Vous êtes sur la page 1sur 147

ANALYSE NUMRIQUE

JEAN-PAUL CALVI

UNIV. JEANPAULCALVI . COM

/ 1

R2

UPS
Universit de Toulouse

/ 1
UNIV. JEANPAULCALVI . COM

2013-14 Jean-Paul Calvi


ISNB 978-2-9546609-0-5
R2 Dcembre 2014
Louvrage est disponible en ligne sur les pages suivantes :
http://univ.jeanpaulcalvi.com
http://www.math.univ-toulouse.fr/calvi
Il est interdit de dposer ce documents sur une page ou dans une archive lectronique sans lautorisation crite de lauteur.

At my hut
All that I have to offer you,
Is that the mosquitoes are small.

UNIV. JEANPAULCALVI . COM

/ 1

Bash

UNIV. JEANPAULCALVI . COM

/ 1

UNIV. JEANPAULCALVI . COM

/ 1

Prface
Jattribue mon intrt - tardif - pour lanalyse
numrique deux accidents non entirement indpendants et conjointement lorigine de ce livre.
Le premier, qui permit le second, remonte ma
rencontre avec Len Bos, aujourdhui professeur
luniversit de Vrone, un remarquable numricien - et trs passable fermier - tandis que le
second se produisit un peu plus tard lorsque le Dpartement de Mathmatiques de lUniversit Paul
Sabatier me confia, il y a dj une dizaine dannes, un cours danalyse numrique destin des
tudiants de la filire informatique. Si la Providence
seule explique le premier, le cours dinformatique
en question mchut par une mthode intressante
que jappelle celle du dernier reste : le dpartement me fit plusieurs fois lhonneur de mattribuer
un enseignement dont aucun de mes collgues ne
voulait, attention que jai toujours tent de mexpliquer, mme difficilement, par lvidence de mes
qualits pdagogiques. Jabordai la prparation de
ce cours avec une intention hrtique, celle de
madresser au public auquel il tait destin, en suivant un syllabus la fois laconique et banal, dans
lide de procurer une culture numrique rudimentaire mais cohrente qui ne se risquerait pas
lire une seule des dmonstrations quil contiendrait. En ralit, je rencontrai au dbut plusieurs
promotions dtudiants remarquables qui me dissuadrent de supprimer les dmonstrations quils
ntaient pas contraints de lire et firent en sorte
que mon cours ne prenne jamais la direction dune
introduction purement informelle. Si bien quun public plus expert sintressa au texte et je fus par
la suite conduit dvelopper le contenu jusqu
inclure quelques lments surtout destins des
lecteurs qui se spcialisaient en mathmatiques, en
avertissant les autres par le symbole . Pour rester
cohrent avec mon objectif, je me suis appuy sur
des bases mathmatiques modestes : une connaissance raisonnable de lanalyse des fonctions dune
variable relle, disons, du thorme des valeurs intermdiaires jusqu la formule de Taylor (qui sera

rappele) et une certaine familiarit avec le calcul


matriciel. Jai insr dassez nombreux exercices,
souvent lmentaires, y compris dans le cours du
texte, dans lespoir daider la comprhension.
Jai aussi inclus les codes de fonctions SCILAB qui
implmentent les algorithmes fondamentaux ; ces
codes ne sont pas ncessairement les plus efficaces
ni les plus lgants. Mes got personnels se sont
insinus au travers de quelques codes de calculs formels adapts au logiciel MAXIMA .
Au final, le texte contient un traitement assez
substantiel de linterpolation polynomiale, du calcul approch des intgrales et de lapproximation
des racines des quations, trois thmes qui forment
souvent lessentiel dune introduction lanalyse
numrique. Par contre, les quatrime et cinquime
chapitre, consacrs lanalyse numrique matricielle ne sont sans doute que des esquisses. Les
exercices donneront aux lecteurs intresss une approche plus riche du sujet.
Les questions de complexit et de stabilit des
procds numriques sont introduites de manire
concrte et informelle, et sont abordes chaque fois
que cest possible sans tre excessivement technique. Jai toujours jug quil ny avait pas de plus
dcourageante manire de commencer un cours
danalyse numrique que par un chapitre sur ltude
des erreurs.
Des versions prliminaires ont t progressivement mises en ligne depuis 2008 et y ont t souvent
tlcharges, plus de vingt mille fois dans la dernire anne et, dans les deux tiers des cas, hors de
France. Il est possible quune future seconde dition
largie prenne la forme dune publication classique
si elle existe encore au moment o je laurai complte.

Foix, Juin 2013


Jean-Paul Calvi

. Les logiciels SCILAB et MAXIMA sont des logiciels libres tlchargeables sur internet et adapts tous les systmes dexploitations
. Universit de Toulouse, UPS, Institut de Mathmatiques de Toulouse (CNRS UMR 5219), F-31062 Toulouse, France. Courriel : jpcmath@netscape.net

vi
un objet dun autre chapitre, le numro du chapitre apparat aussi. Ainsi, si au cours chapitre 2, on renvoie au
thorme 20 du chapitre 1, on crira thorme I.20. Pour
utiliser les liens, il suffit de slectionner le second, ici 20.

UNIV. JEANPAULCALVI . COM

/ 1

Renvois. Lorsque le texte renvoie un objet (thorme,


section, exercice, etc) du mme chapitre, seul le numro
de lobjet est indiqu. Par contre si le texte renvoie

[T H 0]

ANALYSE NUMRIQUE

CALVI

II Intgration

1 F ORMULES DE QUADRATURES LMENTAIRES 34


1.1 Lnonc du problme . . . . . . . . . . . . . . 34
1.2 Prsentation gnrale . . . . . . . . . . . . . . 35

Table des matires


Prface

Table des matires

vii

Table des codes SCILAB

ix

Table des codes MAXIMA

ix

Interpolation

1 I NTRODUCTION L INTERPOLATION POLYNOMIALE . . . . . . . . . . . . . . . . . . . .


1.1 Espaces de polynmes . . . . . . . . . . . . .
1.2 Le problme gnral de linterpolation polynomiale . . . . . . . . . . . . . . . . . . . . . . .
1.3 Dtermination du polynme dinterpolation . .
1.4 Terminologie et notations . . . . . . . . . . . .
1.5 Simplification de lexpression de la formule
dinterpolation de Lagrange . . . . . . . . . . .
1.6 Proprits algbriques et linarit . . . . . . . .

UNIV. JEANPAULCALVI . COM

/ 1

2 A LGORITHME

1
1
2
3
4
5
5

DE CALCUL ET EXEMPLES

GRAPHIQUES . . . . . . . . . . . . . . . .
2.1 Algorithme bas sur la formule de Lagrange
2.2 Exemples . . . . . . . . . . . . . . . . . .
2.3 Le cot de lalgorithme . . . . . . . . . . .
2.4 La stabilit de lalgorithme . . . . . . . . .
2.5 La formule de rcurrence de Neville-Aitken
2.6 Lalgorithme de Neville-Aitken . . . . . . .
2.7 Algorithme de calcul formel . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

6
6
7
7
9
10
11
12

3 TUDE DE L ERREUR . . . . . .
3.1 Lnonc du thorme . . . . . .
3.2 Le thorme de Rolle gnralis
3.3 Dmonstration du thorme 9 . .
3.4 Choix des points dinterpolation
3.5 Prcision et nombre de points . .

.
.
.
.
.
.

.
.
.
.
.
.

12
12
14
14
15
16

4 P OLYLIGNES . . . . . . . . . . . . . . . . . .
4.1 Subdivisions . . . . . . . . . . . . . . . . . . .
4.2 Fonctions polylignes . . . . . . . . . . . . . .
4.3 Approximation des fonctions continment drivables par les fonctions polylignes . . . . . .
4.4 Reprsentation . . . . . . . . . . . . . . . . . .
4.5 Approximation des fonctions continues par
des fonctions polylignes . . . . . . . . . . . . .
4.6 Extension . . . . . . . . . . . . . . . . . . . .

17
17
18

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

34

.
.
.
.
.
.

.
.
.
.
.
.

19
21
22
24

5 E XERCICES ET PROBLMES . . . . . . . . . .

24

6 N OTES ET COMMENTAIRES . . . . . . . . . .

33

2 E XEMPLES FONDAMENTAUX
2.1 La formule du point milieu . .
2.2 La formule du trapze . . . . .
2.3 La formule de Simpson . . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

36
36
36
37

3 TUDE DE L ERREUR . . . . . . . . . . . . .
3.1 Estimation de lerreur dans la formule du point
milieu . . . . . . . . . . . . . . . . . . . . . .
3.2 Estimation de lerreur dans la formule du trapze
3.3 Estimation de lerreur dans la formule de Simpson

37

4 C OMPOSITION . . . . . . . . . . . . . . . . .
4.1 Ide gnrale . . . . . . . . . . . . . . . . . .
4.2 Exemples fondamentaux de formules composes
4.3 Codes Scilab . . . . . . . . . . . . . . . . . . .

39
39
41
41

5 E XERCICES ET PROBLMES . . . . . . . . . .

44

6 N OTES ET COMMENTAIRES . . . . . . . . . .

49

III quations numriques

37
38
39

50

1 I NTRODUCTION . . . . . . . . . . . . . . . . .

50

2 M THODE DE DICHOTOMIE ( OU DE BISSEC TION ) . . . . . . . . . . . . . . . . . . . . . .


2.1 Dfinition . . . . . . . . . . . . . . . . . . . .
2.2 Etude de la convergence . . . . . . . . . . . . .

51
51
51

3 M THODE DE N EWTON
3.1 Construction . . . . . . .
3.2 Etude de la convergence .
3.3 Autres versions . . . . .
3.4 Calcul formel . . . . . .

.
.
.
.
.

53
53
54
58
58

4 M THODE DE LA SCANTE . . . . . . . . . .
4.1 Construction . . . . . . . . . . . . . . . . . . .
4.2 Etude de la convergence . . . . . . . . . . . . .

59
59
60

5 L E THORME DU POINT FIXE . . . . . . . . .


5.1 Introduction . . . . . . . . . . . . . . . . . . .
5.2 nonc du thorme du point fixe . . . . . . .
5.3 Illustration graphique . . . . . . . . . . . . . .
5.4 Dmonstration du thorme du point fixe . . . .
5.5 Dmonstration de la convergence de la suite xn
5.6 Le problme de la stabilit dans les approximations successives . . . . . . . . . . . . . . . .

62
62
62
63
64
65

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

DAVANTAGE SUR LE THORME DU POINT


FIXE ET SES APPLICATIONS . . . . . . . . . .
6.1 Sur la rapidit de convergence . . . . . . . . .
6.2 Sur lhypothse de stabilit de lintervalle . . .
6.3 Application ltude de la mthode de la scante
6.4 Application la mthode de Newton . . . . . .

vii

.
.
.
.
.

I NTERPOLATION

66
67
67
68
70
70

L AGRANGE ET SE . . . . . .

71

8 E XERCICES ET PROBLMES . . . . . . . . . .

74

DE

CONDE MTHODE DE LA SCANTE

viii

TABLE DES MATIRES

9 N OTES ET COMMENTAIRES . . . . . . . . . .
IV Systmes linaires

77
78

1 R APPEL SUR LES SYSTMES LINAIRES


1.1 Introduction . . . . . . . . . . . . . . . .
1.2 Le formalisme . . . . . . . . . . . . . . .
1.3 Rappels des rsultats fondamentaux . . .

.
.
.
.

.
.
.
.

.
.
.
.

78
78
78
80

2 L E CAS DES SYSTMES TRIANGULAIRES . . .


2.1 Lanalyse du cas n = 3 . . . . . . . . . . . . .
2.2 Les algorithmes de substitution successives . .

81
81
81

3 L ALGORITHME DE G AUSS . . . . . . . . .
3.1 Cas dun systme 3 3 . . . . . . . . . . . .
3.2 Algorithme de Gauss (sans stratgie de pivot)
3.3 Cot de lalgorithme de Gauss . . . . . . . .
3.4 Les sources derreurs . . . . . . . . . . . . .
3.5 Code et commentaires . . . . . . . . . . . . .

.
.
.
.
.
.

82
82
84
85
85
86

4 E XERCICES ET PROBLMES . . . . . . . . . .

88

5 N OTES ET COMMENTAIRES . . . . . . . . . .

95

V Analyse matricielle

3.4 Convergence dune suite de matrices . . . . . . 105


3.5 Algbre des limites . . . . . . . . . . . . . . . 106
3.6 Le critre de Cauchy . . . . . . . . . . . . . . 107
4 S UITES

ET SRIES GOMTRIQUES DE MA -

. . . . . . . . . . . . . . . . . . . . . 107
4.1 Suites gomtriques . . . . . . . . . . . . . . . 107
4.2 Sries gomtriques . . . . . . . . . . . . . . . 108
TRICES

5 A PPLICATIONS . . . . . . . . . . . . . . . . . 109
5.1 quations matricielles de la forme x = b + Ax . 109
5.2 Effet sur la solution dune perturbation des coefficients de la matrice . . . . . . . . . . . . . 111
6 D COMPOSITION ET SUITE DE JACOBI . . . . 113
6.1 Dfinition . . . . . . . . . . . . . . . . . . . . 113
6.2 Convergence . . . . . . . . . . . . . . . . . . . 114
7 E XERCICES ET PROBLMES . . . . . . . . . . 115
8 N OTES ET COMMENTAIRES . . . . . . . . . . 120
A Le thorme de Rolle, des accroissements finis et la formule de Taylor

121

B Solution des exercices

123

96

1 I NTRODUCTION ET AVERTISSEMENT . . . . .

96

2 N ORMES VECTORIELLES . . . . . .
2.1 Dfinitions . . . . . . . . . . . . . .
2.2 Exemples fondamentaux . . . . . .
2.3 quivalence . . . . . . . . . . . . .
2.4 Convergence dune suite de vecteurs

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

. 96
. 96
. 97
. 98
. 100

3 N ORMES MATRICIELLES
3.1 Dfinition . . . . . . . .
3.2 Normes induites . . . . .
3.3 Exemples fondamentaux

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

101
101
101
103

2 C ALCUL APPROCH DES INTGRALES . . . . 126


3 S OLUTIONS APPROCHES DES QUATIONS . . 128
4 R SOLUTION DES SYSTMES LINAIRES .
M THODES DIRECTES . . . . . . . . . . . . . 130
Index

134

Bibliographie

137

UNIV. JEANPAULCALVI . COM

/ 1

.
.
.
.

1 S UR L INTERPOLATION DE L AGRANGE . . . . 123

[T H 0]

ANALYSE NUMRIQUE

CALVI

UNIV. JEANPAULCALVI . COM

/ 1

Table des codes SCILAB


1

Code SCILAB (Formule dinterpolation de Lagrange) . . . . . . . . . . . . . . . . . . . . . . . . . .

2
3
4
5

Code SCILAB (Mthode du point milieu) . . . . . . . . . . . .


Code SCILAB (Mthode du trapze) . . . . . . . . . . . . . .
Code SCILAB (Mthode de Simpson) . . . . . . . . . . . . . .
Code SCILAB (Un test darrt sur la mthode du point milieu) .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

41
41
43
43

6
7
8
9
10

Code SCILAB (Algorithme de dichotomie) . . . . . . . . .


Code SCILAB (Algorithme de dichotomie prcision fixe)
Code SCILAB (Mthode de Newton) . . . . . . . . . . . .
Code SCILAB (Mthode de la scante) . . . . . . . . . . .
Code SCILAB (Approximations successives) . . . . . . . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

52
52
55
61
63

11

Code SCILAB (Algorithme dee Gauss pour la rsolution des systmes linaires) . . . . . . . . . . . .

86

.
.
.
.
.

.
.
.
.
.

Table des codes MAXIMA


Code MAXIMA (Formule dinterpolation de Lagrange) . . . . . . . . . . . . . . . . . . . . . . . . .

12

Code MAXIMA (Obtention de la formule de Simpson) . . . . . . . . . . . . . . . . . . . . . . . . . .

37

Code MAXIMA (Formule dinterpolation de Lagrange) . . . . . . . . . . . . . . . . . . . . . . . . .

58

UNIV. JEANPAULCALVI . COM

/ 1

I
Interpolation
1. I NTRODUCTION L INTERPOLATION POLYNOMIALE
1.1

Espaces de polynmes

Nous rappelons quelques rsultats sur les polynmes (ou fonctions polynomiales). Un monme de
degr k est une fonction de la forme x R cxk o c R? et k N. Un polynme est une somme (finie)
de monmes. La fonction nulle est aussi considre comme un polynme. Lensemble P des polynmes
forme alors un espace vectoriel quand on utilise laddition habituelle des fonctions (p + q) ainsi que la
multiplication par une constante ( p). Le produit de deux polynmes (pq) est encore un polynme. Les
fonctions polynmes sont indfiniment drivables. Tout polynme p non nul scrit dune manire et
dune seule sous la forme
m

(1.1) p(x) = c0 + c1 x + + cm xm = ci xi ,
i=0

avec cm 6= 0. Lunicit provient de ce que ck = p(k) (0)/k!. Les nombres ci sappellent les coefficients de
p. Lentier non nul m dans (1.1) est le degr de p et le coefficient cm est le coefficient dominant de p. On
convient que deg 0 = . Avec cette convention, quels que soient les polynmes p et q, nous avons
deg(pq) = deg p + deg q,

(1.2)

deg(p + q) max(deg p, deg q).

(1.3)

E 1 crire une formule donnant les coefficients dun produit de polynmes pq en fonction des coefficients
des facteurs p et q.

/ 1

(1.4) deg p = deg p,

UNIV. JEANPAULCALVI . COM

Lorsque R? ,

cest un cas particulier de (1.2). En ralit le degr de p + q concide toujours avec max(deg p, deg q) sauf
lorsque les deux polynmes ont mme degr et leurs coefficients dominants sont opposs lun de lautre.
Nous noterons Pm lensemble des polynmes de degr infrieur ou gal m. Les proprits (1.3) et (1.4)
montrent que Pm est un sous-espace vectoriel de P dont la base canonique est B = (x 1 = x0 , x
x1 , . . . , x xm ). En particulier, sa dimension est m + 1.
Si r est une racine de p (cest--dire p(r) = 0) alors p est divisible par ( r). Cela signifie quil existe
un polynme q tel que p(x) = (x r)q(x) pour tout x R. Nous disons que r est une racine de multiplicit
m lorsque ( r)m divise p mais ( r)m+1 ne divise pas p. On montre en algbre que cela est quivalent
0 = p(r) = p0 (r) = = p(m1) (r) et

p(m) (r) 6= 0.

Un polynme p Pm non nul admet au plus m racines en tenant compte de la multiplicit. Cela signifie
que si ri est racine de multiplicit mi de p 6= 0 pour i = 1, . . . , l alors m1 + + ml m. On dit alors que le
nombre de racine de p est en tenant compte de la multiplicit plus petite ou gale au degr du polynme

I. I NTERPOLATION

p . Nous utiliserons plusieurs fois que si p est un polynme de degr au plus m qui admet au moins m + 1
racines en tenant compte de la multiplicit alors p est ncessairement le polynme nul ; autrement dit,

zi racine de p de multiplicit mi , i = 1, . . . , l,
(1.5) li=1 mi > m,
= p = 0.

p Pm
E 2 Peut-on retrouver un polynme de degr m quand on sait que x1 , . . . , xm sont ses racines ?
E 3 En combien de points une droite peut-elle couper le graphe dun polynme ?
E 4 Combien daxe de symtrie le graphe dun polynme peut-il admettre ? (y = a est un axe de symtrie
du graphe de p si p(a x) = p(a + x) pour tout x R.)

1.2

Le problme gnral de linterpolation polynomiale

En analyse numrique, une fonction f nest souvent connue que par ses valeurs fi en un nombre fini
de points ai , fi = f (ai ), (en ralit, en pratique fi est seulement une approximation de f (ai )). Cependant,
dans la plupart des cas, il est ncessaire deffectuer des oprations sur des fonctions globales (drivation,
intgration, ...) et nous sommes conduits reconstruire une fonction globale fr partir dun nombre
fini de donnes (ai , fi ).
Sauf cas trs simple, la fonction fr ne concidera pas avec la fonction
Fonction reconstruite
idale f mais il faut faire en sorte quelle nen soit pas trop loigne.
Le problme de linterpolation polynomiale consiste choisir comme
fonction reconstruite une fonction polynomiale. Cest la mthode la
plus ancienne, la plus lmentaire et encore la plus utile. Mais il y en
Donnees a dautres. Nous verrons plus loin, la section 4, une seconde mthode
employant les polylignes. Dans la figure ci-dessus la fonction reconstruite fr est obtenue partir de quatre donnes par un procd voisin (spline dinterpolation) mais diffrent.
Dune manire prcise, tant donns d + 1 points dabscisses distinctes M j = (a j , f j ), j = 0, . . . , d, dans
le plan pour des raisons de commodit dcriture les points seront toujours indics partir de 0 ,
le problme consiste trouver un polynme p Pm dont le graphe passe par les d + 1 points M j . En
formule, nous devons avoir

UNIV. JEANPAULCALVI . COM

/ 1

(1.6) p Pm

et

p(a j ) = f j

j = 0, . . . , d.

Ce problme est bien facile rsoudre lorsque nous disposons de deux points M0 et M1 et cherchons un
polynme de degr 1 car il suffit alors de prendre lunique polynme dont le graphe est la droite (M0 M1 )
comme indiqu sur la figure.
En effet, posant p(x) = x + , nous dterminons et
grce aux quations p(a0 ) = f0 et p(a1 ) = f1 . Il vient
M0
f0

M1

f1
a0

a1

f1 f0
(x a0 ) + f0
a1 a0
que nous pouvons aussi crire
(1.7) p(x) =

x a1
x a0
(1.8) p(x) = f0
+ f1
.
a0 a1
a1 a0

Le problme est peine plus compliqu lorsque nous disposons de trois points Mi (ai , fi ), i = 0, 1, 2 avec
a0 < a1 < a2 et cherchons un polynme du second degr. Le graphe cherch est en gnral une parabole
(correspondant un polynme de degr 2). Cependant, dans le cas particulier o les trois points sont
aligns, le graphe est nouveau une droite (correspondant un polynme de degr 1).
Ceci dit, sil nest pas davantage prcis, le problme (1.6) peut navoir aucune solution ou bien en
avoir une infinit.

. Dans le cas complexe, cest--dire, lorsquon accepte de considrer les racines complexes (et mmes les polynmes coefficients complexes), le thorme fondamental de lalgbre dit que le nombre de racines dun polynme non nul est, en tenant compte
de la multiplicit, exactement gal au degr du polynme.
. La seule exception cette convention se trouve au paragraphe 2.6 consacr lalgorithme de Neville-Aitken.
[T H 0]

ANALYSE NUMRIQUE

CALVI

1. I NTRODUCTION L INTERPOLATION POLYNOMIALE

E 5 (a) Montrer quil existe une infinit de polynmes p P2 dont le graphe passe par les points M0 (0, 0)
et M1 (1, 1). (b) Trouver quatre points Mi (i = 1, 2, 3, 4) dabscisses respectives 1, 0, 1, 2 qui ne se trouvent
sur le graphe daucun polynme de P2 .

1.3

Dtermination du polynme dinterpolation

Nous devinons aisment que pour quun seul polynme satisfasse aux conditions (1.6), une relation
doit exister entre le nombre de points d + 1 et le degr m du polynme cherch. Cette relation est facile
mettre en vidence. Pour dterminer p Pm , nous devons connatre lensemble de ses coefficients et
ceux-ci sont au nombre de m + 1. Or, pour les obtenir, nous disposons des d + 1 informations p(ai ) = fi ,
i
i = 0, . . . , d. De manire prcise, posant p(x) = m
i=0 ci x , nous devons dterminer les m + 1 coefficients
ci laide des d + 1 quations
m

(1.9)

ci a j i = f j ,

i=0

0 j d.

UNIV. JEANPAULCALVI . COM

/ 1

Le cours dalgbre linaire nous dit alors que pour esprer une solution unique, il nous faut supposer que
m = d ce que nous ferons partir de maintenant et, dans ce cas, le systme admettra une solution et
une seule si et seulement si son dterminant sera diffrent de 0. Nous pourrons alors obtenir une expression
plus ou moins explicite pour chaque ci en utilisant les formules de Cramer (voir IV.1.3). Sil nest pas trop
difficile, le calcul du dterminant de ce systme est cependant assez long (il est propos lexercice 43)
et nous suivrons ici une autre dmarche, assez courante en mathmatiques. Elle consiste dcomposer
le problme en un grand nombre de micro-problmes puis de superposer les solutions de ces microproblmes pour obtenir une solution du problme de dpart. Lide est la suivante. Nous supposons dans
un premier temps que nous connaissons pour chaque i {0, . . . , d} un polynme `i Pd qui satisfasse
`i (ai ) = 1 et `i (a j ) = 0 pour j 6= i. Il est commode de prsenter cette proprit en utilisant le symbole de
Kronecker i j qui vaut 1 lorsque i = j et 0 lorsque i 6= j. Ainsi, nos polynmes `i vrifient `i (a j ) = i j .
Nous formons ensuite le polynme p := di=0 fi `i . Puisque chaque `i Pd et que Pd est un espace
vectoriel, nous avons p Pd . De plus p(a j ) = di=1 fi `i (a j ) = di=1 fi i j = f j de sorte que le polynme
p satisfait les conditions demandes. Le problme sera donc rsolu si nous tablissons lexistence des
polynmes `i . Cherchons donc dterminer `i en exploitant les conditions que nous lui avons imposes.
Puisque `i (a j ) = 0 pour j 6= i, `i est factorisable par (x a j ) pour j 6= i et comme les a j sont supposs
deux deux distincts, il vient
(1.10) `i (x) = (x a0 ) (x ai1 )(x ai+1 ) (x ad )R(x),
o R est un polynme quil nous reste dterminer. Puisquil y a dans (1.10) d + 1 1 = d facteurs
(x x j ) qui donnent un polynme de degr d et que `i lui-mme appartient Pd , le polynme R est
ncessairement constant de sorte que pour un certain K R,
(1.11) `i (x) = K(x a0 )(x a1 ) (x ai1 )(x ai+1 ) (x ad ).
Mais il est aussi demand que `i (ai ) soit gal 1 et cette condition permet immdiatement dobtenir
la constante K,
(1.12) K = {(ai a0 ) (ai ai1 )(ai ai+1 ) (ai ad )}1 .
Nous avons donc tabli lexistence des polynmes `i et presque entirement dmontr le thorme suivant.
[I. 1.3]

ANALYSE NUMRIQUE

[T H 1]

I. I NTERPOLATION

Thorme 1. Soit A = {a0 , . . . , ad } un ensemble de d + 1 nombres rels (deux deux) distincts. Quelles
que soient les valeurs f0 , f1 , . . . , fd , il existe un et un seul polynme p Pd tel que p(ai ) = fi , i =
0, 1, . . . , d. Ce polynme, est donn par la formule
d

(1.13) p = fi `i ,

avec

i=0

(1.14) `i (x) =

(x a0 ) (x ai1 )(x ai+1 ) (x ad )


(ai a0 ) (ai ai1 )(ai ai+1 ) (ai ad )

Dmonstration. La seule affirmation que nous navons pas encore tablie est lunicit. Nous avons trouv
un polynme p satisfaisant les conditions demandes mais nous navons pas montr quil ny a pas dautre
solution que celle que nous avons trouve. Supposons que q1 et q2 soient deux solutions et posons q =
p1 p2 . En utilisant nouveau le fait que Pd est un espace vectoriel, nous avons q Pd . De plus, pour
i = 0, . . . , d, q(ai ) = fi fi = 0. Nous avons donc un polynme q de degr au plus d qui admet au moins
d + 1 racines. En vertu de la relation (1.5) sur les racines dun polynme, la seule possibilit est q = 0 qui
entrane p1 = p2 et lunicit sensuit.

1.4

Terminologie et notations

Les nombres ai sappellent les points dinterpolation ou encore noeuds dinterpolation. Lorsque
fi = f (ai ), la fonction f est la fonction interpole. Nous disons aussi que les valeurs f (ai ) sont les
valeurs dinterpolation ou valeurs interpoles Lunique polynme p Pd vrifiant p(ai ) = f (ai )
(i = 0, 1, . . . , d) sappelle alors le polynme dinterpolation de Lagrange de f aux points ai . Il est not
L[a0 , . . . , ad ; f ] ou bien L[A; f ].
Cette dernire notation est cohrente car le polynme dinterpolation de Lagrange dpend uniquement
de lensemble des points A = {a0 , . . . , ad } et non du (d + 1)-uplet (a0 , . . . , ad+1 ) . Autrement dit, le polynme dinterpolation de Lagrange ne dpend pas de la manire dont les points sont ordonns. Une
autre manire un peu sophistique de traduire cette proprit est la suivante : si est une permutation
quelconque des indices 0, 1, . . . , d alors

UNIV. JEANPAULCALVI . COM

/ 1

L[a0 , . . . , ad ; f ] = L[a (0) , . . . , a (d) ; f ].


Les polynmes `i sappellent les polynmes fondamentaux de Lagrange. En utilisant le symbole
qui est lquivalent pour le produit de ce que est pour la somme, nous obtenons la formule suivante
qui est une variante compacte de (1.14).
d

(1.15) `i (x) =

xaj
.
j=0, j6=i ai a j

Avec ces nouvelles notations, lexpression (1.13) devient


d

(1.16) L[a0 , . . . , ad ; f ](x) = f (ai )


i=0

xaj
.
a
j=0, j6=i i a j

Cette expression de L[A; f ] = L[a0 , . . . , ad ; f ] est connue sous le nom de formule dinterpolation de
Lagrange.
. Rappelons que la diffrence entre un ensemble de d + 1 lments deux deux distincts et un (d + 1)-uplet est que, dans
ce dernier, lordre dans lequel les lments sont crits toute son importance. Avec un ensemble de d + 1 lments deux deux
distincts, nous pouvons former (d + 1)! diffrents (d + 1)-uplet.
. Une permutation des indices 0, 1, . . . , d est une bijection de lensemble{0, 1, . . . , d} dans lui-mme.
[T H 1]

ANALYSE NUMRIQUE

CALVI

1. I NTRODUCTION L INTERPOLATION POLYNOMIALE

1.5

Simplification de lexpression de la formule dinterpolation de Lagrange

Il est encore possible de simplifier lcriture des fondamentaux de Lagrange `i en introduisant le polynme w dfini par
d

w(x) = (x a0 )(x a1 ) (x ad ) = (x ai ).
i=0

Ensuite, nous appelons wi le polynme obtenu en retirant le facteur (x ai ) dans w de sorte que nous
avons la fois
d

w(x) = wi (x) (x ai ) et wi (x) =

j=0, j6=i

(x a j ).

