g (1),
(3.2)
o les rels et sont dterminer.

1. Sous quelle condition (portant sur et ) la formule de quadrature (3.2) est exacte pour une fonction g constante ?
2. Sous quelle condition (portant sur et ) la formule de quadrature (3.2) est exacte pour une fonction g polynomiale de
degr au plus 2 ?
3. En dduire le choix de et rendant la formule de quadrature (3.2) exacte pour une fonction g polynomiale de degr
au plus 2.
4. La formule de quadrature est-elle exacte pour tout polynme de degr 3 ? La formule de quadrature est-elle exacte pour
tout polynme de degr 4 ?
5. laide dun changement de variable affine, en dduire une formule de quadrature exacte sur lespace des polynme de
degr au plus 3 pour lintgrale suivante :
Z
x i +1
f (x) dx.
xi
6. En dduire une formule de quadrature 2n points, note F , pour le calcul approch de (3.1). Cette formule de quadrature
est-elle stable ?
Lundi 16 mai 2011
Gloria FACCANONI
35
3 Quadrature
7. crire lalgorithme du calcul de F .

8. Soit x un lment de [x i ; x i +1 ]. crire une formule de Taylor f (x) = P i (x) + R i (x) lordre 3 pour f en x, avec P i P3 .
Majorer R i sur [x i ; x i +1 ] en fonction de h.
9. En dduire une estimation derreur entre (3.1) et F .
S OLUTION .
1. Soit g (x) = c alors on a
R1
g (x) dx = g (1) + g (0) + g (1)
c [x]11
c + c + c
2c
(2 + )c
do la relation
2 = 2 + .
2
2. Soit g (x) = c + d x + ex alors on a

R1
g (x) dx
g (1) + g (0) + g (1)
k
h
cx + d
x2
k
+e
x3
3
i1
(c d + e) + (c) + (c + d + e)
k
2c +
k
2
3e
do les relations
(2 + )c + 2e
(
2 = 2 + ,
2
3
= 2.
3. On dispose de 2 quations et 2 inconnues. Si on rsout le systme linaire

(
2 = 2 + ,
2
3
= 2,
on obtient lunique solution

1
= ,
3
4
= .
3
On a retrouv la formule de Simpson :

Z
1
1
g (x) dx
1
g (1) + 4g (0) + g (1) .
3
On sait (cf. cours) que cette formule est exacte pour les polynmes de degr au plus 3 comme on va vrifier ci-dessous.
4. Soit g (x) = c + d x + ex 2 + f x 3 alors on a
Z
1
x2
x3
x4
2
g (x) dx = c x + d
+e
+f
= 2c + e
2
3
4 1
3
1
1
et
1
2
g (1) + 4g (0) + g (1) = (c d + e f ) + 4(c) + (c + d + e + f ) = 2c + e
3
3
3
donc la formule de quadrature est exacte pour tout polynme de degr 3.
On vrifie quelle nest pas exacte pour les polynmes de degr 4 : soit g (x) = x 4 , alors
5 1
Z 1
x
2
g (x) dx =
=
5 1 5
1
et
1
1
2
g (1) + 4g (0) + g (1) = [1 + 1] =
3
3
3
donc la formule de quadrature nest pas exacte pour les polynmes de degr 4.
Gloria FACCANONI
Lundi 16 mai 2011
3 Quadrature
36
x
5. Par le changement de variable y = x i + (x + 1) i +12 i on dduit la formule de quadrature (exacte sur lespace des
polynme de degr au plus 3)
Z xi +1
Z
x
i
x i +1 x i 1
x i +1 x i h
x i +1 x i
i +1 + x i
f (y) dy =
dx
f (x i ) + 4 f
+ f (x i +1 ) .
f x i + (x + 1)
2
2
6
2
xi
1
6. On trouve ainsi la formule de quadrature composite (i.e. sur n sous-intervalles)
Z b
x
i
n1
n1
X x i +1 x i h
X Z xi +1
i +1 + x i
f (x) dx
f (x) dx =
f (x i ) + 4 f
+ f (x i +1 ) .
6
2
a
i =0
i =0 x i
Si H = x i +1 x i =
ba
n
(i.e. si on considre une subdivision de lintervalle [a; b] quirpartie) alors on a
Z b
X
H
H n1
f (x i ) + 4 f x i +
+ f (x i +1 )
f (x) dx
6 i =0
2
a
"
#
n1
n1
X
X
H
H
f xi +
f (x i ) + 4
=
f (a) + f (b) + 2
6
2
i =0
i =1
"
#
n1
n1
X
X
(i + 1)
H
f a+
f (a + i H ) + 4
f (a) + f (b) + 2
=
H .
6
2
i =0
i =1
On peut changer de variables et rcrire la formule de quadrature sous la forme

#
"
Z b
2n1
2n1
X
X
h
f (a + (k + 1)h)
f (a + 2kh) + 4
f (x) dx
f (a) + f (b) + 2
3
a
k=0
k=1
avec h =
ba
.
2n
Cette formule de quadrature est stable puisque tous les coefficients sont positifs et on a
"
#
n1
n1
X
X
ba
H
1+1+2
1+4
1 =
[2 + 2(n 1) + 4n]
6
6n
k=1
k=0
=
ba
6n = (b a).
6n
7. Algorithme du calcul de F :
Rb
a
f (x) dx
Require: f
Require: a
Require: b > a
Require: n > 0
H ba
n
for i = 1 to n 1 do
s 1 s 1 + f (a + i H )
end for
for i = 0 to n 1 do
s 2 s 2 + f (a + (i + 1)H /2)
end for
return I H6 f (a) + f (b) + 2s 1 + 4s 2

8. Soit x un lment de [x i ; x i +1 ]. Une formule de Taylor lordre 3 pour f en x scrit
f (x) = P i (x) + R i (x),
avec
P i (x) = f (x i ) + (x x i ) f 0 (x i ) + (x x i )2
f 00 (x i )
f 000 (x i )
+ (x x i )3
2
6
P3
et le reste de Lagrange
f I V ()
avec ]x i ; x i +1 [.
24
On peut majorer R i sur [x i ; x i +1 ] en fonction de H = x i +1 x i :
R i (x) = (x x i )4
|R i (x)|
Lundi 16 mai 2011
H4
b a H3
max | f I V ()| =
max | f I V ()|.
24
n 24
Gloria FACCANONI
37
3 Quadrature
9. On en dduit lestimation derreur entre (3.1) et F suivante 1

Z b
n1 Z x
Z
n1
i +1
X
X xi +1
f
(x)
dx
F
P
(x)
dx
F
R
(x)
dx
i
i
a
x
x
i
i
i =0
i =0
n1
X xi +1
R i (x) dx
nH |R i (x i +1 )| +
i =0 xi
b a H3
b a H3
max | f I V ()| + nH
max | f I V ()|
n 24
n 24
H4
= (b a)
sup | f I V ()|.
12
nH
de subdivision de lintervalle [a; b] : x i = a + i h

Exercice 3.4. Soit f une fonction C (R, R). On se donne les points {x i }ii =n
=0
avec h =
ba
n . Le but de lexercice est de trouver une formule de quadrature n
points pour approcher
f (x) dx.
(3.3)
On propose dans un premier temps (question 1 2) de construire la formule de quadrature deux points :
Z 1
4
w
2
g (x) dx g ( ) + g (w),
3
2
3
1
(3.4)
o 0 < w 1 est dterminer.

1. Montrer que cette mthode est toujours exacte pour toute fonction g polynomiale de degr 1.
2. Dterminer w pour que la formule de quadrature (3.4) soit exacte pour toute fonction g polynomiale de degr m > 1 et
donner la plus grande valeur de m.
3. laide dun changement de variable affine, en dduire une formule de quadrature pour lintgrale suivante :
Z xi +1
f (x) dx.
xi
4. En dduire une formule de quadrature 2n points, note F , pour le calcul approch de (3.3). Cette formule de quadrature
est-elle stable ?
5. crire lalgorithme du calcul de F .
S OLUTION .
1. Soit g (x) = c + d x alors on a
R1
g (x) dx
k
h
2
4
w
3 g (w) + 3 g ( 2 )
k
i
2 1
c x + d x2
k
2c
( 32 + 43 )c + ( 23 43 21 )d w
k
2c
donc la mthode est exacte pour tout polynme de degr au moins 1.

2. Soit g (x) = c + d x + ex 2 alors on a
R1
g (x) dx
k
h
cx + d
x2
2
2
4
w
3 g (w) + 3 g ( 2 )
k
+e
k
2c +
x3
3
i1
1
( 23 + 43 )c + ( 23 43 21 )d w + ( 23 + 13 )ew 2
k
2
3e
2c + ew 2
Rx
1. N.B. : le polynme P i nest pas le polynme dinterpolation en x i , x i +1 et (x i + x i +1 )/2 donc xii +1 P i (x) dx F 6= 0.
Gloria FACCANONI
Lundi 16 mai 2011
3 Quadrature
38
Pour que la mthode soit exacte pour tout polynme de degr au moins 2 il faut choisir w tel que
2
= w 2.
3
On obtient les deux solutions
r
w =
2
,
3
w=
2
.
3
Lhypothse 0 < w 1 impose alors le choix

r
w=
2
.
3
Soit maintenant g (x) = c + d x + ex 2 + f x 3 . On a

Z
1
x2
2
x3
x4
g (x) dx = c x + d
= 2c + e
+e
+f
2
3
4 1
3
1
1
et, si w 2 = 23 , alors
2
2
1
g (w) + 2g (w/2) = 2c + e + f
3
3
2
r !3
2
3
donc la formule de quadrature est exacte pour tout polynme de degr 2 mais nest pas exacte pour les polynmes de
degr 3.
3. Par le changement de variable y = x i + (x + 1)
x i +1
xi
x i +1 x i
2
x i +1 x i
2
on dduit la formule de quadrature
x i +1 x i
f x i + (x + 1)
dx
2
1
"
!
!#
r
r
2 x i +1 x i
1 x i +1 x i
x i +1 x i
f x i + (1 +
+ 2 f x i + (1
.
)
)
3
3
2
6
2
f (y) dy =
4. Si H = x i +1 x i = ba
n (i.e. si on considre une subdivision de lintervalle [a; b] quirpartie) alors on trouve la formule
de quadrature composite (i.e. sur n sous-intervalles et 2n points)
"
r !!#
r !!
Z b
X
H n1
2
1
f (x) dx
+ 2 f xi + H 1
f xi + H 1 +
3
3
6
a
i =0
"
!!
r
r !!#
X
H n1
2
1
=
f a +H i +1+
+2f a + H i +1
.
3 i =0
3
6
Cette formule de quadrature est stable puisque tous les coefficients sont positifs.
5. Algorithme du calcul de F :
Rb
a
f (x) dx
Require: f
Require: a
Require: b > a
Require: n > 0
H ba
n
q
1 a + H 1 + 23
q
2 a + H 1 16
for i = 0 to n 1 do
s s + f (1 + i H ) + 2 f (2 + i H )
end for
return I H3 s
Exercice 3.5. Soit f une fonction de classe C 1 ([1, 1]) et p le polynme interpolateur dHermite (de degr 3) de f vrifiant
p(1) = f (1),
Lundi 16 mai 2011
p 0 (1) = f 0 (1),
p(1) = f (1),
p 0 (1) = f 0 (1).
Gloria FACCANONI
39
3 Quadrature
1. crire le polynme p.
2. En dduire la mthode dintgration numrique lmentaire
Z
1
1
f (s) ds f (1) + f (1) +
1 0
f (1) f 0 (1) .
3
3. Connaissant la formule sur [1; 1], en dduire la formule de quadrature des trapzes-Hermite sur lintervalle [a; b] par
exemple grce au changement de variable y = a + (x + 1) ba
2 .
S OLUTION .
1. On a deux mthodes pour calculer le polynme interpolateur dHermite :
Premire mthode : le polynme interpolateur dHermite scrit
p(x) =
n
X
i =0
y i A i (x) + y i0 B i (x)
o
A i (x) = (1 2(x x i )c i )(L i (x))2 ,
B i (x) = (x x i )(L i (x))2 ,
L i (x) =
n x x
Y
j
j =0
j 6=i
ci =
xi x j
n
X
1
.
x
xj
j =0 i
j 6=i
Pour n = 1 on a alors
p(x) = y 0 1 2(x x 0 )
1
x0 x1
(x x 1 )
(x 0 x 1 )
+ y 1 1 2(x x 1 )
1
x1 x0
(x x 0 )
(x 1 x 0 )
+ y 00 (x x 0 )
(x x 1 )
(x 0 x 1 )
+ y 10 (x x 1 )
(x x 0 )
(x 1 x 0 )
2
.
Dans notre cas x 0 = 1, x 1 = 1, y 0 = f (1), y 1 = f (1), y 00 = f 0 (1), y 10 = f 0 (1) donc
1
f (1)(x + 2)(x 1)2 + f 0 (1)(x + 1)(x 1)2 + f (1)(2 x)(x + 1)2 + f 0 (1)(x 1)(x + 1)2
4
i
1h
=
f (1)(x 3 3x + 2) + f 0 (1)(x 3 x 2 x + 1) + f (1)(x 3 + 3x + 2) + f 0 (1)(x 3 + x 2 x 1)
4
2 f (1) + f 0 (1) + 2 f (1) f 0 (1) 3 f (1) 3 f (1) f 0 (1) f 0 (1)
=
+
x
4
4
0
0
0
0
f (1) f (1) 2 f (1) + f (1) f (1) + f (1) 3
+
x +
x .
4
4
p(x) =
Le polynme interpolateur dHermite est donc le polynme

p(x) = + x + x 2 + x 3
o
2 f (1) + 2 f (1) + f 0 (1) f 0 (1)
,
4
0
0
f (1) + f (1)
=
,
4
3 f (1) + 3 f (1) f 0 (1) f 0 (1)

,
4
0
0
f (1) f (1) + f (1) + f (1)
=
.
4
Deuxime mthode : le polynme interpolateur dHermite est un polynme de degr 2n + 1. On cherche donc un poly-
nme
p(x) = + x + x 2 + x 3
tel que
p(1) = f (1),
Gloria FACCANONI
p 0 (1) = f 0 (1),
p(1) = f (1),
p 0 (1) = f 0 (1),
Lundi 16 mai 2011
3 Quadrature
40
cest--dire tel que
+ = f (1),
+ + + = f (1),
2 + 3 = f 0 (1),
+ 2 + 3 = f 0 (1).
On obtient
3 f (1) + 3 f (1) f 0 (1) f 0 (1)
,
4
f (1) f (1) + f 0 (1) + f 0 (1)
=
.
4
2 f (1) + 2 f (1) + f 0 (1) f 0 (1)

,
4
f 0 (1) + f 0 (1)
=
,
4
2. En intgrant le polynme ainsi trouv on en dduit

Z
p(x) dx = x + x 2 + x 3 + x 4
2
3
4
1
1
2
= 2 +
3
2 f (1) + 2 f (1) + f 0 (1) f 0 (1) f 0 (1) + f 0 (1)
=
+
2
6
6 f (1) + 6 f (1) + 3 f 0 (1) 3 f 0 (1) f 0 (1) + f 0 (1)
=
6
1 0
= f (1) + f (1) + ( f (1) f 0 (1)).
3
1
Remarque : la formule est au moins exacte de degr 3 par construction. Elle nest pas exacte de degr suprieure 3 car
si f (x) = x 4 alors
1
f (x) dx =
1 5
x
5
1
=
1
2
6
=
5 15
6=
1
1
14 70
f (1) + f (1) + ( f 0 (1) f 0 (1)) = 1 + 1 + (4 + 4) =
=
3
3
3
15
3. Connaissant la formule sur [1; 1], on en dduit la formule sur un intervalle [a; b] quelconque par le changement de
2
variable y = a + (x + 1) ba
2 qui donne
Z
b
a
Z
ba 1
ba
f a + (x + 1)
dx
2
2
1
ba 0
ba
=
f (a) + f (b) +
( f (a) f 0 (b))
2
6
f (y)dy =
(b a)2 0
ba
( f (a) + f (b)) +
( f (a) f 0 (b)).
2
12
Exercice 3.6. Soit f une fonction C ([0; 1], R). On se donne les points {x i }ii =n
de subdivision de lintervalle [0; 1] : x i = i h avec
=0
h = n1 . Le but de lexercice est de trouver une formule de quadrature pour approcher
Z
f (x) dx.
(3.5)
1. Soit i un entier fix (1 i n 1). Trouver m i un point du segment [x i ; x i +1 ] et a, b et c trois coefficients rels tels que la
formule de quadrature suivante, sur lintervalle [x i ; x i +1 ], soit exacte pour p un polynme de degr le plus haut possible :
Z xi +1
p(x) dx = ap(x i ) + bp(m i ) + c p(x i +1 ).
xi
ba
ba 0
0
2. Rappel : si y = a + (x + 1) ba
2 alors dy = 2 dx et f (y) = 2 f (x).
Lundi 16 mai 2011
Gloria FACCANONI
41
3 Quadrature
2. En dduire en fonction de a, b et c la formule de quadrature Q( f )

Q( f ) =
n
X
i f (x i ) +
n1
X
i f (m i )
i =0
i =0
pour le calcul approch de 3.5 construite sur la formule de quadrature prcdente pour chaque intervalle du type
[x i ; x i +1 ]. Cette formule de quadrature est-elle stable ?
3. On rappelle que si p interpole f en k points y 1 < y 2 < < y k , on a lestimation derreur
x [y 1 ; y k ],
| f (x) p(x)|
k
sup[y 1 ;y k ] | f (k) ()| Y
k!
(x y j ).
j =1
En dduire une estimation de lerreur de quadrature entre (3.5) et Q

1
Z
E (h) =
f (x) dx Q( f ).
La dpendance en h dans cette estimation derreur est-elle optimale ?

4. crire lalgorithme qui calcule Q( f ).
S OLUTION .
1. Pour simplifier le calcul, on se ramne lintervalle [0; 1]. Soit x un lment de lintervalle [x i ; x i +1 ] et y un lment
de lintervalle [0; 1]. On transforme lintervalle [x i ; x i +1 ] dans lintervalle
[0; 1]Rpar le changement de variable
affine
R1
Rx
x
x
xx
xx
y = x 1x x x ix . On note h = x i +1 x i . Alors y = h i et on a 0 f (y) dy = h1 xii +1 f ( h i )d x. Comme xii +1 f (t ) dt
i +1
i
i +1
i
R1
Rx
xx
m x
a f (x i ) + b f (m i ) + c f (x i +1 ), alors 0 f (y) dy = h1 xii +1 f ( h i ) dx h1 a f (0) + b f ( ih i ) + c f (1) . On note alors A = ha ,
B = hb , C = hc , M =
m i x i
h
do m i = (1 M )x i + M x i +1 . Rechercher a, b, c et m i revient chercher A, B , C et M avec
m i = (1 M )x i + M x i +1 ,
a = Ah,
b = Bh,
c = Ch
tels que
1
Z
0
p(x) dx = Ap(0) + B p(M ) +C p(1),
o p(x) est un polynme. Si p P3 (i.e. si p(x) = d 0 + d 1 x + d 2 x 2 + d 3 x 3 ) on a

R1
p(x) dx
Ap(0) + B p(M ) +C p(1)
k
h
d 0 x + d21 x 2 + d32 x 3 + d43 x 4
i1
Ad 0 + B d 0 +C d 0
d 0 + d21 + d32 + d43
(A + B +C )d 0 + (B M +C )d 1 + (B M 2 +C )d 2 + (B M 3 +C )d 3
Par consquent, pour que la formule soit exacte de degr au moins 3 il faut que
A + B +C = 1
B M +C = 1
2
1
2
B
M
+C
=
1
B M 3 +C = 4
La mthode
A + B +C = 1
B M = 1 C
2
(
C
)M
= 13 C
1
( 3 C )M = 14 C
Z
0
f (x) dx =
A = 61 ,
B = 2 ,
3
C
=
6,
M = 12 .

1
2 1
1
f (0) + f
+ f (1),
6
3 2
6
est exacte pour tout polynme de degr au moins 3.
Gloria FACCANONI
Lundi 16 mai 2011
3 Quadrature
42
Soit maintenant f (x) = x 4 . On a

1
Z
0
mais
f (x) dx =
x5
5
1
=
0
1
5

1
1
2 1
1 2 1 4 1
5
+ f (1) = +
f (0) + f
+ =
,
6
3 2
6
6 3 2
6 24
donc la formule de quadrature est exacte de degr 3.

Si on revient aux variables initiales, on trouve
m i = 12 x i + 12 x i +1 ,
a = 1 h,
6
b = 23 h,
c = 16 h
2. Lintgrale
1
Z
0
f (x)dx =
n1
X Z xi +1
f (x) dx
i =0 x i
peut tre calcule numriquement en utilisant la formule prcdente pour approcher chaque intgrale
Z xi +1
x +x
i
hh
i
i +1
f (x) dx
f (x i ) + 4 f
+ f (x i +1 ) .
6
2
xi
On obtient ainsi
Z 1
n1
XZ
f (x)dx =
x i +1
f (x) dx
i =0 x i
n1
X
x +x
i
hh
i
i +1
f (x i ) + 4 f
+ f (x i +1 )
2
i =0 6
"
#
n1
n1
n1
X
X x i + x i +1
h X
=
f (x i ) +
f (x i +1 ) + 4
f
6 i =0
2
i =0
i =0
"
#
n1
n1
X
X x i + x i +1
h
f (a) + f (b) + 2
f (x i ) + 4
f
=
6
2
i =1
i =0
n
X
i f (x i ) +
n1
X
2h
avec i =
,
3
i f (m i ) = Q( f )
i =0
i =0
(
i =
h
3
h
6
si i = 1, . . . , n 1,
sinon.
Cette formule de quadrature est stable puisque tous les coefficients i et i sont positifs et on a
!
n
n1
X
X
X h h n1
X 2h 1 1 1 n1
X
X
h n1
1 2 n1
i +
i = +
1+ +
1 = 1.
+ +
=
+
6 i =1 3 6 i =0 3
n 6 3 i =1
6 3 i =0
i =0
i =0
R xi +1
P
3. On reconnait la formule de Cavalieri-Simpson : remarquons alors que Q( f ) = n1
p(x)dx avec p le polynme qui
i =0 x i
interpole (x i , f (x i )), (m i , f (m i )) et (x i +1 , f (x i +1 )). Par consquent lerreur de quadrature entre (3.5) et Q est
Z 1
|E (h)| =
f (x) dx Q( f )
0 Z
n1
n1
X Z xi +1
X xi +1
=
f (x) dx
p(x)dx
i =0 xi
i =0 x i
Z
n1
X xi +1
f (x) p(x) dx
i =0 x i
n1
X Z xi +1
i =0 x i
4
000
sup[xi ;xi +1 ] | f ()|

6
(x x i )(x m i )(x x i +1 )dx
Dh .
4. Algorithme
Lundi 16 mai 2011
Gloria FACCANONI
43
3 Quadrature
R1
0
f (x) dx
Require: x 7 f
Require: n > 0
1
a 6n
2
b 3n
1
c 6n
I a f (0)
for i = 1 to n 1 do
1

i
I I + (a + c) f ni + b f n 2
end for
return I I + c f (1) + b f
Gloria FACCANONI
n 21
n
Lundi 16 mai 2011
4 Systmes linaires
Un systme linaire de m quations n inconnues est un ensemble de relations algbriques de la forme
n
X
ai j x j = bi ,
i = 1, . . . , n
j =1
o les x j sont les inconnues, les a i j les coefficients du systme et les b i les composantes du second membre. Il est commode
dcrire ce systme sous la forme matricielle Ax = b, o on a not A = (a i j ) Cmn la matrice des coefficients, b = (b i ) Cm le
vecteur du second membre et x = (x i ) Cn le vecteur inconnu. Dans ces notes, nous ne traiterons que des systmes carrs
dordre n coefficients rels, cest--dire, lorsque A = (a i , j ) Rnn et b = (b i ) Rn . Dans ce cas, on est assur de lexistence et
de lunicit de la solution si une des conditions quivalentes suivantes est remplie :
1. A est inversible ;
2. rg(A) = n ; 1
3. le systme homogne Ax = 0 admet seulement la solution nulle.
La solution du systme est donn dun point de vue thorique par les formules de Cramer
xj =
j
Dt(A)
j = 1, . . . , n
o j est le dterminant de la matrice obtenue en remplaant la j -ime colonne de A par le second membre b. Cette formule
est cependant dune utilit pratique limite cause du calcul des dterminants qui est trs couteux. Pour cette raison, des
mthodes numriques alternatives aux formules de Cramer ont t dveloppes. Elles sont dites directes si elles fournissent la
solution du systme en un nombre fini dtapes, et itratives si elles ncessitent (thoriquement) un nombre infini dtapes.
Notons ds prsent que le choix entre une mthode directe et une mthode itrative pour la rsolution dun systme dpend
non seulement de lefficacit thorique des algorithmes, mais aussi du type de matrice, des capacits de stockage en mmoire
et enfin de larchitecture de lordinateur.
Conditionnement dune matrice

Dfinition. Le conditionnement dune matrice A Cnn est dfini par
K (A) = kAkkA1 k( 1),
o kk est une norme matricielle subordonne. En gnral, K (A) dpend du choix de la norma ; ceci est signal en introduisant
un indice dans la notation.
Plus le conditionnement de la matrice est grand, plus la solution du systme linaire est sensible aux perturbations des donnes.
Cependant, le fait quun systme linaire soit bien conditionn nimplique pas ncessairement que sa solution soit calcule avec
prcision. Il faut en plus utiliser des algorithmes stables. Inversement, le fait davoir une matrice avec un grand conditionnement
nempche pas ncessairement le systme global dtre bien conditionn pour des choix particuliers du second membre.
Cas particulier.
Si A est symtrique et dfinie positive 2 ,

K 2 (A) = kAk2 kA1 k2 =
max
min
o max (resp. min ) est la plus grande (resp. petite) valeur propre de A.
1. Le rang de A, not rg(A), est lordre maximum des dterminants extraits non nuls de A. Une matrice est de rang maximum si rg(A) = min(m, n).
2. A Rnn est
B symtrique si ai j = a j i pour tout i , j = 1, . . . , n,
B dfinie positive si pour tout vecteurs x Rn avec x 6= 0, xT Ax > 0.
45
4 Systmes linaires
46
Mthode (directe) dlimination de Gauss et factorisation LU