En drivant la premire de ces expressions, nous obtenons


w0 (x) = w0i (x) (x ai ) + wi (x) et en prenant x = ai il vient w0 (ai ) = wi (ai ) =

(ai a j ).

j=0, j6=i

Le dernier terme est exactement le dnominateur dans lexpression de `i donne la relation (1.15) si
bien que
`i (x) =

w(x)
w0 (ai )(x ai )

et la formule dinterpolation de Lagrange devient


d

(1.17) L[a0 , . . . , ad ; f ](x) = f (ai )


i=0

w(x)
.
w0 (ai )(x ai )

Cette nouvelle expression est surtout intressante lorsque le polynme w a une expression assez simple
mais elle est aussi utile pour programmer le calcul formel de L[a0 , . . . , ad ; f ](x), voir 2.7.

UNIV. JEANPAULCALVI . COM

/ 1

1.6

Proprits algbriques et linarit

Il est essentiel de retenir lquivalence suivante



p Pd
(1.18)
p = L[a0 , . . . , ad ; f ].
p(ai ) = f (ai ) i = 0, . . . , d
En particulier,
(1.19) si p Pd alors L[a0 , . . . , ad ; p] = p.
Il faut prendre garde que cette proprit nest valable que lorsque le degr de p est infrieur o gal d .
La relation (1.18) signifie que pour tablir quun polynme donn p est gal au polynme dinterpolation
de Lagrange dune fonction f aux points a0 , . . . , ad , il suffit de vrifier que le degr de q est infrieur ou
gal d et que q(ai ) = f (ai ) pour i = 0, . . . , d.
La relation (1.19) entrane des proprits algbriques intressantes sur les polynmes `i . Par exemple,
en utilisant que, quel que soit le nombre de points, le polynme constant gal 1 est son propre polynme
dinterpolation, nous obtenons
d

(1.20)

`i = 1.

i=0

. Pour la calcul de L[a0 , . . . , ad ; p] lorsque le degr de p est strictement suprieur d, voir lexercice 26.
[I. 1.6]

ANALYSE NUMRIQUE

[T H 2]

I. I NTERPOLATION

E 6 Vrifiez la proprit ci-dessus par le calcul dans le cas o d = 1 (deux points dinterpolation) et d = 2
(trois points dinterpolation).

Thorme 2. Lapplication L[A, ] qui toute fonction f dfinie (au moins) sur A = {a0 , . . . , ad } fait
correspondre son polynme dinterpolation L [A; f ] Pd ,
L[A; ] : f F (A) L[A; f ] Pd ,
est une application linaire de lespace vectoriel F (A) des fonctions relles dfinies sur A valeurs dans
lespace vectoriel des polynmes de degr au plus d. Cela signifie quelle satisfait les deux proprits
suivantes

L [A; f + g] = L [A; f ] + L [A; g] , f , g F (A)
(1.21)
.
L [A; f ] = L [A; f ] , f F (A), R
E 7 Montrer les proprits (1.21).
E 8 Soit pour tout n N, Mn (x) = xn . Dterminer L[1, 0, 1; Mn ] et en dduire, pour tout polynme p,
une formule pour L[1, 0, 1; p] en fonction des coefficients de p.

2. A LGORITHME DE CALCUL ET EXEMPLES GRAPHIQUES


2.1

Algorithme bas sur la formule dinterpolation de Lagrange

Lalgorithme suivant est une traduction directe de la formule dinterpolation de Lagrange (1.16). Sil
est le plus simple, il nest pas, loin sen faut, le meilleur et il nous servira surtout mettre en vidence les
problmes numriques lies lutilisation dun algorithme. Un meilleur algorithme (de Neville-Aitken)
est donn plus loin et une troisime mthode est esquisse dans lexercice 30.

UNIV. JEANPAULCALVI . COM

/ 1

Algorithme 3. Les donnes de lalgorithme sont (i) le vecteur a = (a0 , . . . , ad ) form des points dinterpolation, (ii) le vecteur f = ( f0 , . . . , fd ) form des valeurs dinterpolations (iii) le point t en lequel nous
voulons calculer L[a; f ]. Le rsultat est dans P.
(a) P := 0
(b) Pour i [0 : d] faire
(a) L := 1

(b) Pour j [0 : i 1; i + 1 : d], L := L (t a j )/(ai a j )


(c) P := P + L fi .

Voici une traduction en code scilab de lalgorithme ci-dessus


Code SCILAB 1 (Formule dinterpolation de Lagrange). Dans le code suivant
(a) N est un vecteur form des points dinterpolation, La longueur de N est n.
(b) Y est un vecteur de mme dimension que N contenant les valeurs dinterpolation,
(c) X est un vecteur contenant les points en lesquels le polynme doit tre calcul.
[T H 3]

ANALYSE NUMRIQUE

CALVI

2. A LGORITHME DE CALCUL ET EXEMPLES GRAPHIQUES

1
3
5
7
9
11

2.2

f u n c t i o n [ P ] = l a g r a n g e (N, V, X)
n= l e n g t h (N ) ;
P=0;
for i =1:n ,
L=1;
f o r j = [ 1 : i 1 , i + 1 : n ]
L=L . * ( XN( j ) ) . / ( N( i )N( j ) ) ;
end
P=P+L *V( i ) ;
end
endfunction

Exemples

Sur les graphiques de la table 1, nous pouvons comparer la fonction f (x) = x sin(x) (trace en bleu) et
ses polynmes dinterpolation (tracs en rouge) de degr d par rapport aux d + 1 points quidistants ai =
1 + 2i/d, i = 0, 1, . . . , d lorsque d = 3, 4, 5 et 6. Par exemple lorsque d = 4, les 5 noeuds dinterpolation
sont 1, 0.6, 0.2, 0.2, 0.6, 1. Remarquons que les polynmes approchent si bien la fonction que
les graphes sont confondus sur [1, 1] ds que d = 6. Par contre, le rsultat est mauvais en dehors de
lintervalle [1, 1]. En ralit, avec la fonction choisie, qui est trs rgulire en augmentant d, nous
obtiendrions aussi une excellente approximation en dehors de lintervalle. Nous verrons plus loin des
exemples de fonctions pour lesquelles les polynmes dinterpolation construits aux points quidistants ne
fournissent pas une bonne approximation.
E 9 Remarquons que, dans le cas d = 3, le graphe du polynme dinterpolation est une parabole, cest
dire le graphe dun polynme du second degr (et non pas dun polynme de degr 3). Expliquer cela.

UNIV. JEANPAULCALVI . COM

/ 1

2.3

Le cot de lalgorithme

Le cot ou encore la complexit dun algorithme est le nombre doprations lmentaires (+, , , )
employ par cet lalgorithme pour produire son rsultat. Parfois, comme dans le thorme ci-dessous,
on se limite compter le nombre de multiplications et de divisions en supposant que le travail demand
par les additions et les soustractions est ngligeable devant celui demand par une multiplication ou une
division. Ces nombres doprations ne donnent quune information partielle sur la rapidit (et lutilit
pratique, la faisabilit) de lalgorithme. Dautres lments entrent en ligne de compte. Le nombre de mmoires (de registres, de variables) occupes par lalgorithme est un autre lment important. Dans le calcul
de la complexit, il nest pas tenu compte des actions de changement daffectation de nombres dans des
variables, non plus que des tris sur des listes de nombres comme par exemple la recherche du nombre le
plus grand. Ces actions consomment une nergie et un temps importants qui peuvent suffire dissuader
de lemploi dun algorithme. Cette notion de cot (complexit) joue un rle fondamental en analyse numrique matricielle dans laquelle sont presque uniquement utilises les oprations lmentaires. Dans les
autres parties de lanalyse numrique, il est souvent ncessaire dutiliser les oprations lmentaires sur
des valeurs de fonctions usuelles (elles-mmes conserves en mmoire disposition ou values avec un
nombre fini doprations lmentaires) et il est alors souvent plus naturel de compter les valuations de
ces fonctions usuelles parmi les oprations lmentaires.
Le thorme suivant donne une premire ide dun calcul de complexit.
. Le mot rgulier est un mot passe-partout en mathmatiques qui na de sens que dans le contexte. Ici, le sens serait celui
de fonction analytique mais cette notion est trop dlicate pour tre introduite dans ce cours. Nous disons plus simplement que la
fonction f (x) = x sin(x) est trs rgulire parce quelle est indfiniment drivable et les valeurs absolues de ses drives | f (s) (x)|
ne croissent pas trop vite lorsque x [1, 1] et s devient grand. Cette ide est dveloppe dans lexercice 36.
[I. 2.3]

ANALYSE NUMRIQUE

[T H 4]

I. I NTERPOLATION

d=4

d=3
0.6

0.7

0.6
0.5
0.5
0.4
0.4
0.3

0.3

0.2

0.2

0.1
0.1
0.0
0.0
0.1

0.1
1.5

1.0

0.5

0.0

0.5

1.0

0.2
1.5

1.5

1.0

0.5

0.0

0.5

1.0

1.5

0.5

1.0

1.5

d=6

d=5
0.7

2.5

0.6

2.0

0.5

1.5

0.4
1.0
0.3
0.5
0.2
0.0
0.1
0.5

0.0

1.0

0.1

0.2
1.5

1.0

0.5

0.0

0.5

1.0

1.5
1.5

1.5

1.0

0.5

0.0

TABLE 1 Quelques polynmes dinterpolation de la fonction f (x) = x sin x sur lintervalle [1, 1].

Thorme 4. Le calcul de L[a0 , . . . , ad ; f ](x) par lalgorithme 3 ncessite (2d + 1)(d + 1) 2d 2


multiplications-divisions a .

UNIV. JEANPAULCALVI . COM

/ 1

a. Les valeurs de la fonctions f (ai ) sont donnes ; nous ne devons pas les calculer.

Ici, comme il est naturel, la complexit est une fonction croissante de d, cest--dire essentiellement du
nombre de points dinterpolation, ou encore du nombre de donnes utiliser.
Le symbole est mis pour indiquer lquivalence de deux suites. Nous disons que deux suites ud et
vd sont quivalentes (lorsque d ) lorsquil existe une troisime suite d qui tend vers 0 et telle que
ud = vd (1 + d ). Lorsque lune des deux suites ne sannule plus partir dun certain rang, disons vd , nous
pouvons diviser par vd lorsque d est assez grand, et la dfinition se traduit alors par limd ud /vd = 1.
Dans lnonc du thorme, prenant ud = (2d + 1)(d + 1) = 2d 2 + 3d + 1 et vd = 2d 2 , nous avons bien
ud /vd = 1 + 3/(2d) + 2/(2d 2 ) 0 lorsque d .
Dmonstration. Le nombre Nd de multiplications-divisions est donn par
d

(2.1)

i=0

j=0, j6=i

o
2 +1

= (2d + 1) = (2d + 1)(d + 1).


i=0

Le premier di=0 provient de la boucle pour i [0, d] dans lalgorithme 3 tandis que la seconde somme
provient de la boucle pour j [0 : i 1; i + 1 : d]. Limbrication des signes traduit le fait que la seconde
boucle seffectue lintrieur de la premire.

[T H 4]

ANALYSE NUMRIQUE

CALVI

2. A LGORITHME DE CALCUL ET EXEMPLES GRAPHIQUES

n
1
2

coef. de xn
2.776D 17
2.776D 16

n
3
4

coef. de xn
1
5.551D 16

n
5
6

coef. de xn
6.661D 16
1.110D 15

TABLE 2 Coefficients de L[0 , . . . , a6 ; M3 ](x) = x3 calculs par lalgorithme 3.

2.4

La stabilit de lalgorithme

Prenons 7 points quidistants dans [1, 1], ai = 1 + 2/6 i, i = 0 . . . , 6 et calculons linterpolant de


Lagrange de la fonction M3 : x x3 . La relation (1.19) montre que
L[a0 , . . . , a6 ; M3 ](x) = x3 .
Nous avons modifi lalgorithme 3, pour quil produise un polynme. Cest une bien mauvaise ide,
du point de vue de la prcision des calculs, mais elle nous servira montrer comment un algorithme
mathmatiquement correct peut donner des rsultats trs mdiocres. Les coefficients du polynme obtenu
sont indiqus dans la table 2. Les rsultats qui ne sont pas nuls mais qui devraient ltre sont tellement
petit que nous pouvons sans hsiter les liminer de sorte que les rsultats sont acceptables. Les difficults
apparaissent pour un nombre de points suprieur. Pour d = 30 et la fonction polynme p(x) = 6x2 + 2x3 +
x4 +x5 , nous obtenons les coefficients donns dans la table 3. Il nest pas difficile dexpliquer linexactitude
n
1
2
3
4
5
6
7
8
9
10

coef. de xn
7.154D 16
6
2
1
1
2.804D 09
3.535D 09
0.0000001
0.0000011
0.0000046

n
11
12
13
14
15
16
17
18
19
20

coef. de xn
0.0000102
0.0000084
0.0000207
0.0003492
0.0021007
0.0073588
0.0175530
0.0304909
0.0399997
0.0407562

n
21
22
23
24
25
26
27
28
29
30

coef. de xn
0.0312387
0.0128725
0.0083289
0.0210372
0.0186058
0.0090390
0.0024166
0.0003477
0.0000052
0.0000115

UNIV. JEANPAULCALVI . COM

/ 1

TABLE 3 Coefficients de linterpolant de Lagrange L[a0 , . . . , a2 9; p](x) = p, p(x) = 6x2 + 2x3 + x4 + x5 , calculs
par lalgorithme 3 avec 30 points quidistants dans [1, 1).

du rsultat. Un calculateur ne travaille quavec une famille finie (trs tendue) de nombres F et le rsultat
de toutes les oprations quil effectue doit tre slectionn parmi ces nombres. Si a et b sont deux nombres
rels et dsigne une opration quelconques alors le rsultat de lopration a b sera F(a b) avec
F(a b) = a b ,
o x dsigne llment de F le plus proche, en un certain sens, de x. Traditionnellement, mme si cela ne
correspond plus aux fonctionnement des calculateurs modernes, la diffrence entre le rsultat exact a b
et le nombre retenu par le calculateur F(a b) est appele erreur darrondi. De manire informelle, nous
disons quun algorithme est stable lorsque les erreurs au niveaux des donnes et les erreurs darrondis
induisent des erreurs au niveau du rsultat comparables (la somme de) celles sur les donnes. Pour
tre correctement analyse, cette ide doit tre formalise : nous devons estimer la diffrence entre le
rsultat thorique et le rsultat fourni par le calculateur en tenant compte des erreurs sur les donnes
. Les logiciels de calculs sont munis doprateur de nettoyage qui remplacent par 0 les donnes extrmement petites.
[I. 2.4]

ANALYSE NUMRIQUE

[T H 4]

10

I. I NTERPOLATION

et des proprits techniques des calculateurs. Cette analyse, en gnral est dlicate et, dans ce cours,
nous naurons loccasion den considrer que quelques exemples trs simples qui ne concerneront que la
propagation des erreurs sur les donnes.
Dans le cas du calcul de linterpolant de Lagrange qui nous intresse ici, lalgorithme ne calcule pas
Si nous examinons le coefficient de x17 dans la table 3, qui
L[0 , . . . , a29 ; p] mais une approximation L.
thoriquement devrait tre nul, nous trouvons une erreur de lordre dun centime qui est une erreur extrmement grande si nous savons que tous les calcul sont effectus avec une prcision de lordre de 1012 .
Nous dirons que lalgorithme est instable. En gnral, la stabilit dpend : (a) des points dinterpolation
a0 . . . , ad de ce point de vue les points quidistants constituent un mauvais choix ; (b) de la fonction
interpole ; en particulier les risques derreur augmentent si la fonction admet des variations importantes,
cest--dire lorsque f (x + ) peut tre trs diffrent de f (x) pour petit cest le cas des fonctions avec
f 0 (x) grand ; (c) de lalgorithme utilis, dont les qualits dpendent de la mthode mathmatique dont il
dcoule, du programme ou langage lintrieur duquel lalgorithme est programm, de lhabilet du traducteur. Les problmes de la complexit et de la stabilit ne sont pas indpendants puisquen gnral plus
le nombre doprations sera grand plus le risque de propagation des erreurs darrondis sera lev.
2.5

La formule de rcurrence de Neville-Aitken

Thorme 5 (Neville-Aitken). Soit A = {a0 , a1 , . . . , ad } un ensemble de d + 1 nombres rels distincts et


f une fonction dfinie (au moins) sur A. Alors
(2.2) (a0 ad )L[a0 , a1 , . . . , ad ; f ](x) = (x ad )L[a0 , a1 , . . . , ad1 ; f ](x) (x a0 )L[a1 , a2 , . . . , ad ; f ](x).
Dmonstration. Considrons Q Pd dfini par
(2.3) Q(x) =

1
{L[a0 , . . . , ad1 ; f ](x) (x ad ) L[a1 , . . . , ad ; f ](x) (x a0 )},
{z
} | {z } |
{z
} | {z }
a0 ad |
Pd1

P1

Pd1

P1

et calculons ses valeurs en les points ai . Nous utilisons un point dinterrogation pour indiquer une valeur
inconnue mais sans influence. Pour le point a0 , nous avons
Q(a0 ) =

1
{ f (a0 )(a0 ad ) [?] 0} = f (a0 )
a0 ad

et le mme calcul vaut le point ad ,

UNIV. JEANPAULCALVI . COM

/ 1

Q(ad ) =

1
{[?] 0 f (ad )(ad a0 )} = f (ad ).
a0 ad

Quant aux points ai pour 1 i d, nous avons


Q(ai ) =

1
{ f (ai )(ai ad ) f (ai )(ai a0 )} = f (ai ) (1 i d 1)
a0 ad

. Maintenant, de Q Pd et Q(ai ) = f (ai ) pour i = 0, . . . , d, nous dduisons que le polynme Q nest autre
que L[a0 , . . . , ad ; f ](x) et cest ce quil fallait tablir.

Corollaire 6. Sous les mmes hypothses, pour tout couple dindice (i, j) dans {0, . . . , d} avec i 6= j,
(2.4)

(ai a j )L[a0 , a1 , . . . , ad ; f ](x)

= (x a j )L[a0 , . . . , a j1 , a j+1 , . . . ad ; f ](x) (x ai )L[a0 , . . . , ai1 , ai+1 , . . . ad ; f ](x).

Dmonstration. Cela provient immdiatement du thorme prcdent, en tenant compte du fait que les
points pouvant tre permuts, nous pouvons mettre ai la place de a0 et a j la place de ad .

[T H 6]

ANALYSE NUMRIQUE

CALVI

11

2. A LGORITHME DE CALCUL ET EXEMPLES GRAPHIQUES

2.6

Lalgorithme de Neville-Aitken

Posons A = {x1 , x2 , . . . , xd+1 } un ensemble de d + 1 rels distincts. Il faut prendre garde que les points
sont ici indics partir de 1 et non pas, comme jusqu prsent, partir de 0. Nous dfinissons une famille
de polynmes pi,m par rcurrence sur m {0, 1, . . . , d} comme suit

(2.5) pi,0 (x) = f (xi ),

(2.6) pi,m+1 (x)

1 i d + 1,

puis

(xi x)pm+1,m (x) (xm+1 x)pi,m (x)


,
xi xm+1

m + 2 i d + 1.

Les polynmes pi,m sont dfinis seulement pour les couples dindices (i, m) vrifiant la condition d +1
i > m 0, nous disons que nous avons construit une famille triangulaire de polynmes.
Thorme 7. Pour 0 m d, nous avons
(2.7) pi,m = L[x1 , x2 , . . . , xm , xi ; f ],

m + 1 i d + 1.

Lorsque m = 0 lcriture L[x1 , x2 , . . . , xm , xi ; f ] doit tre comprise comme L[xi ; f ] = f (xi ).


Remarquons que le cas m = d dans la relation (2.7) nous donne
pd+1,d = L[x1 , x2 , . . . , xd+1 ; f ].
Dmonstration. Nous dmontrons (2.7 ) par rcurrence sur m. Le rsultat est vrai pour m = 0 cause de
la dfinition (2.5). Supposant que le rsultat est vrai pour m, nous le montrons pour m + 1. Appelons Q(x)
le terme de droite dans lquation (2.6). Lhypothse de rcurrence nous permet dcrire
pm+1,m = L[x1 , . . . , xm , xm+1 ; f ] et

pi,m = L[x1 , . . . , xm , xi ; f ],

de sorte que
(xi x)L[x1 , . . . , xm , xm+1 ; f ](x) (xm+1 x)L[x1 , . . . , xm , xi ; f ](x)
,
xi xm+1
et nous dduisons de la relation de Neville-Aitken, via la formule (2.4) du corollaire, que
Q(x) =

Q(x) = L[x1 , . . . , xm , xm+1 , xi ; f ](x)

UNIV. JEANPAULCALVI . COM

/ 1

qui est la formule annonce dans le cas m + 1.

Algorithme 8. Les donnes de lalgorithme sont (a) le vecteur x = (x1 , . . . , xd+1 ) form des points dinterpolation, (b) le vecteur f = ( f1 , . . . , fd+1 ) form des valeurs dinterpolation (c) le point t en lequel nous
voulons calculer L[x; f ]. On utilise une matrice P de dimension (d + 1) (d + 1) que lon initialise 0.
Le rsultat est dans P(d + 1, d + 1).
(a) Pour j [1 : d + 1], P( j, 1) = f j .

(b) Pour m [2 : d + 1]

Pour i [m : d + 1]


x(i) x p(m 1, m 1) x(m 1) x p(i, m 1)
.
(2.8) p(i, m) =
(x(i) x(m 1))

E 10 Dterminer le nombre de multiplications-divisions employ par lalgorithme de Neville-Aitken.

La table 4 reprend lexemple de la table 3 prcdent et compare les six plus mauvais coefficients obtenus
par lalgorithme de Lagrange (Lag) aux coefficients correspondants produits par lalgorithme de NevilleAitken (N-A) ci-dessus. Celui-ci amliore le rsultat en moyenne par un facteur 10. Lalgorithme reste
instable (et le restera toujours sagissant de points quidistants) mais cet exemple illustre bien le fait que
lalgorithme lui-mme et non seulement les donnes influe sur la stabilit.
[I. 2.7]

ANALYSE NUMRIQUE

[T H 8]

12

I. I NTERPOLATION

n
17
18

N-A
coef. xn
0.0024
0.0023

Lag
coef. xn
0.0175
0.0305

n
21
22

N-A
coef. xn
0.002
0.0026

Lag
coef. xn
0.0312
0.0128

n
24
26

N-A
coef. xn
0.0019
0.00226

Lag
coef. xn
0.021
0.00903

TABLE 4 Coefficients instables obtenus par une version de lalgorithme de Neville-Aitken.


2.7

Algorithme de calcul formel

Le programme suivant donne une expression du polynme dinterpolation correspond la formule dinterpolation
de Lagrange (1.17). Nous lutiliserons dans les chapitres ultrieurs.
Code MAXIMA 1 (Formule dinterpolation de Lagrange). Dans le code suivant
(a) f est une fonction.
(b) N est la liste (le vecteur) des points dinterpolation.
(c) La fonction value le polynme dinterpolation au point x. Dans le programme ci-dessous, d dsigne la longueur de N, cest--dire le nombre de points dinterpolation de sorte que le polynme obtenu est de degr au
plus d 1.

1
3

l a g r a n g e ( f , N, x ) : = b l o c k ( d : l e n g t h (N) ,
w : prod ( yN[ i ] , i , 1 , d ) ,
dw : d i f f (w, y , 1 ) ,
sum ( f (N[ i ] ) * r a t s i m p ( ev (w, y=x ) / ( ( xN[ i ] )
* ev ( dw , y=N[ i ] ) ) ) , i , 1 , d )
);

Exemple 1. Nous pouvons obtenir la formule gnrale du polynme dinterpolation de degr 2 aux points a, (a+b)/2
et b comme suit.
Entre >

LG : lagrange(G, [a, (a + b)/2, b], x)

UNIV. JEANPAULCALVI . COM

/ 1

(2.9)

Sortie >

b+a
2

4 x2 + (4 b 4 a) x + 4 a b
b2 2 a b + a2


+


G (b) 2 x2 + (b 3 a) x + a b + a2
+
b2 2 a b + a2

G (a) 2 x2 + (3 b a) x + b2 + a b
b2 2 a b + a2

3. TUDE DE L ERREUR
3.1

Lnonc du thorme

Comme le polynme dinterpolation L[a0 , . . . , ad ; f ] est gal la fonction f en tous les points ai , i =
0, . . . , d, il est naturel desprer que la diffrence entre f et ce polynme aux autres points sera petite
cest--dire, que L[a0 , . . . , ad ; f ] fournira une bonne approximation de f (x), au moins en les points x pas
trop loigns des ai .
Pour mesurer la qualit de cette approximation, nous devons estimer lerreur Ex entre f (x) et son polynme dinterpolation L[a0 , . . . , ad ; f ](x), cest--dire trouver une majoration de la valeur absolue de Ex .
La figure fait apparatre cette erreur dans le cas d = 1. Cette erreur est une distance,
Ex = | f (x) L[a0 , . . . , ad ; f ](x)|.
[T H 9]

ANALYSE NUMRIQUE

CALVI

13

3. TUDE DE L ERREUR

Nous devinons facilement quelle dpendra la fois de la fonction f et de la position des points ai . Le
thorme suivant, et surtout son corollaire, fournissent une estimation simple de lerreur.
Rappelons dabord une notation. Nous disons quune fonction f dfinie sur un intervalle [a, b] est de
classe C d+1 sur cet intervalle et on crit f C d+1 ([a, b]) lorsque f est d + 1 fois drivable et que f (d+1) ,
la drive (d + 1)-eest continue. Au point a (resp. b) il sagit de drives droite (resp. gauche).
Thorme 9. Soient f C d+1 ([a, b]) et A = {a0 , a1 , . . . , ad } [a, b]. Pour tout x [a, b], il existe =
x ]a, b[ tel que
(3.1) f (x) L[A; f ](x) =

f (d+1) ( )
(x a0 )(x a1 ) . . . (x ad ).
(d + 1)!

Lorsque d = 0 et A = {a0 }, nous avons L[a0 ; f ](x) = f (a0 ) de sorte que le thorme 9 affirme que,
pour un x fix dans [a,b], il existe un point dpendant de x tel que
f (x) f (a0 ) = f 0 ( )(x a0 ).
Il sagit du thorme des accroissements finis dont le thorme 9 est donc une extension.
E 11 Soit a a0 < a1 b. Montrer que si f est une fonction strictement convexe deux fois drivable
sur [a, b] alors f (x) L[a0 , a1 ; f ](x) < 0 pour tout x ]a0 , a1 [. Que dire en dehors de lintervalle [a0 , a1 ] ?
Mme question dans le cas des fonctions deux fois drivables strictement concaves. tudier le problme
sans supposer que les fonctions soient deux fois drivables.

Dans la pratique, le corollaire suivant est trs souvent suffisant.


Corollaire 10.
(3.2) | f (x) L[A; f ](x)|

1
|x a0 ||x a1 | . . . |x ad | max | f (d+1) (t)|.
(d + 1)!
|t[a,b]

En particulier,
(3.3) max | f L[A; f ]|
x[a,b]

1
max | f (d+1) | max |wA (x)|,
(d + 1)! x[a,b]
x[a,b]

UNIV. JEANPAULCALVI . COM

/ 1

o wA est le polynme de degr d + 1 dfini par


(3.4) wA (x) = (x a0 )(x a1 ) (x ad ).

Une consquence de ce rsultat sur le choix des points dinterpolation est esquisse la partie 3.4.
E 12 Considrons
les rels a0 = 100, a1 = 121 et a2 = 144 et la fonction f dfinie de R+ dans lui-mme

par f (x) = x. Calculer L[a0 , a1 , a2 ; f ](115) et montrer que






115 L[a0 , a1 , a2 ; f ](115) < 1, 8 103 .

Lexercice 31 plus bas est du mme type.


(Sol. 1 p. 123.)
La dmonstration du thorme 9, assez dlicate, sera donne un peu plus loin aprs que nous nous
serons munis de loutil ncessaire qui est une gnralisation du thorme de Rolle habituel.
[I. 3.2]

ANALYSE NUMRIQUE

[T H 11]

14

I. I NTERPOLATION

3.2

Le thorme de Rolle gnralis

Rappelons que thorme de Rolle ordinaire affirme que si f est une fonction continue sur [a, b] et
drivable sur ]a, b[ telle que f (a) = f (b) = 0 alors il existe c tel que f 0 (c) = 0. Ici, nous aurons besoin
de la forme plus gnrale suivante.
Thorme 11 (de Rolle gnralis). Si u est un fonction continue sur [a, b] et k fois drivable sur ]a, b[
qui sannule en k + 1 points xi , i = 0, . . . , k, alors il existe c ]a, b[ tel que u(k) (c) = 0.
Lnonc habituel du thorme de Rolle correspond au cas k = 1.
Dmonstration. Elle consiste appliquer un grand nombre de fois le thorme de Rolle ordinaire. Nous
supposerons, sans perte de gnralit que a x0 < x1 < < xk b.

tape 1. Puisque u(x0 ) = 0 = u(x1 ), le thorme de Rolle nous dit quil existe c0 ]x0 , x1 [ tel que
u0 (c0 ) = 0. De u(x1 ) = 0 = u(x2 ) nous tirons lexistence de c1 ]x1 , x2 [ tel que u0 (c2 ) = 0 et, en continuant
ainsi, nous construisons k rels ci ]xi , xi+1 [, i = 0, . . . , k 1, tels que u0 (ci ) = 0.

tape 2. Nous reprenons le mme raisonnement mais en lappliquant la fonction u0 . De u0 (c0 ) =


2
00 2
1 ) = 0, nous tirons lexistence de c0 ]c0 , c1 [ tel que u (c0 ) = 0 et, en exploitant de la mme manire
2
tous les points ci , nous obtenons k 1 rels ci ]ci , ci+1 [, i = 0, . . . , k 1.
u0 (c

Aux tapes suivantes, nous appliquerons le thorme de Rolle u00 puis u000 jusqu lappliquer ltape
k + 1 u(k) et arriver lexistence dun rel ck+1
dans ]a, b[ tel que u(k+1) (ck+1
1
1 ) = 0 et le thorme est
tabli.