On transforme le systme Ax = b en un systme quivalent (cest--dire ayant la mme solution) de la forme Ux = c, ou U
est une matrice triangulaire suprieure et c est un second membre convenablement modifi. Enfin on rsout le systme
triangulaire Ux = c.
Factorisation On factorise la matrice A Rnn sous la forme dun produit de deux matrices LU ainsi calcules
for k = 1 to n 1 do
for i = k + 1 to n do
ì k
a i(k)
k
(k)
a kk
for j = k + 1 to n do
`(k)
a (k)
a i(k)
a i(k+1)
j
j
ik k j
end for
end for
end for
la fin de la procdure les lments de la matrice triangulaire suprieure U sont donn par u i j = a i j pour i = 1, . . . , n
et j = i , . . . , n. Dans lalgorithme on na pas calcul les lments diagonaux de L car ils sont tous gaux 1 (souvent on
stocke les lments ì j pour i = 1, . . . , n et j = 1, . . . , i 1 encore dans A). Le cot de cette factorisation est de 23 n 3 .
Triangulaire Une fois calcules les matrices L et U, rsoudre le systme linaire consiste simplement rsoudre successivement
1. le systme triangulaire infrieur Ly = b par lalgorithme
!
iX
1
1
ì j y j ,
yi =
bi
`11
j =1
b1
y1 =
,
`11
2. le systme triangulaire suprieure Ux = y par lalgorithme
!
n
X
yn
1
xn =
,
xi =
yi
ui j x j ,
u nn
u nn
j =i +1
i = 2, . . . , n
j = n 1, . . . , 1
(k)
Pivot. Dans cet algorithme les lments a kk
, appel lments pivotales, doivent tre diffrents de zro. Si la matrice est
inversible mais un lment pivotale est zro (ou numriquement proche de zro), on peut permuter deux lignes avant de
poursuivre la factorisation. Lalgorithme modifi scrit alors
for k = 1 to n 1 do
for i = k + 1 to n do
| = maxr =k,...,n |a r(k)
| et changer la ligne k avec la ligne r
Chercher r tel que |a r(k)
k
k
ì k
a i(k)
k
(k)
a kk
for j = k + 1 to n do
a i(k+1)
a i(k)
`(k)
a (k)
j
j
ik k j
end for
end for
end for
Une fois calcules les matrices L et U et la matrice des permutations P (i.e. PA = LU), rsoudre le systme linaire consiste
simplement rsoudre successivement le systme triangulaire infrieur Ly = Pb puis le systme triangulaire suprieure
Ux = y.
Si la matrice A est symtrique et dfinie positive ou si est diagonale dominante 3 alors la technique du pivot nest pas
ncessaire.
Dterminant.
La factorisation LU permet de calculer le dterminant de A en O(n 3 ) car

dt(A) = dt(L)dt(U) =
n
Y
u kk .
k=1
3. A Rnn est
B symtrique si ai j = a j i pour tout i , j = 1, . . . , n,
B dfinie positive si pour tout vecteurs x Rn avec x 6= 0, xT Ax > 0,
P
B diagonale dominante par lignes si |ai i | nj=1 |ai j |, pour i = 1, . . . , n ( diagonale dominante stricte par lignes si lingalit est stricte),
j 6=i
B diagonale dominante par colonnes si |ai i |
Lundi 16 mai 2011
Pn
j =1
j 6=i
|a j i |, pour i = 1, . . . , n ( diagonale dominante stricte par colonnes si lingalit est stricte),
Gloria FACCANONI
47
4 Systmes linaires
Inverse dune matrice. Le calcul explicite de linverse dune matrice peut tre effectu en utilisant la factorisation LU
comme suit. En notant X linverse dune matrice rgulire A Rnn , les vecteurs colonnes de X sont les solutions des systmes
linaires
Axi = ei ,
pour i = 1, . . . , n.
En supposant que PA = LU, o P est la matrice de changement de pivot partiel, on doit rsoudre 2n systmes triangulaires de
la forme
Lyi = Pei ,
Uxi = yi ,
pour i = 1, . . . , n.
cest--dire une suite de systmes linaires ayant la mme matrice mais des seconds membres diffrents.
E XEMPLE . Soit les systmes linaires
1
2
3
4
2
3
4
1

4 x1
1
x 2 2
1
=
2 x 3 3
3 x4
4
3
4
1
2
1
2
3
4
et
2
3
4
1

4 x1
10
x 2 10
1
= .
2 x 3 10
3 x4
10
3
4
1
2
1. Rsoudre les systmes linaires par la mthode dlimination de Gauss.

2. Factoriser la matrice A (sans utiliser la technique du pivot) et rsoudre les systmes linaires.
3. Calculer le dterminant de A.
4. Calculer A1 .
S OLUTION .
1. Rsolution par la mthode dlimination de Gauss du premier systme
1
2
(A|b) =
3
4
2
3
4
1
3
4
1
2
L L 2L
2
2
1
1
L 3 L 3 3L 1
2 L 4 L 4 4L 1

3
4
4
1
2
3
1
0
0
0
2
1
2
7
3
2
8
10
1
0

0
0
1
0
L 4 L 4 +L 3

0
0
2
1
0
0
3
2
4
4
4
7
4
36
2
1
0
0
3
2
4
0
4
7
4
40
L 3 L 3 2L 2
L 4 L 4 7L 2
1
0
0
0
4
7
10
13
1
0
0
0
1
0
0
0
donc
x 4 = 0,
x 3 = 0,
x 2 = 0,
x 1 = 1.
Rsolution par la mthode dlimination de Gauss du second systme

1
2
(A|b) =
3
4
2
3
4
1
3
4
1
2
4
1
2
3
L L 2L
2
2
1
10
L 3 L 3 3L 1
10
L
L
4L
1
44
10
10
1
0
0
0
2
1
2
7
3
2
8
10
1
0

0
0
1
0
L 4 L 4 +L 3

0
0
2
1
0
0
3
2
4
4
4
7
4
36
2
1
0
0
3
2
4
0
4
7
4
40
L 3 L 3 2L 2
L 4 L 4 7L 2
Gloria FACCANONI
4
7
10
13
10
10
20
30
10
10
0
40
10
10
0
40
Lundi 16 mai 2011
4 Systmes linaires
48
donc
x 1 + 2x 2 + 3x 3 + 4x 4 = 10
x 2x 7x = 10
2
3
4
4x
+
4x
=
0
3
4
40x 4 = 40
2. Factorisation de la matrice A :
1 2 3 4 L 2 L 2 2L 1 1
L 3 L 3 3L 1
2 3 4 1 L 4 L 4 4L 1 2
3 4 1 2 3
4
4 1 2 3
2
1
2
7
3
2
8
10
4
L 3 L 3 2L 2
7
L 4 7L 2
L4
10
13
x 4 = 1,
1
2
3
4
x 3 = 1,
2
1
2
7
3
2
4
4
x 2 = 1,
x 1 = 1.
4
1
2
7
L
L
+L
4
4
3

3
4
36
4
2
1
2
7
3
2
4
1
4
7
4
40
donc
1
2
L=
3
4
0
1
2
7
0
0
1
1
0
0
0
1
1
0
U=
0
0
2
1
0
0
3
2
4
0
4
7
4
40
Pour rsoudre le premier systme linaire on rsout les systmes triangulaires Ly = b

1 0 0 0 y1
1
2 1 0 0 y 2 2

=
y 1 = 1, y 2 = 0,
3 2 1 0 y 3 = 3
4 7 1 1 y4
4
y 3 = 0,
y4 = 0
et Ux = y
1
0
0
0
2
1
0
0
3
2
4
0

4
x1
1
x 2 0
7
=
4 x 3 0
40
x4
x 4 = 0,
x 3 = 0,
y4
x 1 = 1.
y 3 = 0,
y 4 = 40
Pour rsoudre le second systme linaire on rsout les systmes triangulaires Ly = b

1 0 0 0 y1
10
2 1 0 0 y 2 10

=
y 1 = 10, y 2 = 10,
3 2 1 0 y 3 = 10
4
x 2 = 0,
10
et Ux = y
1
0
0
0
2
1
0
0
3
2
4
0
4
x1
10

7
x 2 = 10
4
x3
0
40 x 4
40
x 4 = 1,
x 3 = 1,
x 2 = 1,
x 1 = 1.
3. Le dterminant de A est u 11 u 22 u 33 u 44 = 1 (1) (4) 40 = 160.

4. Pour calculer A1 on rsout les quatre systmes linaires
1 2 3 4 x1
1
1 0 0 0 y1
1
1
1
2 3 4 1 x 2 0
2 1 0 0 y 2 0
2
0
3 4 1 2 x 3 = 0 i.e. 3 2 1 0 y 3 = 0 = 1 puis 0
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
3
4
1
2
Lundi 16 mai 2011
3 x4
0
4

4 x1
0
1

1
x 2 = 1 i.e. 2
3
2 x 3 0
3 x4
0
4

4 x1
0
1
x 2 0
2
1
= i.e.
3
2 x 3 1
3 x4
0
4

4 x1
0
1
x 2 0
2
1
= i.e.
3
2 x 3 0
3 x4
1
4
7
0
1
2
7
0
1
2
7
0
1
2
7
1
0
0
1
1
0
0
1
1
0
0
1
1
1 y4
0
11
0

0 y1
0
0
1

0
y 2 = 1 = 1 puis 0
2
0
0 y 3 0
1 y4
0
9
0

0 y1
0
0
1
y 2 0
0
0
0
= = puis
1
0
0 y 3 1
1 y4
0
1
0

0 y1
0
0
1
y 2 0
0
0
0
= = puis
0
0
0 y 3 0
1 y4
1
1
0
2
1
0
0
2
1
0
0
2
1
0
0
2
1
0
0
3
2
4
0
3
2
4
0
3
2
4
0
3
2
4
0

9
/40
4
x1
1
x 2 2
1/40
7
= =
1/40
4 x 3 1
11
/40
40 x 4
11

1
/40
4
x1
0

1
7
x 2 = 1 = /40
11/40
4
x3
2
9
/40
40 x 4
9

1
/40
4
x1
0

11
7
x 2 = 0 = /40
9/40
4
x3
1
1
/40
40 x 4
1

11
4
x1
0
/40
x 2 0
9/40
7
= =
1/40
4 x 3 0
1
/40
40 x 4
1
Gloria FACCANONI
49
4 Systmes linaires
et finalement
9
/40
1/40
1
A =
1/40
11
/40
/40
1
/40
11
/40
9
/40
1
/40
11
/40
9
/40
1
/40
9
/40
9
1
1
/40
=
1
/40 40 11
1
/40
11
11
1
1
11
9
1
11
9
1
11
9
.
1
1
Mthodes itratives
Une mthode itrative pour le calcul de la solution dun systme linaire construit une suite de vecteurs x(k) Rn qui converge
vers la solution exacte x pour tout vecteur initiale x(0) Rn .
Mthode de Jacobi.
bi
x ik+1 =
Proposition.
n
P
j =1
j 6=i
a i j x kj
,
ai i
i = 1, . . . , n
Si la matrice A est diagonale dominante stricte, la mthode de Jacobi converge.
E XEMPLE . Considrons le systme linaire
4
1
2
mis sous la forme

1 x
4
0 y = 2
2
2
1
y
z
x = 1 2 4 ,
y = 1 + x2 ,
y
z = 49 x2 4 .
Soit x(0) = (0, 0, 0) le vecteur initial, en calculant les itres on trouve

1 20 40
1
x(1) = 1 + 02 = 1 ,
9
0
0
9
/4
424
1
3
3
1 2/2 4/2
/8
1
x(3) = 1 + 2/16 = 1/32 ,
3
9
1/16
/2
61
/32
4 2 4
1
9
/16
1 21 4/4
x(2) = 1 + 21 = 3/2 ,
9
1
1
3
/2
424
5
1
61
1 2/32 4/32
/128
1
= 15/16 .
x(4) = 1 + 2/8
9
1/8
1/32
265
/128
4 2 4
La suite x(k) converge vers la solution du systme (0, 1, 2).
Mthode de Gauss-Sidel. Cest une amlioration de la mthode de Jacobi dans laquelle les valeurs calcules sont utilises
au fur et mesure du calcul et non lissue dune itration comme dans la mthode de Jacobi. On amliore ainsi la vitesse de
convergence.
iP
1
n
P
bi
a i j x k+1
a i j x kj
j
x ik+1 =
j =1
j =i +1
ai i
i = 1, . . . , n
Proposition. Si la matrice A est diagonale dominante stricte ou si elle est symtrique et dfinie positive, la mthode de
Gauss-Seidel converge.
E XEMPLE . Considrons le systme linaire
4
1
2
mis sous la forme
Gloria FACCANONI
2
2
1

1 x
4
0 y = 2
4 z
9
y
z
x = 1 2 4 ,
x
y = 1+ 2,
y
z = 49 x2 4 .
Lundi 16 mai 2011
4 Systmes linaires
50
Soit x(0) = (0, 0, 0) le vecteur initial, en calculant les itres on trouve

1 20 04
1
x(1) = 1 + 21 = 3/2 ,
3
9
1
/2
11
/8
42 4
3
3
11
1 2/2 4/8
/32
3
x(2) = 1 + 2/32 = 61/64 ,
61
9
3/32
/64
527
/256
4 2 4
3
61
1 2/32 4/64
/1024
9
= 2047/2048 ,
x(3) =
1 + /1024
2 2047
9
9
/1024
/2048
16349
/8192
4 2 4
La suite x(k) converge vers la solution du systme (0, 1, 2).
W
Exercice 4.1. Soit le systme linaire
6
2
1
1
4
2

1 x1
12
0 x 2 = 0 .
6 x3
6
1. Approcher la solution avec la mthode de Jacobi avec 3 itrations partir de x(0) = (2, 2, 2).
2. Approcher la solution avec la mthode de Gauss-Seidel avec 3 itrations partir de x(0) = (2, 2, 2).
3. Rsoudre les systmes linaires par la mthode dlimination de Gauss.
4. Factoriser la matrice A (sans utiliser la technique du pivot) et rsoudre les systmes linaires.
S OLUTION .
1. Mthode de Jacobi :

2
x(0) = 2 ,
2
4
12(12+12)
/3
6

1
,
=
x(1) = 0(22+02)
4
6(12+22)
0
6
12(1 2 +1 10 )
12(1(1)+10)
13
/6
4
0(2 3 +00)
2/3 ,
x(2) =
=
4
10
6(1 43 +2(1))
/9
x(3) =
10
0(2 13
6 +0 9 )
4
2
6(1 13
6 +2 3 )
6
52
/27
= 13/12
31
/36
ainsi
1.926
x 1.083 .
0.861
2. Mthode de Gauss-Seidel :

2
x(0) = 2 ,
2
12(12+12)
4
6
/3
4
0(2
+02)
3
= 2 ,
x(1) =
3
4
6(1 34 +2 2
1
3 )
6
12(1 2
35
3 +11)
/18
6
35
0(2 18 +01) 35
x(2) =
= /36 ,
4
35
1
6(1 35
18 +2 36 )
6
12(1 35 +1 35 )
18
x(3) =
36
431
/216
= 431/432
4
431
431
1
6(1 216 +2 432 )
6
0(2 431
216 +01)
6
ainsi
1.995
x 0.995 .
1
3. Mthode dlimination de Gauss :
6
(A|b) = 2
1
1
4
2
1
0
6
L 2 L 2 26 L 1
6
12
L 3 L 3 16 L 1
0 0
6
0
1
11
3
11
6
1
13
35
6
11
6 L
12
6
L 3 L 3 11
2
3
4 0
0
4
1
11
3
1
13
6
12
4
6
donc
6x 1 + x 2 + x 3 = 12,
11
1
3 x 2 3 x 3 = 4
6x 3 = 6
Lundi 16 mai 2011
x 3 = 1,
x 2 = 1,
x 1 = 2.
Gloria FACCANONI
51
4 Systmes linaires
4. Factorisation de la matrice A :
6
2
1
L 2 L 2 26 L 1
6
1
L 3 L 3 16 L 1
0 26
1
6
6
1
4
2
1
11
3
11
6
11
1 L 3 L 3 116 L 2 62
3
13
6
35
6
1
13
1
11
3
11
6
11
3
1
6
donc
L = 31
1
6
0
1
0
0
1
1
2
6
U = 0
0
1
11
3
1
31
6
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly = b
3
1
6
0
1
1
2

0 y1
12
0 y 2 = 0
6
1 y3
y 1 = 12,
y 2 = 4,
y3 = 6
x 3 = 1,
x 2 = 1,
x 1 = 2.
...
0
et Ux = y
6
0
0
1
11
3

1
x1
1
1
3 x 2 = 4
x3
6
6
Exercice 4.2. Considrons les deux matrices carres dordre n > 3 :
0 0
0
...
0 0
0
0 . . .
.
..
..
.
.
0 0
.
0
.
.
.
..
..
A=
B=
.
.
.
.
..
..
.
.
.
0
.
.
.
0 0
0

...

...
0
0
..
.
0
0
..
.
...
0
0
...
..
.
avec et rels.
1. Vrifier que la factorisation LU de la matrice B ne peut pas tre calcule sans utiliser la technique du pivot.
2. Calculer analytiquement le nombre doprations ncessaires pour calculer la factorisation LU de la matrice A.
3. Exprimer le dterminant de la matrice A sous forme rcursive en fonction des coefficients de la matrice et de sa
dimension n.
4. Sous quelles conditions sur et la matrice A est dfinie positive ? Dans ce cas, exprimer le conditionnement de la
matrice en fonction des coefficients et de la dimension n.
S OLUTION .
1. La factorisation LU de la matrice B ne peut pas tre calcule sans utiliser la technique du pivot car llment pivotale au
deuxime pas est nul. Par exemple, si n = 4, on obtient :
B(1) =
0
0
L 2 L 2 L 1
L 3 L 3 L 1
0
L 4 L 4
L
0
1
B(2) =
0
0
0
0
2. La matrice A est une matrice en flche : pour en calculer la factorisation LU il suffit de transformer la dernire ligne,
ce qui requiert le calcul de lunique multiplicateur m = / et lexcution de n 1 produits et sommes. Le cot globale
est donc de lordre de n.
Gloria FACCANONI
Lundi 16 mai 2011
4 Systmes linaires
52
3. Le dterminant n de la matrice A de dimension n est calcul par la suite rcurrente

(
n = n1 n2 2 ,
1 = ,
qui se rcrit directement
n = n (n 1)n2 2 .
4. Les valeurs propres de la matrice A sont les racines du dterminant de la matrice A I. Suivant le mme raisonnement
du point prcdant, ce dterminant scrit
( )n (n 1)( )n2 2
dont les racines sont
1,2 =
q
(n 1),
3 = = n = .
Par consquent, pour que la matrice A soit dfinie positive il faut que les valeurs propres soient tous positifs, ce qui
impose
> 0,
|| < p
.
n 1
Dans ce cas, le conditionnement de la matrice en norme 2 est
p
+pn1
pn1
K 2 (A) =
pn1
si 0,
sinon.
+ n1
Exercice 4.3. Considrons le systme linaire Ax = b avec
A = 0
0
avec , , et des paramtres rels. Donner des conditions suffisantes sur les coefficients pour avoir
1. convergence de la mthode de Jacobi
2. convergence de la mthode de Gauss-Seidel.
S OLUTION .
1. Une condition suffisante pour que la mthode de Jacobi converge est que la matrice soit dominance diagonale stricte,
ce qui quivaut imposer
|| > ||,
|| > ||,
|| > ||,
cest--dire || > max ||, ||, || .

2. La condition prcdente est aussi suffisante pour la convergence de la mthode de Gauss-Seidel. Une autre condition
suffisante pour la convergence de cette mthode est que la matrice soit symtrique dfinie positive. Pour la symtrie il
faut que
(
= 0,
= ,
on obtient ainsi la matrice
A = 0
0
0
.
Elle est dfinie positive si ses valeurs propres sont positifs. On a

1 = ,
2 = ,
3 = + ,
donc il faut que > ||.
Lundi 16 mai 2011
Gloria FACCANONI
53
4 Systmes linaires
Exercice 4.4. crire les formules de la mthode dlimination de Gauss pour une matrice de la forme
a 1,1 a 1,2
0
...
0
..
.
a 2,1 a 2,2 a 2,3 0
..
..
..
..
..
.
.
.
.
.
.
A=
.
.
.
..
..
..
0
a
a
a n,1
a n,2
...
n1,n1
n1,n
a n,n1
a n,n
Quelle est la forme finale de la matrice U = A(n) ? tant donn la forme particulire de la matrice A, indiquer le nombre
minimal doprations ncessaire pour calculer U ainsi que celui pour la rsolution des systmes triangulaires finaux.
S OLUTION . Comme la matrice a une seule sur-diagonale non nulle, les formules de la mthode dlimination de Gauss
deviennent
(k)
a i(k+1)
= a i(k)
+ m i ,k a k,
,
,j
,j
j
m i ,k =
a i(k)
,k
(k)
a k,k
i , j = k + 1,
i = k + 1.
La cot est donc de lordre de n et la matrice U est bidiagonale suprieure.

Exercice 4.5. Soit R et considrons les matrices carres de dimension n
0
. . .
..
..
..

.
.
.
0
A=
,
B=
..
..
.
.

. . .
...
..
.
.
...
1. Calculer et pour que B soit linverse de A.

2. Calculer le conditionnement K (A) en fonction de n et en calculer la limite pour n qui tend vers linfini.
S OLUTION .
1. Par dfinition, B est la matrice inverse de A si AB = BA = I. Comme
+
0
...
..
0
AB =
.
..
+
+ (n 3) . . . + (n 3)
0
..
.
0
(n 2)
il faut que
+ = 1
+ (n 3) = 0
(n 2) = 1
ce qui donne
=
n 3
,
n 2
1
.
n 2
2. On trouve immdiatement kAk = n|| tandis que

kA1 k =
n
1
n o
2
max n,
=
.
||
n 2
||
On conclut que le conditionnement K (A) en fonction de n est

K (A) = n||
2
= 2n.
||
La matrice est donc mal conditionne pour n grand.
Gloria FACCANONI
Lundi 16 mai 2011
4 Systmes linaires
54
Exercice 4.6. On suppose que le nombre rel > 0 est assez petit pour que lordinateur arrondisse 1 + en 1 et 1 + (1/) en 1/
( est plus petit que lerreur machine (relative), par exemple, = 230 en format 32 bits). Simuler la rsolution par lordinateur
des deux systmes suivants :
(
(
a + b = 1
2a + b = 0
et
2a + b = 0
a + b = 1
On appliquera pour cela la mthode du pivot de Gauss et on donnera les dcompositions LU des deux matrices associes ces
systmes. On fournira galement la solution exacte de ces systmes. Commenter.
S OLUTION .
Premier systme :
1
1

a
1
=
.
b
0
Factorisation LU :
1 L 2 L 2 2 L 1
1
0
1
1 2
donc
L=
1
2
0
1
U=
0
1
1 2
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly = b et Ux = y :
0
1
1
1 2

y1
1
=
y2
0

1
a
= 2
b
2
y2 = ;
y 1 = 1,
1+
b=
,
1 2
Mais avec lordinateur, comme 1 + 1 et 1 + (1/) 1/, on obtient
1 0
e
L= 2
1
e
U=
0
a=
2
1 2
1
2
e = b et Ux
e =y:
Pour rsoudre ce systme linaire approch on rsout les systmes triangulaires Ly
1
2

y1
1
=
y2
0

1
1 a
= 2
2 b
0
1
y 1 = 1,
2
y2 = ;
b = 1,
a = 0.
Second systme :
1
1

a
0
=
.
b
1
Factorisation LU :
1 L 2 L 2 2 L 1 2
0
1
1
1 2
donc
L=
0
1
U=
2
0
1
1 2
Pour rsoudre le systme linaire on rsout les systmes triangulaires Ly = b et Ux = y :
2
0
Lundi 16 mai 2011
0
1
1
1 2

y1
0
=
y2
1

a
0
=
b
1
y 1 = 0,
b=
,
1 2
1+
a=
y 2 = 1;
2
1 2
Gloria FACCANONI
55
4 Systmes linaires
Mais avec lordinateur, comme 1 + 1 et 1 + (1/) 1/, on obtient
e = 1 0
L
1
2
e= 2
U
0
1
2
e = b et Ux
e =y:
Pour rsoudre ce systme linaire approch on rsout les systmes triangulaires Ly

y1
0
=
y2
1

1 a
0
=
1
2 b
0
1
2
0
y 1 = 0,
y 2 = 1;
b= ,
2
a= .
4
Exercice 4.7. Rappeler lalgorithme vu en cours pour calculer la dcomposition LU dune matrice A et la solution du systme
Ax = b o le vecteur colonne b est donn. On appliquera ces algorithmes pour les cas suivants :
1
2
3
1
1
2
1
2
3
2
2
5
1
2

1 x1
1
3 x 2 = 1
4 x3
1
et

4 x1
1
x 2 1
1
=
5 x 3 1
3 x4
1
3
7
1
0
1
1
1
1
1
2
4
0
et

1 x1
1
x 2 1
4
=
8 x 3 1
0 x4
1
1
3
6
0
Donner, en fonction de n (nombre de lignes et de colonnes de A), une majoration du nombres doprations effectues par
lordinateur pour calculer la dcomposition LU de A avec lalgorithme donn en cours. Donner aussi une estimation du
nombres doprations effectues pour rsoudre le systme Ax = b quand la dcomposition LU est connue.
S OLUTION . Premier systme :
1
2
3
1
1
2
1
3
4
L 2 L 2 21 L 1
1
1
L 3 L 3 3
1 L1
1 0
0
1
1
1
5
1
1
7
1
1
5
L 3 L 3 1
L2
1 0
0
4
1
1
0
1
1
12
1
1
1
donc
1
L= 2
3
0
0
1
0
1
5
1
U = 0
0
1
1
0
1
1
12
Il ne reste rsoudre que le systme triangulaire
x 1 + x 2 + x 3 = 1
x 2 + x 3 = 1
12x 3 = 1
= x 3 =
1
,
12
x2 =
11
,
12
1
x1 = .
6
Deuxime systme :
2
1
2
3
2
2
5
1
2
3
7
1
0
4
1
5
3
L 2 L 2 13 L 1
1
L 3 L 3 1 L 1
L L 2 L 1
1
441
1
1
1
0
0
0
2
9
5
2
3
1
8
6
1
0

0
0
2
9
0
0
3
1
77
9
56
9
L 3 L 3 9 L 2
L 4 L 4 2
9 L 2
4
7
7
5
1
1
2
1
4
7
28
9
31
9
1
56/9
L2
L L
1
4477/9

13
9
97
1
0
0
0
2
9
0
0
3
1
77
9
0
4
7
28
9
13
11
1
1
13
9
3
11
donc
1
2
L=
3
2
Gloria FACCANONI
0
1
5
9
2
9
0
0
1
0
0
56
77
1
0
U=
0
0
2
9
0
0
3
1
77
9
0
4
7
28
9
13
11
Lundi 16 mai 2011
4 Systmes linaires
56
x 1 + 2x 2 + 3x 3 + 4x 4 = 1
9x + x 7x = 1
2
= x 4 =
28
13
77
9 x3 9 x4 = 9
13
3
11 x 4 = 11
3
,
13
x3 =
23
,
91
x2 =
29
,
91
x1 =
48
.
91
Troisime systme :
1
1
1
1
1
2
4
0
1
3
6
0
L L L
2
2
1
1
L 3 L 3 L 1
1
L
L
L
4
4
1