E 13 Rdiger une dmonstration par rcurrence du thorme 11.

3.3

Dmonstration du thorme 9

Dmonstration. Fixons x [a, b]. Si x A, nimporte quel convient. (Dans ce cas, la formule donne
seulement 0 = 0). Nous supposerons que x 6 A. Notons w le polynme dfini par w(t) = (t a0 ) . . . (t ad )
et prenons K = K(x) R tel que
(3.5) f (x) L[A; f ](x) = K(x)w(x).
Un tel nombre existe ; il suffit de prendre

UNIV. JEANPAULCALVI . COM

/ 1

(3.6) K(x) =

f (x) L[A; f ](x)


,
w(x)

qui est bien dfini car, comme x 6= ai (i = 0, . . . , d), le dnominateur ne sannule pas.
Considrons maintenant le fonction u dfinie sur lintervalle [a, b] par la relation
(3.7) u(t) = f (t) L[A; f ](t) K(x)w(t),

t [a, b].

Il faut prendre garde ici que x est un paramtre fix et t est la variable. Puisque f C d+1 [a, b], nous avons
aussi u C d+1 [a, b]. De plus,
u(ai ) = f (ai ) L[A; f ](ai ) K(x) 0 = f (ai ) f (ai ) = 0,

0 i d;

et, par dfinition de K(x),


u(x) = f (x) L[A; f ](x) K(x)w(x) = 0.
Il suit que u sannule en d +2 points, savoir les d +1 points de A auxquels sajoute le point x. Le thorme
11 de Rolle gnralis nous permet daffirmer lexistence de ]a, b[ tel que u(d+1) ( ) = 0. Nous pouvons
[T H 11]

ANALYSE NUMRIQUE

CALVI

15

3. TUDE DE L ERREUR

facilement calculer la drive (d + 1)-ime de u. Dabord, puisque L[A ; f ](t) est un polynme de degr
d, sa drive (d + 1)-ime est nulle. Quant w(t), puisque
w(t) = (t a0 )(t a1 ) . . . (t ad ) = t d+1 + (polynme de degr d).
Sa drive (d + 1)-ime, est la constante (d + 1)!. Finalement,
(3.8) ud+1 (t) = f (d+1) (t) (d + 1)!K(x).
En prenant t = , il vient
(3.9) 0 = f (d+1) ( ) (d + 1)!K(x).
Revenant la dfinition de K(x), nous obtenons
(3.10) f (x) L[A; f ](x) = K(x)w(x) =

f (d+1) ( )
(x a0 ) . . . (x ad ).
(d + 1)!

Nous avons bien trouv un nombre dans ]a, b[ vrifiant la formule annonce.
3.4

Consquence de la formule derreur sur le choix des points dinterpolation

Le second corollaire du theorme 9 montre que si nous voulons rendre lerreur entre la fonction f
et son polynme interpolation la plus petite possible et que nous sommes libres de choisir les points
dinterpolation ai , i = 0, . . . , d comme nous le voulons dans [a, b], alors nous avons intrt choisir
ces points de telle sorte que la quantit maxx[a,b] |wA | soit la plus petite possible, voir (3.4). Il existe
un unique ensemble de points qui minimise cette quantit. On les appelle les points de Chebyshev en
hommage au mathmaticien russe qui les a dcouvert en 1874. Lorsque [a, b] = [1, 1] ces points sont
donns par la formule


2i + 1
(3.11) ai = cos
, i = 0, . . . , d.
2(d + 1)

UNIV. JEANPAULCALVI . COM

/ 1

Lexercice 33 montre comment ces points sont obtenus. La figure 1 compare la rpartition des points
de Chebyshev et des points quidistants, donns lorsque [a, b] = [1, 1] par la formule ai = 1 + 2i/d,
lorsque d = 50. Remarquons que les premiers tendent se densifier lorsquon approche des extrmits
de lintervalle.

ts

F IGURE 1 Rpartition des points de chebyshev et des points equidistants (d = 30).


E 14 La cas o [a, b] est un intervalle quelconque (avec a < b) se dduit facilement du cas a = 1 et
b = 1. Comment ?
. Le choix de points dinterpolation peut tre limit lorsque les valeurs f (ai ) proviennent de mesures obtenues exprimentalement.
. P. L. Chebyshev (1821-1894) est un des pres de la thorie de lapproximation des fonctions.
[I. 3.5]

ANALYSE NUMRIQUE

[T H 11]

16

I. I NTERPOLATION

3.5

Prcision de linterpolant et nombre de points dinterpolation

Il est naturel de penser que plus nous augmenterons le nombre de points dinterpolation, meilleure
sera la prcision de lapproximation fournie par le polynme dinterpolation de Lagrange. Cette intuition
est renforce par les exemples de la table 1 (p. 8). Pourtant, si cette ide reste correcte pour une classe
importante de fonctions et pour des points dinterpolation correctement choisis, elle est fausse dans le cas
gnral. Lexemple classique a t donn par le mathmaticien allemand Runge (1856-1927) qui a montr
en 1901 que les polynmes dinterpolation aux points quidistants de la fonction f dfinit par f (x) =
1/(1 + x2 ) donnaient des rsultats trs mauvais. La table 5 prsente le graphe de la fonction derreur entre
le polynme interpolation aux points quidistants et la fonction de Runge modifie f (x) = 1/(1 + 100x2 )
pour quelques valeurs de d. Ici nous avons modifi la fonction de Runge classique pour acclrer le
phnomne de divergence. Le problme nest videmment pas limit la fonction de Runge. On peut
dmontrer que, quels que soient les points dinterpolation choisis, il existe une fonction continue qui ne
se laisse pas approcher par ses polynmes interpolation.
d=5

d = 10

0.8

0.7
0
0.6
0.5

0.4
2
0.3
0.2

0.1
4
0.0
0.1
1.0 0.8 0.6 0.4 0.2 0.0

0.2

0.4

0.6

0.8

5
1.0 0.8 0.6 0.4 0.2 0.0

1.0

f0

0.2

0.4

0.6

0.8

1.0

0.4

0.6

0.8

1.0

f0

d = 15

d = 20

600

500
400

300
2
200

UNIV. JEANPAULCALVI . COM

/ 1

100

4
5
1.0 0.8 0.6 0.4 0.2 0.0
f0

0.2

0.4

0.6

0.8

100
1.0 0.8 0.6 0.4 0.2 0.0

1.0

0.2

f0

TABLE 5 Graphe de la fonction derreur entre la fonction f (x) =


de Lagrange aux points quidistants lorsque d = 5, 10, 15 et 20.

1
1+100 x2

et ses polynme dinterpolation

Par contre, il est possible de montrer que les polynmes dinterpolation aux points de Chebyshev
convergent vers la fonction interpole, lorsque le nombre de points crot indfiniment, sous la seule condition que la fonction soit drivable, de drive borne. Il sagit ici de convergence uniforme des fonctions.
Cela signifie que la suite de nombres rels positifs maxx[a,b] | f (x) L[a0 , , ad ; f ](x)|, d N, converge
vers 0 lorsque d . La convergence cependant peut tre lente. La table 6 reprend lexemple de la
. Le lecteur trouvera lexercice 36 une classe assez simple de fonctions pour lesquelles les polynmes dinterpolation de
Lagrange fournissent toujours dexcellentes approximations.
[T H 11]

ANALYSE NUMRIQUE

CALVI

17

4. P OLYLIGNES

fonction de Runge et donne la fonction derreur entre cette fonction et le polynme dinterpolation aux
points de Chebyshev.
d = 15

d = 20

0.40

0.10

0.35
0.30

0.05

0.25
0.20

0.00

0.15
0.10

0.05

0.05
0.00

0.10

0.05
0.10
1.0 0.8 0.6 0.4 0.2 0.0

0.2

0.4

0.6

0.8

0.15
1.0 0.8 0.6 0.4 0.2 0.0

1.0

f0

0.2

0.4

0.6

0.8

1.0

f0

1
TABLE 6 Graphe de la fonction derreur entre la fonction f (x) = 1+100
et ses polynmes dinterpolax2
tion de Lagrange aux points de Chebyshev lorsque d = 15 et d = 20

4. P OLYLIGNES
4.1

Subdivisions

Nous appelons subdivision de longueur d de I = [a, b] une suite (strictement) croissante de d + 1


lments de I, = (a0 , , ad ) telle que a0 = a et ad = b. Autrement dit,
(4.1) a = a0 < a1 < a2 < < ad1 < ad = b.
A chaque subdivision de longueur d de [a, b] est associe une partition de lintervalle [a, b],
(4.2) [a, b] = [a0 , a1 [ [a1 , a2 [ . . . [ad2 , ad1 [[ad1 , ad ].

UNIV. JEANPAULCALVI . COM

/ 1

La distance entre deux points successifs ai et ai+1 est not hi et lcart h de la subdivision est la plus
grande des distances entre deux points successifs,
(4.3) h = max hi =
i=0,...,d

max (ai+1 ai ).

i=0,...,d1

Ces dfinitions sont mises en vidence sur la figure 2.

h1

a = a0

a1
h0

h3
a2

a3
h2

h5
a5

a4

a6 = b

h4

F IGURE 2 Subdivision et cart dune subdivision.


Lorsque les distances hi sont constantes, hi = (ba)/d, la subdivision est forme des points quidistants


ba
= a+i
: i = 0, . . . , d .
d
[I. 4.1]

ANALYSE NUMRIQUE

[T H 11]

18

I. I NTERPOLATION

Nous disons quune fonction g est affine par morceaux sur lintervalle I sil existe une subdivision =
(a0 , . . . , ad ) de lintervalle I telle que la restriction de g chacun des sous-intervalles dfini par sigma soit
une fonction affine, cest--dire pour i = 0, . . . , d 1, il existe des coefficients i et i tels que
x [ai , ai+1 [ = g(x) = i x + i .
Remarquons que cette dfinition nimpose aucune condition sur la valeur de g lextrmit b = ad de
lintervalle.
E 15 A quelles conditions (sur les nombres i et i ) la fonction g est-elle continue ? (continue et convexe) ?
Que dire de la drivabilit des fonctions affines par morceaux ?

4.2

Fonctions polylignes

Soit une subdivision de [a, b] et f = ( f0 , . . . , fd ) une suite de d +1 valeurs quelconques. Nous pouvons
construire les polynmes de Lagrange
i = 0, . . . , d 1,

L[ai , ai+1 ; fi , fi+1 ],

cest--dire les uniques polynmes de degrs infrieur ou gal 1 qui prennent les valeurs fi au point ai
et fi+1 au point ai+1 . La fonction polyligne associe la subdivision et aux valeurs f , note PL[ , f ],
est dfinie sur chacun des sous-intervalles de la subdivision par la relation

PL[ , f ](x) = L[ai , ai+1 ; fi , fi+1 ](x), x [ai , ai+1 [,
(4.4)
PL[ , f ](b) = fd .
Lorsque les valeurs fi sont les valeurs dune fonction f aux points ai ,
yi = f (ai ),

i = 0 , . . . , d,

UNIV. JEANPAULCALVI . COM

/ 1

nous disons que PL[ ; f ] est la (fonction) polyligne interpolant la fonction f aux points de la subdivision .
Les deux schmas dans le tableau 7 font apparatre en rouge les graphes des fonctions PL[ ; f ] lorsque
f (x) = x3 (trac en bleu) et (7 : 1) = (1, 0.5, 1) puis (7 : 2) = (1, 0.5, 0, 0.5, 1).
1.5

1.5

1.0

1.0

0.5

0.5

0.0

0.0

0.5

0.5

1.0

1.0

1.5
1.5

1.0

0.5

0.0

0.5

1.0

1.5
1.5

1.5

1.0

0.5

0.0

0.5

1.0

1.5

(1)

(2)
TABLE 7 Deux exemples de polylignes.

Thorme 12. PL[ , f ] est une fonction affine par morceaux continue satisfaisant
(4.5) PL[ , f ](ai ) = fi ,

[T H 12]

i = 0, . . . , d.

ANALYSE NUMRIQUE

CALVI

19

4. P OLYLIGNES

Dmonstration. Daprs la dfinition mme, PL[ , f ] est une fonction affine par morceaux. Dautre part,
i {0, . . . , d 1} = PL[ , f ](ai ) = L[ai , ai+1 ; fi , fi+1 ](ai ) = fi ,
et nous avons aussi, toujours par dfinition, PL[ , f ](ad ) = fd . La seule proprit que nous devons dmontrer est la continuit. Les ventuels problmes de continuit dune fonction affine par morceaux se
trouvent aux points de jonction des sous-intervalles de la subdivision, ici, aux points ai , i = 1, . . . , d. Commenons par prendre un point ai avec 1 i d 1 de sorte que nous excluons le cas ai = ad . Pour montrer
la continuit de PL[ , f ] en ce point, il suffit de sassurer que les limites gauche et droite concident
(et sont gales la valeur de la fonction f au point). Or, dune part,
lim PL[ , f ](x) = lim L[ai , ai+1 ; fi , fi+1 ](x)

xa+
i

xa+
i

= L[ai , ai+1 ; fi , fi+1 ](ai ) = f (ai ) = PL[ ; f ](ai ),


et, dautre part,
lim PL[ , f ](x) = lim L[ai1 , ai ; fi1 , fi ](x)

xa
i

xa
i

= L[ai1 , ai ; fi1 , fi ](ai ) = f (ai ) = PL[ , f ](ai ).


Les deux limites concident et sont gales f (ai ) et la fonction est donc bien continue au point ai . Il reste
tudier le cas i = d, cest--dire ad = b, qui se traite de la mme manire, mis part le fait que nous
tudions uniquement la limite gauche. Notons quil ny a pas de problme de continuit au point a0 . 
Thorme 13. Si f est un polynme de degr au plus 1, cest--dire une fonction affine, alors PL[ ; f ] =
f.
Dmonstration. Cela provient du fait que lorsque f est un polynme de degr au plus 1, nous avons
L[ai , ai+1 ; f ] = f si bien que f elle-mme vrifie les conditions (4.4) de la dfinition.

E 16 Montrer que lapplication qui une fonction f dfinie sur I f F (I) fait correspondre
PL[A; f ] F (I) est une application linaire.

UNIV. JEANPAULCALVI . COM

/ 1

E 17 Montrer que si f est une fonction polynomiale telle que PL[ ; f ] = f alors f est ncessairement de
degr au plus 1.
E 18 Expliquer pourquoi la fonction PL[ , f ] nest pas la seule fonction affine par morceaux A vrifiant
A(ai ) = f (ai ), i = 0, . . . , d. Quelle proprit supplmentaire, non formule dans le thorme, caractriset-elle PL[ , f ] ?

4.3

Approximation des fonctions continment drivables par les fonctions polylignes

A la diffrence des polynmes dinterpolation de Lagrange, les fonctions polylignes fournissent une
bonne approximation de toutes les fonctions continues, pour peu que lcart de la subdivision soit suffisamment petit. Cela nest pas surprenant. Les polylignes sont des objets beaucoup plus souples que les
polynmes. Nous pouvons changer la valeur dune polyligne au point a sans rien changer la valeur au
point b ; par contre une petite modification de la valeur dun polynme en a peut provoquer un grand cart
de valeur en b. Nous pouvons dire que les valeurs dun polynme sont solidaires les unes des autres tandis
que celles dune polyligne en des points suffisamment loigns sont compltement indpendantes. Le
prix de la souplesse des polylignes est cependant lourd payer : ce sont des fonctions trs peu rgulires,
elles sont continues mais non drivables sur [a, b]. Plus prcisment, sauf cas exceptionnel, une fonction
polyligne nest drivable en aucun des points de jonction. Un autre inconvnient peut-tre plus srieux
est que la prcision des interpolants polylignes est limite. Quelle soit la fonction non affine considre,
lerreur globale entre la fonction interpole et la fonction polyligne ne pourra jamais dcrotre vers 0 que
[I. 4.3]

ANALYSE NUMRIQUE

[T H 13]

20

I. I NTERPOLATION

comme la suite 1/d 2 o d dnote la longueur de la subdivision utilise . Au contraire, les polynmes
dinterpolation bnficient des proprits de la fonction interpole et, si les fonctions sont suffisamment
rgulires, lerreur pourra dcrotre aussi vite quune suite gomtrique rd avec 0 < r < 1 o d est le
degr du polynme dinterpolation .
Nous nous limiterons ici dmontrer un thorme sur lapproximation des fonctions drivables, de
drives continues. Le cas des fonctions seulement continues sera trait plus bas (4.5) en complment. Une
autre estimation, concernant les fonctions deux fois continment drivables est propose lexercice 39.
Thorme 14. Soit f une fonction continment drivable sur [a, b] et une subdivision de [a, b] dcart
h. Pour tout x [a, b],


(4.6) f (x) PL[ ; f ](x) h max | f 0 (t)|.
t[a,b]

Dmonstration. Lingalit a dmontrer est vidente lorsque x est lun des points de la subdivision =
(a0 , . . . , ad ) car alors f (x) = PL[ ; f ](x). Nous supposerons que x 6= ai , i = 0, . . . , d + 1. Dans ce cas, x
appartient un et un seul des sous-intervalles (ouverts) dfinis par la subdivision, disons, x ]a j , a j+1 [. Il
suit que
(4.7) f (x) PL[ ; f ](x) = f (x) L[a j , a j+1 ; f ](x) = f (x) f (a j )`0 (x) f (a j+1 )`1 (x),
o `0 et `1 sont les polynmes fondamentaux de Lagrange ,
`0 (x) =

x a j+1
a j a j+1

et `1 (x) =

xaj
.
a j+1 a j

Mais nous avons vu cest lquation (1.20) que la somme des polynmes fondamentaux de Lagrange
est toujours gale 1, ici, `0 + `1 = 1. En utilisant cette relation, nous obtenons
f (x) PL[ ; f ](x) = [ f (x) f (a j )] `0 (x) + [ f (x) f (a j+1 )] `1 (x)

(4.8)

(4.9) = | f (x) PL[ ; f ](x)| | f (x) f (a j )| |`0 (x)| + | f (x) f (a j+1 )| |`1 (x)|.

UNIV. JEANPAULCALVI . COM

/ 1

Maintenant, il rsulte de x ]a j , a j+1 [ que |x a j | |a j+1 a j | et ceci entrane |`1 (x)| 1. Un argument
similaire assure que |`0 (x)| 1. En reportant ces deux nouvelles informations dans lingalit ci-dessus,
il vient
(4.10) | f (x) PL[ ; f ](x)| | f (x) f (a j )| + | f (x) f (a j+1 )|.
Lingalit des accroissements finis donne finalement
(4.11)

| f (x) PL[ ; f ](x)| |x a j | max | f 0 (t)| + |x a j+1 | max | f 0 (t)|


t[a,b]

(4.12)

t[a,b]

(x a j ) max | f 0 (t)| + (a j+1 x) max | f 0 (t)|


t[a,b]

(4.13)

t[a,b]

(a j+1 a j ) max | f 0 (t)| h max | f 0 (t)|.


t[a,b]

t[a,b]

La dernire galit provenant de la dfinition de lcart dune subdivision. Lingalit annonce a t


tablie.

. Pour une explication de ce phnomne, le lecteur pourra consulter le commentaire de lexercice 39
. Voir lexercice 36 et le commentaire qui le suit.
[T H 15]

ANALYSE NUMRIQUE

CALVI

21

4. P OLYLIGNES

Corollaire 15. Si d , d N, est une suite de subdivisions de longueur d de [a, b] dont lcart tend vers 0
lorsque d tend vers alors
(4.14) lim PL[ d ; f ](x) = f (x),

x [a, b].

Sagissant dune suite de subdivisions, chaque changement de d, les points de la subdivision changent,
except le premier qui doit toujours tre gal a et le dernier qui doit toujours tre gal b,
d = (a, ad1 , ad2 , . . . , add1 , b).
Naturellement, lcart de la subdivision d dpend de d.
Corollaire 16. Lorsque d est la subdivision forme des points quidistants
ai = a + i

ba
,
d

i = 0, . . . , d + 1,

d N? ,

alors
ba

d
(4.15) f (x) PL[ d ; f ](x)
max | f 0 (t)| 0,
d t[a,b]

x [a, b].

E 19 Les convergences des deux rsultats prcdents sont-elles aussi des convergences uniformes . Autrement dit, a-t-on

lim max | f (x) PL[ d ; f ](x)| = 0 ?

d x[a,b]

4.4

Reprsentation

UNIV. JEANPAULCALVI . COM

/ 1

Nous allons dterminer des fonctions bi = bi adaptes la subdivision qui permettent une reprsentation simple du polyligne PL[ ; f ]. Pour que tous les points ai , i = 0, . . . , d jouent un rle semblable, Nous
sommes amen complter la subdivision par deux points a1 et ad+1 comme indiqu sur la figure 3.
Ces points peuvent tre choisis librement sous les seules conditions que a1 < a = a0 et ad+1 > ad = b.

1 a = a0
5
a4
a1
a2
a3
7
6
111111111111111111111111111111111
000000000000000000000000000000000
000000000000000000000000000000000
111111111111111111111111111111111

a =b

F IGURE 3 Sudvision complte des points a1 et ad+1 .

Une fois la subdivision complte, nous dfinissons pour i = 0, . . . , d la fonction bi sur R par le graphe
donn dans la figure 4.4.

En formule, la fonction bi est dfinie par


x
bi (x)
[I. 4.4]

] , ai1 ]
0

[ai1 , ai ]
(x ai1 )/(ai ai1 )
ANALYSE NUMRIQUE

[ai , ai+1 ]
(x ai+1 )/(ai ai+1 )

[ai , ]
0
[T H 17]

22

I. I NTERPOLATION

0
a1

ai1

a0

ai

ai+1

ad

ad+1

F IGURE 4 Graphe de la fonction bi .


Les fonctions bi , i = 0, . . . , d, sont affines par morceaux, continues, positives ou nulles et bornes par 1,
(4.16) 0 bi (x) 1,

x [a, b],

et sannulent en tout les points a j sauf lorsque j = i auquel cas nous avons bi (ai ) = 1. Remarquons aussi
quelles nulles en dehors de lintervalle [ai1 , ai+1 ]. Cet intervalle est appel le support de la fonction bi .
Thorme 17. PL[ ; f ] = di=0 fi bi .
Dmonstration. Appelons g la fonction dfinie par la partie droite de lgalit dmontrer. Il suffit dtablir que pour tous j = 1, . . . , d 1 et x [a j , a j+1 [ nous avons g(x) = L[a j , a j+1 ; f ](x) ainsi que g(ad ) =
f (ad ) car la dfinition mme de PL[ ; f ] nous donnera alors g = PL[ ; f ]. Prenons donc j {1, . . . , d 1]
et x ]a j , a j+1 [. Remarquons que nous considrons ici lintervalle ouvert ]a j , a j+1 [ alors que lgalit doit
tre tablie sur lintervalle semi ferm [a j , a j+1 [. Nous traiterons part le cas x = a j . Puisque x ]a j , a j+1 [,
nous avons bi (x) = 0 sauf si i = j ou i = j + 1. Nous en dduisons en tenant compte de (??) que
g(x) = f j b j (x) + f j+1 b j+1 (x) = f j

x a j+1
xaj
+ f j+1
= L[a j , a j+1 ; f ](x),
a j a j+1
a j+1 a j

qui est bien lgalit obtenir. Pour la cas particulier o x = a j , il suffit de remarquer que bi (a j ) = i j , par
consquent g(a j ) = f j = L[a j , a j+1 ; f ](a j ). Le mme raisonnement est valable pour ad et la dmonstration
est termine.


UNIV. JEANPAULCALVI . COM

/ 1

Corollaire 18. di=0 bi = 1.


Dmonstration. Il suffit de prendre la fonction constant gale 1 (qui est un polynme de degr 1) dans
le thorme ci-dessus et dutiliser ensuite le thorme 13.

4.5

Approximation des fonctions continues par des fonctions polylignes

Thorme 19. Soient f une fonction continue sur [a, b] et d , d N, une suite de subdivisions de [a, b].
Nous supoosons que la longueur est de d est d et que lcart de d tend vers 0 lorsque d tend vers . La
suite des polylignes PL[ d ; f ] converge uniformment vers f sur [a, b]. Autrement dit,
(4.17) lim max | f (x) PL[ d ; f ](x)| = 0.
d x[a,b]

La dmonstration utilise la notion duniforme continuit. Rappelons quune fonction f dfinie sur un
intervalle I est uniformment continue sur I si la distance entre les valeurs f (x) et f (y) est petite chaque
fois que la distance entre x et y est assez petite. De manire prcise, pour tout rel positif , il doit exister
un rel positif , dpendant de , de telle sorte que | f (x) f (y)| pour tout couple de valeurs (x, y)
[T H 19]

ANALYSE NUMRIQUE

CALVI

23

4. P OLYLIGNES

dans I satisfaisant |x y| . Il y a une manire plus commode de prsenter la proprit duniforme


continuit. Notons
f () = sup{| f (x) f (y)| : (x, y) I et |x y| },
de sorte que f () est la plus grande des distances possibles entre f (x) et f (y) lorsque les deux lments
x et y de I sont distants dau plus . Dans ces conditions, nous avons
f uniformment continue sur I lim f () = 0.
0

La fonction f sappelle le module de continuit de f . Elle joue un rle important en analyse.


Dans la dfinition de la continuit ordinaire, nous parlons de continuit de f en un point x0 qui est fixe
et cherchons vrifier lexistence dun , dpendant de et de x0 , tel que | f (y) f (x0 )| lorsque
|y x0 | . Dans le cas de la continuit uniforme, deux valeurs varient, x et y, contre une seule, y, dans le
cas de la continuit ordinaire. Malgr cette diffrence importante, un thorme fondamental de lanalyse,
connu sous le nom de thorme de Heine, tablit que si I est un intervalle ferm born, cest--dire de la
forme I = [a, b], alors toute fonction continue est aussi uniformment continue. La condition sur la forme
de lintervalle I est importante et la proprit est fausse en gnral dans le cas des autres types dintervalle.
Dmonstration (du thorme 19). Nous devrons montrer que pour tout > 0 fix lavance, il existe
d0 N, d0 dpendant de , tel que

(4.18) d d0 = max | f (x) PL[ d ; f ](x)| .


x[a,b]

Nous noterons d = (ad0 , ad1 , . . . , add1 , add ) avec ad0 = a et add = b. Lcart de d sera not hd . Soit x un
lment quelconque de [a, b], x se trouve dans un unique intervalle [adj , adj+1 [. Reprenons la relation (4.10),
| f (x) PL[ d ; f ](x)| | f (x) f (adj )| + | f (x) f (adj+1 )|.
Puisque |x adj | hd et |x adj+1 | hd , lingalit ci-dessus et la dfinition du module de continuit f
donne
| f (x) PL[ d ; f ](x)| 2 f (hd ).
Puisque cette estimation est valable pour tout x dans [a, b], nous avons aussi
(4.19) max | f (x) PL[ d ; f ](x)| 2 f (hd ).

UNIV. JEANPAULCALVI . COM

/ 1

x[a,b]

Puisque f est continue sur [a, b], elle y est aussi, daprs le thorme de Heine, uniformment continue,
de sorte que lim0 f () = 0 et comme limd hd = 0 par hypothse, par composition des limites,
limd 2 f (hd ) = 0 ce qui entrane son tour, en vue de (4.19)
lim max | f (x) PL[ d ; f ](x)| = 0,

d x[a,b]

ce quil fallait tablir.

E 20 Dans la dmonstration prcdente, il faudrait en toute rigueur crire adjd et adjd +1 plutt que adj et
adj+1 . Pourquoi ?
E 21 Soit, pour tout d 2, d = (a = ad0 , ad1 , . . . , add1 , add = b) une subdivision de longueur d de [a, b]
et dcart hd . On suppose que hd tend vers 0 lorsque d . Soient yd = (yd0 , . . . , ydd ) une suite de d + 1
valeurs et f une fonction continue sur [a, b]. Montrer que les deux conditions suivantes sont quivalents.
(a) limd maxx[1,1] | f (x) PL[ d ; yd ]| = 0.

(b) limd maxi=0,...,d |ydi f (adi )| = 0.


On prendra garde que PL[ d ; yd ] nest pas PL[ d ; f ].

[I. 4.6]

ANALYSE NUMRIQUE

[T H 19]

24

I. I NTERPOLATION

4.6

Extension

Plutt que de se limiter des fonctions affines par morceaux, cest--dire polynomiales de degr 1 par
morceaux, il est naturel de considrer des fonctions polynomiales de degr d par morceaux. La construction donne ci-dessus stend immdiatement ce cas. Il suffit simplement de remplacer les polynmes
de Lagrange de degr au plus 1, L[ai , ai+1 ; f ] par des polynmes dinterpolation de degr au plus d,
L[ai , ai,1 , . . . , ai,d1 , ai+1 ; f ] o les ai, j , j = 1, . . . , d 1 sont des points intrieurs lintervalle [ai , ai+1 ].
Cette extension de la thorie ne prsente aucune difficult. Les rsultats de cette section stendent directement au cas gnral. Les lecteurs intresss peuvent sentraner rdiger les dmonstrations. Il est plus
fcond de se concentrer sur linsuffisance majeure des polylignes, savoir dtre non diffrentiables. En
augmentant le degr des polynmes sur chaque sous-intervalle [ai , ai+1 ], il est possible de les raccorder
pour obtenir des fonctions plusieurs fois drivables sur [a, b]. Cest la thorie des fonctions splines qui
joue un rle important en analyse numrique mais que nous ne pourrons pas tudier dans ce cours.
H ISTOIRE . Lextrait suivant est tir du mmoire Nouveau moyen de dterminer les longitudes de Jupiter et de
Saturne au moyen, dune table simple entre de J. L. Lagrange (1781).
Lorsque sur une courbe on a dtermin diffrents points, on peut trouver les points intermdiaires en
regardant comme rectilignes les portions de la courbe quils comprennent ; on substitue ainsi un polygone la courbe, et il est clair que cette supposition est dautant moins inexacte que les points dtermins
sont plus voisins. Mais on sapprochera encore plus de la vrit en regardant chaque portion de la courbe
comme larc dune courbe parabolique qui passerait par les points dtermins, et lapproximation sera
dautant plus grande quil y aura un plus grand nombre de points sur larc parabolique. Tel est le fondement des mthodes ordinaires dinterpolation, mthodes dont on se sert pour trouver, dans les Tables
simple entre, les valeurs intermdiaires, au moyen des diffrences entre les termes conscutifs.
Les oeuvres de Lagrange sont disponibles en ligne la Bibliothque Nationale de France (Gallica).

5. E XERCICES ET PROBLMES
22 Un problme dinterpolation gnral. Trouver une condition sur la paire (a, b) R2 pour que la
proposition suivante soit vraie : Quel que soit le triplet (, , ) R3 il existe un et une seul p P2 tel
que p(a) = , p(b) = , p(a) + p0 (b) = .

UNIV. JEANPAULCALVI . COM

/ 1

23 Un problme dinterpolation des drives. Soient a, b et c trois nombres rels. Montrer que quels
que soient les rels , , il existe un et un seul polynme p P2 tel que p(a) = , p0 (b) = et
p00 (c) = .
(Sol. 4 p. 124)
24 Un exemple. Dterminer le polynme dinterpolation de Lagrange de f (x) = 1/(1 + x) par rapport
aux points 0, 3/4, 1. Reprsenter sur un mme graphique le polynme et la fonction interpole. Comparer,
a laide dune calculatrice, f (1/2) et L[0, 3/4, 1; f ](1/2).
25 Proprits gnrales de linterpolation. Soit I = [a, b], f : R R et A = {a0 , . . . , ad } I. Les
assertions suivantes sont-elles vraies ou fausses ?
(a) i) si L[A; f ] est un polynme constant alors d est ncessairement gal 0. ii) si d > 1 et L[A; f ] est
un polynme constant alors f est ncessairement constante.
(b) Si d = 1 et f est une fonction croissante (resp. dcroissante) sur I alors L[A; f ] est croissante (resp.
dcroissante) sur I.
(c) Mme question lorsque d = 2.
26 Interpolation et division euclidienne. Rappelons que la division euclidienne dun polynme V par
un polynme W non nul consiste crire (de manire unique) V sous la forme V = qW + r o q et r sont
deux polynmes, le second vrifiant deg(r) < deg(W ). On appelle q le quotient de la division euclidienne
de V et W et r le reste de cette division.
(a) Montrer que si W (x) = (x a0 )(x a1 ) (x ad ) alors r = L[A;V ].
(b) Utiliser une division euclidienne pour calculer le polynme dinterpolation de Lagrange de V (x) =
x5 3x4 + x 3 aux points 1, 0, 1, 2. Vrifier le rsultat obtenu.
[T H 19]

ANALYSE NUMRIQUE

CALVI

25

5. E XERCICES ET PROBLMES

27 Formule de Simpson. Soient a < b deux rels distincts. On pose m = a+b


2 .
(a) Donner la formule de Lagrange pour le polynme dinterpolation L[a, m, b; f ].
(b) Dmontrer que
Z b

L[a, m, b; f ](x)dx =

ba
[ f (a) + 4 f (m) + f (b)].
6

N OTE . Le rsultat obtenu sappelle la formule de Simpson. Nous ltudierons dans le chapitre suivant (II.2.3).

28 Invariance des polynmes dinterpolation par les bijections affines. Soit h une bijection affine,
h(x) = x + , (, ) R? R. Soient A = {a0 , . . . , ad } et f une fonction dfinie sur R.
A) Montrer que
L[a0 , . . . , ad ; f h](x) = L[h(a0 ), . . . , h(ad ); f ](h(x)).
On commencera par expliciter et vrifier cette relation dans le cas o d = 1.
B) A quelle(s) condition(s) sur lensemble A les assertions suivantes sont-elles vraies ?
(a) Si f est une fonction paire alors L[A; f ] est un polynme pair.
(b) Si f est une fonction impaire alors L[A; f ] est un polynme impair.
29 Groupement des points dinterpolation. Soit X = {x1 , x2 , . . . , xn } et Y = {y1 , y2 , . . . , ym } deux ensembles respectivement de n et m nombres rels (deux deux distincts). On suppose que X et Y nont
aucun point en commun, autrement dit X Y = 0.
/ On pose
p(x) = (x x1 )(x x2 ) . . . (x xn ),

puis,

q(x) = (x y1 )(x y2 ) (x ym ).

Pour toute fonction f dfinie (au moins) sur X Y on considre le polynme






f
f
R f (x) = q(x)L X;
(x) + p(x)L Y ;
(x).
q
p

UNIV. JEANPAULCALVI . COM

/ 1

Comme dhabitude la notation L[X; f /q](x) (resp. L[Y ; f /p](x)) dsigne le polynme dinterpolation
de Lagrange de la fonction f /q (resp. f /p) par rapport aux points de X (resp. de Y ).
(a) Que peut-on dire du degr de R f (x) en fonction de n et m ?
(b) Calculer R f (xi ), i = 1, . . . , n et R f (y j ), j = 1, . . . , m.
(c) En dduire que R f est un polynme dinterpolation de Lagrange que lon prcisera.
(Sol. 5 p. 124.)
30 Formule de Lagrange barycentrique. Soient A = {a0 , . . . , ad } I = [a, b] et f une fonction dfinie
sur I. On note
wA (x) = (x a0 )(x a1 ) (x ad ).
et pour i = 0, . . . , d,
wA,i = wA (x)/(x ai ).
On remarquera que wA,i est un polynme de degr (exactement) d.
(a) Montrer que w0A (ai ) = wA,i (ai ). (Driver la relation wA (x) = (x ai ) wA,i (x)).
(b) En dduire en partant de la formule dinterpolation de Lagrange que
d

L[A; f ](x) = f (ai )


i=0

wA (x)
.
w0A (ai )(x ai )

On note
i =

[I. 5.0]

1
.
w0A (ai )
ANALYSE NUMRIQUE

[T H 19]

26

I. I NTERPOLATION

(c) Montrer, en utilisant la relation L[A; 1](x) = 1 que


d

i
= 1.
i=1 x ai

wA (x)

(d) Montrer que


(5.1) L[A; f ](x) =

di=0 f (ai ) xai i

di=0 xai i

(e) Ecrire un algorithme bas sur la formule ci-dessus pour calculer les valeurs du polynme dinterpolation de Lagrange. Calculer le nombre doprations employ par cet algorithme.
N OTE . La formule (5.1) sappelle la formule de Lagrange barycentrique.

On souhaite obtenir une approximation de cos(/5) connaissant cos(/4) =


31 Un autre exemple.

2/2, cos(/6) = 3/2 et cos 0. Pour cela on considre f (x) = cos(x) et son polynme dinterpolation
de Lagrange L[0, 1/6, 1/4; f ].
(a) Calculer = L[0, 1/6, 1/4; f ](1/5).
(b) Donner une estimation de lerreur | cos(/5) |.
(Sol. 2 p. 123.)
32 Polynmes dinterpolation de certaines fractions rationnelles. On considre d + 1 nombres rels
a0 , a1 , . . . , ad deux deux distincts et un paramtre rel diffrent de chacun des ai cest--dire 6= ai
pour i = 0, 1, . . . , ad . On pose w(x) = (x a0 )(x a1 ) (x ad ) et on considre la fonction f (x) dfinie
par
f (x) =

w( ) w(x)
.
w( )( x)

(a) Montrer que le polynme r(x) =de f ( x) divise le polynme q(x) =de f w( ) w(x). En dduire
que f est un polynme. Prciser le degr de f .
(b) Calculer f (ai ) pour i = 0, 1, . . . , d et en dduire que f est le polynme dinterpolation de Lagrange par rapport aux points a0 , a1 , . . . , ad dune fraction rationnelle g que lon prcisera i.e. f =
L[a0 , a1 , . . . , ad ; g ].
(Sol. 3 p. 124.)

UNIV. JEANPAULCALVI . COM

/ 1

33 Polynmes de Chebyshev. On dfinit une suite de polynmes Td (x) par la relation de rcurrence

T0 (x) = 1, T1 (x) = x
.
Td+1 (x) = 2xTd (x) Td1 (x), d 1
Les polynmes Td forment la suite des polynmes de Chebyshev.
(a) Dterminer T2 , T3 et T4 ?
(b) Montrer que pour tout d N, Td est un polynme de degr d et son coefficient de plus haut degr
est 2d1 pour d 1.
(c) Montrer que si d est pair alors Td est un polynme pair et si d est impair, Td est un polynme impair.
(d) Montrer que pour tout d N on a
Td (cos ) = cos(d ),

R.

On pourra utiliser les relations trigonomtriques suivantes :


cos(a + b) = cos a cos b sin a sin b

cos(a b) = cos a cos b + sin a sin b.

et

(e) Montrer que le polynme Td+1 possde exactement d + 1 racines ri , toutes dans dans [1, 1], donnes par
ri = cos

(2i + 1)
,
2(d + 1)

, i = 0, . . . , d.

Ces nombres ri sont les points de Chebyshev.


[T H 19]

ANALYSE NUMRIQUE

CALVI

27

5. E XERCICES ET PROBLMES

(f) Montrer que pour tout x [1, 1] on a


|Td (x)| 1.
On pourra utiliser que pour tout x | 1, 1], il existe R tel que x = cos( ).

34 Interpolation aux points de Chebyshev 33, 30 . On pose A = {r0 , . . . , rd }.


(a) Quel est le lien entre Td+1 (x) et (x r0 )(x r1 ) (x rd ) ?
(b) Calculer les nombres i introduits dans la partie prcdente. On pourra procder comme suit : i) On
montrera dabord que
1/i =

1 0
T (ri ),
2d d+1

ii) puis on montrera


Td+1 (x) = cos((d + 1) arccos x),
0 (r ). On rappelle que
et on utilisera cette relation pour calculer Td+1
i

1
.
arccos0 (x) =
1 x2

(c) En dduire la formule de Lagrange barycentrique pour les points de Chebyshev.


(d) Montrer en appliquant un thorme du cours et les rsultats prcdents que si f est une fonction
(d + 1) fois continment drivable sur [1, 1] alors pour tout x [1, 1], on a
| f (x) L[r0 , . . . , rd ; f ](x)|

1
max | f (d+1) (t)|.
2d (d + 1)! t[1,1]

35 Une majoration de lerreur entre la fonction interpole et le polynme dinterpolation.


Dans cette partie on considre un ensemble A = {a0 , a1 , a2 , a3 , a4 } [a, b] avec a0 < a1 < a2 < a3 < a4 .
On dfinit h0 = a0 a puis pour i = 1, 2, 3, 4, hi = ai ai1 et enfin h5 = b a4 . On va majorer la valeur
absolue du polynme wA dfini par la relation
wA (x) = (x a0 )(x a1 )(x a2 )(x a3 )(x a4 ).

UNIV. JEANPAULCALVI . COM

/ 1

C AS O x EST COMPRIS ENTRE a ET a0 .


A) On suppose que x est compris entre a et a0 comme dans la figure ci-dessous. Montrer que
|wA (x)| h0 (h0 + h1 ) (h0 + h1 + h2 ) (h0 + h1 + h2 + h3 ) (h0 + h1 + h2 + h3 + h4 ).
En dduire que
|wA (x)| 5!h5

avec h = max hi .
0i5
x
h1
a0

a
h0

h3
a2

a1
h2

h5
a4

a3

h4

C AS O x EST DANS UN INTERVALLE [ai , ai+1 [.


B) On suppose maintenant que x ]a0 , a1 [. Montrer, aprs avoir dessin la figure correspondante et en
utilisant la mme ide que dans la question prcdente que
|wA (x)| h1 h1 (h1 + h2 ) (h1 + h2 + h3 ) (h1 + h2 + h3 + h4 )
et en dduire que
|wA (x)| 4!h5 .
[I. 5.0]

ANALYSE NUMRIQUE

[T H 19]

28

I. I NTERPOLATION

C) Dmontrer en suivant les mmes ides les majorations suivantes


(a) si x ]a1 , a2 [ alors |wA (x)| 2! 3! h5 ,

(b) si x ]a2 , a3 [ alors |wA (x)| 3! 2! h5 ,


(c) si x ]a3 , a4 [ alors |wA (x)| 1! 4! h5 ,

(d) si x ]a4 , b[ alors |wA (x)| 5! h5 .

D) Dduire des rsultats prcdents que


max |wA (x)| 5!h5

x[a,b]

puis que pour toute fonction f de classe C5 sur [a, b] et tout x [a, b], on a
| f (x) L[a0 , a1 , a2 , a3 , a4 ; f ](x)| max | f (5) | h5 .
x[a,b]

C AS O O a0 = a ET a4 = b.
Dans cette partie, on amliore lingalit prcdente dans le cas o a0 = a et a4 = b.
E) Soit i {0, . . . , 3}. Montrer en tudiant la fonction x (x ai )(x ai+1 ) que
max |(x ai )(x ai+1 )| =

x[ai ,ai+1 ]

h2i+1
.
4

F) Soit x [a0 , a1 ]. Montrer que


|wA (x)|

h21
h5
(h1 + h2 ) (h1 + h2 + h3 ) (h1 + h2 + h3 + h4 ) 4! .
4
4

G) Montrer plus gnralement, en considrant les intervalles [a1 , a2 ], [a2 , a3 ] et [a3 , a4 ] que
max |wA (x)| 4!

x[a,b]

h5
4

et en dduire une nouvelle majoration pour | f (x) L[a0 , a1 , a2 , a3 , a4 ; f ](x)|.


H) Expliquer brivement comment les rsultats obtenus se gnralisent au cas o
i = 0, . . . , n 1.

UNIV. JEANPAULCALVI . COM

/ 1

A = {a0 , . . . , an } [a, b] ai < ai+1 ,

(Sol. 6 p. 124)
36 Interpolation des fonctions de drives croissance lente. Soient I = [1, 1] et A = {ai : i N}
une suite de points deux deux distincts dans I. On note Ad = {a0 , . . . , ad }. Nous tudions une condition
sur la fonction f pour que, pour tout x I, on ait
lim L[Ad ; f ](x) = f (x).

A) Montrer que si f est (d + 1) fois continment drivable sur I et si x I alors


| f (x) L[Ad ; f ](x)|

2d+1
max | f (d+1) (t)|.
(d + 1)! t[1,1]

On note G lensemble des fonctions f indfiniment drivables sur I pour lesquelles il existe des nombres
M = M f et r = r f tels que
| f (d) (x)| M rd ,
[T H 19]

d N,

x I.
ANALYSE NUMRIQUE

CALVI

29

5. E XERCICES ET PROBLMES

B) Parmi les fonctions suivantes, lesquelles sont dans lensemble G : f1 (x) = sin(x), f2 (x) = cos(x),
f3 (x) = exp(x), f4 (x) = exp(exp x), f5 (x) = 1/(x + a) o R et a > 1 ?
C) Montrer les proprits suivantes :
(a) Si f G alors f 0 G (on dterminera M f 0 et r f 0 en fonction de M f et r f ).
(b) Montrer que si f et g sont deux lments de G et R alors f + g G (ceci signifie que G est un
espace vectoriel). On dterminera M f + g et r f + g en fonction de M f , Mg , r f , rg , .
D) Dmontrer, par rcurrence sur d, la formule de Leibniz sur les drives dun produit de deux
fonctions (indfiniment drivables) f et g :
d  
d ( j) (d j)
(d)
f g
,
( f g) =
j=0 j

o dj dsigne le coefficient binomial aussi not Cdj dfini par
 
d
d!
=
.
j
j!(d j)!
E) Dmontrer que si f et g sont deux lments de G alors f g est aussi un lment de G . On dterminera
M f g et r f g en fonction de M f , Mg , r f , rg .
F) Dmontrer que si f G alors, pour tout x I, on a
lim L[Ad ; f ](x) = f (x).

C OMMENTAIRE .

Pour une fonction f G , nous avons

max | f (x) L[Ad ; f ](x)| M f

x[1,1]

(2r)d+1
.
(d + 1)!

Or pour tout R, la suite d+1 /(d + 1)! converge vers 0 lorsque d . Cela implique que si > 1 alors
(5.2)

lim d+1 max | f (x) L[Ad ; f ](x)| = 0

x[1,1]

puisque
d+1 max | f (x) L[Ad ; f ](x)| M f
x[1,1]

(2r)d+1 d
0.
(d + 1)!

UNIV. JEANPAULCALVI . COM

/ 1

La relation (5.2) signifie que lerreur entre f et son polynme dinterpolation converge uniformment vers 0 plus vite
que nimporte quelle suite gomtrique de raison moindre que 1.

37 Effet dune composition par une bijection affine sur les polylignes. tudier les proprits dmontres lexercice 28 dans le cas des interpolants polylignes PL[s; f ]).
38 Proprits gnrales des polylignes. Les implications suivantes sont-elles vraies ? Les fonctions
sont considres sur un intervalle [a, b] et s dsigne une subdivision quelconque de cet intervalle.
(a) Si f croissante (resp. dcroissante) sur [a, b] alors PL[s; f ] est croissante (resp. dcroissante) sur
[a, b].
(b) Si PL[s; f ] croissante (resp. dcroissante) sur [a, b] alors f est croissante (resp. dcroissante) sur
[a, b].
(c) Si f est convexe (resp. concave) sur [a, b] alors PL[s; f ] est convexe (resp. concave) sur [a, b].
(d) Si PL[s; f ] convexe (resp. concave) sur [a, b] alors f est convexe (resp. concave) sur [a, b].
39 Erreur entre polyligne et fonction interpole de classe C 2 . Montrer que si f est une fonction de
classe C 2 sur lintervalle [a, b] et est une subdivison de [a, b] dcart h alors pour tout x [a, b] on a
| f (x) PL[ ; f ](x)]|

h2
max | f (2) (t)|.
8 t[a,b]

Quelle ingalit obtient-on dans le cas o f (x) = sin x ?


[I. 5.0]

ANALYSE NUMRIQUE

[T H 19]

30

I. I NTERPOLATION

C OMMENTAIRE . Supposons que d = (a, ad1 , . . . , add1 , b) soit la subdivision de [a, b] forme des points quidistants. Dans ce cas, si
= (adj + adj+1 )/2
alors la dfinition des fonctions polylignes et le thorme 9 sur lerreur la fonction et son polynme dinterpolation
dans le cas d = 1 donnent
k f () PL[ d ; f ]()| = | f (x) L[adj , adj+1 ; f ]()| =

| f (2) ( )|
| f (2) ( )|
| adj | | adj+1 | =
,
2
d2

o est un certain rel compris entre adj et adj+1 . Il suit que


d 2 max | f (x) PL[ d ; f ](x)| m2 ,
x[a,b]

o m2 = infx[a,b] | f (2)(x) |. En particulier, lingalit montre que lorsque f est une fonction pour m2 ne sannule pas
alors lerreur entre la fonction interpole et la fonction polyligne ne saurait dcrotre plus vite que la suite 1/d 2 .

40 Un exemple. On veut approcher la fonction f (x) = 1/(1+x2 ) sur [1, 1] par une polyligne. Comment
faut-il choisir la subdivision si lerreur doit tre moindre que 102 ?
41 Ajout dun point une subdivision Soit = (a = a0 , a1 , . . . , ad1 , ad = b) une subdivision de
longueur d de lintervalle [a, b]. On complte cette subdivision par deux points a1 < a et ad+1 > b et on
dfinit les fonctions bi , i = 0, . . . , d comme dans le cours par le graphe de la figure 4.4.
(a) Trouvez la relation entre deux fonctions bi et b j , i, j {0, . . . , d} lorsque la subdivision est dtermine par les points quidistants.
(b) On rajoute un point a+ la subdivision pour obtenir une subdivision + de longueur d + 1.

Comment calculer les fonctions bi + laide des fonctions bi .


42 Interpolation et calcul approch des drives. On tudie une mthode de calcul approch des
drives des fonctions partir des valeurs dune fonction.
Soit f une fonction drivable sur un intervalle ferm born I = [a, b] et X = {x0 , . . . , xd } un ensemble
de d + 1 point deux deux distincts dans I. tant donne y I, on cherche une formule Qy ( f ) de la forme
(5.3) Qy ( f ) = A0 f (x0 ) + A1 f (x1 ) + + Ad f (xd )
o les Ai sont des nombres rels indpendant de f , telle que

UNIV. JEANPAULCALVI . COM

/ 1

(5.4) f 0 (y) Qy ( f ).
A) Montrer que lapplication Qy dfinie ci-dessus est une application linaire de E dans R o E dsigne
lespace vectoriel des fonctions drivables sur I.
B) Dans cette partie, on cherche dterminer les nombres Ai de sorte que (5.4) se rduise une galit
lorsque f est un polynme de degr infrieur ou gal d, autrement dit,
(5.5) Qy (p) = p0 (y) pour tout polynme p de degr d.
Pour tout i = 0, . . . d, on note `i le polynme fondamental de Lagrange pour X = {x0 , . . . , xd } correspondant
au point xi ,
d

(5.6) `i (x) =

xxj
.
x
j=0, j6=i i x j

C) Montrer que la condition (5.5) est satisfaite si et seulement si pour tout i = 0, . . . , d, Ai est la drive
de `i en y, autrement dit
(5.7) Ai = `0i (y).
[T H 19]

ANALYSE NUMRIQUE

CALVI

31

5. E XERCICES ET PROBLMES

D) En dduire que la condition (5.5) est satisfaite si et seulement si


(5.8) Qy ( f ) = (L[X, f ])0 (y)
o L[X, f ] dsigne le polynme dinterpolation de Lagrange de f par rapport aux points de X.
Nota Bene : Dans la suite du problme on suppose que lgalit (5.8) est satisfaite.
E) Donner lexpression de Q0 ( f ) lorsque X = {1, 0, 1}.
F) On suppose maintenant que f est d + 1 drivable sur I et que y = xi X. On cherche une estimation
de lerreur | f 0 (y) Qy ( f )|. On note (x) = f (x) L[X, f ](x) et w(x) = (x x0 )(x x1 ) . . . (x xd )
G) Montrer que w0 (xi ) = dj=1, j6=i (xi x j ).
H) On admet que pour tout x I on a (x) = w(x)g(x) o g est une fonction drivable telle que g(x) =
(1/(d + 1)!) f (d+1) (x ). Montrer que
(5.9) f 0 (xi ) Qxi ( f ) =

1
(d + 1)!

(xi x j ) f d+1 (xi ).

j=1, j6=i

En dduire une majoration de lerreur | f 0 (xi ) Qxi ( f )|.


C OMPLMENT

43 Dterminant de Vandermonde et interpolation de Lagrange. Nous avons vu que si A = {a0 , . . . , ad }


et p(x) = di=0 ci xi , pour que la condition p(ai ) = f (ai ), i = 0, . . . , d soit vrifie, il faut et il suffit que les
coefficients ci satisfassent le systme linaire ( d + 1 quations et d + 1 inconnues)
d

(5.10)

ci aij = f (a j ),

j = 0, . . . , d.

i=0

UNIV. JEANPAULCALVI . COM

/ 1

Nous noterons VDM(a0 , . . . , ad ) le dterminant de (la matrice associe ) ce systme,




1 a0 a20 ad0


1 a1 a2 ad
1
1

VDM (a0 , . . . , ad ) = .
.
..
. .
.. ..
. ..

1 ad a2 ad
d
d
Pour que le systme (5.10) admette une solution unique, son dterminant VDM(a0 , . . . , ad ) doit tre non
nul, voir le chapitre IV. Le but de cet exercice est de calculer ce dterminant et de montrer quil est non
nul ds lors que les points a j sont deux deux distincts.
(a) Montrer que si les points a j ne sont pas deux deux distincts alors VDM(a0 , . . . , ad ) est nul.
(b) Nous supposons maintenant que les a j sont deux deux distincts. Considrons le polynme R(t)
dfini pour t R par


1 a0
a20

ad0

1 a1
a21

ad1


..
..
.. .
R(t) = VDM(a0 , . . . , ad1 ,t) = ...
.
.

.

d
1 ad1 a2


d1 ad1
2
d
1
t
t

t
Montrer que R est un polynme de degr d qui sannule pour t = a j , j = 0, . . . , d 1, et dont le
coefficient de plus haut degr est VDM(a0 , . . . , ad1 ). En dduire que
d1

VDM (a0 , . . . , ad ) = VDM (a0 , . . . , ad1 )

(ad a j ).
j=0

[I. 5.0]

ANALYSE NUMRIQUE

[T H 19]

32

I. I NTERPOLATION

(c) Montrer que


VDM (a0 , . . . , ad ) =

0i< jd

(a j ai ).

(d) En dduire que VDM(a0 , . . . , ad ) est non nul la seule condition que les points soient deux deux
distincts.
(e) Retrouver lexpression des polynmes fondamentaux de Lagrange laide des formules de Cramer.
44 Soient a a0 < < ad b d + 1 points dinterpolation deux deux distincts dans lintervalle [a, b].
Montrer, par exemple en faisant un schma, que quel que soit M il existe une fonction f continue sur [a, b]
telle que
max | f (x) L[a0 , . . . , ad ; f ](x)| M.

x[a,b]

Cela signifie que lerreur commise entre une fonction continue et son polynme dinterpolation peut tre
arbitrairement grand. En est-il de mme si lon considre lerreur relative
max
x[a,b]

| f (x) L[a0 , . . . , ad ; f ](x)|


;
| f (x)|

supposant que f ne sannule pas sur [a, b] ? En dautres termes, est-il vrai que quel que soit M il existe une
fonction f continue sur [a, b] telle que
max

| f (x) L[a0 , . . . , ad ; f ](x)|


M.
| f (x)|

UNIV. JEANPAULCALVI . COM

/ 1

x[a,b]

[T H 19]

ANALYSE NUMRIQUE

CALVI

33

6. N OTES ET COMMENTAIRES

6. N OTES ET COMMENTAIRES

UNIV. JEANPAULCALVI . COM

/ 1

Sur le contenu
Jai plusieurs fois lu ou entendu dire que
linterpolation de Lagrange tait un procd dapproximation inefficace ou dsuet qui serait dlaiss
par lanalyse numrique moderne et il mest arriv,
par le pass, dtre impressionn par ces jugements
expditifs, spcialement pour la raison que linterpolation polynomiale est mon sujet de recherche
favori. Un tel jugement qui sappuie gnralement
sur une interprtation trop htive du phnomne
de Runge (3.5) na pas de fondement. Linterpolation de Lagrange, explicitement ou non, intervient
dans la plupart des algorithmes fondamentaux de
lanalyse numrique. Les analyses sont condamns
travailler avec un nombre des donnes finies (et
en prcision finie) qui les contraignent utiliser
des procds de reconstruction dont linterpolation
de Lagrange est le prototype. Le traitement des
deux principales alternatives : lusage de fonctions
splines ou lutilisation de la technique des moindres
carrs se trouve dailleurs facilit par une connaissance solide de linterpolation de Lagrange.
Une des utilisations rcentes les plus spectaculaires de linterpolation de Lagrange est le
programme CHEBFUN constitu de programmes
utilisables sur le logiciel MATLAB (semblable
SCILAB), lanc par Nick Trefethen et Zachary Battles en 2002 qui consiste obtenir la plupart des
informations usuelles sur les fonctions relles sur
[1, 1] (il est toujours possible de se ramener ce
cas) partir de ses polynmes dinterpolation de
Lagrange calculs en un grand nombre de points
de Chebyshev, dont les valeurs sont obtenues par la
formule de Lagrange barycentrique (Cf. exercices
30 et 34) qui est optimale du point de vue de la stabilit.
Le premire version de mon texte prsentait une
introduction linterpolation dHermite (qui fait

[I. 6.0]

intervenir des conditions sur les drives), aux diffrences divises, lapproche de Newton. Ces
questions prsentaient des difficults pour lauditoire auquel je voulais madresser et jai considr
quil fallait les rserver pour un second cours danalyse numrique et les substituer dans un premier
temps par une tude des polylignes.
Sur les exercices
Lide de lexercice 29 sur les groupements de
points dinterpolation vient de Criscuolo et al.
(1990). Lexercice 12 est tir de Dmidovitch and
Maron (1979). Le problme 42 sur lapproximation
des drives laide des polynmes dinterpolation
est inspir de Ralston and Rabinowitz (2001, 4.1).
Jai appris les estimations de lexercice 35 dans un
cours en ligne dA. Bellen (Trieste). Je fais partie
des analystes qui ignoraient lintrt de la formule
barycentrique de Lagrange avant la lecture de larticle de Berrut and Trefethen (2004).
Sur les difficults
La formule dinterpolation de Lagrange est gnralement assez facilement manie par les tudiants,
comme aussi la formule de Neville-Aitken et la formule derreur. Les difficults principales sont les
quelques points qui sappuient sur un formalisme
mathmatique qui nest plus facilement matris : la
perception de lapplication qui une fonction f fait
correspondre son polynme dinterpolation, la ralisation et lexploitation du fait que cette application
est linaire, la comprhension des proprits caractristiques des polynmes dinterpolation (avec le
degr et les valeurs aux points dinterpolation) et
lavantage dtablir les proprits partir de ces
proprits caractristiques. Les tudiants, presque
systmatiquement, essayent dtablir les proprits
des polynmes dinterpolation partir dun calcul
sur la formule explicite de Lagrange.

ANALYSE NUMRIQUE

[T H 19]

II
Intgration
1. F ORMULES DE QUADRATURES LMENTAIRES
1.1

Lnonc du problme

Soit f une fonction continue sur un intervalle [a, b]. Nous voulons calculer lintgrale ab f (x)dx. Cest
un des calculs parmi les plus communs dans les applications des mathmatiques. Le thorme fondamental
du calcul intgral nous dit que
Z b
a

f (x)dx = F(b) F(a),

o F est une primitive de f .

Dire que F est une primitive de F signifie que F 0 = f et il est connu que toute fonction continue possde
une telle primitive, et une constante multiplicative prs, une seule. Pour appliquer le thorme fondamental, cest--dire essentiellement pour obtenir une primitive F de f , nous disposons de divers outils
thoriques dont les plus fondamentaux sont le thorme de changement de variable et le thorme dintgration par partie. Il reste quil nest possible de dterminer explicitement une primitive F, cest--dire
lcrire comme une combinaison de fonction lmentaires, que pour une classe relativement restreinte de
fonctions f . Lexemple le plus important est celui des fonctions gaussiennes de la forme

 !
1 x 2
f (x) = exp
2

UNIV. JEANPAULCALVI . COM

/ 1

qui jouent un rle fondamental en statistiques. Mme lorsque une expression de la primitive F peut tre
acquise, celle-ci est souvent si complique quelle naide gure dans lvaluation de la quantit F(b)
F(a). Par exemple, des techniques de changements de variables classiques connues de Maxima (avec
lequel est effectu ici le calcul) permettent dobtenir quune primitive de
x3 + 1
f (x) =
x2

 31

est donne par

log
F(x) =

2
x3 +1 3

x2

+
6

1
x3 +1 3

arctan

+1
+

1
2 x3 +1 3
x

)
3

+1

log

(x3 +1) 3
x

!
1

x3 + 1

 31
.