1
1
1 1
1
1
0 3 2
3
0 3
5
7
0 1 1 1
1 1
1
L 3 L 3 (1)L 2
0 3
L 4 L 4 1
2
3 L 2

0 0
7
0 0 53
1
4
8
0
1
0
0
0
1
3
10
2
L 4 L 4 5/3
0
7 L2

0
0
1
0
0
0
1
3
0
0
1
2
7
0
1
3
10
8
21
1
0
0
0
donc
1
1
L=
1
1
0
1
1
0
0
1
1
3
0
0
0
1
5
21
x1 + x2 + x3 + x4 = 1
3x + 2x + 3x = 0
2
3
4
7x 3 + 10x 4 = 0
8
21 x 4 = 0
1
0
U=
0
0
1
3
0
0
= x 4 = 0,
1
2
7
0
x 3 = 0,
1
3
10
8
21
x 2 = 0,
x 1 = 1.
Exercice 4.8. crire les mthodes itratives de Gauss, Jacobi et Gauss-Seidel pour les systmes suivants :
(
(
10a + b = 11
2a + 10b = 12
et
2a + 10b = 12
10a + b = 11.
Pour chacun de ces mthodes et systmes, on calculera le rayon spectral de la matrice associe la mthode. On illustrera les
rsultats thoriques de convergence/non-convergence en calculant les 3 premiers itrs en prenant comme point de dpart le
vecteur (a, b) = (0, 0).
S OLUTION .
Gauss
B Premier systme :
10
2
1
10
11
12
2
L 2 L 2 10
L1
10
0
11
49
5
49
5
(
10a + b = 11
49
5 b
49
5
(
=
a =1
b = 1.
B Second systme :
Jacobi
2
10
10
1
12
11
L 2 L 2 10
2 L1
2
0
10
49
12
49
(
2a + 10b = 12
49b = 49
(
=
a =1
b = 1.
B Premier systme :
(
10a + b = 11
2a + 10b = 12
a=
b=
11b
10
122a
10
La matrice tant diagonale dominante stricte, la mthode converge et on a
49
501
49

110 11
11 50
11 12
10
/
50
0
/
10
(3)
(2)
(0)
(1)
10 =
10
10 49 = /500 .
,
x
=
x =
, x = 120
= 12 , x = 122
11
502
49
122 50
/500
/50
/10
0
10
10
10
Lundi 16 mai 2011
10
Gloria FACCANONI
57
4 Systmes linaires
B Second systme :
(
2a + 10b = 12
10a + b = 11
a=
1210b
2
b = 11 10a
La mthode ne converge pas, en effet on a

(0)
x
Gauss-Seidel

0
=
,
0
(1)
120
2
6
=
=
,
11
11 0
(2)
121011
2
49
=
=
,
49
11 10 6
(3)
1210(49)
2
251
=
=
.
501
11 10 (49)
B Premier systme :
(
10a + b = 11
2a + 10b = 12
a=
b=
11b
10
122a
10
La matrice tant diagonale dominante stricte, la mthode converge et on a
110 !
2499

501
25001
11 49
11 2500
50
11
/
500
/25000
0
/
10
10
(3)
10
10
=
=
x(0) =
,
x
=
.
, x(1) = 122 11 = 49 , x(2) = 122
501
25001
2499
12499
122 25000
10
/50
/2500
/125000
0
500
10
10
10
B Second systme :
(
2a + 10b = 12
10a + b = 11
a=
1210b
2
b = 11 10a
La mthode ne converge pas, en effet on a

x(0) =

0
,
0
x(1) =
120
2
11 10 6
6
,
49
x(2) =
1210(49)
2
11 10 251
251
,
2499
x(3) =
1210(2499)
2
11 10 (12501)
12501
.
124999
Exercice 4.9. Rsoudre les systmes linaires suivants :
x 5y 7z = 3
2x 13y 18z = 3
3x 27y 36z = 3
x 5y 7z = 6
2x 13y 18z = 0
3x 27y 36z = 3
et
x 5y 7z = 0
2x 13y 18z = 3
3x 27y 36z = 6.
et
S OLUTION . Le trois systmes scrivent sous forme matricielle
1
2
3
5
13
27

3
x
7
18 y = 3
3
36 z
et
1
2
3
5
13
27

6
x
7
18 y = 0
3
36 z
1
2
3
et
5
13
27

0
x
7
18 y = 3
6
36 z
On remarque que seul le terme source change. On calcul dabord la dcomposition LU de la matrice A :
1
2
3
5
13
27
7 L 2 L 2 2L 1 1
L 3 L 3 3L 1
18 0
36
0
5
3
12
7
1
L 3 L 3 4L 2
4 0
15
0
7
4
1
5
3
0
donc
1
L = 2
3
0
1
4
0
0
1
1
U = 0
0
5
3
0
7
4
1
Pour rsoudre chaque systme linaire on rsout les systmes triangulaires Ly = b et Ux = y.

1. Pour le premier systme on a
1
2
3
1
0
0
Gloria FACCANONI
5
3
0
0
1
4

3
0 y1
0 y 2 = 3
1 y3
3

7 x 1
3
4 x 2 = 3
1
x3
6
y 1 = 3,
x 3 = 6,
y 2 = 3,
x 2 = 7,
y 3 = 6;
x 1 = 10.
Lundi 16 mai 2011
4 Systmes linaires
58
2. Pour le seconde systme on a
1
2
3
1
0
0
0
1
4
5
3
0

0 y1
6
0 y 2 = 0
1 y3
3

7 x 1
6
4 x 2 = 12
1
x3
y 1 = 6,
y 2 = 12,
y 3 = 27;
x 3 = 27,
x 2 = 32,
x 1 = 35.
27
3. Pour le dernier systme on a
1
2
3
1
0
0
5
3
0
0
1
4

0 y1
0
0 y 2 = 3
1 y3
6

7 x 1
6
4 x 2 = 12
1
x3
27
y 1 = 0,
y 2 = 3,
y 3 = 6;
x 3 = 6,
x 2 = 7,
x 1 = 7.
Exercice 4.10. Calculer, lorsquil est possible, la factorisation LU des matrices suivantes :
1
A1 = 2
7
2
4
8
3
5 ,
9
1
A2 = 7
2
2
8
4
3
9 .
5
Comment peut-on modifier lalgorithme de factorisation pour pouvoir toujours aboutir une factorisation LU lorsque la
matrice A est inversible ?
S OLUTION .
Matrice A1 :
1
A1 = 2
7
2
4
8
L 2 L 2 12 L 1
3
1
L 3 L 3 71 L 1
5 0
9
0
2
0
6
3
1
12
La factorisation LU ne peut pas tre calcule car la prochaine tape il faudrait effectuer le changement L 3 L 3 6
0 L2.
Matrice A2 :
1
A2 = 7
2
2
8
4
L 2 L 2 17 L 1
3
1
L 3 L 3 21 L 1
9 0
5
0
0
1
0
0
0 ,
1
2
6
0
3
12
1
La factorisation LU de la matrice A2 est donc
1
L = 7
2
1
U = 0
0
2
6
0
3
12 .
1
Lorsquun pivot est nul, la mthode de Gauss pour calculer la factorisation LU de la matrice A nest plus applicable. De plus, si
le pivot nest pas nul mais trs petit, lalgorithme conduit des erreurs darrondi importantes. Cest pourquoi des algorithmes
qui changent les lments de faon avoir le pivot le plus grand possible ont t dvelopps. Les programmes optimiss
intervertissent les lignes chaque tape de faon placer en pivot le terme de coefficient le plus lev : cest la mthode du
pivot partiel. Pour la matrice A1 cela aurait donn
1
A1 = 2
7
2
4
8
3
1
L 2 L 3
5 7
9
2
2
8
4
L 2 L 2 71 L 1
1
3
L 3 L 3 21 L 1
9 0
5
0
2
6
0
3
12 .
1
Bien videmment, il faut garder trace de cet change de lignes pour quil puisse tre rpercut sur le terme source et sur
linconnue lors de la rsolution du systme linaire ; ceci est ralis en introduisant une nouvelle matrice P, dite matrice
Lundi 16 mai 2011
Gloria FACCANONI
59
4 Systmes linaires
pivotale, telle que PA = LU : la rsolution du systme linaire Ax = b est donc ramen la rsolution des deux systmes
triangulaires Ly = Pb et Lx = y. Dans notre exemple cela donne
1
P = 0
0
0
1
0
0
0
1
Exercice 4.11. Soit la matrice A Rnn dont les lments vrifient
B ai j = 1 si i = j ou i = n,
B ai j = 1 si i < j ,
B ai j = 0 sinon.
Montrer que A admet une factorisation LU avec
B ì i = 1 pour i = 1, . . . , n,
B ì j = 0 si i < n et i 6= j ,
B `n j = 2 j 1 si j < n ;
B u i j = ai j pour i=1,. . .,n-1, j=1,. . .,n,

B u n j = 0 si j < n,
B u nn = 2n1 .
S OLUTION . Factorisation LU de la matrice A :
1 1 . . . . . . . . .
..
..
0 1
.
.
. .
.
.
..
..
1
.
..
..
..
..
.
.
.
.
0 . . . . . . 0
1
1 1
1 ... 1
1
1
..
0
.
.. L n L n 1 L 1
.
1
. ..
..
..
.
0
1
1
0
L n L n 12 L 2 ..
.

..
.
0
0
1
1
..
.
...
..
.
1
..
.
...
2
...
2
1
1
..
.
...
..
.
1
..
.
...
4
...
0
...
..
.
..
.
..
.
0
...
...
...
..
.
..
.
..
.
0
...
...
...
..
.
..
.
..
.
0
...
...
1
..
.
..
..
.
1
2
1
..
.
..
..
.
1
4
..
.
1
2
..
.
1
4
[. . . ]
n2
L n L n 2 1 L n1 ..
.

..
.
0
0
1
1
..
.
...
..
.
1
..
.
...
0
...
0
1
..
.
..
..
.
1
2n1
..
.
1
0
par consquent on obtient les matrices

1
0
L=
..
.
0
1
0
..
.
0
2
1
..
.
...
4
Gloria FACCANONI
...
..
.
..
.
..
.
0
...
...
0
1
0
..
.
..
2n2
et
0
U=
..
.
0
0
0
..
.
0
0
1
..
.
...
0
...
..
.
..
.
..
.
0
...
...
1
1
0
1
..
.
..
.
1
2n1
Lundi 16 mai 2011
4 Systmes linaires
60
Exercice 4.12. Soit les systmes linaires
4x 1 + 3x 2 + 3x 3 = 10
3x 1 + 4x 2 + 3x 3 = 10
3x 1 + 3x 2 + 4x 3 = 10
4x 1 + x 2 + x 3 = 6
x 1 + 4x 2 + x 3 = 6
x 1 + x 2 + 4x 3 = 6
(4.1)
(4.2)
4.12.1 Rappeler une condition suffisante de convergence pour les mthodes de Jacobi et de Gauss-Seidel. Rappeler une autre
condition suffisante de convergence pour la mthode de Gauss-Seidel (mais non pour la mthode de Jacobi). Les
systmes (4.1) et (4.2) vrifient-ils ces conditions ?
4.12.2 crire les mthodes de Jacobi et de Gauss-Seidel pour ces deux systmes linaires en remplissant le tableau suivant :
A1 x = b
Jacobi
Gauss-Seidel
A2 x = b
(k+1)
x

1

x (k+1) =
2

(k+1)
x3
(k+1)
x

1

x (k+1) =
2

(k+1)
x3
(k+1)
x

1

x (k+1) =
2

(k+1)
x3
(k+1)
x

1

x (k+1) =
2

(k+1)
x3
4.12.3 On illustrera les rsultats thoriques de convergence/non-convergence de ces deux schmas en prenant comme point
de dpart le vecteur (x 1 , x 2 , x 3 ) = (0, 0, 0) et en calculant les 3 premiers itrs dans lun des cas suivant (vous tes libre
de choisir) :
4.12.3.1 avec la mthode de Jacobi pour le systme (4.1),
4.12.3.2 avec la mthode de Gauss-Seidel pour le systme (4.1),
4.12.3.3 avec la mthode de Jacobi pour le systme (4.2),
4.12.3.4 avec la mthode de Gauss-Seidel pour le systme (4.2).
4.12.4 On comparera le rsultat obtenu avec la solution exacte (quon calculera laide de la mthode dlimination de Gauss).
S OLUTION . crivons les deux systmes sous forme matricielle Ax = b :

4 3 3 x1
10
4 1 1 x1
6
3 4 3 x 2 = 10
1 4 1 x 2 = 6
et
3 3 4 x3
10
1 1 4 x3
6
|
|
{z
}
{z
}
A1
A2
4.12.1 Rappelons deux proprits de convergence :

B Si la matrice A est diagonale dominante stricte, les mthodes de Jacobi et de Gauss-Seidel convergent.
B Si la matrice A est symtrique et dfinie positive, la mthode de Gauss-Seidel converge.
Comme 4 > 1+1, la matrice A2 est diagonale dominante stricte : les mthodes de Jacobi et de Gauss-Seidel convergent.
Comme 4 < 3 + 3, la matrice A1 nest pas diagonale dominante stricte : les mthodes de Jacobi et de Gauss-Seidel
peuvent ne pas converger. Cependant elle est symtrique et dfinie positive (car les valeurs propres 4 sont 1 = 2 = 1
et 3 = 10) : la mthode de Gauss-Seidel converge.
4. det A1 () = (4 )3 + 27 + 27 9(4 ) 9(4 ) 9(4 ) = 64 48 + 122 3 + 54 108 + 27 = 3 + 122 21 + 10. Une racine vidente est = 1
et on obtient det A1 () = ( 1)(2 + 11 10) = ( 1)2 ( 10).
Lundi 16 mai 2011
Gloria FACCANONI
61
4 Systmes linaires
4.12.2 Pour les systmes donns les mthodes de Jacobi et Gauss-Seidel scrivent
A1 x = b
(k+1)
(k)
(k)
x
10
3x
3x
1
2
3
(k+1) 1
(k)
= 4 10 3x 3x (k)
x
1
3
x 3(k+1)
10 3x 1(k) 3x 2(k)
(k+1)
(k)
(k)
x 1
10 3x 2 3x 3
(k+1) 1
= 4 10 3x (k+1) 3x (k)
x
1
3
(k+1)
(k+1)
(k+1)
x3
10 3x 1
3x 2
Jacobi
Gauss-Seidel
A2 x = b
(k+1)
(k)
(k)
x
6
2
3
(k+1) 1
(k)
x
= 4 6 x x (k)
1
3
2
6 x 1(k) x 2(k)
x 3(k+1)
(k+1)
(k)
(k)
x 1
6 x2 x3
(k+1) 1
= 4 6 x (k+1) x (k)
x
1
3
(k+1)
(k+1)
(k+1)
x3
6 x1
x2
4.12.3 On obtient les suites suivantes