Le calcul de F(b) F(a) ncessite lemploi dun processus dapproximation (pour effectuer le calcul
du logarithme, de larc tangente et des racines cubiques. Dans ce cas, il est tout aussi naturel et souvent
moins coteux de chercher directement une approximation de lintgrale. Ce commentaire ne signifie
quil faille dlaisser les mthodes thoriques de calculs et ne pas matriser, pour les mathmaticiens, la
technique de changements de variables. Une analyse thorique du problme numrique rsoudre conduit
souvent une stratgie de calcul de numrique et elle sert toujours de garde-fou pour dtecter les rsultats
numriques incohrents.

35

1. F ORMULES DE QUADRATURES LMENTAIRES

1.2

Prsentation gnrale

Lide consiste utiliser une approximation ab f (x)dx ab g(x)dx o g est une fonction qui, dune part,
est proche de f et, dautre part, possde des primitives aisment calculables. Le choix le plus naturel est
celui du polynme dinterpolation de Lagrange,
g = L[x0 , . . . , xd ; f ],

avec A = {x0 , . . . , xd } [a, b]

car les polynmes dinterpolation sont proches de la fonction quils interpolent et, tant des polynmes,
il est raisonnable desprer que leurs primitives seront facilement calculables. Nous appelons formule de
quadrature (lmentaire) dordre d, toute expression
(1.1) Q( f ) =

Z b
a

L[x0 , . . . , xd ; f ](x)dx = f (xi )

Z b
a

i=0

`i (x)dx

o `i est le polynme fondamental de Lagrange correspondant au point ai , voir. Lapplication Q ainsi


dfinie est une forme linaire sur C [a, b], autrement dit, elle vrifie
Q(1 f1 + 2 f2 ) = 1 Q( f1 ) + 2 Q( f2 ) 1 , 2 R,
Pour savoir si Q( f ) est effectivement proche de
Z b



(1.2) EQ ( f ) :=
f (x)dx Q( f ) .

Rb
a

f2 , f2 C[a, b].

f (x)dx, nous devrons tudier lerreur

Remarquons que si Q est une formule de quadrature dordre d alors pour tout p Pd on a
Q(p). En effet,
p Pd p = L[x0 , . . . , xd ; p] Q(p) =

Z b
a

L[x0 , . . . , xd ; p](x)dx =

Rb
a

p(x)dx =

Z b

p(x)dx.
a

Nous verrons que dans certains cas lgalit ci-dessus peut continuer tre vrifie pour des polynmes
de degr plus grand que d.
Une rciproque est vraie.

UNIV. JEANPAULCALVI . COM

/ 1

Thorme 1. Si R( f ) est une expression de la forme R( f ) = di=0 i f (ai ) telle que R(p) = ab p(x)dx
R
pour tout p Pd alors i = ab `i (x)dx o `i est le polynme fondamental de Lagrange correspondant
xi {x0 , . . . , xd }.
Dmonstration. Il suffit dutiliser la relation di=0 i p(ai ) = ab p(x)dx avec p = ` j . En effet, puisque
` j (ai ) = 0 sauf lorsque i = j pour lequel nous avons ` j (a j ) = 1, et di=0 i ` j (ai ) = j .

Remarquons que puisque R est une forme linaire, pour sassurer que
R(p) =

Z b

p(x)dx,
a

pour tout p Pd ,

il suffit de vrifier lidentit lorsque p parcourt une base de P d . En particulier, si Mi (x) = xi il suffit de
vrifier que R(Mi ) = ab xi dx pour i = 0, 1, . . . , d.
E 45 On cherche une approximation de
Z 1
1

R1

f (x)dx par une formule du type

f (x)dx f (t1 ) + f (t2 )

de telle sorte que la formule soit exacte pour tous les polynmes de degr infrieur ou gal 2. Montrer
quil existe une et une seule paire {t1 ,t2 } satisfaisant la proprit demande et la dterminer.
[II. 2.0]

ANALYSE NUMRIQUE

[T H 1]

36

II. I NTGRATION

A)

P OINT MILIEU

B)
f

L[c; f ]

f (c)

T RAPZE

f (b)

L[a, b; f ]

f (a)
11
00
00
11

00
11
00
11
0000000000000000000
1111111111111111111
00
11
00
11
00
11
00
11
00
11
00
11

Nous avons pos c = (a+b)/2. Laire de la partie grise est gale Q( f ).

Laire de la partie grise est gale Q( f ).

TABLE 1 Mthode du point milieu et du trapze.


Dans la pratique, grce au procd de composition que nous verrons plus bas et qui consiste appliquer
ces approximations sur des intervalles trs petit, des rsultats prcis sont souvent obtenus en employant
seulement des mthodes dordre d 2. Nous tudierons en dtail trois de ces mthodes : la mthode du
point milieu (d = 0), la mthode des trapzes (d = 1) et la mthode de Simpson (d = 2). Dautres
exemples sont proposs en exercice.
2. E XEMPLES FONDAMENTAUX
2.1

La formule du point milieu

Nous utilisons un polynme dinterpolation de degr d = 0 avec le point x0 =


L[x0 ; f ](x) = f ( a+b
2 ) et lapproximation
Z b

(2.1)

UNIV. JEANPAULCALVI . COM

/ 1

f (x)dx

Z b
a

L[x0 ; f ](x)dx

Z b

devient
a

f (x)dx (b a) f (

a+b
2 .

Dans ce cas,

a+b
).
2

Lexpression Q( f ) = (b a) f ( a+b
2 )sappelle la formule du point milieu. Lorsque f (c) > 0, Q( f ) est
laire du rectangle de sommets les points de coordonnes (a, 0), (b, 0), (a, f (c)) et (b, f (c)), voir la figure 1 A).
2.2

La formule du trapze

Soit f C ([a, b]). Nous prenons d = 1 et A = {a, b}. Lapproximation


Z b

(2.2)
a

f (x)dx

Z b

L[a, b; f ](x)dx

En effet, L[a, b; f ](x) = f (a) +


Z b

L[a, b; f ](x)dx

=
=
[T H 1]

Z b

devient

f (x)dx

(b a)
( f (a) + f (b)).
2

f (b) f (a)
(x a),
ba

voir (I.1.7), do

Z
f (b) f (a)
f (b) f (a) b
f (a) +
(x a) dx = f (a)(b a) +
(x a)dx
ba
ba
a
a

b
f (b) f (a) (b a)2
f (b) f (a) (x a)2
f (a)(b a) +
= f (a)(b a) +

ba
2
ba
2
a
(b a)
[ f (a) + f (b)].
2

Z b

ANALYSE NUMRIQUE

CALVI

37

3. TUDE DE L ERREUR

Lexpression Q( f ) = (ba)
2 ( f (a) + f (b)) sappelle la formule du trapze. Lorsque f (a) et f (b) sont
positifs, elle nest autre que laire du trapze de sommets les points de coordonnes (a, 0), (b, 0), (a, f (a))
et (b, f (b)) comme illustr par la figure 1 B).
2.3

La formule de Simpson

Nous prenons cette fois d = 2 et A = {a, c, b} o c =

a+b
2 .

Lapproximation
Z b
a

f (x)dx

Z b

L[a, c, b ; f ](x)dx

f (b)

devient
Z b

(b a)
( f (a) + 4 f (c) + f (b)) .
6
a
Le calcul est propos lexercice I.27. Lexpression
(2.3)

f (x)dx

f (a)

L[a, c, b; f ]

f (c)

00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
00
11
0
1
0
1
1111111111111111111
0000000000000000000
00
11
0
1
0
1
0
1
0
1
0
1
0
1

(b a)
( f (a) + 4 f (c) + f (b))
6
sappelle la formule de Simpson. Laire de la partie
grise sur la figure ci-contre est gale Q( f )
Q( f ) =

Le calcul est facilement trait par un logiciel de calcul formel.


Code MAXIMA 2 (Obtention de la formule de Simpson). Dans le code suivant nous dfinissons, comme
une expression, le polynme L dinterpolation de Lagrange aux trois points a,b et c, calculons son intgrale
et simplifions avec ratsimp et factor lexpression du rsultat. Nous aurions pu utiliser la fonction dfinie
au I.2.7.
1
3

UNIV. JEANPAULCALVI . COM

/ 1

c : ( a+b ) / 2 ;
L : f ( a ) * ( ( xc ) * ( xb ) ) / ( ( ac ) * ( ab ) ) +
f ( c ) * ( ( xa ) * ( xb ) ) / ( ( ca ) * ( cb ) ) +
f ( b ) * ( ( xa ) * ( xc ) ) / ( ( ba ) * ( bc ) ) ;
f a c t o r ( ratsimp ( i n t e g r a t e (L, x , a , b ) ) ) ;

Le rsultat de la dernire instruction produit :




(b a) 4 f b+a
+ f (b) + f (a)
2
.
6
3. TUDE DE L ERREUR
3.1

Estimation de lerreur dans la formule du point milieu

Thorme 2. Soit f C 2 ([a, b]). Il existe [a, b] tel que




Z b
a+b
(b a)3
f (t)dt (b a) f
=
f (2) ( ).
2
24
a
En particulier,
Z b



a + b
(b a)3

f
(t)dt

(b

a)
f

max | f (2) (x)|.


a

2
24
x[a,b]

[II. 3.1]

ANALYSE NUMRIQUE

[T H 2]

38

II. I NTGRATION

Comme de nombreux rsultats danalyse numrique, la dmonstration de ce thorme est base sur la
formule de Taylor qui est prsente en appendice, voir le thorme A.2 .
Dmonstration du Thorme 2. Posons c = a+b
2 . Pour tout x [a, b], une application de la formule de
Taylor lordre deux avec u0 = c donne lexistence de x tel que
f (x) = f (c) + f 0 (c)(x c) +

f 00 ( )
(x c)2 .
2!

Do nous tirons lingalit


f (c) + f 0 (c)(x c) +

m2
M2
(x c)2 f (x) f (c) + f 0 (c)(x c) +
(x c)2
2
2

o m2 = inf [a, b] f 00 et M2 = m2 = max [a, b] f 00 . En intgrant la premire ingalit, il vient


Z b

(3.1)
a

f (x)dx

Z b
a


f (c) + f 0 (c)(x c) + m2 (x c)2 dx

1
m2
Q( f ) + [(x c)2 ]ba +
[(x c)3 ]ba
2
23


m2 (b a)3
Q( f ) + 0 +
,
23
23

(3.2)
(3.3)
et il suit
m2

(b a)3

24

Z b
a

f (x)dx Q( f ).

De la mme manire, en intgrant la seconde ingalit, nous obtenons


Z b
a

f (x)dx Q( f ) M2

(b a)3
.
24

UNIV. JEANPAULCALVI . COM

/ 1

Regroupant les deux estimations, nous tirons



Z b
24
m2
f
(x)dx

Q(
f
)
M2 .
(b a)3
a
Maintenant puisque f 00 est une fonction continue, daprs le thorme des valeurs intermdiaires, tout
nombre compris entre sa plus grande valeur M2 et sa plus petite valeur m2 est encore une valeur de f 00 .
Autrement dit, il existe [a, b] tel que


Z b
a+b
(b a)3 00
f (t)dt (b a) f
=
f ( ).

2
24
a
3.2

Estimation de lerreur dans la formule du trapze

Thorme 3. Soit f C 2 ([a, b]). Il existe [a, b] tel que


Z b
a

f (t)dt

(b a)
(b a)3 (2)
[ f (a) + f (b)] =
f ( ).
2
12

En particulier,
Z b

3


(b a)

(b a) max | f (2) |.
f
(t)dt

[
f
(a)
+
f
(b)]
a

2
12
[a,b]

[T H 3]

ANALYSE NUMRIQUE

CALVI

39

4. C OMPOSITION

Dmonstration. Nous devons estimer ab { f (x) L[a, b; f ](x)}dx. Nous commenons par obtenir une estimation du terme sous lintgrale. Daprs le Thorme I.9, pour tout x [a, b], il existe x [a, b] tel
que
f (x) L[a, b; f ](x) =

f (2) (x )
(x a)(x b).
2

Puisque la fonction x (x a)(x b) est ngative ou nulle sur [a, b], nous avons
m2
M2
(x a)(x b) f (x) L[a, b; f ](x)
(x a)(x b),
2
2
o m2 = min[a,b] f (2) et M2 = max[a,b] f (2) . Nous intgrons ces deux ingalits en utilisant le rsultat suivant
Z b

(3.4)
a

(x a)(x b)dx = (b a)3 /6,

qui se vrifie immdiatement pour obtenir


M2 (b a)3 /12

Z b
a

{ f (x) L[a, b; f ](x)}dx m2 (b a)3 /12.

En raisonnant comme dans la dmonstration du Thorme 2, nous dduisons quil existe tel que
Z b
a

{ f (x) L[a, b; f ](x)}dx =

f ( )
(b a)3 .
12


E 46 Dmontrer la relation (3.4).

3.3

Estimation de lerreur dans la formule de Simpson

UNIV. JEANPAULCALVI . COM

/ 1

Nous ne connaissons pas de dmonstration simple du rsultat suivant. Une dmonstration lmentaire
mais peu naturelle sera propose lexercice 60.
Thorme 4. Soit f C 4 ([a, b]). Nous avons
Z b




5


a+b
(b a)
(b a) . max | f (4) |.

f
(a)
+
4
f
+
f
(b)
f
(t)dt


a
6
2
2880
[a,b]
Les point important de cette estimation cest quelle fait intervenir la drive 4-ede la fonction (et un
facteur (b a)5 ). La constante 2880 naturellement est purement anecdotique.

E 47 Daprs sa construction la formule de Simpson est dordre 2 mais lestimation ci-dessus montre
quelle est en ralit dordre 3. Donner une dmonstration directe de cette proprit.

4. C OMPOSITION
4.1

Ide gnrale

Nous savons que le polynme L[x0 , . . . , xd ; f ] a dautant plus de chance dtre proche de la fonction
interpole f que lintervalle [a, b] est petit et les formules derreur donnes dans la partie prcdente
confirment lintuition que plus lintervalle [a, b] sera petit plus lapproximation sera prcise. Dans ces
conditions, il est naturel de dcouper lintervalle de dpart en une famille de sous-intervalles beaucoup
[II. 4.1]

ANALYSE NUMRIQUE

[T H 4]

40

II. I NTGRATION

plus petits et dappliquer les formules de quadrature ces petits intervalles avant de regrouper les approximations obtenues. De manire prcise, choisissons une subdivision = (a = a0 , a1 , . . . , an = b) de
[a, b] et, dans chaque intervalle [ai , ai+1 ], d + 1 points distincts X i = {x0i , x1i , . . . , xdi } pour construire la
formule dapproximation
Z ai+1

(4.1)
ai

f (x)dx Q[ai ,ai+1 ] ( f )

avec
d

(4.2) Q[ai ,ai+1 ] ( f ) = f (xik )

Z ak+1
ak

i=0

`ki (x)dx

et

`ki (x) =

x xkj

k
k
j=0, j6=i xi x j

La localisation des points xij dans chaque sous-intervalle est illustre dans la figure 1. La relation de

a = a0 a1

ai

ai+1

an1 an = b

X0
Xi

{xij

: 0 j d}

Xn

F IGURE 1 Localisation des points dans une formule de quadrature compose


Chasles pour les intgrales nous donne
Z b

f (x)dx =

n1 Z ak+1

f (x)dx,

k=0 ak

de sorte que pour approximer lintgrale globale il suffit dapproximer les n termes de la somme
Z b

(4.3)
a

n1 d

f (x)dx

Q[ak ,ak+1 ] ( f ).

k=0 i=0

Toute expression Qc de la forme


n1 d

Qc( f ) =

Q[ak ,ak+1 ] ( f )

/ 1

k=0 i=0

sappelle une formule de quadrature compose dordre d. Lapplication Qc dfinit une forme linaire
sur C [a, b]. Lerreur | ab f (x)dx Qc( f )| est note EQc ( f ).

UNIV. JEANPAULCALVI . COM

Thorme 5.
n1

(4.4) EQc ( f )

EQ[ai ,ai+1 ] ( f ).

i=0

Dmonstration. Avec les notations prcdentes, nous avons


n1 Z ai+1

EQc ( f ) = |

i=0 ai

n1

f (x)dx Q[ai ,ai+1 ] ( f )|


i=0



n1 Z ai+1


=
f (x)dx EQ
(f)
[ai ,ai+1 ]
i=0 ai




n1 Z ai+1
n1

= EQ

f (x)dx EQ
(
f
)
( f ). 

[ai ,ai+1 ]
[ai ,ai+1 ]
a
i=0

[T H 5]

i=0

ANALYSE NUMRIQUE

CALVI

41

4. C OMPOSITION

4.2

Exemples fondamentaux de formules composes

Soit n N? , I = [a, b] et f C [a, b]. crivons h(n) = (b a)/n et a(i, n) = a + ih(n). Lapplication
du principe daddition ci-dessus aux exemples fondamentaux des mthodes du point milieu, du trapze
et de Simpson donne les rsultats regroups dans la table 2. Lorsque n , dans les trois cas, lerreur
commise tend toujours vers 0, autrement dit, quelle que soit la prcision choisie , en prenant n suffisamment grand, chacune des mthodes fournira une valeur approche de lintgrale avec une erreur moindre
que . Pour connatre une valeur de n assurant la prcision il faut cependant au moins disposer dun
majorant de max[a,b] | f (2) | pour la mthode des trapzes ou du point milieu et de max[a,b] | f (4) | pour la
mthode de Simpson.
E 48 Montrer que si Qc( f ) dsigne la formule des trapzes composes avec n + 1 points quidistants
a(i, n) = a + i(b a)/n alors

Qc( f ) =

Z b

PL[ f , ](x)dx,

o est la subdivision a = a(0, n) < a(1, n) < < a(n, n) = b. Nous renvoyons 4.I pour les informations
ncessaires sur les polylignes.
La table 3 montre lerreur obtenue en utilisant les mthodes pour approcher 01 4/(1 + x2 ) qui nest autre
que le nombre . Lexcution est trs rapide. Pour la mthode de Simpson avec n = 700, lalgorithme ne
demande que 0.125 seconde dattente.
4.3

Codes Scilab

Nous donnons les codes correspondant aux mthodes du point milieu, des trapzes et de Simpson pour
valuer lintgrale Le code calcule une valeurs approche de
Z b

(4.5)

fonc(x)dx.
a

En particulier, dans tous les codes ci-dessus,


(a) a, b sont donc les bornes de lintervalle,
(b) fonc dsigne la fonction intgrer,

UNIV. JEANPAULCALVI . COM

/ 1

Code SCILAB 2 (Mthode du point milieu). Dans le code suivant,


(a) n est le nombre sous-intervalles utiliss,
(b) NodesPM est le vecteur contenant les milieux de ces sous-intervalles.
1
3
5

f u n c t i o n [ y ] =PM( a , b , n , f o n c ) ;
h = ( ba ) / n ;
NodesPM=a + ( ( 2 * [ 1 : n ] 1 ) * ( h / 2 ) ) ;
TBS= f e v a l ( NodesPM , f o n c ) ; / / ou TBS=f o n c ( NodesPM ) ;
y = ( ba ) * sum ( TBS ) / n ;
endfunction ;

Code SCILAB 3 (Mthode du trapze). Dans le code suivant,


(a) n est le nombre de sous-intervalles utiliss,
(b) NodesTrap est le vecteur contenant les points intervenant dans la mthode.
[II. 4.3]

ANALYSE NUMRIQUE

[T H 5]

P RINCIPALES FORMULES DE QUADRATURES COMPOSES

n)
a = a(i, n)

a(i + 1/2, n)

a(i + 1/2, n)

(ba)3
24n2

(ba)3
12n2
(ba)5
2880n4

a(i + 1, n)

a(i + 1, n)

a(i + 1, n)

max[a,b] | f (2) |

max[a,b] | f (2) |

f C 4 (I)

f C 2 (I)

f C 2 (I)

Type
de
fonctions

max[a,b] | f (4) |

Erreur : EQc ( f )

0
1
00
11
00000000000000000000
11111111111111111111
11
00
0
1
00
11
11111111111111111111
00000000000000000000

00
11
00000000000000000000
11111111111111111111
11
00
00
11
11111111111111111111
00000000000000000000

a = a(i, n)

00
11
00000000000000000000
11111111111111111111
00
11
11111111111111111111
00000000000000000000

a = a(i, n)

I = [a, b], h(n) = (b a)/n, a(i, n) = a + ih(n), f C (I)

Point milieu

Trapze

Simpson

Formule : Qc( f )



n1
f (a)) + f (b) + 2 i=1
f (a(i, n))

n1
h(n) i=0
f (a(i + 1/2, n))

h(n)
2

UNIV. JEANPAULCALVI . COM

/ 1

Point milieu
Trapze

h(n)
6


n1
n1
f (a) + f (b) + 2 i=1
f (a(i, n)) + 4 i=0
f (a(i + 1/2, n))
Simpson

TABLE 2 Exemples fondamentaux de formules de quadrature composes

CALVI

ANALYSE NUMRIQUE

[T H 5]

II. I NTGRATION

42

43

4. C OMPOSITION
n
2.
4.
6.
8.
10.
70.
930.
2300.

Point milieu
- 0.0207603
- 0.0052079
- 0.0023148
- 0.0013021
- 0.0008333
- 0.0000170
- 9.635D-08
- 1.575D-08

Trapze
0.0415927
0.0104162
0.0046296
0.0026042
0.0016667
0.0000340
0.0000002
3.151D-08

Simpson
0.0000240
0.0000002
1.328D-08
2.365D-09
6.200D-10
5.329D-15
- 4.441D-16
4.441D-16

TABLE 3 Comparaison des diverses mthodes pour = 01 4/(1 + x2 )dx.

2
4
6

f u n c t i o n [ y ] =TRAP ( a , b , n , f o n c ) ;
h = ( ba ) / n ;
NodesTrap =a+h * [ 1 : n 1 ] ;
V a l u e s T r a p = f o n c ( NodesTrap ) ;
y=h * ( sum ( V a l u e s T r a p ) + 0 . 5 * f o n c ( a ) + 0 . 5 * f o n c ( b ) ) ;
endfunction ;

Code SCILAB 4 (Mthode de Simpson). Dans le code suivant,


(a) n est le nombre de sous-intervalles utiliss,
(b) extrem est le vecteur form des extrmits des sous-intervalles.
(c) milieux est le vecteur form des milieux des sous-intervalles.

2
4
6

UNIV. JEANPAULCALVI . COM

/ 1

f u n c t i o n [ y ] =SIMPSON ( a , b , n , f o n c ) ;
h = ( ba ) / n ;
e x t r e m =a+h * [ 1 : n 1 ] ;
valextrem =fonc ( extrem ) ;
m i l i e u x =a + ( h / 2 ) * ( 2 * [ 1 : n ] 1 ) ;
v a l m i l i e u =fonc ( milieux ) ;
y = ( h / 6 ) * ( f o n c ( a ) + f o n c ( b )+ 2 * sum ( v a l e x t r e m ) + 4 * sum ( v a l m i l i e u ) ) ;
endfunction ;

En principe, les formules derreur de la table 2 permettent de dterminer le nombre de sous-intervalles


ncessaires pour obtenir la prcision voulue. Cest le nombre n qui est demand dans de nombreux exercices acadmiques comme dailleurs ici aux problmes 56 et 57. Dans la pratique, un tel exercice est
rarement ralis. Il y a pour cela au moins deux raisons. La premire cest que lemploi de ces formules
ncessite la connaissance dune borne de la valeur absolue de la drive seconde (dans le cas de la formule du point milieu et de celle des trapzes) ou de la drive quatrime (dans le cas de la formule de
Simpson) et ces bornes peuvent difficiles obtenir surtout. La seconde raison, cest que mme si lemploi
des formules derreur est possible elles donnent trs souvent un valeur de n exagrment grande. Si lon
ne connat pas a priori le paramtre n employ dans les codes prcdent, on utilise en gnral ce qui est
appel un test darrt, pour fixer la valeur n. Un test darrt communment employ est darrter laugmentation de n lorsque les valeurs approches successives obtenues ne diffrent pas plus que dun epsilon
fix par lutilisateur. Voici un tel code appliqu la formule du point milieu.
Code SCILAB 5 (Un test darrt sur la mthode du point milieu). Dans le code suivant,
(a) myeps est lepsilon fix par lutilisateur, ici 108 .
(b) PM est la fonction dfinie au code SCILAB 2.
(c) Le rsultat affiche le couple A=(nombres de sous-intervalles, valeur approche).
[II. 4.3]

ANALYSE NUMRIQUE

[T H 5]

44

II. I NTGRATION

myeps = 1 0 ^ ( 8 ) ;
k =1;
w h i l e a b s (PM( 0 , 1 , k , f o n c )PM( 0 , 1 , k +1 , f o n c ) ) >
myeps ; k=k + 1 ; end
A= [ k ,PM( 0 , 1 , k , f o n c ) ]

Ce test peut savrer mdiocre lorsque la convergence est lente. En prenant = 106 et fonc(x) =
4/(1 + x2 ) sur [0, 1], le code prcdent donne k = 55 et lintgrale (qui vaut ) est approche avec une
erreur de 2.75 105 . Pour = 108 , = 255 est lerreur est 1.28 106 .
Signalons en outre que lusage dune instruction while peut tre dangereux. Elle peut donner lieu
une excution infinie si la condition darrt nest jamais vrifie. Il est judicieux dimposer un nombre
maximal ditrations aprs lequel la boucle sinterrompt, que la condition du while soit satisfaite ou non.
E 49 Rajouter une instruction dchappement comme indiqu ci-dessus dans le code SCILAB 5. On
pourra consulter le dtail du fonctionnement de la boucle while sur les fichiers daide scilab ainsi que de
linstruction break .

5. E XERCICES ET PROBLMES
50 Une caractrisation de la formule du point milieu. Dterminer tous les points p [a, b] tels que
lapproximation
Z b
a

f (x)dx = (b a) f (p)

soit exacte (i.e., soit une galit) pour tous les polynmes de degr 1.

51 Une expression de lerreur dans la formule des trapzes. Soit f une fonction de classe C 2 dans
[a, b]. Montrer que
Z b

f (x)dx =

ba
( f (a) + f (b))
2

Z b
a

(x a)(b x)

f 00 (x)
dx.
2

On pourra calculer la partie intgrale dans le terme de droite en effectuant une ou plusieurs intgrations
par parties.

/ 1

52 Une formule de quadrature avec points intrieurs. Soient a < b et pour i = 0, . . . , 3, xi = a + i ba


3
de sorte que x0 = a et x3 = b, f dsigne une fonction continue sur [a, b]. Dmontrer que
Z b

(5.1)

UNIV. JEANPAULCALVI . COM

L[x1 , x2 ; f ](x)dx =

ba
[ f (x1 ) + f (x2 )]
2

o L[x1 , x2 ; f ] dsigne le polynme dinterpolation de f par rapport aux points x1 et x2 .


53 La seconde formule de Simpson. Soient xi , i = 0, . . . , x3 les points quidistants de lintervalle [a, b],
xi = a + ih avec h = (b a)/3, i = 0, 1, 2, 3.
(a) Montrer que
Z b
a

L[x0 , x1 , x2 , x3 ; f ](x)dx =

3h
[ f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 )].
8

(b) Lexpression
Q( f ) =

3h
[ f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 )]
8

sappelle la seconde formule de Simpson ou la formule de Newton [Newton 1711].


. Voir aussi lexercice III.63 la suite du code SCILAB 7.
[T H 5]

ANALYSE NUMRIQUE

CALVI

45

5. E XERCICES ET PROBLMES

(c) Illustrer graphiquement lapproximation


Z b
a

f (x)dx

3h
[ f (x0 ) + 3 f (x1 ) + 3 f (x2 ) + f (x3 )].
8

(d) Donner la formule de quadrature compose correspondante (avec n sous-intervalles).


54 Un exemple. Soit I = 01 x1/2 dx.
(a) Donner la valeur exacte de I.
(b) Donner une approximation de I en utilisant la mthode de Simpson avec deux sous-intervalles.
(c) Le thorme du cours permettait-il de prdire lerreur commise ?
(UPS, L2, 2005)
55 Quelle est la mthode utilise dans lapproximation
Z 2
1

ex dx h{e(1+h/2) + e(1+3h/2) + + e(1+(2n1)h/2) },

o h = 1/n ? Calculer le terme de droite et estimer lerreur commise.


56 Formule des trapzes et fonctions convexes. On souhaite calculer une valeur approche de ln(2)
partir de la relation
ln(2) =

Z 2
dx
1

Nous considrerons la fonction f dfinie sur ]0, [ par f (x) = 1x .


A) Montrer que pour tout (a, b) ]0, []0, [ et pour tout t [0, 1] on a
(5.2) f (ta + (1 t)b) t f (a) + (1 t) f (b).
B) On suppose 0 < a < b < . Soit x [a, b]. Montrer que
dans (5.2) que

bx
ba

[0, 1]. Montrer en prenant t =

bx
ba

f (x) L[a, b; f ](x).


C) Trouver une approximation de 12 dx
x en appliquant la mthode des trapzes combine avec 2 sousintervalles. Faire un schma illustrant le calcul.
D) Expliquer pourquoi quel que soit le nombre de sous-intervalles, le nombre trouv par la mthode
des trapzes combine fournira toujours une approximation par excs (cest--dire suprieure la valeur
exacte ln(2).)
R
E) On approche maintenant 12 dx
x en utilisant la mthode Simpson combine. Combien de sous-intervalles
faut-il utiliser pour commettre une erreur infrieure ou gale 1010 ?
(UPS, L2, 2003, sol 7 p. 126.)

UNIV. JEANPAULCALVI . COM

/ 1

N OTE . Voir lexercice I.11.

57 Un exemple. Estimer, laide des thormes du cours, le nombre de sous-intervalles n ncessaire


pour obtenir une approximation de
I=

Z 1
0

4
dx,
1 + x2

avec une erreur moindre que 106 , en utilisant (a) la mthode du point milieu combine, (b) la mthode
des trapzes combine, (c) la mthode de Simpson combine ? Comparer les estimations trouves avec les
rsultats donns dans le tableau 4 (voir cours).
[II. 5.0]

ANALYSE NUMRIQUE

[T H 5]

46

II. I NTGRATION

n
2.
4.
6.
8.
10.
70.
930.
2300.