4.12.3.1 Jacobi pour le systme (4.1) :

(0)
(1)
5
10 3 0 3 0
0
x1

2
1
x = 0 = x = 10 3 0 3 0 = 5
2
2
2 4
5
10 3 0 3 0
x3
0
x3
2
(2)

(3)

5
5
5
35
x1
10 3 2 3 2
54
x1
10 3 5
4 3 4
1

1
8
5 5
5 35
5
5
=
x 2 = 4 10 3 2 3 2 = 4 = x 2 = 4 10 3 4 3 4 = 8
35
5
10 3 52 3 52
54
10 3 5
x3
x3
4 3 4
8
x1
4.12.3.2 Gauss-Seidel pour le systme (4.1) :

(0)
(1)
5
10 3 0 3 0
0
x1
2

1
x = 0 = x = 10 3 5 3 0 = 5
8
2
2 4
2
5
10 3 52 3 58
x3
0
x3
32
(2)

(3)
5
245
12485
x1
10 3 58 3 32
x1
128
8192
1

245
5 485
35765
=
x 2 = 4 10 3 128 3 32 = 512 = x 2 = 32768
485
725
70565
x3
10 3 245
x3
128 3 512
2048
131072
x1
4.12.3.3 Jacobi pour le systme (4.2) :

(0)
(1)
3
61010
0
x1

2
1
x = 0 = x = 6 1 0 1 0 = 3
2
2
2 4
3
x3
0
61010
x3
2
(2)

(3)

3
9
x1
6 1 32 1 32
x1
6 1 34 1 34
4

1
8
1
3
3
3
3
3
9
=
x 2 = 4 6 1 2 1 2 = 4 = x 2 = 4 6 1 4 1 4 = 8
3
9
x3
6 1 32 1 32
x3
6 1 34 1 34
4
8
x1
4.12.3.4 Gauss-Seidel pour le systme (4.2) :

(0)
(1)

3
0
x1
61010

1
2
3
x = 0 = x = 6 1 1 0 9
2
2 4
8
2
27
x3
0
x3
6 1 32 1 98
32
(2)

(3)

129
2025
8139
531
x1
6 1 98 1 27
x
6
1
32
512
2048
1
128
1
8192
129
8139
27 531
2025 32913
=
x 2 = 4 6 1 128 1 32 = 512 = x 2 = 4 6 1 8192 1 2048 = 32768
129
531
2025
32913
131139
x3
x3
6 1 128
1 512
6 1 8139
2048
8192 1 32768
131072
Gloria FACCANONI
x1
Lundi 16 mai 2011
4 Systmes linaires
62
4.12.4 Calcul de la solution exacte laide de la mthode dlimination de Gauss :

B Systme (4.1) :
3
4
3
3
3
4
L 2 L 2 34 L 1
10
4
L 3 L 3 34 L 1
10 0
10
0
1
4
1
1
1
4
L 2 L 2 14 L 1
6
4
L 3 L 3 14 L 1
6 0
6
0
4
3
3
3
7
/4
3
/4
3
3
/4
7
/4
4
10
L 3 L 3 3/4
L
2
7/4
5
/2 0
5
/2
0
3
7
/4
0
3
3
/4
10
/7

1
10
5
/2 = x = 1
10
/7
1
1
3
/4
15
/4
6
4
3/4
L 3 L 3 15/4
L2
9
/2 0
9
/2
0
1
15
/4
0
1
3
/4
18
/5

6
1
9
/2 = x = 1
18
/5
1
B Systme (4.2) :
4
1
1
Lundi 16 mai 2011
1
15
/4
3
/4
Gloria FACCANONI

Les quations diffrentielles dcrivent lvolution de nombreux phnomnes dans des domaines varis. Une quation
diffrentielle est une quation impliquant une ou plusieurs drives dune fonction inconnue. Si toutes les drives sont
prises par rapport une seule variable, on parle dquation diffrentielle ordinaire. Une quation mettant en jeu des drives
partielles est appele quation aux drives partielles. On dit quune quation diffrentielle (ordinaire ou aux drives
partielles) est dordre p si elle implique des drives dordre au plus p. Dans le prsent chapitre, nous considrons des
quations diffrentielles ordinaires dordre un.
Le problme de Cauchy
Nous pouvons nous limiter aux quations diffrentielles du premier ordre, car une quation dordre p > 1 peut toujours se
ramener un systme de p quations dordre 1. Une quation diffrentielle ordinaire admet gnralement une infinit de
solutions. Pour en slectionner une, on doit imposer une condition supplmentaire qui correspond la valeur prise par la
solution en un point de lintervalle dintgration. On considrera par consquent des problmes, dits de Cauchy, de la forme
suivante :
Problme de Cauchy.
Trouver y : I R R tel que

(
y 0 (t ) = f (t , y(t )), t I ,
y(t 0 ) = y 0 ,
o f : I R R est une fonction donne et y est la drive de y par rapport t . Enfin, t 0 est un point de I et y 0 une valeur
appele donne initiale.
On rappelle dans la proposition suivante un rsultat classique danalyse.
Proposition.
On suppose que la fonction f (t , y) est
1. continue par rapport ses deux variables ;

2. lipschitzienne par rapport sa deuxime variable, cest--dire quil existe une constante positive L (appele constante
de Lipschitz) telle que
| f (t , y 1 ) f (t , y 2 )| L|y 1 y 2 |,
t I , y 1 , y 2 R.
Alors la solution y = y(t ) du problme de Cauchy existe, est unique et appartient C 1 (I ).
Malheureusement, on ne peut expliciter les solutions que pour des quations diffrentielles ordinaires trs particulires.
Dans certains cas, on ne peut exprimer la solution que sous forme implicite. Dans dautres cas, on ne parvient mme pas
reprsenter la solution sous forme implicite. Pour ces raisons, on cherche des mthodes numriques capables dapprocher la
solution de toutes les quations diffrentielles qui admettent une solution.
Le principe de toutes ces mthodes est de subdiviser lintervalle I = [t 0 , T ], avec T < +, en Nh intervalles de longueur
h = (T t 0 )/Nh ; h est appel le pas de discrtisation. Alors, pour chaque
nud t n = t 0 + nh
(1 n Nh ) on cherche la
valeur inconnue u n qui approche y n = y(t n ). Lensemble des valeurs u 0 = y 0 , u 1 , . . . , u Nh reprsente la solution numrique.
Exemples
Rappelons ici trois schmas numriques : la mthode dEuler explicite, la mthode de Heun (ou schma de Runge-Kutta
dordre 2) et la mthode de Runge-Kutta classique, dordre 4.
Soit h = t i +1 t i ; alors on a
Euler explicite
y 0 = ,
y i +1 = y i + h f (t i , y i ), i = 0, . . . , n 1;
(5.1)
63
64
Euler implicite
y 0 = ,
(5.2)
y i +1 = y i + h f (t i + h, y i +1 ), i = 0, . . . , n 1;
Trapze ou Crank-Nicholson
y 0 = ,
(5.3)
y i +1 = y i + h2 f (t i , y i ) + f (t i +1 , y i +1 ) , i = 0, . . . , n 1;
Heun
y 0 = ,
(5.4)
y i +1 = y i + h2 f (t i , y i ) + f (t i +1 , y i + h f (t i , y i )) , i = 0, . . . , n 1;
RK4
y 0 = ,
y i +1 = y i + h6 f (t i , y i ,1 ) + 2 f (t i + h/2, y i ,2 ) + 2 f (t i + h/2, y i ,3 ) + f (t i +1 , y i ,4 ) , i = 0, . . . , n 1;
(5.5)
avec
y i ,1 = y i
h
f (t i , y i ,1 )
2
h
y i ,3 = y i + f (t i + h/2, y i ,2 )
2
y i ,4 = y i + h f (t i + h/2, y i ,3 )
y i ,2 = y i +
Stabilit absolue (A-stabilit). Dans la section prcdente, on a considr la rsolution du problme de Cauchy sur des
intervalles borns. Dans ce cadre, le nombre Nh de sous-intervalles ne tend vers linfini que quand h tend vers zro. Il existe
cependant de nombreuses situations dans lesquelles le problme de Cauchy doit tre intgr sur des intervalles en temps trs
grands ou mme infini. Dans ce cas, mme pour h fix, Nh tend vers linfini. On sintresse donc des mthodes capables
dapprocher la solution pour des intervalles en temps arbitrairement grands, mme pour des pas de temps h assez grands.
La proprit
lim u n = 0
n+
est appele stabilit absolue.
W
Exercice 5.1. On considre le problme de Cauchy
(
y 0 (t ) = y(t ),
y(0) = 1,
sur lintervalle [0; 10].

1. Calculer la solution exacte du problme de Cauchy.
2. Soit t le pas temporel. crire la mthode dEuler explicite pour cette quation diffrentielle ordinaire (EDO).
3. En dduire une forme du type
y k+1 = g (t , k)
avec g (t , k) prciser (autrement dit, litre en t k ne dpend que de t et k et ne dpend pas de y k ).
4. Utiliser la formulation ainsi obtenue pour dessiner sur le plan suivant les solutions
B exacte,
B obtenue avec la mthode dEuler avec t = 2.5,
B obtenue avec la mthode dEuler avec t = 1.5,
B obtenue avec la mthode dEuler avec t = 0.5.
5. Que peut-on en dduire sur la stabilit de la mthode ?
Lundi 16 mai 2011
Gloria FACCANONI
65
S OLUTION .
1. Il sagit dune EDO variables sparables. Lunique solution constante est y(t ) 0, toutes les autres solutions sont du
type y(t ) = C e t . Donc lunique solution du problme de Cauchy est y(t ) = e t dfinie pour tout t R.
2. La mthode dEuler est une mthode dintgration numrique dEDO du premier ordre de la forme y 0 (t ) = F (t , y(t ))
Cest une mthode itrative : la valeur y linstant t + t de dduisant de la valeur de y linstant t par lapproximation
linaire
y(t + t ) y(t ) + y 0 (t )t = y(t ) + F (t , y(t ))t .
En choisissant un pas de discrtisation t , nous obtenons une suite de valeurs (t k , y k ) qui peuvent tre une excellente
approximation de la fonction y(t ) avec
(
t k = t 0 + kt ,
y k = y k1 + F (t k1 , y k1 )t .
La mthode dEuler explicite pour cette EDO scrit donc
y k+1 = (1 t )y k .
3. En procdant par rcurrence sur k, on obtient
y k+1 = (1 t )k+1 .
4. On a donc
3 k
,
2
k
1
,
B si t = 1.5 alors y k =
2
k
1
.
2
y
3
2
1
0
1
1
2
3
NB : les trois premires itres ont la mme pente (se rappeler de la construction gomtrique de la mthode dEuler).
5. De la formule y k+1 = (1 t )k+1 on dduit que
B si 0 < t < 1 alors la solution numrique est stable et convergente,
B si 1 < t < 2 alors la solution numrique oscille mais reste convergente,
B si t > 2 alors la solution numrique oscille et divergente.
En effet, on sait que la mthode est absolument stable si et seulement si |1 t | < 1.
Remarque : la suite obtenue est une suite gomtrique de raison q = 1 t . On sait que une telle suite
B diverge si |q| > 1 ou q = 1,
B est stationnaire si q = 1,
B converge vers 0 |q| < 1.
Gloria FACCANONI
Lundi 16 mai 2011
66
Exercice 5.2. Soit le problme de Cauchy :

(
u 0 (t ) + 10u(t ) = 0, t R,
(5.6)
u(0) = u 0 > 0.
1. Montrer quil existe une unique solution globale u C (R, R) que vous prciserez explicitement.
2. Soit le schma numrique de Cranck-Nicholson dfini par la suite {u n }nN vrifiant
u n+1 u n
+ 5(u n+1 + u n ) = 0,
n N,
t
pour t > 0 fix.
Montrer que la suite {u n }nN est une suite gomtrique dont vous prciserez la raison.
3. Montrer que la raison r de la suite vrifie pour tout t > 0
|r | < 1.
Ce schma est-il inconditionnellement A-stable ?
4. Sous quelle condition sur t > 0 le schma gnre-t-il une suite positive ?
5. Donner lexpression de u n en fonction de n.
6. Soit T > 0 fix, soit n = n (t ) tel que T t < n t T . Montrer que
lim u n = u 0 e 10T .
t 0
7. Soit {v n }nN la suite dfinissant le schma dEuler explicite pour lquation diffrentielle (5.6). Montrer que
lim v n = u 0 e 10T .
t 0
Montrer que la suite u n converge plus vite que v n lorsque t 0.

S OLUTION . Cest un problme de Cauchy du type
(
u 0 (t ) = f (t , u(t )), t R,
u(0) = u 0 > 0.
(5.7)
avec f (t , u(t )) = g (u(t )) = 10u(t ).