Point milieu
- 0.0207603
- 0.0052079
- 0.0023148
- 0.0013021
- 0.0008333
- 0.0000170
- 9.635D-08
- 1.575D-08

TABLE 4 Erreur dans lapproximation de


Simpson.

Trapze
0.0415927
0.0104162
0.0046296
0.0026042
0.0016667
0.0000340
0.0000002
3.151D-08

R1

4
0 1+x2 dx

Simpson
0.0000240
0.0000002
1.328D-08
2.365D-09
6.200D-10
5.329D-15
- 4.441D-16
4.441D-16

avec les mthodes du point milieu, du trapze et de

58 Sensibilit de la formule des trapzes compose aux erreurs sur les valeurs de la fonction. On
considre la fonction f dfinie sur R par f (x) = exp(x2 ). On souhaite calculer une valeur approche de
I=

Z 1

f (x)dx,

par la mthode de Simpson combine.


On note A(n, f ) la valeur approche fournie par la mthode de Simpson combine avec n sous-intervalles.
(a) Dterminer une valeur de n aussi petite que possible assurant |I A(n, f )| 103 . On notera la
valeur de n trouve.
Le calcul de A(n, f ) ncessite lutilisation dun certain nombre de valeurs de la fonction f . Or on ne peut
disposer que dune approximation de cette fonction, une approximation donne, disons, par la fonction f.
Il est donc impossible de calculer exactement A(n, f ) : on ne peut disposer que de A(n, f).
(b) On suppose que pour tout x [0, 1] on a | f (x) f(x)| o est un rel strictement positif.
Montrer que


A(n, f ) A(n, f) .


(c) En dduire une majoration pour I A(, f) .
(d) Que peut-on dire de la perte de prcision entrane par le calcul de la formule donnant A(, f ) sur
une calculatrice travaillant avec une prcision de 1012 ?

UNIV. JEANPAULCALVI . COM

/ 1

(UPS, L2, 2004, sol. 8 p. 127.)


59 Mthode des paraboles chevauchement. Soit n 1. On considre n + 1 points xi dans lintervalle
[a, b] de sorte que
a = x0 < x1 < x2 < < xn1 < xn = b.
(a) Pour i = 1, . . . , n 2, on utilise lapproximation
Z xi+1
xi

f (x)dx Qi ( f ),

o
1
Qi ( f ) =
2

Z

xi+1

xi

L[xi1 , xi , xi+1 ; f ](x)dx +

Z xi+1
xi


L[xi , xi+1 , xi+2 ; f ](x)dx .

(b) On dfinit les nombres ai , bi et ci pour i = 1, . . . , n 1 par la relation


L[xi1 , xi , xi+1 ; f ](x) = ai x2 + bi x + ci .
[T H 5]

ANALYSE NUMRIQUE

CALVI

47

5. E XERCICES ET PROBLMES

Dmontrer que
ai + ai+1
Qi ( f ) =
2

3 x3
xi+1
i
3

bi + bi+1
+
2

2 x2
xi+1
i
2

!
+

ci + ci+1
(xi+1 xi ) .
2

(c) Montrer, en utilisant le thorme mesurant lerreur entre une fonction et son polynme dinterpolation, que si f C3 [a, b] alors il existe une constante Ci que lon prcisera telle que

Z x

i+1

f (x)dx Qi ( f ) Ci sup | f (3) |.

xi

[xi1 ,xi+2 ]

On considre maintenant lapproximation


Z b
a

f (x)dx Q( f ),

avec
Q( f ) =

Z x1
x0

n2

L[x0 , x1 , x2 ; f ](x)dx + Qi ( f ) +
i=1

Z xn
xn1

L[xn2 , xn1 , xn ; f ](x)dx.

b
(d) Montrer que si f est un polynme de
degr 2 alors Q( f ) = a f (x)dx.


(e) Donner une majoration de lerreur ab f (x)dx Q( f ) lorsque f C3 [a, b].

(UPS, L2, 2005, sol. 9 p. 128.)


60 Une dmonstration des formules derreur pour les mthodes du point milieu , des trapzes et
de Simpson . Rappelons les thormes
(a) Si f C 2 ([a, b]) alors


b
(b a)3
a + b

. max | f (2) |
f (t)dt (b a) f

2
24
[a,b]
a

3

(b a)
(b a)
f (t)dt
[ f (a) + f (b)]
. max | f (2) |.
2
12
[a,b]

Thorme.
Z


(5.3)

UNIV. JEANPAULCALVI . COM

/ 1

Z b

(5.4)
a

(b) Si f C 4 ([a, b]),


Z b






a+b
(b a)5
(b a)
f (a) + 4 f
+ f (b)
. max | f (4) |.
(5.5)
f (t)dt
6
2
2880
[a,b]
a
Nous construisons une dmonstration de chaque ingalit en suivant un principe commun. Posons c :=
a = c h et b = c + h (de sorte que h = ba
2 ) et considrons

a+b
2 ,

Simp (t) = (t) =

Z c+t
ct

t
f (x)dx { f (c + t) + 4 f (c) + f (c t)}
3

puis
(t) = (t)

 t 5
h

(h).

(a) Calculer les trois premires drives de et montrer quil existe (t) [a, b] tel que


2t 2
90
(3) (t) =
f (4) ( (t)) + 5 (h) .
3
h
[II. 5.0]

ANALYSE NUMRIQUE

[T H 5]

48

II. I NTGRATION

(b) Montrer en appliquant plusieurs fois le thorme de Rolle quil existe t [0, h] tel que (3) (t) = 0.
(c) En dduire lestimation (5.5).
(d) Dmontrer (5.4) en sinspirant de la dmonstration prcdente. On considrera
trap = (t) =

Z c+t
ct

f (x)dx t { f (c + t) + f (c t)}

puis
(t) = (t)

 t 3
h

(h).

UNIV. JEANPAULCALVI . COM

/ 1

(e) Dmontrer (5.3) toujours en suivant la mme technique : quelle est la fonction milieu approprie ?

[T H 5]

ANALYSE NUMRIQUE

CALVI

49

6. N OTES ET COMMENTAIRES

Sur les difficults

6. N OTES ET COMMENTAIRES
Sur le contenu

UNIV. JEANPAULCALVI . COM

/ 1

Je men suis tenu au strict minimum, correspondant dailleurs au contenu de la plupart


des introductions classiques, en essayant dunifier utilement la construction des trois quadratures
lmentaires. Il serait souhaitable de traiter lacclration de Romberg mais cela ne ma paru ralisable
sans tendre le cours plus quil ntait possible. De
mon point de vue, lapproche la plus naturelle, sinon la plus simple, dans ltude des erreurs est celle
qui passe par lanalyse du noyau de Peano, mais
cette approche ne peut tre envisage que dans un
second cours danalyse numrique. Les dmonstrations de ce chapitre sur les estimations des erreurs
prsentent au moins lintrt de mettre en application des thormes classique danalyse lmentaire.

Lexercice sur lequel jinterrogeais presque toujours les tudiants reprenait les questions formules
au dbut de lexercice 57 ou encore, typiquement,
tait formul par un nonc comme celui-ci
On veut dterminer une approximation J de
I=

Z 2

xex dx,

laide de la mthode des trapzes (compose)


de telle sorte que |I J| < 103 . Donner une
estimation du nombre doprations (+, , , ,
calcul dune racine carre, calcul dune exponentielle) ncessaire.

Il sagit dans un premier temps de dterminer un


nombre de sous-intervalles suffisant garantir que
le terme de droite dans la formule derreur soit plus
petit que la borne indique. Pour procder ainsi, il
est ncessaire de disposer dune borne suprieure,
ici, de la valeur absolue de la drive seconde de
la fonction. Ce travail prsente une difficult importante pour beaucoup dtudiants. Malheureusement
Sur les exercices
ce type dexercice outre que, sil reproduit une
dmarche rationnelle, elle est dun intrt limit
Les quadratures pour lesquelles toutes les valeurs du point de vue du numricien qui trouvera gnf (ti ) sont affectes du mme coefficient sappellent ralement plus efficient de se faire une ide de la
des quadratures de Chebyshev ; lexercice 45 prcision des rsultats en analysant des sries de
donne le seul exemple simple, il est tir de Dmi- valeurs obtenues en faisant croitre le nombre de
dovitch and Maron (1979). Jai emprunt lexercice sous-intervalles focalise indment lesprit des
55 Paterson (1991). La dmonstration des for- tudiants sur les formules derreur, leur fait perdre
mules derreur esquisse lexercice 60 est assez de vue que ces estimations, bases sur des ingalits
populaire, spcialement, m-a-t-il sembl, chez les triangulaires rptes, produisent des estimations
non-spcialistes danalyse numrique. Jai lu ces pessimistes, et, ce qui est plus grave, induisent
dmonstrations pour la premire fois dans le trait lide que le nombre suffisant de sous-intervalles
danalyse de Hardy (1952) do je les ai tires. est le nombre ncessaire ou encore des jugements
Lexercice 59 sur les paraboles chevauchement absurdes comme la mthode du point du point mi(anecdotique) provient de Davis (1975) qui est lun lieu est meilleure que celle des trapzes car... .
des deux grands traits classiques sur le calcul ap- Un travail exprimental intressant mener avec
proch des intgrales, lautre tant celui de Krylov des tudiants motivs serait prcisment de mettre
(1962). Les exercices 52 et 53 peuvent tre traits en vidence une relation entre lerreur relle et leravec Maxima comme dans le code 2 et cette ma- reur maximale prdite pour une quadrature donne
nire est recommande.
en considrant un grand chantillon de fonctions.

. Voir aussi le commentaire suivant le Code Scilab 4.


[II. 6.0]

ANALYSE NUMRIQUE

[T H 5]

III
quations numriques
1. I NTRODUCTION
Le problme de construire une suite convergente vers la solution dune quation numrique est certainement lorigine des plus anciens algorithmes mathmatiques. Lexemple le plus clbre est lalgorithme
attribu Hron dAlexandrie mais qui tait vraisemblablement
connu des mathmaticiens babyloniens.

Cet algorithme fournit une approximation rapide de a, a > 0, qui est lunique solution positive de lquation x2 a = 0. Les quations numriques interviennent frquemment en mathmatiques. Des questions
fondamentales qui apparaissent dans de nombreux contextes scientifiques comme la dtermination de
points dintersection de graphes ou celle des extremums de fonctions numriques (qui passe par le calcul des points dannulation de la drive) conduisent la rsolution dquations. Les mthodes avances
danalyse numrique comportent aussi souvent des rsolutions dquations numriques, notamment dans
ltude des quations diffrentielles .
De manire prcise, ce chapitre est consacr au problme suivant. tant donne une fonction continue
f : [a, b] R, nous cherchons les rels x dans [a, b] satisfaisant f (x) = 0. Un tel rel sappelle une solution
de lquation f (x) = 0. On dit aussi, surtout lorsque f est un polynme, que x est un zro de f ou encore
une racine de f . En principe, trois questions se posent.
(a) Lquation a-t-elle des solutions ?
(b) Si oui, combien en a-t-elle ?

UNIV. JEANPAULCALVI . COM

/ 1

(c) Dterminer des valeurs aussi proches que ncessaire de ces solutions, tant entendu que les cas pour
lesquels une solution exacte exploitable peut tre obtenue sont trs rares.
Ltude des points (a) et (b) ne sera aborde que dans la dernire partie de ce chapitre. Ailleurs, nous
supposerons que lquation admet une et une seule solution dans [a, b], ou bien cela dcoulera immdiatement de nos hypothses. Rappelons que, dans les cas simples, une tude lmentaire de fonction (avec
tableau de variation) permet de sassurer si cette hypothse est satisfaite ou non. Parmi le grand nombre
de mthodes disponibles pour rpondre au troisime point, nous tudierons quatre techniques classiques.
(1) La mthode de dichotomie.
(2) Les mthodes de la scante et de Newton qui consistent remplacer lquation f (x) = 0 par p(x) =
0 o p est un polynme du premier degr cest--dire une fonction affine proche de f .
(3) La mthode dite du point fixe ou des approximations successives.
Signalons que les mthodes que nous allons exposer sont si naturelles, elles ont une signification gomtrique si simple, quil est pratiquement impossible den tracer lorigine. Dailleurs, il ny a pas de
terminologie fixe. Ce qui dans un texte est appel mthode de la scante portera dans lautre le nom de
mthode des cordes, celle de dichotomie ou bissection sappelle parfois, notamment dans les textes en
langue anglaise, la mthode dencadrement.
. Une quation diffrentielle est une quation dont linconnue est une fonction et la relation dterminant linconnue fait intervenir la drive de cette inconnue.

2. M THODE DE DICHOTOMIE ( OU DE BISSECTION )

51

2. M THODE DE DICHOTOMIE ( OU DE BISSECTION )


2.1

Dfinition

La mthode repose uniquement sur le thorme des valeurs intermdiaires. Soit f une fonction continue
sur [a, b] satisfaisant les deux conditions suivantes ;
(a) f admet une et une seule racine r dans [a, b],
(b) f (a) f (b) < 0.
Posons c = (a + b)/2. Trois cas de figure seulement sont possibles. Ou bien f (c) = 0 auquel cas la solution
de lquation est trouve puisque r = c, ou bien f (c) 6= 0 auquel cas f (b) f (c) est soit ngatif soit positif.
Si f (b) f (c) < 0, f change de signe en passant de c b et, daprs le thorme des valeurs intermdiaires, f
sannule entre c et b. Comme f sannule une seule fois, cela signifie que r ]c, b[. Maintenant si f (b) f (c) >
0, puisque f (a) f (b) < 0, nous avons ncessairement f (a) f (c) < 0 et le mme thorme des valeurs
intermdiaires nous donne r ]a, c[.
Ce raisonnement simple nous a permis de nettement prciser la localisation de la solution puisque nous
savions au dpart que r ]a, b[ et nous connaissons maintenant un intervalle de longueur deux fois moindre
contenant r. En itrant le test, nous obtenons une suite qui converge vers la solution de lquation. Cette
itration est dcrite dans lalgorithme suivant.
Algorithme 1. Sous les hypothses a) et b) ci-dessus, il construit trois suites (an ), (bn ) et (cn ) de la
manire suivante.
(a) a1 = a ; b1 = b.
(b) Pour n 1,
(b1) cn =
(b2)

an +bn
2 ,

i. Si f (cn ) = 0 alors cn est la racine de f et le processus est arrt,


ii. Sinon
Si f (cn ) f (bn ) < 0 alors an+1 = cn et bn+1 = bn .
Si f (cn ) f (bn ) > 0 alors an+1 = an et bn+1 = cn .

Lalgorithme ci-dessus sappelle lalgorithme de dichotomie ou algorithme de bissection.

UNIV. JEANPAULCALVI . COM

/ 1

2.2

Etude de la convergence

Thorme 2. Soit f continue sur [a, b]. Nous supposons que f (a) f (b) < 0 et que lquation f (x) = 0
admet une et une seule solution r dans [a, b]. Si lalgorithme de dichotomie arrive jusqu ltape n + 1 (de
sorte que ci 6= r, 0 i n) alors
|r cn+1 |

ba
.
2n+1

Dmonstration. Remarquons que

n
bn cn = bn an +b
2
bn an
ou
bn+1 an+1 =
=
.

2
n
cn an = an +b

a
n
2
En continuant,
bn+1 an+1 =
[III. 2.2]

bn1 an1
ba
= = n .
4
2
ANALYSE NUMRIQUE

[T H 2]

52

III. QUATIONS NUMRIQUES

Ensuite, cn+1 tant le milieu de [an+1 , bn+1 ], pour tout x [an+1 , bn+1 ] nous avons
|x cn+1 | (bn+1 an+1 )/2 = (b a)/2n+1 .
Mais, par dfinition, la racine r se trouve dans [an+1 , bn+1 ] car f (an+1 ) f (bn+1 ) < 0, nous pouvons donc
prendre x = r dans lingalit prcdente pour obtenir
|r cn+1 | (bn+1 an+1 )/2 = (b a)/2n+1 .

Voici le code scilab pour la mthode de dichotomie.


Code SCILAB 6 (Algorithme de dichotomie). La fonction suivante donne une valeur approche dune
solution de lquation fonc(x) = 0 sur lintervalle [exg , exd] en appliquant la mthode de dichotomie avec
n itrations. Le code suppose que fonc(exg) fonc(exd) < 0.

1
3
5
7
9
11

UNIV. JEANPAULCALVI . COM

/ 1

13

f u n c t i o n [ y ] =DICHO ( exg , exd , f o n c , n ) ;


a= exd ;
b= exg ;
for i =1: n ;
y = ( a+b ) * 0 . 5 ;
s= sign ( fonc ( y )* fonc ( b ) ) ;
i f s ==1 t h e n ;
a=y ;
else ;
b=y ;
end ;
end ;
endfunction ;

E 61 Quelle est le rsultat donn par la fonction DICHO si lhypothse fonc(exg) fonc(exd) < 0 nest
pas satisfaite ? Rajouter un test au dbut du code pour sassurer que la condition est vrife et imprimant Attention : la fonction ne satisfait la condition des signes dans le cas contraire. Pour linstruction
dimpression utiliser disp(Attention : la fonction ne satisfait la condition des signes.).

Grce au thorme 2, il suffit de rajouter une ligne de code pour obtenir une fonction DICHEPS (exg, exd,
fonc, myeps) qui donne une approximation avec une prcision myeps fixe par lutilisateur.
E 62 Ecrire cette fonction.

Le code suivant adopte une construction un peu diffrente en faisant un instruction du type tant
que (while).
Code SCILAB 7 (Algorithme de dichotomie prcision fixe). La fonction suivante donne une valeur
approche par la mthode de dichotomie dune solution de lquation fonc(x) = 0 sur lintervalle [exg , exd]
avec une erreur au plus gale myeps. Le code suppose que fonc(exg) fonc(exd) < 0.
[T H 2]

ANALYSE NUMRIQUE

CALVI

53

3. M THODE DE N EWTON

f u n c t i o n [ y ] =DICHOEPS ( exg , exd , f o n c , myeps ) ;


a= exg ;
b= exd ;
k =0;
w h i l e a b s ( ( exdexg ) / 2 ^ { k +1}) > myeps ;
y = ( a+b ) * 0 . 5 ;
s= sign ( fonc ( y )* fonc ( b ) ) ;
i f s ==1 t h e n ;
a=y ;
else ;
b=y ;
end ;
k=k + 1 ;
end ;
endfunction

2
4
6
8
10
12
14

E 63 A la suite du code SCILAB II.5, nous avons signal un danger ventuel li lutilisation des boucles
while, voir lexercice II.49. Pourquoi cette mise en garde na-t-elle pas lieu dtre ici ?

Exemple 1.
(a) Lquation x4 + x3 1 = 0 admet une solution (unique) dans ]0, 1[ comme le montre une tude bien
simple de fonction. Une approximation r de la racine r avec une erreur moindre que 106 est obtenu en
moins de 0.2 seconde, r = 0.8191729, par la mthode de dichotomie. La figure dans la premire colonne
table 1 reprsente les quatre premiers termes de la suite et la seconde colonne en reporte les valeurs.
(b) De mme, lquation x sin x 1/4 = 0 admet une solution unique dans ]0, /2[. Une approximation r de la racine r avec une erreur moindre que 106 est obtenu en moins de 0.2 seconde : r = 1.1712288
par lalgorithme de dichotomie dont ses valeurs sont indiques dans la troisime colonne de la table 1.
E 64 Montrer que lalgorithme 1 fonctionne encore si lon retire la premire hypothse sur f savoir
que f admet une unique racine dans [a, b] et vrifier quil converge toujours vers une racine de f . Dans les
deux schmas de la table, dite vers laquelle des racines convergera lalgorithme. Il sera peut-tre ncessaire
dutiliser une rgle gradue.

UNIV. JEANPAULCALVI . COM

/ 1

F IGURE 1 Vers laquelle des racines convergera lalgorithme de dichotomie ?

3. M THODE DE N EWTON
3.1

Construction

Supposons que f C 1 ([a, b]) et que lquation f (x) = 0 admette une et une seule racine, note r, dans
[a, b]. Lide de la mthode de Newton consiste remplacer lquation f (x) = 0 par lquation T1 (x) = 0
o T1 est le polynme de Taylor de f de degr 1 en un point x1 . Lide est illustre sur le schma ci-aprs.

[III. 3.1]

ANALYSE NUMRIQUE

[T H 2]

54

III. QUATIONS NUMRIQUES

Puisque T1 (x) est un polynme du premier degr,


le calcul de sa racine est immdiat et il est naturel
desprer que cette racine sera proche de celle de f .
Nous avons
T1 (x) = f (x1 ) + f 0 (x1 )(x x1 ),

T(f, x1 )
f

et lquation T1 (x) = 0 a pour racine le nombre x2


donn par
x2 = x1

00
11
11
00
00
00 11
11

x2 x1

f (x1 )
.
f 0 (x1 )

Comme toujours, le principe est assez grossier puisquun polynme du premier degr, quel quil soit,
napprochera que trs imparfaitement la fonction f . Cest en itrant le procd que nous obtiendrons
une bonne approximation de la racine. Une condition ncessaire, qui nest pas obligatoirement satisfaite,
pour effectuer cette itration est que le point x2 appartienne bien lintervalle [a, b] faute de quoi, cela
naurait pas de sens de parler du polynme de Taylor de f en x2 . Lorsque cette condition est satisfaite,
en remplaant f (x) = 0 par T2 (x) = 0 o T2 (x) = f (x2 ) + f 0 (x2 )(x x2 ) et en rsolvant cette dernire
quation, nous obtenons

x3 = x2

f (x2 )
f 0 (x2 )

avec

r x3 = x2

f (x2 )
.
f 0 (x2 )

Nous construisons ainsi par rcurrence, sous rserve que xn [a, b], la suite
(

x1

xn+1

=
b
n)
= xn ff0(x
(xn )

.
n 0.

UNIV. JEANPAULCALVI . COM

/ 1

Cette relation de rcurrence sappelle le schma de Newton. Le mot schma est un synonyme ancien
du mot algorithme.
E 65 Donner (graphiquement) un exemple de fonction pour laquelle la suite (xn ) nest pas dfinie. Il
sagit de construire une fonction pour laquelle il existe une valeur n avec xn 6 [a, b] de sorte quil ne soit
pas possible de calculer f (xn ) et donc xn+1 .

3.2

Etude de la convergence

Nous devons rpondre aux trois questions suivantes.


i) La suite (xn ) est-elle bien dfinie ?
ii) Si oui, converge-t-elle vers la racine r ?
iii) Si oui, quelle est la rapidit de convergence ?
Les rponses dpendent naturellement des proprits de la fonction f considre. De nombreux thormes apportent des rponses. Le suivant est lun des plus simples. Ses hypothses correspondent la
figure ??.
[T H 3]

ANALYSE NUMRIQUE

CALVI

55

3. M THODE DE N EWTON

Thorme 3. Soit f une fonction de classe C 2 sur un intervalle ouvert I contenant [a, b] telle que f 0 et
f 00 soient strictement positives sur I ( f est strictement croissante convexe). Nous supposons que f (b) > 0,
f (a) < 0 et nous appelons r lunique solution de lquation f (x) = 0 dans [a, b].
(a) La suite de Newton
(
x1
=
b
n)
(n 0)
xn+1 = xn ff0(x
(xn )
est bien dfinie.
(b) Elle converge vers r en dcroissant.
(c) Lestimation suivante est vraie
|xn r|

M2
(xn r)2
2m1

o M2 = sup[a,b] f 00 et m1 = inf[a,b] f 0 .
Exemple 2. Lquation
(3.1) 3x5 x4 1 = 0
admet une et une seule racine r dans [0, 1]. En effet la fonction f (x) = 3x5 x4 1 a pour drive
f 0 (x) = x3 (15x 4) et, sur [0, 1] elle dcrot de f (0) = 1 jusqu f (4/15) 1, 001 puis crit jusqu f (1) = 1. En particulier r ]4/15, 1[. Par ailleurs, puisque f 00 (x) = 12x5 (5x 1), f est strictement
convexe sur [1/5, 1] en particulier sur [4/15, 1] puique 4/15 > 1/5. Nous pouvons appliquer le thorme
3 sur lintervalle [4/15, 1] en prenant comme point de dpart x0 = 1. Les dix premiers termes de la suite
de Newton sont donns dans le tableau 2. Remarquons que nous obtenons les six premires dcimales de
r ds le quatrime terme de la suite.
Les valeurs de lexemple prcdent sont calcules avec le code suivant.
Code SCILAB 8 (Mthode de Newton). La fonction suivante applique le schma de Newton lquation
fonc(x) = 0.
(a) dfonc est la drive de fonc.
(b) a est le point de dpart (a = x0 ).

UNIV. JEANPAULCALVI . COM

/ 1

(c) n est le nombre ditration (lalgorithme produit xn ).


Aucune condition ntant teste, il ny a pas garantie de convergence.
1
3
5

f u n c t i o n [ y ] =NEWTON( a , f o n c , d f o n c , n ) ;
y=a ;
for i =1: n ;
y=yf o n c ( y ) / d f o n c ( y ) ;
end
endfunction

E 66 Justifier lemploi de la suite de Newton pour lquation x sin(x) 1/4 = 0.

Dmonstration du thorme 3. Nous dcomposons la dmonstration en plusieurs tapes.


Etape 1. Montrons que r < x1 < x0 = b. Nous avons

f 0 (x0 )
f 0 (x0 )
x0 = b
f (x0 ) > 0

> 0 x0
< x0 x1 < x0 .
0
f > 0 (hyp.)
f (x0 )
f (x0 )
[III. 3.2]

ANALYSE NUMRIQUE

[T H 3]

56

III. QUATIONS NUMRIQUES

n
1.
2.
3.
4.
5.
6.
16.
17.
18.
19.
20.

1.0
0.8
0.6
0.4
0.2
0.0
0.2
0.4
0.6
0.8
1.0

c1

c2

c4

c3

1.0

Quatre premires valeurs donnes par lalgorithme de dichotomie pour rsoudre lquation
x4 + x3 1 = 0 dans [0, 1].

cn
0.5
0.75
0.875
0.8125
0.84375
0.828125
0.8191681
0.8191757
0.8191719
0.8191738
0.8191729

x4 + x3 1 = 0
x [0, 1]

n
1.
2.
3.
4.
5.
6.
16.
17.
18.
19.
20.

cn
0.7853982
1.1780972
0.9817477
1.0799225
1.1290099
1.1535536
1.1712183
1.1712303
1.1712243
1.1712273
1.1712288

x sin x 1/4 = 0
x [0, /2]

TABLE 1 Exemple dapplications de la mthode de dichotomie

3x5 x4 1 = 0

UNIV. JEANPAULCALVI . COM

/ 1

n
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

xn
1.
0.9090909
0.8842633
0.8826212
0.8826144
0.8826144
0.8826144
0.8826144
0.8826144
0.8826144

f (x) = x sin(x) 1/4

xn xn1
- 0.0909091
- 0.0248276
- 0.0016421
- 0.0000068
- 1.161D-10
0.
0.
0.
0.

n
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

xn
1.5707963 (/2)
1.25
1.1754899
1.1712433
1.1712297
1.1712297
1.1712297
1.1712297
1.1712297
1.1712297

xn xn1
- 0.3207963
- 0.0745101
- 0.0042467
- 0.0000136
- 1.397D-10
2.220D-16
- 2.220D-16
2.220D-16
- 2.220D-16

TABLE 2 Premiers termes de deux suites de Newton

[T H 3]

ANALYSE NUMRIQUE

CALVI

57

3. M THODE DE N EWTON

Ensuite, en utilisant la formule de Taylor de f lordre 2 en x0 (thorme A.2), il vient


f (r) = f (x0 ) + (r x0 ) f 0 (x0 ) +

(r x0 )2 00
f (c)
2

o c ]r, x0 [. Puisque f (r) = 0, cette relation devient


2

f (x0 ) = (r x0 ) f 0 (x0 ) + (rx2 0 ) f 00 (c)

f (x0 )
f 0 (x0 )

x0

= (r x0 ) + (rx2 0 )
f (x0 )
f 0 (x0 )

= r + (rx2 0 )

f 00 (c)
f 0 (x0 )

f 00 (c)
f 0 (x0 )

f 00 (c)
f 0 (x0 )
f 00 > 0, f 0 > 0
2

x1 = r + (rx2 0 )

x1 > r

car

Etape 2. Supposons que nous ayons dmontr que


r < xn+1 < xn b

(Pn )

(Hypothse de rcurrence).

Dabord, puisque xn+1 se trouve dans lintervalle [a, b], nous pouvons calculer xn+2 par la dfinition,
f (x
)
xn+2 = xn+1 f 0 (xn+1 ) . Nous allons tablir la proprit Pn+1 ,
n+1

(Pn+1 )

r < xn+2 < xn+1 b.

Remarquons dabord que la dernire ingalit est dj contenue dans lhypothse de rcurrence de sorte
que nous devons simplement obtenir xn+2 < xn+1 et r < xn+2 . Puisque f est strictement croissante et que,
en vertue hypothse de rcurrence, xn+1 > r, nous avons aussi f (xn+1 ) > f (r) = 0. Ensuite,

f 0 (xn+1 )
f 0 (xn+1 )
f (xn+1 ) > 0

< 0 xn+1
< xn+1 xn+2 < xn+1 .
0
f >0
f (xn+1 )
f (xn+1 )
En utilisant nouveau la formule de Taylor (thorme II.2), nous pouvons crire

UNIV. JEANPAULCALVI . COM

/ 1

f (r) = f (xn+1 ) + (r xn+1 ) f 0 (xn+1 ) +

(r xn+1 )2 00
f (c)
2

o c ]r, xn+1 [. Utilisant f (r) = 0, nous obtenons avec les mmes calculs que prcdemment
xn+1

f (xn+1 )
(r xn+1 )2 f 00 (c)
=
r
+
f 0 (xn+1 )
2
f 0 (xn+1 )

do xn+2 = r +
do xn+2 > r

(r xn+1 )2 f 00 (c)
2
f 0 (xn+1 )
car f 00 > 0 et f 0 > 0.

Les tapes 1 et 2 montrent par rcurrence que la suite (xn ) est bien dfinie et vrifie
r < xn+1 < xn b

n 1.