1. Comme g C 1 (R, R), daprs Cauchy-Lipschitz, il existe T > 0 et une unique solution u C 1 ([T, T ], R). Par rcurrence,
en exploitant lEDO et la rgularit de g , on grimpe en rgularit sur u et u C ([T, T ], R). La fonctionne nulle
est solution de lquation diffrentielle f (t , 0) = 0, par lunicit de la solution du problme de Cauchy, pour tout t
[T, T ], u(t ) > 0 si u 0 > 0 et u(t ) < 0 si u 0 > 0 (autrement dit, deux trajectoires ne peuvent pas se croiser). De plus, u est
dcroissante si u 0 > 0 et croissante si u 0 < 0. On en dduit par le thorme des extrmits que la solution u admet un
prolongement sur R solution de lEDO.
Pour en calculer la solution, on remarque quil sagit dune EDO variables sparables. Lunique solution constante est
u(t ) 0, toutes les autres solutions sont du type u(t ) = C e 10t . En prenant en compte la condition initiale on conclut
que lunique solution du problme de Cauchy est u(t ) = u 0 e 10t dfinie pour tout t R.
y
3
2
1
1
2
3
Lundi 16 mai 2011
Gloria FACCANONI
67
2. Soit le schma numrique de Cranck-Nicholson dfini par la suite {u n }nN vrifiant

u n+1 u n
+ 5(u n+1 + u n ) = 0,
t
n N,
pour t > 0 fix. On obtient une formule de rcurrence rendue explicite par un calcul lmentaire :
u n+1 = 5t u n+1 5t u n + u n
do
1 5t
un .
1 + 5t
u n+1 =
Il sagit dune suite gomtrique de raison
r=
3. Pour tout t > 0 on a
r=
1 5t
.
1 + 5t
1 5t
10t
= 1
1 + 5t
1 + 5t
et
10t
< 1.
1 + 5t
1 < 1
Ce schma est donc inconditionnellement A-stable car |u n+1 | = |r n+1 u 0 | |u 0 |.

4. Le schma gnre une suite positive ssi
1
i.e. ssi
10t
>0
1 + 5t
1
t < .
5
5. Par rcurrence on obtient
un =
1 5t
1 + 5t
n
u0 .
6. Soit T > 0 fix et considrons n = n (t ) tel que T t < n t T . En se rappelant que

lim
x0
ln(1 + x)
=1
x
et en observant que
15t tT 1
1+5t
15t n
1+5t
15t tT
1+5t
k
e (T t )
ln(15t )ln(1+5t )
t
eT
ln(15t )ln(1+5t )
t
k
e
)5 ln(1+5t )
(T t ) 5 ln(15t5t
5 ln(15t )5 ln(1+5t )
5t
e 10T
e 10T
on conclut que
lim u n = u 0 lim
t 0
t 0
1 5t
1 + 5t
= u 0 e 10T .
7. La suite dfinissant le schma dEuler explicite pour lEDO assigne scrit

v n+1 v n
= f (t n , u n )
t
i.e.
v n+1 = v n 10t v n = (1 10t )v n = (1 10t )n+1 v 0 .
Il sagit nouveau dune suite gomtrique de raison
r e = 1 10t
qui converge ssi |r e | < 1, i.e. ssi t < 0,2 (le schma dEuler pour cette EDO est conditionnellement stable).
Gloria FACCANONI
Lundi 16 mai 2011
68
Soit T > 0 fix et considrons n = n (t ) tel que T t < n t T . Alors

T
(1 10t ) t 1
k
(1 10t )n
ln(110t )
t
(1 10t ) t
k
eT
e (T t )
k
ln(110t )
t
k
ln(110t )
e 10(T t ) 10t
e 10T
e 10T
ln(110t )
10t
e 10T
do
lim v n = u 0 lim (1 10t ) t = u 0 e 10T .
t 0
t 0
De plus, on sait (cf. cours) que la suite {u n }nN converge lordre 2 tandis que la suite {v n }nN converge lordre 1.
Exercice 5.3. Soit f la fonction dfinie par f (x) = x ln(1 + x) et considrons lquation diffrentielle ordinaire
(
u 0 (t ) = f (u(t )), t 0,
u(0) = u 0 > 0.
1. Vrifier que f C (R+ , R+ ) et est convexe ( f 00 0).
2. Montrer quil existe T > 0 et une unique solution u C ([0, T ], R).
3. Montrer que pour tout t [0, T ], u(t ) > 0. En dduire que la solution u admet un prolongement sur R+ solution de
lquation diffrentielle et est borne.
4. crire le schma dEuler implicite pour cette quation diffrentielle. On appellera u n une approximation de u(t n ),
t n = nt pour t > 0 fix.
5. En se servant des rsultats de la premire partie, montrer que le schma est bien dfini, cest dire que si u n est connu,
u n+1 est bien dfini et de faon unique. Quelle mthode numrique suggre la premire partie pour dterminer u n+1 en
fonction de u n ? Lalgorithme de dtermination de u n+1 est-il convergent pour tout t ?
6. Montrer que pour cette quation, le schma dEuler implicite est A-stable pour tout t .
7. Calculer lordre de ce schma.
8. crire lalgorithme complet de la mthode introduite pour approcher la solution de lquation diffrentielle.
9. Donner sans le justifier un schma du mme ordre, inconditionnellement A-stable et plus simple implmenter que le
schma dEuler implicite.
S OLUTION .
1. On vrifie que f C (R+ , R+ ) ( f positive car ln(1 + x) ln(1) = 0 pour x 0). Calcul de f 00 trivial et on a f 00 0. De plus
f (0) = 0.
2. Comme f est C 1 (R+ ), daprs Cauchy-Lipschitz, il existe T > 0 et une unique solution u C 1 ([0, T ], R+ ). En relisant
lquation diffrentielle, la compose de f et u est donc C 1 (R+ ) et ainsi u C 2 ([0, T ], R+ ). Par rcurrence, en exploitant
lquation et la rgularit de f , on grimpe en rgularit sur u et u C ([0, T ], R+ ).
3. La fonction nulle est solution de lquation diffrentielle ( f (0) = 0), par lunicit de la solution du problme de Cauchy,
pour tout t [0, T ], u(t ) > 0 si u 0 > 0 (autrement dit : 2 trajectoires ne peuvent pas se croiser). De plus u est dcroissante
car u 0 0, ainsi la solution est borne : u(t ) ]0, u 0 ]. On en dduit par le thorme des extrmits que la solution u
admet un prolongement sur R+ solution de lquation diffrentielle et est borne.
4. Schma dEuler implicite pour cette quation diffrentielle. On appellera u n une approximation de u(t n ), t n = nt pour
t > 0 fix.
u n+1 u n
= f (u n+1 ).
t
5. Le schma est bien dfini, pour chaque u n 0, il existe un unique u n+1 [0, u n ] qui est le zro de la fonction g dfinie
ci-dessus avec u = u n et = t . La mthode numrique suggre par la premire partie pour dterminer u n+1 en
fonction de u n est lalgorithme de Newton quon a montr convergent indpendamment de = t .
6. Montrer que pour cette quation, le schma dEuler implicite est A-stable pour tout t .
u n+1 [0, u n ], donc la suite est dcroissante et positive, elle est donc borne.
7. Calculer lordre de ce schma. Cf cours et TD, le schma est dordre 1.
Lundi 16 mai 2011
Gloria FACCANONI
69
8. Algorithme complet de la mthode introduite pour approcher la solution de lquation diffrentielle : il faut crire la
boucle des itrations en n et chaque itration il faut appeler lalgorithme de Newton pour dterminer u n+1 en fonction
de u n . Il sagit l dun algo itratif (encore une boucle) dont le critre darrt portera par exemple sur lcart de 2 itrs
successifs. Voir TP pour ses 2 algos.
9. On prend un schma semi-implicite qui ne ncessite pas lemploi de la mthode de Newton :
u n+1 u n
= u n+1 ln(1 + u n ).
t
Ainsi
u n+1 =
1
un .
1 + t ln(1 + u n )
On a une formule de rcurrence rendue explicite par un calcul lmentaire, la fraction positive et plus petite que 1
assure que la suite est positive dcroissante, do la stabilit.
Exercice 5.4. La loi de Newton affirme que la vitesse de refroidissement dun corps est proportionnelle la diffrence entre la
temprature du corps et la temprature externe, autrement dit quil existe une constante K < 0 telle que la temprature du
corps suit lquation diffrentielle
(
T 0 (t ) = K (T (t ) Text ),
T (0) = T0 .
5.4.1 Soit t le pas temporel. crire le schma dEuler implicite pour approcher la solution de cette quation diffrentielle.
5.4.2 Soit Text = 0C. En dduire une forme du type
Tn+1 = g (t , n, T0 )
avec g (t , n, T0 ) prciser (autrement dit, litr en t n ne dpend que de t , de n et de T0 ). Que peut-on en dduire sur
la convergence de la mthode ?
5.4.3 Problme. Un homicide a t commis. On veut tablir lheure du crime sachant que
B pour un corps humaine on peut approcher K 0.007438118376 (lchelle du temps est en minutes et la temprature en Celsius),
B le corps de la victime a t trouv sur le lieu du crime 2H 20 du matin,
B lheure du dcs la temprature du corps tait de 37C,
B lheure de la dcouverte la temprature du corps est de 20C,
B la temprature externe est Text = 0C.
Approcher lheure de lhomicide en utilisant le schma dEuler implicite avec t = 10 minutes.
5.4.4 Pour cette quation diffrentielle, il est possible de calculer analytiquement ses solutions. Comparer alors la solution
exacte avec la solution approche obtenue au point prcdent.
S OLUTION .
5.4.1 La mthode dEuler implicite est une mthode dintgration numrique dEDO du premier ordre de la forme T 0 (t ) =
F (t , T (t )). En choisissant un pas de discrtisation t , nous obtenons une suite de valeurs (t n , Tn ) qui peuvent tre une
excellente approximation de la fonction T (t ) avec
(
t n = t 0 + nt ,
Tn+1 = Tn + F (t n+1 , Tn+1 )t .
La mthode dEuler implicite pour cette EDO scrit donc
Tn+1 = Tn + K t (Tn+1 Text ).
5.4.2 Si Text = 0C, en procdant par rcurrence sur n on obtient
Tn+1 = g (t , n) =
1
1
Tn =
T0 ,
1 K t
(1 K t )n+1
autrement dit, litre en t n ne dpend que de t et de n mais ne dpend pas de Tn . Comme 0 < 1K1 t < 1 pour tout
t > 0, la suite est positive dcroissante ce qui assure que la solution numrique est stable et convergente.
5.4.3 On cherche combien de minutes se sont couls entre le crime et la dcouverte du corps, autrement dit on cherche n tel
que
ln 37
1
37
37
20
20 =
37 = (1 K t )n+1 =
= n + 1 = log(1K t )
=
= n 8.
n+1
(1 K t )
20
20 ln(1 K t )
Comme t n = t 0 + nt , si t n = 2H 20 alors t 0 = t n nt = 2H 20 1H 20 = 01H 00.
Gloria FACCANONI
Lundi 16 mai 2011
70
5.4.4 Calcule analytique de toutes les solutions de lquation diffrentielle :

B On cherche dabord les solutions constantes, i.e. les solutions du type T (t ) c R quelque soit t . On a
0 = K (c Text )
do lunique solution constante T (t ) Text .
B Soit T (t ) 6= Text quelque soit t . Puisquil sagit dune EDO variables sparables on peut calculer la solution comme
suit :
T 0 (t ) = K (T (t ) Text )
Z
Z
1
dT = K dt
T Text
T 0 (t )
=K
T (t ) Text
dT
= K dt
T Text
ln(T Text ) = K t + c
T Text = De K t
T (t ) = Text + De K t .
La valeur numrique de la constante dintgration D est obtenue grce la CI :

T0 = T (0) = De K 0
D = T0
T (t ) = T0 e K t
Ici T0 = 37C donc la temprature du cadavre suit la loi

T (t ) = 37e K t .
Pour dterminer lheure du meurtre il faut alors rsoudre lquation
20 = 37e K t
do t =
1
K
ln 20
37 82,70715903 minutes, cest--dire 83 minutes avant 2H20 : le crime a t commit 00H57.
T [C]
3
2
2H20
2H10
2H00
1H50
1H40
1H30
1H20
1H10
1H00
Exercice 5.5. Un modle pour la diffusion dune pidmie se base sur lhypothse que sa vitesse de propagation est proportionnelle au nombre dindividus infects et au nombre dindividus sains.
Si on note I (t ) 0 le nombre dindividus infects linstant t 0 et A > 0 le nombre dindividus total, il existe une constante k
R+ telle que I 0 (t ) = k I (t )(A I (t )).
1. Montrer quil existe T > 0 et une unique solution I C ([0, T ]) au problme de Cauchy :
(
I 0 (t ) = k I (t )(A I (t )),
I (0) = I 0 > 0.
2. Montrer que si 0 < I 0 < A alors 0 < I (t ) < A pour tout t > 0.
3. Montrer que si 0 < I 0 < A alors I (t ) est croissante sur R+ .
4. Soit 0 < I 0 < A. On considre le schma semi-implicite
I n+1 I n
= k I n (A I n+1 ).
t
Montrer que ce schma est inconditionnellement A-stable.
Lundi 16 mai 2011
Gloria FACCANONI
71
S OLUTION . Cest un problme de Cauchy du type