En particulier, tant dcroissante et minore par r la suite (xn ) est convergente. Appelons l sa limite. Nous
devons nous assurer que l = r. Faisons n dans la relation
(3.2) xn+1 = xn
[III. 3.2]

f (xn )
.
f 0 (xn )
ANALYSE NUMRIQUE

[T H 3]

58

III. QUATIONS NUMRIQUES

Nous avons la fois xn+1 l et xn l. La continuit de f entrane que f (xn ) f (l) et celle de f 0 que
f 0 (xn ) f 0 (l). Observons que f 0 (l) est non nul car, par hypothse, f 0 ne sannule jamais. Le passage la
limite (n ) dans (3.2) donne donc
(3.3) l = l

f (l)
f (l) = 0 l = r,
f 0 (l)

la dernire implication tant justifie par le fait que f admet une et une seule racine. Enfin, revenant la
relation
xn+2 = r +

(r xn+1 )2 f 00 (c)
,
2
f 0 (xn+1 )

tablie au dessus, nous obtenons





(r xn+1 )2 f 00 (c)




|xn+2 r|
f 0 (xn+1 ) ,
2


(r xn+1 )2 M2
.
do |xn+2 r|
m1
2


A cause de la relation |xn+2 r| C(r xn+1 )2 , nous disons que la mthode de Newton est dordre 2.
Une telle proprit implique une convergence trs rapide. Par exemple, si, au rang n lerreur est comparable
103 , au rang n + 1, elle sera au pire comparable 106 , au rang n + 2, 1012 et ainsi de suite.
E 67 Donner une estimation de |xn+2 r| en fonction de C et |x1 r|. Montrer que si |x1 r| < 1 alors il
existe < 1 tel que
n

|xn+1 r| 2 .
3.3

Autres versions

Il est facile dadapter le thorme prcdent pour traiter toutes les quations de la forme f (x) = 0
lorsque la fonction f et sa drive sont toutes deux strictement monotones. Il y a quatre cas considrer,
donns dans la figure 3. Le lecteur crira la dfinition de la suite de Newton adapte chaque cas.

UNIV. JEANPAULCALVI . COM

/ 1

3.4

Calcul formel

Les logiciels de calcul formels sont bien adapts au calcul des suites de Newton puisquils peuvent, dans
la plupart des cas classiques, produire les drives des fonctions considres. Il permet aussi, comme nous
allons le voir, de mettre en vidence laspect fonctionnel (le caractre global) de lapproximation fournie.
Code MAXIMA 3 (Formule dinterpolation de Lagrange). Dans le code suivant
(a) f est une expression (et non une fonction) de la variable x.
(b) init est le point de dpart (x0 ).
(c) La fonction retourne le n-me lment de la suite de Newton.

[T H 3]

newton ( f , i n i t , n ) : = b l o c k ( d f : d i f f ( f , x ) , new : i n i t ,
f o r i : 1 t h r u n do
new : r a t s i m p ( newev ( f , [ x=new ] ) / ev
( df , [ x=new ] ) ) ,
new ) ;

ANALYSE NUMRIQUE

CALVI

59

4. M THODE DE LA SCANTE

f 00 > 0

f 00 < 0

x1

11
00
00
11

x2

1
0
0
1

x3
1
0

1
0
00
11
11
0 00
1
11
00 00
11

x3 x2 x1

f0 > 0

x3

f0 < 0

00
11
11
1 00
0

1
0
0
1

x1 x2

x3

1
0

x2 x1

1 0
0
1

TABLE 3 Quatre schmas de Newton convergents.


En appliquant lalgorithme avec g(x) = x2 a au moins sur lintervalle [1, 6] comme le suggre le
avec x0 = aet a > 0, nous obtenons une approxi- graphe ci-contre.
mation de a, voir lexercice 80. Il est facile de
montrer, par exemple en utilisant une dmonstration
par rcurrence, que le n-ime terme de la suite de
Newton sera une fraction rationnelle en x0 = a. Le
code ci-dessus explicite cette fraction rationnelle.
Par exemple, le calcul de newton(g, a, 3) donne
a4 + 28 a3 + 70 a2 + 28 a + 1
.
8 a3 + 56 a2 + 56 a + 8
De fait la fonction R, obtenue simplement avec trois
itrations de la suite de Newton, fournit une excellente approximation de la fonction racine carre

UNIV. JEANPAULCALVI . COM

/ 1

R(a) =

4. M THODE DE LA SCANTE
4.1

Construction

Supposons nouveau que f C [a, b], que lquation f (x) = 0 admette une et une seule solution r dans
[a, b] et enfin que f (a) < 0, f (b) > 0. Comme dans la mthode de Newton, la mthode de la scante
consiste remplacer lquation f (x) = 0 par une quation polynomiale du premier degr en choisissant un
polynme aussi voisin que possible de f . Ici, le choix se porte sur le polynme dinterpolation de Lagrange
L[a, b; f ](x) = 0 qui prend donc le rle du dveloppement de Taylor dans la mthode de Newton. Du point
de vue de calcul, cette mthode a lavantage de ne pas requrir le calcul dune drive. Nous verrons
cependant que sa rapidit de convergence est sensiblement plus faible. Puisque
(4.1) L[a, b; f ](x) = f (a)
[III. 4.1]

xb
xa
f (b) f (a)
+ f (b)
= f (a) +
(x a),
ab
ba
ba
ANALYSE NUMRIQUE

[T H 3]

60

III. QUATIONS NUMRIQUES

lunique solution de lquation L[a, b; f ](x) = 0 qui vient se substituer f (x) = 0 est donne par
x1 = f (a)

ba
f (a)b + a f (a) + a f (b) a f (a) a f (b) b f (a)
+a =
=
.
f (b) f (a)
f (b) f (a)
f (b) f (a)

Si x1 [a, b] condition, soulignons-le encore


une fois, qui nest pas obligatoirement satisfaite
le procd peut tre itr en remplaant f (x) = 0
par L[x1 , b; f ](x) = 0, autrement dit, nous faisons
jouer x1 le rle que tenait prcdemment a. Nous
pourrions videmment envisager lautre stratgie :
garder a et remplacer b par x1 . Le choix, comme
nous le verrons, est dict par les proprits de la
fonction f et dans une variante de la mthode, on
garde parfois lextrmit droite, parfois lextrmit
gauche. Bornons-nous pour linstant considrer
L[x1 , b; f ](x) = 0 dont nous noterons la racine x2 .
Nous obtenons
x1 f (b) b f (x1 )
.
x2 =
f (b) f (x1 )

L[a, b; f ]

f
r
a

x1

11
00

En poursuivant, nous construisons par rcurrence, sous rserve que xn [a, b], la suite
(
x0
=
a
.
xn f (b)b f (xn )
xn+1 =
n0
f (b) f (xn )
La suite rcurrente ainsi construire sappelle le schma de la scante.
E 68 Donner sur un exemple graphique une quation f (x) = 0 admettant une unique solution mais pour
laquelle la suite de la scante ne peut pas tre construite. Voir aussi lexercice 65.

4.2

Etude de la convergence

UNIV. JEANPAULCALVI . COM

/ 1

Nous devons rpondre aux mmes questions que pour la mthode de Newton. Les hypothses du thorme suivant correspondent la figure ??.
Thorme 4. Soit f une fonction de classe C 2 sur un intervalle ouvert I contenant [a, b] telle que f 0 et
f 00 soient strictement positives sur I ( f est strictement croissante convexe). Nous supposons que f (b) > 0,
f (a) < 0 et nous notons r lunique solution de lquation f (x) = 0 dans lintervalle [a, b].
(a) La suite
(

x0

xn+1

=
=

a
xn f (b)b f (xn )
f (b) f (xn )

n 0,

est bien dfinie.


(b) Elle converge en croissant vers r et
(c) nous avons lestimation
|xn r|

M2
(xn xn1 )(b xn ),
2m1

o M2 = max[a,b] f 00 et m1 = min[a,b] f 0 .

[T H 4]

ANALYSE NUMRIQUE

CALVI

61

4. M THODE DE LA SCANTE

Un nonc plus simple (moins prcis) est propos lexercice 82 avec une dmonstration diffrente de
celle qui est esquisse ci-dessous.
Dmonstration. Elle est similaire en principe celle du thorme 3. Les dtails sont laisss au lecteur.
Nous tablirions par rcurrence sur n que
(4.2) a < xn xn+1 < r < b,

n N? .

La relation xn xn=1 sobtient facilement partir de lexpression de xn+1 en fonction de xn . Pour le reste,
il suffit dobserver que par dfinition de xn , L[xn1 , b; f ](xn ) = 0 et dautre part, en utilisant le thorme
des accroissements finis
f (xn ) = f (xn ) f (r) = (xn r) f 0 (n ),
pour un certain n compris strictement entre xn et r. Il suit que
(4.3) xn r =

f (xn ) L[xn1 , b; f ](xn )


.
f 0 (n )

Il reste utiliser le thorme sur lerreur dans linterpolation de Lagrange (th. I.9) qui nous donne
(4.4) f (xn ) L[xn1 , b; f ](xn ) =

1
(xn xn1 )(xn b) f 00 ( ),
2

pour un compris entre xn1 et b.

Exemple 3. Nous reprenons dans la table 4 les exemples tudis ci-dessus avec la mthode de Newton.
3x5 x4 1 = 0

UNIV. JEANPAULCALVI . COM

/ 1

n
1.
2.
3.
4.
5.
8.
9.
10.
11.
12.
13.
15.
18.

xn
0.15
0.5750592
0.7787569
0.8533380
0.8749467
0.8824870
0.8825820
0.8826062
0.8826123
0.8826139
0.8826143
0.8826144
0.8826144

f (x) = x sin(x) 1/4

xn xn1
- 1.
0.4250592
0.2036977
0.0745812
0.0216086
0.0003733
0.0000950
0.0000242
0.0000061
0.0000016
0.0000004
2.570D-08
4.226D-10

n
1.
2.
3.
4.
5.
6.
9.
10.
11.
18.
19.
20.

xn
0.15
1.4921931
1.1336931
1.1767653
1.170437
1.1713436
1.1712293
1.1712297
1.1712296
1.1712297
1.1712297
1.1712297

xn xn1
1.3421931
- 0.3585000
0.0430721
- 0.0063282
0.0009066
- 0.0000027
0.0000004
- 5.563D-08
7.039D-14
- 9.992D-15
1.332D-15

TABLE 4 Premiers termes de deux suites de mthode de la scante.


Code SCILAB 9 (Mthode de la scante). La fonction suivante applique le schma de la scante (avec
extrmit droite fixe) lquation fonc(x) = 0.
(a) exd est le point fixe de la scante (ici, lextrmit droitre).
(b) a est le point de dpart (a = x0 ).
(c) n est le nombre ditration (lalgorithme produit xn ).
Aucune condition ntant teste, il ny a pas garantie de convergence.
[III. 4.2]

ANALYSE NUMRIQUE

[T H 4]

62

III. QUATIONS NUMRIQUES

2
4
6

f u n c t i o n [ y ] =SECANTE( a , exd , f o n c , n ) ;
y=a ;
b= exd
for i =1: n ;
y = ( y * f o n c ( b)b * f o n c ( y ) ) / ( f o n c ( b) f o n c ( y ) ) ;
end
endfunction

E 69 Indiquer comment adapter la mthode de la scante la rsolution dquations f (x) = 0 lorsque la


fonction f et sa drive sont strictement monotones. On donnera un tableau correspondant au tableau 3
pour la mthode de Newton.
E 70 Sous les hypothses des deux thormes prcdents (th. 3 et th. 4), on construit la suite (xn ) fournie
par la mthode de la scante et la suite (xn ) fournie par la mthode de Newton. Montrer que lorsque xn et
xn ont les mmes k premires dcimales, ce sont aussi les k premires de r.

5. L E THORME DU POINT FIXE


5.1

Introduction

Dans cette partie, nous considrons les quations de la forme x = g(x). Nous tudierons un thorme
qui, la fois (a) garantit lexistence et lunicit de la solution (b) fournit une suite qui converge rapidement vers la solution. Le procd employ les approximations successives joue un rle trs important
en mathmatiques. Il peut tre tendu ltude dquations plus complexes dans lesquelles les inconnues sont des fonctions, par exemple, les quations diffrentielles. Il est de tous les procds considrs
dans ce chapitre, le plus fondamental. Il permet dunifier leur traitement, cela sera expliqu dans le complment propos plus bas.
5.2

nonc du thorme du point fixe

Thorme 5. Soit I un intervalle ferm (non ncessairement born) et g une fonction de I dans I. Sil
existe un rel k < 1 tel que
|g(x) g(y)| k|x y| x, y I

UNIV. JEANPAULCALVI . COM

/ 1

alors lquation
g(x) = x
admet une et une seule solution dans I. Cette solution est limite de la suite (xn ) dfinie par

x0
= aI
xn+1 = g(xn ) (n 0)
(On est libre de choisir nimporte quel x0 dans I). De plus, si s est la solution de lquation g(x) = x alors
|s xn |

kn
|x1 x0 |,
1k

n 1.

Lintervalle I est de la forme I = R ou I =] , a] ou [a, +[ ou [a, b]. Il est essentiel que g prenne ses
valeurs dans I cest--dire que son ensemble image soit inclus dans son ensemble de dfinition, faute de
quoi nous ne serions plus srs que la suite (xn ) soit bien dfinie.
[T H 5]

ANALYSE NUMRIQUE

CALVI

63

5. L E THORME DU POINT FIXE

Lorsquune fonction vrifie une ingalit


|g(x) g(y)| k|x y|,

x, y I

avec 0 k < 1, nous disons que f est contractante ou bien que cest une contraction de constante
k. Les fonctions contractantes sont continues en tout point. Fixons x0 I et montrons la continuit en
x0 . Nous devons tablir que > 0, > 0 tel que les conditions (|x x0 | et x I) impliquent
|g(x) g(x0 )| . Or tait fix, il suffit de prendre = /k.
Lorsque g est drivable, pour quelle soit contractante de constante k, il suffit que
sup |g0 | k.
I

En effet, daprs le thorme des accroissements finis,


|g(x) g(y)| = |g0 (c)||x y| k|x y|.
Bien entendu, il existe des fonctions fonctions contractantes non drivables. La fonction g(x) = |x|/2,
x R en est un exemple trs simple.
Les suites dfinies par les mthode de Newton et de la scante sont des cas particuliers de schmas
dapproximations successives. Dans le premier cas, nous avons g(x) = x f (x)/ f 0 (x) et dans le second
g(x) = (x f (b) b f (x)/( f (b) f (x)). Cependant, ltude de ces mthodes comme cas particuliers de la
mthode du point fixe est moins lmentaire que celle qui a t donne dans ce cours mais sans doute plus
instructive. Elle est traite en complment la section 6.
5.3

Illustration graphique

La figure 2 montre un exemple de construction des premiers termes de la suite des approximations successives. Remarquons que les points Mn = (xn , f (xn )) convergent en senroulant autour de (r, f (r)) = (r, r).

f
y=x
f (x0 )

UNIV. JEANPAULCALVI . COM

/ 1

f (x2 )
f (x3 )
f (x1 )

x0

x2 r x3

x1

F IGURE 2 Construction des quatre premiers termes dun suite dapproximations successives.
Exemple 4. La table 5 donne les rsultats obtenus en appliquant la mthode du point fixe lquation
x = sin(x) + 1/4 en prenant deux points de dpart diffrents.
Code SCILAB 10 (Approximations successives). La fonction suivante applique le schma des approximations successives lquation fonc(x) = x.
[III. 5.3]

ANALYSE NUMRIQUE

[T H 5]

64

III. QUATIONS NUMRIQUES

f (x) = x sin(x) 1/4


n
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
15.
20.
25.
30.

xn
1.
1.091471
1.1373063
1.1575053
1.165804
1.1691054
1.1704012
1.1709071
1.1711041
1.1711808
1.1712292
1.1712296
1.1712297
1.1712297

xn xn1
0.0914710
0.0458353
0.0201990
0.0082987
0.0033014
0.0012958
0.0005058
0.0001971
0.0000767
0.0000007
6.090D-09
5.426D-11
4.834D-13

f (x) = x sin(x) 1/4


n
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
15.
20.
25.
30.

xn
0.5
0.7294255
0.9164415
1.0434407
1.1141409
1.1475323
1.1617531
1.1675018
1.169773
1.170662
1.1712246
1.1712296
1.1712297
1.1712297

xn xn1
0.2294255
0.1870159
0.1269993
0.0707001
0.0333914
0.0142208
0.0057487
0.0022713
0.0008890
0.0000080
7.084D-08
6.312D-10
5.624D-12

TABLE 5 Premiers termes dune suite dapproximations successives


(a) a est le point de dpart (a = x0 ).
(b) n est le nombre ditration (lalgorithme produit xn ).
Aucune condition ntant teste, il ny a pas garantie de convergence.
1
3
5

f u n c t i o n [ y ] =AS ( a , f o n c , n ) ;
y=a ;
for i =1: n ;
y= f o n c ( y ) ;
end ;
endfunction

E 71 Montrer que la fonction f dfinie par f (x) = sin(x) + 1/4 satisfait aux conditions du thorme du
point fixe en prenant comme intervalle de dpart I = [0, /2].

UNIV. JEANPAULCALVI . COM

/ 1

5.4

Dmonstration du thorme du point fixe

Il est facile de voir que si lquation g(x) = x admet une solution alors cette solution est unique. En effet,
si s1 et s2 sont deux solutions, nous avons |s1 s2 | = |g(s2 ) g(s2 )| k |s1 s2 | ce qui nest possible
que si s1 = s2 car k < 1.
Lorsque I = [a, b] un argument trs simple permet de montrer que lquation g(x) = x admet au moins
une solution et donc, daprs la remarque prcdente, une unique solution. Considrons en effet la fonction
f dfinie sur [a, b] par f (x) = g(x) x. Nous avons
(a) g(b) [a, b] = g(b) b = f (b) 0, et
(b) g(a) [a, b] = g(a) a = f (a) 0.
De f (b) 0 et f (a) 0 nous dduisons laide du thorme des valeurs intermdiaires que f admet une
racine dans [a, b] autrement que lquation g(x) = x admet une solution.
Nous nous replaons maintenant dans le cas gnral o I nest pa suppos de la forme [a, b], nous
admettrons pour le moment que la suite (xn ) converge mais montrerons que sa limite l satisfait la relation
g(l) = l ainsi que les ingalits annonces par le thorme. Le premier point est immdiat. En effet, si
xn l alors xn+1 l. Faisant n dans la relation xn+1 = g(xn ), nous obtenons directement, grce la
continuit de g, l = g(l) de sorte que l est bien solution de lquation g(x) = x et, daprs ce qui prcde,
est lunique solution. Le mme raisonnement a t utilise dans la dmonstration du thorme 3.
Nous dmontrerons les ingalits laide de quelques lemmes.
[T H 6]

ANALYSE NUMRIQUE

CALVI

65

5. L E THORME DU POINT FIXE



Lemme 6. p 0, x p+1 x p k p |x1 x0 |.
Dmonstration. Daprs la dfinition de la suite et en utilisant que g est une contraction. Nous avons







(5.1) x p+1 x p = g(x p ) g(x p1 ) k x p x p1 = k g(x p1 ) g(x p2 )


k2 x p1 x p2 k p |x1 x0 | .

Lemme 7. q > p 0,
p
q


xq x p k k |x1 x0 | .
1k

Dmonstration.




xq x p = xq xq1 + xq1 xq2 + + x p+1 x p





xq xq1 + xq1 xq2 + + x p+1 x p
(kq1 + kq2 + + k p ) |x1 x0 |

(daprs le Lemme 6)

k p (kq1p + kq2p + + k1 + 1) |x1 x0 |


1 kqp
k p kq
|x1 x0 |
|x1 x0 | . 
kp
1k
1k

Cest ce lemme qui permet de dmontrer la convergence de la suite xn que nous avons admis. La
dmonstration utilise le critre de Cauchy pour la convergence des suites. Elle est donne dans le paragraphe suivant.
Admettant donc que la suite (xn ) converge, nous obtenons en appliquant lingalit du lemme prcdent
avec p = n et q = p + n
n


x p+n xn k (1 kq ) |x1 x0 |
1k

(n, p 0).

Faisons p dans lingalit. Puisque

x p+n l = s = solution de g(x) = x,

UNIV. JEANPAULCALVI . COM

/ 1

et kq 0 (car 0 < k < 1) nous obtenons


|s xn |
5.5

kn
|x1 x0 | .
1k

Dmonstration de la convergence de la suite xn

Le critre de Cauchy, qui est la proprit fondatrice de lensemble des nombres rels, dit que pour
quun suite de nombres rels un converge, il faut et il suffit quelle satisfasse la condition suivante : pour
tout > 0, il existe un entier N = N tels que q > p > N = |x p xq | . Seule la condition suffisante
est non lmentaire et cest celle que nous devons utiliser pour la dmonstration de la convergence de la
kN
|x1 x0 | o k ]0, 1[ est la constante de
suite un . Fixons > 0 et choisissons N de telle sorte que 1k
contraction de la fonction f ci-dessus. Lexistence de N vrifiant la condition demande est garantie par
kN
|x1 x0 | tend vers 0 lorsque N , proprit qui dcoule elle-mme du fait que k
le fait que la suite 1k
est une constante positive plus petite que 1. Maintenant si q > p > N, grce au lemme 7, nous avons
(5.2) |xq x p |

k p kq
kp
kN
|x1 x0 |
|x1 x0 |
|x1 x0 | .
1k
1k
1k

Ceci montre que la suite xn vrifie le critre de Cauchy, il sagit donc dune suite convergente et, du fait
que lintervalle I est suppos ferm, sa limite est ncessairement incluse dans I.
[III. 5.6]

ANALYSE NUMRIQUE

[T H 7]

66
5.6

III. QUATIONS NUMRIQUES

Le problme de la stabilit dans les approximations successives

Dans le thorme 5 du point fixe, nous devons calculer des suites rcurrence simple xn+1 = g(xn ).
Naturellement, dans le calcul sur machine, il ne sera pas possible dobtenir exactement g(xn ) et donc xn+1
mais seulement une approximation de g(xn+1 ; disons que le calcul produira g(xn ) + n o n est lerreur
de calcul due la machine. En gnral, cette erreur n , trs petite, dpend non seulement du calculateur
mais aussi de la fonction g elle-mme. Pour simplifier ltude, nous supposerons que n se trouve dans
lintervalle | , ]. La suite effectivement calcule par la machine est alors de la forme
Xn+1 = g(Xn ) + n ,

n N.

Mme en nous plaant dans les hypothses du thorme 5, nous ne pouvons plus esprer que cette suite
converge vers la solution s de lquation g(x) = x. Le seul objectif que nous pouvons nous fixer, cest que
pour n grand, la valeur de Xn ne sloignera de la solution cherche s que par une distance comparable,
en un certain sens, la marge derreur . Le thorme suivant montre que, sous certaines hypothses,
cet objectif est atteint.
Thorme 8. Nous supposons que les hypothses du thorme 5 sont satisfaites. Nous supposons en outre
que lintervalle ferm I sur lequel est dfinie la fonction g contient lintervalle J = [s , s + ] o s est
la solution de lquation g(x) = x et que, de plus,
(5.3) |X0 x| 0

.
1k

Alors tous les lments de la suite


(5.4) Xn+1 = g(Xn ) + n ,

n N,

avec n , sont bien dfinis et satisfont la relation





n
+ k 0
.
(5.5) |Xn s|
1k
1k

UNIV. JEANPAULCALVI . COM

/ 1

Remarquons que lhypothse sur exige de connaitre une premire approximation de s ; celle-ci tant

connue, lhypothse (5.3) requiert de lamliorer seulement lgrement puisque le terme 1k


est gnralement petit devant .
Dmonstration. Observons quil suffit dtablir lingalit 5.5 puisque, k tant plus petit que 1, nous avons





n
+ k 0
<
+ 0
= ,
1k
1k
1k
1k

ce qui implique que Xn+1 est bien dfini. Pour tablir lingalit 5.5, nous procdons de la manire suivante. Supposant que lingalit est tablie jusquau rang n, nous avons
|Xn+1 s| = |g(Xn ) g(s) + n | k|Xn s| + .

En appliquant la mme technique de majoration |Xn s|, nous arrivons


|Xn+1 s| k2 |Xn1 s| + k + ;

et, en continuant, autant quil est possible, nous tirons finalement lingalit
(5.6)

|Xn+1 s| kn+1 |X0 s| + (1 + k + k2 + + kn ) kn+1 0 +

qui est lingalit recherche au rang n + 1.


[T H 8]

1 kn+1
1k

n+1
k
0

1k


+

,
1k


ANALYSE NUMRIQUE

CALVI

6.

DAVANTAGE SUR LE THORME DU POINT FIXE ET SES APPLICATIONS

67

E 72 Le thorme ci-dessus montre quil est raisonnable desprer construire une approximation Xn de s
pour laquelle nous aurons |Xn s| < 2/(1 k). En combien ditration ?

6.

DAVANTAGE SUR LE THORME DU POINT FIXE ET SES APPLICATIONS

Dans cette partie nous montrons comment, correctement modifi, avec des hypothses la fois prcises et affaiblies, le thorme du point fixe permet dtudier des techniques importantes de rsolution
dquations numriques de la forme f (x) = 0 comme les mthodes de Newton ou de la scante que nous
avons abordes plus haut dun autre point de vue.
6.1

Sur la rapidit de convergence

La premire critique que suscite le thorme 5, cest que la vitesse de convergence de la suite (xn )
fournie par les approximations successives est dcevante. En se basant sur cet nonc, pour avoir un
rsultat thoriquement meilleur que celui donn par la mthode lmentaire de dichotomie (thorme 2),
nous devrions nous assurer que supxI |g0 (x)| < 1/2, ce qui est certainement une hypothse trop forte. Le
thorme suivant montre quen ralit lestimation donne dans le thorme 5 est pessimiste.
Thorme 9. Supposons que la suite xn dfinie par la relation de rcurrence xn+1 = g(xn ) avec x0 = z I
converge vers s telle que g(s) = s. Supposons en outre que la fonction g soit drivable au point s. Nous
avons
(6.1) lim

|xn+1 s|
= |g0 (s)|.
|xn s|

Cet nonc suppose que xn 6= s, n N.


Dmonstration. Observant que xn+1 s = g(xn ) g(s), il vient
xn+1 s g(xn ) g(s)
=
,
xn s
xn s

et, puisque nous savons que xn s, la conclusion rsulte immdiatement de la dfinition de la drive de
g en s et de la continuit de lapplication k k.


UNIV. JEANPAULCALVI . COM

/ 1

Corollaire 10. Sous les hypothses du thorme 9, pour tout > |g0 (s)|, nous avons |xn s| = 0( n ).
Rappelons que nous disons quun suite un est gale 0( n ) sil existe une constante M telle que un
M n pour tout n N ou, ce qui revient au mme, pour tour n partir dun certain rang
Dmonstration. Puisque > |g0 (s)|, il existe n0 tel que
|xn+1 s|
,
|xn s|

n n0 .

En appliquant autant de fois que possible cette ingalit, nous obtenons,


[xn+1 s| |xn s| 2 |xn1 s| nn0 +1 |xn0 s|,

n n0 .

Nous avons tabli


|xn+1 s| M N ,

n n0 ,

avec M = |xn0 s|/ nn0 +1 , ce quil fallait tablir.

. Si nous savons que un M n pour n n0 alors pour tout n N, un M 0 n avec M 0 = max{M, u0 / 0 , u1 :


1 , . . . , un0 1 / n0 1 }.
[III. 6.1]

ANALYSE NUMRIQUE

[T H 10]

68

III. QUATIONS NUMRIQUES

Ce que le thorme 9 met en vidence, cest que ce nest pas la quantit supxI |g0 (x)| (ou la constante
de contraction) qui dtermine la rapidit de convergence de la suite xn du thorme 5 vers s mais la
seule valeur de la drive de la fonction g au point s. Naturellement, cette valeur, le plus souvent, sera
infrieure (en valeur absolue) supxI |g0 (x)| et la rapidit de convergence meilleure que celle garantie
par le thorme 5. Lnonc du thorme 9 suggre aussi que dans le cas, que nous pouvons supposer
exceptionnel, o g0 (s) serait gal zro, la convergence pourrait tre encore plus rapide. Il en est bien
ainsi comme le montre le thorme suivant.
Thorme 11. Supposons que la suite xn dfinie par la relation de rcurrence xn+1 = g(xn ) avec x0 = z I
converge vers s telle que g(s) = s. Supposons en outre que la fonction g soit d + 1 fois continment
drivable (d 0) sur un voisinage a V de s avec
g0 (s) = g00 (s) = = g(d) (s) = 0.
Nous avons
|g(d+1) (s)|
|xn+1 s|
=
.
n |xn s|d+1
(d + 1)!

(6.2) lim

a. Un voisinage V de s ici nest autre quun intervalle contenant s dans son intrieur.

Dmonstration. Nous utilisons la formule de Taylor (thorme II.2) pour g(xn ) au point s lordre d,
(6.3) g(xn ) = g(s) + g0 (s)(xn s) + +

g(d) (s)
g(d+1) (n )
(xn s)d +
(xn s)d+1 ,
d!
d!

o n est un rel compris entre xn et s. En utilisant lannulation des drivs de g en s, le fait que g(xn ) = xn+1
et g(s) = s, nous arrivons xn+1 s =

g(d+1) ( n)
(xn s)d+1 ,
d!

puis

UNIV. JEANPAULCALVI . COM

/ 1

g(d+1) (n )
xn+1 s
=
.
d+1
d!
(xn s)
La conclusion du thorme sen dduit en faisant n dans cette expression. En effet puisque n est
toujours compris entre s et xn qui tend vers s, n lui-mme tend vers s et la continuit de g(d+1) en s assure
alors g(d+1) (n ) g(d+1) (s) lorsque n .


Nous pourrions penser que puisque la valeur de s nest pas connue il sagit prcisment den fournir
une approximation le thorme prcdent ne pourrait servir qu expliquer a posteriori une convergence
particulirement rapide de la suite (xn ) fournie par le thorme du point fixe. Nous verrons cependant plus
avant quil peut aussi tre employ, sans connatre prcisment la valeur de s, dans ltude thorique des
suites de Newton et de la scante. Nous nous occuperons dabord dune autre difficult lie lapplication
du thorme du point fixe.
6.2

Sur lhypothse de stabilit de lintervalle

Dans la pratique, plus encore que le fait de devoir montrer quelle est contractante cest--dire klipschitzienne avec k < 1, il est difficile de sassurer que la fonction g laisse stable lintervalle I (g(I) I).
Nous allons voir comment il est possible de saffranchir de cette hypothse.
[T H 12]

ANALYSE NUMRIQUE

CALVI

6.