(
I 0 (t ) = f (t , I (t )), t R+ ,
(5.8)
I (0) = I 0 > 0,
avec f (t , I (t )) = g (I (t )) = k I (t )(A I (t )).
1. Comme g C 1 (R, R), daprs Cauchy-Lipschitz, il existe T > 0 et une unique I C 1 ([0, T ], R) solution du problme de
Cauchy. Par rcurrence, en exploitant lEDO et la rgularit de g , on grimpe en rgularit sur I et I C ([0, T ], R).
2. Puisque la fonction nulle et la fonction constante I (t ) = A sont solutions de lquation diffrentielle, si 0 < I 0 < A alors
0 < I (t ) < A pour tout t [0, T ] (car, par lunicit de la solution du problme de Cauchy, deux trajectoires ne peuvent pas
se croiser).
3. Puisque I 0 (t ) = k I (t )(A I (t )), si 0 < I 0 < A alors I est croissante pour tout t [0, T ]. On en dduit par le thorme des
extrmits que la solution I admet un prolongement sur R+ solution de lEDO et que I est croissante pour tout t R+ .
4. Soit 0 < I 0 < A. On considre le schma semi-implicite
I n+1 I n
= k I n (A I n+1 )
t
pour t > 0 fix. On obtient une formule de rcurrence rendue explicite par un calcul lmentaire :
I n+1 =
1 + k At
In .
1 + k I n t
Si 0 < I 0 < A alors

B I n > 0 quelque soit n ;
B I n est majore par A car
I n+1 A
(1 + k At )I n (1 + k I n t )A
In A
donc par rcurrence I n+1 A quelque soit n ;
B I n est une suite monotone croissante (encore par rcurrence on montre que |I n+1 | |I n | |I 0 |) ;
donc ce schma est inconditionnellement A-stable.
Calcul analytique de toutes les solutions :
On a dj observ quil y a deux solutions constantes de lEDO : la fonction I (t ) 0 et la fonction I (t ) A.
Pour chercher toutes les solutions non constantes on remarque quil sagit dune EDO variables sparables donc on
a
I (t ) =
A
De Akt + 1
La valeur numrique de la constante dintgration D est obtenue grce la CI :

D=
Exemple avec A = 5000, I 0 = 160, k =
ln(363/38)
35000
A I0
I0
et t = 1 :
I
A
Exacte
Approche avec t = 1
I0
t
Gloria FACCANONI
Lundi 16 mai 2011
72
Exercice 5.6 (Caf K). Considrons une tasse de caf la temprature de 75 dans une salle 25. On suppose que la temprature
du caf suit la loi de Newton, cest--dire que la vitesse de refroidissement du caf est proportionnelle la diffrence des
tempratures. En formule cela signifie quil existe une constante K < 0 telle que la temprature vrifie lquation diffrentielle
ordinaire (EDO) du premier ordre.
T 0 (t ) = K (T (t ) 25).
La condition initiale (CI) est donc simplement
T (0) = 75.
Pour calculer la temprature chaque instant on a besoin de connatre la constante K . Cette valeur peut tre dduite en
constatant quaprs 5 minutes le caf est 50, cest--dire
T (5) = 50.
S OLUTION .
1. On commence par calculer toutes les solutions de lEDO. tant une quation diffrentielle du premier
ordre, la famille de solutions dpendra dune constante quon fixera en utilisant la CI. Il sagit dune EDO variables
sparables donc on a
Solution exacte
T 0 (t ) = K (T (t ) 25)
T 0 (t )
=K
(T (t ) 25)
dT
= Kdt
(T 25)
Z
Z
1
dT = K dt
(T 25)
ln(T 25) = K t + c
T 25 = De K t
T (t ) = 25 + De K t
2. La valeur numrique de la constante dintgration D est obtenue grce la CI :
75 = T (0) = 25 + De K 0
D = 50
T (t ) = 25 + 50e K t
3. Il ne reste qu tablir la valeur numrique de la constante de refroidissement K grce lindice :
50 = T (5) = 25 + 50e K t
K =
ln(2)
5
T (t ) = 25 + 50e
ln(2)
5 t
On peut donc conclure que la temprature du caf volue selon la fonction

T (t ) = 25 + 50e
Lundi 16 mai 2011
ln(2)
5 t
Gloria FACCANONI
73
T
75
50
25
0
5
15 t
10
Solution approche par la mthode dEuler Supposons de connatre K mais de ne pas vouloir/pouvoir calculer la fonction T (t ).
Grce la mthode dEuler on peut estimer la temprature diffrentes instantes t i en faisant une discrtisation
temporelle du futur (i.e. on construit une suite de valeurs {t i = 0 + i t }i ) et en construisant une suite de valeurs {Ti }i
o chaque Ti est une approximation de T (t i ). Si on utilise la mthode dEuler, cette suite de temprature est ainsi
construite :
(
Ti +1 = Ti ln(2)
5 t (Ti 25),
T0 = 75,
(
Ti +1 = (1 ln(2)
5 t )Ti + 5 ln(2)t ,
T0 = 75.
1. Exemple avec t = 5 :
T
75
50
25
0
5
ti
0.000000
5.000000
10.000000
15.000000
10
T (t i )
75.000000
50.000000
37.500000
31.250000
Ti
75.000000
40.342641
29.707933
26.444642
15 t
T (t i ) Ti
0.000000
9.657359
7.792067
4.805358
2. Exemple avec t = 1 :
Gloria FACCANONI
Lundi 16 mai 2011
74
T
75
50
25
0
5
ti
0.000000
1.000000
2.000000
3.000000
4.000000
5.000000
6.000000
7.000000
8.000000
9.000000
10.000000
11.000000
12.000000
13.000000
14.000000
15.000000
10
T (t i )
75.000000
68.527528
62.892914
57.987698
53.717459
50.000000
46.763764
43.946457
41.493849
39.358729
37.500000
35.881882
34.473229
33.246924
32.179365
31.250000
Ti
75.000000
68.068528
62.097962
56.955093
52.525176
48.709377
45.422559
42.591391
40.152707
38.052095
36.242691
34.684123
33.341618
32.185225
31.189141
30.331144
15 t
T (t i ) Ti
0.000000
0.459000
0.794952
1.032605
1.192283
1.290623
1.341205
1.355066
1.341142
1.306634
1.257309
1.197759
1.131610
1.061700
0.990224
0.918856
Exercice 5.7. Considrons une population de bactries. Soit p(t ) le nombre dindividus ( 0) linstant t 0. Un modle qui
dcrit lvolution de cette population est lquation de la logistique : soit k et h deux constantes positives, alors p(t ) vrifie
lquation diffrentielle ordinaire (EDO) du premier ordre
p 0 (t ) = kp(t ) hp 2 (t ).
On veut calculer p(t ) partir dun nombre initiale dindividus donn
p(0) = p 0 0.
S OLUTION .
1. On commence par calculer toutes les solutions de lEDO. tant une quation diffrentielle du premier
ordre, la famille de solutions dpendra dune constante quon fixera en utilisant la CI. Il sagit dune EDO variables
sparables.
On cherche dabord les solutions constantes, cest--dire les solutions du type p(t ) c pour tout t R+ :
Solution exacte
0 = kc hc 2 .
On a donc deux solutions constantes :
p(t ) 0
et
p(t )
k
.
h
tant donn que deux solutions dune EDO ne sintersectent jamais, dornavant on supposera p(t ) 6= 0 et p(t ) 6=
pour tout t R+ . On peut alors crire :
k
h
p 0 (t ) = kp(t ) hp 2 (t )
Lundi 16 mai 2011
Gloria FACCANONI
75
p 0 (t )
=1
kp(t ) hp 2 (t )
dp
= 1d t
kp hp 2
Z
Z
1
dp = dt
p(k hp)
Z
Z
Z
1
1
h
1
dp
dp = dt
k p
k k hp
1
1
ln(p) ln(k hp) = t + c
k
k
p
ln
= kt + kc
k hp
p
= De kt
k hp
k
.
p(t ) = 1
+h
De kt
2. La valeur numrique de la constante dintgration D est obtenue grce la CI :
kD
p 0 = p(0) =
1 + hDe 0k
p0
.
D=
k hp 0
On peut donc conclure que la population volue selon la fonction
p(t ) =
si p 0 = 0,
khp 0 +h
sinon.
si p 0 = hk ,
p 0 e kt
Une simple tude de la fonction p montre que

B si p 0 ]0; k/h[ alors p 0 (t ) > 0 et limt + p(t ) = k/h,
B si p 0 ]k/h; +[ alors p 0 (t ) < 0 et limt + p(t ) = k/h.
p
5
4
Exemple avec k = 3, h = 1
et diffrentes valeurs de
p0.
3
2
1
0
1
Solution approche Supposons de ne pas vouloir/pouvoir calculer la fonction p(t ). Grce la mthode dEuler on peut estimer
le nombre dindivus diffrentes instantes t i en faisant une discrtisation temporelle du futur (i.e. on construit une
suite de valeurs {t i = 0 + i t }i ) et en construisant une suite de valeurs {p i }i o chaque p i est une approximation de p(t i ).
Si on utilise la mthode dEuler, cette suite est ainsi construite :
(
p i +1 = p i + t p i (k hp i ),
p 0 donn,
Gloria FACCANONI
Lundi 16 mai 2011
76

(
p i +1 = (1 + kt ht p i )p i ,
p 0 donn.
On veut appliquer cette mthode au cas de la figure prcdente, i.e. avec k = 3, h = 1 et les valeurs initiales p 0 = 5 et
p 0 = 2. Si on choisit comme pas temporelle t = 0,15, on obtient les figures suivantes :
p
5
4
3
2
1
0
ti
0.000000
0.150000
0.300000
0.450000
0.600000
0.750000
0.900000
1.050000
1.200000
1.350000
1.500000
1.650000
1.800000
1
p(t i )
5.000000
4.027123
3.582637
3.347079
3.212403
3.132046
3.082874
3.052319
3.033151
3.021054
3.013390
3.008524
3.005430
pi
5.000000
3.500000
3.237500
3.122164
3.064952
3.035091
3.019115
3.010459
3.005736
3.003150
3.001731
3.000952
3.000523
t
p(t i ) p i
0.000000
0.527123
0.345137
0.224915
0.147451
0.096956
0.063759
0.041861
0.027415
0.017904
0.011659
0.007573
0.004907
p
5
4
3
2
1
0
1
Lundi 16 mai 2011
Gloria FACCANONI
77
ti
0.000000
0.150000
0.300000
0.450000
0.600000
0.750000
0.900000
1.050000
1.200000
1.350000
1.500000
1.650000
1.800000
Gloria FACCANONI
p(t i )
2.000000
2.274771
2.493175
2.655760
2.770980
2.849816
2.902469
2.937070
2.959567
2.974092
2.983429
2.989412
2.993240
pi
2.000000
2.300000
2.541500
2.716292
2.831887
2.903298
2.945411
2.969529
2.983102
2.990663
2.994852
2.997164
2.998439
p(t i ) p i
0.000000
0.025229
0.048325
0.060532
0.060907
0.053483
0.042942
0.032459
0.023535
0.016571
0.011423
0.007752
0.005199
Lundi 16 mai 2011

Execices Corriges

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

Execices Corriges

Transféré par

Droits d'auteur :

Formats disponibles

L2

Lundi 16 mai 2011

M43 - L2INFO - Universit du Sud Toulon-Var

Table des matires

5 quations diffrentielles ordinaires

1 Rsolution dquations non linaires

On se donne x 0 et on considre la suite x k+1 = (x k ) pour k 0. Si

1. (x) [a, b] pour tout x [a, b] (stabilit)

1 Rsolution dquations non linaires

et de lidentit sur R+ , dessiner la suite (x n )nN

sur laxe des abscisses. Observer graphiquement

a une prcision de 106 .

= 0 donc y = 23 x est un asymptote ;

3. tude graphique de la convergence de la mthode de point fixe : voir la figure 1.1a.

Lundi 16 mai 2011

M43 - L2INFO - Universit du Sud Toulon-Var

1 Rsolution dquations non linaires

(a) Graphe de g compar au graphe de i (x) = x.

(b) tude graphique de la convergence de la mthode de point fixe.

F IGURE 1.1: Exercice 1.1

donc g est contractante.

la mthode de point fixe converge lordre 2.

M43 - L2INFO - Universit du Sud Toulon-Var

Lundi 16 mai 2011

1 Rsolution dquations non linaires

(a) Mthode de la dichotomie.

(b) Mthode de Newton.

F IGURE 1.2: Approximation du zro de la fonction f (x) = x 2 2.

Amliorer dun ordre de grandeur la prcision de lapproximation de la racine signifie avoir

donc on doit effectuer k j = log2 (10) ' 3,3 itrations de dichotomie.

Lundi 16 mai 2011

M43 - L2INFO - Universit du Sud Toulon-Var

1 Rsolution dquations non linaires

(a) Graphe de f (x) = exp(x 2 ) 4x 2 .

F IGURE 1.3: Exercice 1.3

donc : ]0, 1[]0, 1[ ;

M43 - L2INFO - Universit du Sud Toulon-Var

Lundi 16 mai 2011

1 Rsolution dquations non linaires

3.2.2. C 1 (]0, 1[) ;

donc est contractante.

la mthode de point fixe (1.1) converge seulement lordre 1.

4. La mthode de Newton est une mthode de point fixe avec (x) = x

o > 0 et x 0 R sont donns.

2. En dduire quil existe un unique ` lment de R tel que f (`) = 0.

4. En dduire la convergence de la suite {x n }nN si 0 < < 1.

Lundi 16 mai 2011

M43 - L2INFO - Universit du Sud Toulon-Var

1 Rsolution dquations non linaires

7. Peut-on choisir = f 01(`) dun point de vue pratique ?

et la suite {x n }nN est dfinie par

g 0 (x) < 1 < 1

et puisque f (x) > 2 et 0 < < 1 alors

g 0 (x) > 1 2 > 1

4. Soit 0 < < 1. On tudie la suite

< < 1 et donc on rentre dans le cas de 0 < < 1.

6. tant donn que

B la mthode de point fixe converge lordre 2 si f 0 (`) = 1,

B la mthode de point fixe converge lordre 1 si 6= f 01(`) .

M43 - L2INFO - Universit du Sud Toulon-Var

Lundi 16 mai 2011

1 Rsolution dquations non linaires

et on considre la suite {x n }nN dfinie par