DAVANTAGE SUR LE THORME DU POINT FIXE ET SES APPLICATIONS

ba
3

ba
3

69

ba
3

Thorme 12. Soit g une fonction drivable sur lintervalle [a, b] avec |g0 | q < 1 sur [a, b]. Dcomposons
[a, b] en trois intervalles gaux de longueurs (b a)/3 et appelons [, ] lintervalle intermdiaire (voir le
schma ci-aprs). Nous supposons en outre que g admet un point fixe s dans [, ]. Alors
(a) La suite (xn ) dfinie par xn+1 = g(xn ) et x0 = z [, ] est bien dfinie.

(b) La suite (xn ) converge vers s qui est lunique solution de lquation g(x) = x sur [a, b].
(c) Les estimations des thormes 5 (avec k = q), 9 et 11, avec leurs hypothses respectives, sont valables.
Ce rsultat ne suppose plus que lintervalle de dpart de la fonction g soit stable. Le prix payer pour
la suppression de cette hypothse est que lexistence de la racine s ne dcoule plus du thorme mais en
devient une hypothse. Nous devons mme supposer que cette racine se trouve suffisamment lintrieur
de lintervalle. En analyse numrique, lajout de cette hypothse nest pas dramatique. Nous pouvons
souvent tablir lexistence dune racine par une simple application du thorme des valeurs intermdiaires,
par exemple en mettant en vidence une valeur positive et une valeur ngative de la fonction x 7 g(x) x.
Dmonstration. Nous montrons que la suite (xn ) est bien dfinie, cest--dire que sous les hypothses
donnes, xn se trouve toujours dans lintervalle [a, b]. Les dmonstrations des autres assertions sont en
tous points identiques celles donnes pour le thorme 5. Pour tablir que la suite est bien dfinie,
nous montrons par rcurrence que |xn s| (b a)/3 pour tout n. Pour n = 0, laffirmation fait partie
des hypothses. En effet, puisque x0 et s sont dans [, ], |x0 s| = (b a)/3. Supposons que
|xn s| (b a)/3, nous avons |xn+1 s| = |g(xn ) g(s)| q|xn s| |xn s| (b a)/3. Enfin, la
relation |xn s| (b a)/3 assure que xn [a, b] puisque, par construction, lintervalle de centre s et de
rayon (b a)/3 est inclus dans [a, b].


UNIV. JEANPAULCALVI . COM

/ 1

Thorme 13. Soit g une fonction continment drivable sur un intervalle [a, b] admettant un point fixe
s dans lintrieur de [a, b]. Si |g0 (s)| < 1 alors il existe un intervalle J dans [a, b] tel que pour tout point
z J, la suite (xn ) dfinie par x0 = z et xn+1 = g(xn ) soit bien dfinie et converge vers s. De plus, si g est
(d + 1)-fois continment drivable et 0 = g0 (s) = = g(d) (s) la converge de (xn ) vers s est dordre d + 1
en ce sens que
|xn+1 s[= O(|xn s|d+1 ).
Ici nous avons encore affaibli lhypothse sur la fonction g. Nous ne supposons plus que la drive de la
fonction g soit borne par q < 1 sur la totalit de lintervalle mais en un unique point, le point fixe s dont
nous supposons encore lexistence. L encore, comme il est naturel, une diminution des hypothses induit
une diminution de la prcision de la conclusion. Ainsi nous avons simplement lexistence de lintervalle
J mais ne nous ne savons rien a priori de lendroit o il se trouve.
Dmonstration. Il suffit de trouver un intervalle I = [a0 , b0 ] de centre s pour lequel maxtI |g0 (t)| q < 1.
Dans ce cas, nous pouvons appliquer le thorme prcdent qui nous donnera J = [, ] avec =
a0 + (b0 a0 )/3 et = b0 (b0 a0 )/3, lintervalle J ainsi construit contenant bien s. Lestimation sur
la rapidit de convergence se dmontrerait ensuite comme dans la dmonstration du thorme 11. Maintenant, lexistence de lintervalle I dcoule de la continuit de g0 en s.

. Prenons q entre |g0 (s) et 1, il existe > 0 tel que x [s , s + ] entrane |g0 (s)| q.
[III. 6.3]

ANALYSE NUMRIQUE

[T H 13]

70

III. QUATIONS NUMRIQUES

6.3

Application ltude de la mthode de la scante

Rappelons que la suite de la scante dfinie au paragraphe 4.1 pour la rsolution de lquation f (x) = 0
est donne, sous rserve que les quantits soient bien dfinies, par x0 = et
xn+1 =

xn f (b) b f (xn )
.
f (b) f (xn )

Thorme 14. Soit f une fonction deux fois continment drivable sur [a, b] avec f (a) < 0 < f (b) et
admettant une unique racine s dans [a, b]. Si le diamtre (b a) de lintervalle [a, b] est suffisamment
petit, il existe un intervalle J contenant s tel que pour tout z J, la suite (xn ) ci-dessus soit bien dfinie et
converge vers s.
Dmonstration. Nous remarquons que la suite(xn ) est de la forme xn+1 = g(xn ) avec g(x) = x f (b)
b f (x)/( f (b) f (x)) et g(x) = x quivaut f (x) = 0. En vertu du thorme 13, il suffit dtablir que
|g0 (s)| < 1. Or
g0 (x) =

( f (b) b f 0 (s)) f (b) + (s f (b) f 0 (s))


.
( f (b) f (s))2

En faisant x = s, compte tenu de f (s) = 0, nous avons


g0 (s) =

f (b) (b s) f 0 (s)
.
f (b)

Ici, la formule de Taylor nous dit que le numrateur est (b a)2 f 00 ( )/2 de sorte que
|g0 (s)|

(b a)2
max | f (2) |,
2| f (b)| [a,b]

qui montre que |g0 (s)| < 1 si b a est assez petit.

E 73 Donner un rsultat similaire pour la suite dfinie par x0 = z et

UNIV. JEANPAULCALVI . COM

/ 1

xn+1 = xn

ba
f (xn ),
f (b) f (a)

n 0.

On commencera par expliciter sur un graphique la construction de la suite (xn ). Cette suite sappelle
parfois la mthode des cordes. On pourra remarquer que xn+1 est solution de lquation
0 = f (xn ) +
6.4

f (b) f (a)
(x xn ).
ba

Application la mthode de Newton

Nous revenons maintenant la mthode de Newton tudie la section 3. Toujours sous rserve que les
quantits soient bien dfinies, la suite de Newton est dfinie par par x0 = et
xn+1 =

xn f (b) b f (xn )
.
f (b) f (xn )

par x0 = z et
xn+1 = xn

f (xn )
,
f 0 (xn )

n 0.

La mme technique que celle utilise ci-dessus permet dtablir le thorme suivant.
[T H 15]

ANALYSE NUMRIQUE

CALVI

7.

I NTERPOLATION DE L AGRANGE ET SECONDE MTHODE DE LA SCANTE

71

Thorme 15. Il existe un intervalle J contenant s tel que pour tout z J, la suite (xn ) ci-dessus soit bien
dfinie et converge vers s. De plus si s est une racine simple ( f 0 (s) 6= 0) alors la convergence est dordre 2,
|xn+1 s| = 0(|xn s|2 ).

Dmonstration. Le principe est identique celui de la dmonstration du thorme 14. Nous considrons
la fonction g dfinie par g(x) = x f (x)/ f 0 (x). Le calcul des deux premire drives montre que g0 (s) = 0
puis g00 (s) 6= 0.

E 74 Dans le cas o s est une racine de multiplicit m > 1, tudier la convergence de la suite (xn ) dfinie
par x0 = z et

xn+1 = xn m
7.

f (xn )
,
f 0 (xn )

n 0.

I NTERPOLATION DE L AGRANGE ET SECONDE MTHODE DE LA SCANTE

Nous tudions ici une modification de la mthode de la scante qui exprime xn+1 laide de xn et xn1
de sorte que le thorme du point fixe, du moins sous sa forme lmentaire, ne sapplique pas ici .
Soit f : [a, b] R une fonction deux fois continment drivable avec f (a) < 0 et f (b) > 0. Nous
supposerons que f est strictement croissante, avec f 0 > 0 et appellerons s lunique racine de lquation
f (x) = 0 dans [a, b]. Nous posons x0 = a, x1 = b et supposant que f (xi ) est dfinie pour i = 2, . . . , n,
cest--dire xi [a, b] nous dfinissons xn+2 comme la racine du polynme (de degr 1) L[xn , xn+1 ; f ].
Autrement dit xn+2 est dtermin par la condition
L[xn , xn+1 ; f ](xn+2 ) = 0.
Nous appellerons cette suite, lorsqueelle est bien dfinie, la seconde mthode de la scante. La construction est illustre sur la figure 7.
Le mme calcul que celui qui a t fait au paragraphe 4.1 donne

UNIV. JEANPAULCALVI . COM

/ 1

(7.1) xn+2 =

xn f (xn+1 ) f (xn )xn+1


xn xn+1
= xn f (xn )
.
f (xn+1 ) f (xn )
f (xn+1 ) f (xn )

Puisque f est strictement croissante deux fois continment drivable, elle est bijective de [a, b] sur
[ f (a), f (b)] et, puisque f 0 > 0, sa bijection rciproque f 1 est elle-mme deux fois continment drivable.
Lemme 16. xn+2 = L[ f (xn ); f (xn+1 ); f 1 ](0).
Dmonstration. En utilisant la formule (4.1) pour le polynme dinterpolation de Lagrange aux points
f (xn ) et f (xn+1 ), nous obtenons
f 1 ( f (xn+1 )) f 1 ( f (xn ))
f (xn+1 ) f (xn )
xn+1 xn
= (0 f (xn )) = xn
f (xn ) = xn+2 .
f (xn+1 ) f (xn )

(7.2) L[ f (xn ), f (xn+1 ); f 1 ](0) = f 1 ( f (xn )) +


(7.3)


. Une suite dfinie par une relation de rcurrence de la forme xn+2 = h(xn+1 , xn ) peut encore sinterprter comme une suite
de la forme Xn+1 = H(Xn ) en posant Xn = (xn , xn+1 ) et H(x, y) = (y, f (y, x)). Il faudrait donc disposer dun thorme du point fixe
pour les fonctions de deux variables. Un tel thorme existe et mme dans un cadre beaucoup plus gnral mais il nest pas assez
lmentaire pour tre trait ici.
[III. 7.0]

ANALYSE NUMRIQUE

[T H 17]

72

III. QUATIONS NUMRIQUES

a = x0

x2

x3

x4

b = x1

r
F IGURE 3 Seconde mthode de la scante.
Lemme 17. Sous les hypothses sur f indiques plus haut, si la seconde suite de la scante est dfinie
jusquau rang n + 1, nous avons
|xn+2 s| K|xn+1 s| |xn s|,
avec
K = K(a, b) =

M2 M12
,
m31

o
M1 = max | f 0 (x)|,
x[a,b]

M2 = max | f 00 (x)|,

et

x[a,b]

m1 = min | f 0 (x)|.
x[a,b]

Dmonstration. Nous tirons immdiatement du lemme 16

UNIV. JEANPAULCALVI . COM

/ 1

s xn+2 = f 1 (0) L[ f (xn ), f (xn+1 ); f 1 ](0).


Le terme de droite peut tre estim en utilisant le thorme sur lerreur dans linterpolation de Lagrange
(thorme I.9) avec f 1 la place de f . Nous obtenons
(7.4) |s xn+2 |

max |( f 1 )(2) | |0 f (xn )| |0 f (xn+1 |.

[ f (a), f (b)]

Maintenant de la relation
( f 1 )(2) =

f 00 ( f 1 )
( f 0 ( f 1 ))3

nous tirons
(7.5)

max |( f 1 )(2) |

[ f (a), f (b)]

M2
.
m31

Dautre part, en utilisant le thorme des accroissements finis,


(7.6)

|0 f (xn )| |0 f (xn+1 | = | f (s) f (xn )| | f (s) f (xn+1 |

= |s xn+1 || f 0 (cn+1 | |s xn || f 0 (cn | M12 |s xn+1 ||s xn |.

Finalement, en utilisant (7.5) et (7.6 ) dans (7.4), nous arrivons lingalit annonce.
[T H 18]

ANALYSE NUMRIQUE


CALVI

7.

I NTERPOLATION DE L AGRANGE ET SECONDE MTHODE DE LA SCANTE

73

Corollaire 18. Si lintervalle [a, b] est suffisamment petit alors xn est bien dfini pour toute valeur de n.
Dmonstration. Nous montrons que si a et b sont suffisamment proche pour que K(a, b)(b a) 1 alors
xn est bien dfinie pour tout n N. Supposant que x j [a, b], 0 j n + 1 avec n + 1, n 0, nous
montrons que xn+2 [a, b]. En effet, en vertu du lemme prcdent et en utilisant dabord le fait que xn et s
sont dans [a, b] puis le fait que K(a, b)(b a) 1,
|xn+2 s| K|xn+1 s| |xn s| K|b a| K(b a)|xn+1 s| |xn+1 s|,
ce qui montre que xn+1 est plus proche de s que de xn et en particulier se trouve dans [a, b].

Supposons que [a, b] soit assez petit que la seconde suite de la constante soit bien dfinie. Si nous
posons un = log(K|xn s)), le lemme 17 se traduit par
(7.7) un+2 un+1 + un ,

n 0.

Lemme 19. La suite un est majore par la suite de Fibonacci dfinie par vn+2 = vn+1 + vn , n 0, avec
v0 = log(K|s a|) et v1 = log(K|s b|).
Dmonstration. La dmonstration de un vn se fait immdiatement par rcurrence sur n partir de (7.7).

Thorme 20. Si K(b a) < 1 alors il existe une constante positive < 1 telle que



n
|s xn | = 0 ((1+ 5)/2) .

Dmonstration. On dmontre par rcurrence quil existe deux et tels que

vn = ((1 5)/2)n + ((1 + 5)/2)n , n N.

UNIV. JEANPAULCALVI . COM

/ 1

Ces deux rels sont dtermins en fonction de v0 = log(K|sa|) et v1 = log(K|sb|). Un calcul fastidieux
donne





5 + 5 v0 2 5 v1
5 5 v0 2 5 v1
=
, =
.
10
10
Ici il est important de noter que, grce
lhypothse K(b a) < 1, la seconde constante est ngative. La
premire, ne joue aucun rle car ((1 5)/2)n 0 lorsque n . Finalement, nous avons
u
n
< 0,
((1 + 5)/2)n

n .

Choisissons 0 entre et 0, nous avons ((1+un5)/2)n 0 < 0 pour n assez grand, disons n n0 . En prenant
lexponentielle nous obtenons



K|s xn | exp 0 ((1 + 5)/2)n , n n0


qui donne encore, en posant = exp( 0 ) < 1,
|s xn |

1 ((1+5)/2)n

,
K

n n0 ,

et ceci achve la dmonstration du thorme.


[III. 8.0]


ANALYSE NUMRIQUE

[T H 20]

74

III. QUATIONS NUMRIQUES

8. E XERCICES ET PROBLMES
75 Un exemple. Montrer que lquation x4 + x3 1 = 0 admet une et une seule solution dans [0, 1].
Trouver une valeur approche avec une dcimale exacte en utilisant lalgorithme de dichotomie.
76 Un exemple. Montrer que lquation x3 + 2x 1 = 0 admet une et une seule solution r dans [0, 1] et
dterminer les deux premire dcimales de r. Le candidat choisira une mthode diffrente de la dichotomie. Il devra clairement expliquer sa dmarche.
(UPS, L2,
2006)
77 Un exemple. On considre lquation x4 + 2x2 1 = 0.
(a) Montrer que lquation admet une et une seule racine r dans [0, 1].
(b) Montrer en utilisant la mthode de dichotomie (en partant de [a, b] = [0, 1]) que r ]0, 5; 0, 75[.
(c) On souhaite maintenant affiner lapproximation en utilisant la mthode de Newton. La suite de
Newton est note xn . Faut-il choisir x0 = 0, 5 ou x0 = 0, 75 ? Expliquer votre choix puis calculer les deux
premires valeurs (x1 , x2 ).
(d) Si on souhaite appliquer la mthode de la scante dont la suite est note xn , faut-il choisir x0 = 0, 5
ou x0 = 0, 75 ? Expliquer votre choix puis calculer les trois premires valeurs (x1 , x2 , x3 ).
(e) Dterminer r avec 2 dcimales exactes en expliquant votre raisonnement.
(UPS, L2, 2004, sol. 11 p. 128.)
78 Un exemple. On souhaite trouver une valeur approche de lquation
ex
= 1.
x

UNIV. JEANPAULCALVI . COM

/ 1

On dfinit la fonction f sur R par f (x) = x ex .


(a) Montrer que x est solution de (E) si et seulement si f (x) = 0.
(b) Montrer, en tudiant la fonction f , que lquation f (x) = 0 admet une et une seule solution dans R
et que celle-ci se trouve dans lintervalle ]0, 1[.
(c) Montrer que f est concave sur [0, 1] et en dduire le schma de Newton appropri lapproximation
de r, la solution de f (x) = 0. (On pourra faire un schma expliquant et illustrant le choix du point de dpart
x0 .)
(d) Calculer x1 , x2 , x3 , o (xn ) dsigne la suite de Newton de point de dpart x0 .
(e) Montrer, en utilisant un argument de type "dichotomie" que les quatre premires dcimales de x3
sont aussi les quatre premires dcimales de la racine r (autrement dit les quatre premires dcimales de
x3 sont "correctes").
(UPS, L2, 2005, sol. 10, p. 128.)
79 Un exemple. On considre lquation
(8.1) x5 7x + 4 = 0.
(a) Montrer que lquation (8.1) admet une et une seule solution dans lintervalle [0, 1]. Cette solution
sera note r.
(b) Donner une approximation de cette racine avec 4 dcimales exactes en utilisant la mthode de
Newton. Les dtails des calculs devront figurer explicitement sur la copie et on devra justifier clairement
les points suivants : (a) Pourquoi est-il lgitime demployer la mthode de Newton dans ce cas ? (b) Sur
quoi se fonde votre choix du point de dpart ? (c) Comment vous assurez-vous que les quatre dcimales
donnes sont bien celles de r ?
80 Une famille de schmas de Newton. Pour les quations F(x) = 0 suivantes, tudiez lunicit des solutions et tudiez sil est possible demployer la mthode de Newton pour obtenir des solutions approches
(choix de lintervalle, vrification des hypothses sur la fonction, choix du point de dpart). Le nombre a
dsigne toujours un nombre rel strictement positif.
[T H 20]

ANALYSE NUMRIQUE

CALVI

75

8. E XERCICES ET PROBLMES

(a) F(x) = 1/x a,


(b) F(x) = x2 a.
N OTE . La suite obtenue en (b) est connue depuis lantiquit. La tradition la attribue Hron dAlexandrie
(premier sicle aprs J.-C.).

81 Utiliser la mthode de la scante pour obtenir une approximation de la fonction racine carre comme
il a t fait avec la mthode de Newton au 3.4.
82 Un rsultat de convergence pour la suite de la scante. On souhaite tablir le rsultat suivant que
lon comparera avec le thorme 4.
Thorme. soit f une fonction continue strictement croissante et strictement convexe sur lintervalle [a, b]
telle que f (a) < 0 < f (b). La suite de la scante
(
x0
=
a
(S CHMA DE LA SCANTE ).
(b)b f (xn )
xn+1 = xnff(b)
n1
f (xn )
est bien dfinie et converge en croissant vers lunique racine r de lquation f (x) = 0.
Le schma ci-aprs montre la construction des valeurs x1 et x2 de la suite. Rappelons que f strictement

f (b)
L[a, b; f ]
f
a

x1
x2

f (x2 )
f (x1 )
L[x1 , b; f ]

UNIV. JEANPAULCALVI . COM

/ 1

F IGURE 4 Schma de la scante.


convexe signifie que pour tous x, y dans [a, b] on a f (tx + (1 t)y) < t f (x) + (1 t) f (y) lorsque t ]0, 1[.
(a) Trouver t ]0, 1[ tel que x1 = ta + (1 t)b. En dduire en utilisant la convexit de f que f (x1 ) < 0
puis que x1 < r.
(b) Montrer par rcurrence sur n la proprit P(n) dfinie par
P(n) :

a xn < xn+1 < r < b.

(c) En dduire la dmonstration du thorme.


83 Une modification de la mthode de la scante. Soit f : [a, b] R strictement croissante telle que
f (a) < 0 et f (b) > 0. Pour approcher la racine r ]a, b[ de lquation f (x) = 0, on construit une suite xk de
la manire suivante x0 = a, x1 = b et, pour k 2 xk+1 est labscisse de lintersection de la droite joignant
les points (xk , f (xk )) et (xk1 , f (xk1 )) avec le droite y = 0.
(a) Construire sur une figure les quatre premiers points de la suite lorsque f est une fonction convexe.
La construction vous parait-elle judicieuse lorsque f est dcroissante convexe ?
(b) Donner lquation exprimant xk+1 en fonction de xk et xk1 .
[III. 8.0]

ANALYSE NUMRIQUE

[T H 20]

76

III. QUATIONS NUMRIQUES

(c) Dans une autre variante, on construit xk+1 non partir de xk et xk1 mais partir de xk et xk0 o k0 est
le plus grand indice (< k) tel que f (xk ) et f (xk0 ) soient de signes opposs. Donner un exemple pour lequel
cette nouvelle suite ne concide pas avec la prcdente. crire un algorithme calculant les n premires
valeurs de la suite xk .
84 Une modification de la mthode de Newton. Dans la mthode de Newton, ayant disposition les
points x0 , . . . , xn ,on construit xn+1 en prenant lintersection de la tangente au graphe de f en xn avec laxe
des abscisses. Dans la mthode de Newton modifie, ayant construit x0 , . . . , xn , on construit xn+1 en prenant
lintersection avec laxe des abscisses de la droite passant par xn et parallle la tangente au graphe de f
en x0 .
(a) On suppose que la fonction F est strictement croissante et strictement convexe sur [a, b] avec une
racine dans ]a, b[. On prend x0 = b. Faites un dessin faisant apparatre les quatre premires valeurs donnes
par la mthode de Newton modifie. Comparer avec le schma correspondant pour la mthode de Newton
ordinaire.
(b) Donner lexpression de xn+1 en fonction de xn .
(c) Selon vous quels sont les avantages pratiques de cette modification ? Ses inconvnients ?
85 Monotonie des suites dapproximations successives. Soit f une fonction contractante de [0, 1] dans
[0, 1] et a [0, 1]. On construit la suite (xn ) dfinie par x0 = a et xn+1 = f (xn ) dont on sait, daprs le
cours, quelle converge vers lunique solution de f (x) = x.
(a) On suppose que f est croissante, tudier la monotonie de la suite (xn ).
(b) On suppose que f est dcroissante, tudier la monotonie des sous-suites (x2n ) et (x2n+1 ).
86 Un exemple. On considre lquation

UNIV. JEANPAULCALVI . COM

/ 1

(8.2) x3 3x 1 = 0.
Lquation (8.2) possde une solution et une seule dans lintervalle [1, 2]. Cette proprit est admise, on
ne demande pas de la dmontrer. On appelle r cette solution. On cherche obtenir une valeur approche
de r en utilisant le thorme du point fixe (la mthode des approximations successives). Pour cela on doit
mettre lquation sous la forme x = f (x).
(a) Expliquer pourquoi le choix f (x) = (x3 1)/3 nest pas judicieux.
Dans la partie suivante on pose f (x) = (3x + 1)1/3 .
(b) Montrer que la fonction f : [1, 2] R vrifie toutes les hypothses du thorme du point fixe (de
telle sorte que toute suite xn dfinie par x0 = a [1, 2] et xn+1 = f (xn ) (n 0) converge vers r).
(c) Montrer que la suite xn est croissante ou dcroissante suivant que f (x0 ) > x0 ou f (x0 ) < x0 . Les
deux cas peuvent-ils se produire ?
(d) Donner une approximation de r avec deux dcimales exactes.
(e) Auriez-vous recommand la mthode dcrite dans cet exercice pour trouver une approximation de
r ? Justifiez prcisment votre rponse.
(Sol. 12 p. 129.)
87 Un exemple. Montrer que lquation cos x + 1/10 = x admet une solution unique sur [0, 3/8] et
donner en justifiant mathmatiquement votre rponse une mthode (autre que la dichotomie) qui
permettrait dobtenir une approximation de cette solution. Donner une valeur approche de la solution
avec trois dcimales exactes.

[T H 20]

ANALYSE NUMRIQUE

CALVI

77

9. N OTES ET COMMENTAIRES

9. N OTES ET COMMENTAIRES

Sur le contenu

Sur les exercices


La majorit des exercices consistent demander
de produire une solution approche dune quation
donne, aprs avoir vrifi que des conditions dapplication figurant dans le cours taient satisfaites.
Il y a fort peu de chances quun numricien procde de cette manire la vrification numrique
dune hypothse de convexit sur un intervalle tant
dailleurs elle-mme essentiellement aussi complexe que la rsolution dune quation numrique.
Comme dhabitude, dans la pratique, la plupart des
numriciens prfreront procder par une batterie
de tests en variant des points de dpart pour mettre
en vidence des suites convergentes.

UNIV. JEANPAULCALVI . COM

/ 1

Ce chapitre contient deux objets fondamentaux


des mathmatiques en gnral, le principe de bissection et, plus encore, celui des approximations
successives. Le second est un thme videmment
trs riche qui se prte des dveloppements assez profonds sans quitter le domaine de lanalyse
lmentaire et cest ce qui explique la prsence
des sections 6 et 7 dans ce chapitre, sections dont
ltude pourra surtout intresser le lecteur spcialis
en mathmatiques. Le livre de Ralston and Rabinowitz (2001) est trs riche. Il y a un chapitre
notable sur ces questions dans Dieudonn (1968).
Le sujet se prte bien un analyse qui ne sera
pas excessivement technique de la stabilit des algorithmes comme au 5.6 pour laquelle je me suis
inspir de Isaacson and Keller (1994), rfrence que
je tiens, et beaucoup dautres avec moi, comme un
des meilleurs traits danalyse numrique. Jespre
complter cette tude dans une future dition. Pour
tre pleinement satisfait, jaurais aussi voulu pouvoir analyser, au moins de manire informelle, une
routine de calcul de toutes les solutions dune quation polynomiale.

Jai essay dliminer les traces des raisonnements classiques qui subsistaient dans les premires
versions de ce cours et que lon trouve encore
couramment dans des introductions lanalyse numrique, selon lesquels la mthode de dichotomie
ne serait quune mthode de premire approche, ne
servant qu repairer le point initial dune mthode
de Newton, o encore que la mthode de la scante
doit tre utilise en parallle avec celle de Newton pour obtenir deux suites adjacentes convergeant
vers la racine cherche. La puissance de calcul des
ordinateurs modernes rend essentiellement caduque
ces conseils.

[III. 9.0]

ANALYSE NUMRIQUE

[T H 20]

IV
Systmes linaires
1. R APPEL SUR LES SYSTMES LINAIRES
1.1

Introduction

De nombreux phnomnes de physique ou dconomie se traduisent par des systmes linaires de plus
ou moins grande dimension. Le problme de la grille illustr dans la figure 1 est un exemple typique.
Les 20 extrmits de la grille que sont les points pi , qi , di et gi , i = 1, . . . , 5, reprsents par des disques
de couleur blanche sur la figure, sont ports aux tempratures t(pi ), t(qi ), t(di ) et t(gi ). Le problme est
de dterminer la temprature aux nuds ni, j reprsents par des disques de couleur noire, sachant que la
temprature en un nud donn est gale la moyenne des tempratures des autres nuds auxquels il est
connect. Ainsi, par exemple, nous avons
1
1
t(n11 ) = (t(p1 ) + t(g1 ) + t(n12 ) + t(n21 )) et t(n23 ) = (t(n12 ) + t(n22 ) + t(n33 ) + t(n24 )).
4
4

UNIV. JEANPAULCALVI . COM

/ 1

Il y a 25 nuds ni j et 25 inconnues t(ni j ), 1 i, j 5, et, pour dterminer la temprature en ces 25 nuds,


nous disposons de 25 quations. Nous avons donc ici autant dinconnues que dquations. Nous nous
limiterons ltude de ce type de systmes. Signalons encore, que les systmes linaires ninterviennent
pas uniquement dans les sciences appliques. En mathmatiques mme, quantit de questions reposent
in fine sur le rsolution dun systme linaire et pour ce qui est de lanalyse numrique, le phnomne
est encore plus accentu car la plupart des techniques avances ncessitent un moment ou un autre
la rsolution dun systme linaire comportant un grand nombre dinconnues. La rsolution des systmes
linaires est certainement un des rares problmes fondamentaux des mathmatiques. Malheureusement,
ce cours voulant sadresser un auditoire nayant que des connaissances rudimentaires dalgbre linaire,
nous ne pourrons que donner une trs succincte introduction la thorie travers ltude de la mthode
de Gauss. Celle-ci est improprement attribue Gauss, elle tait dj connue des mathmaticiens chinois
de lantiquit. Au reste, la technique dlimination successive des inconnues est trs naturelle et aisment
comprhensible par des mathmaticiens dbutants.
1.2

Le formalisme

La rsolution des systmes minaires forment un chapitre fondamental de la partie des mathmatiques
connue sous le nom dalgbre linaire. Les nombres considrs sont des rels mais tout ce qui sera dit
dans ce chapitre reste vrai avec des nombres complexes. Au reste, les techniques utilises dans ce chapitre
sont entirement algbriques : elles ne font pas appel au concept de limite . Nous considrons le systme
de n quations n inconnues suivant

L1

a11 x1 + a12 x2 + . . . + a1n xn = c1

L2

a21 x1 + a22 x2 + . . . + a2n xn = c2

..
..
..
..
..
.
.
.
.
.
(1.1)
.
Li
a
x
+
a
x
+
.
.
.
+
a
x
=
c

in n
i
i1 1
i2 2

..
..
..
..
..

.
.
.
.
.

Ln
an1 x1 + an2 x2 + . . . + ann xn = cn
. Elles seraient dailleurs galement valables pour des systmes dont les coefficients ai j seraient des lments dun corps
commutatif quelconque.

79

1. R APPEL SUR LES SYSTMES LINAIRES

p1
g1
g2
g3

p2

p3

n11

n12

n12

n21

n22

n23

n31

n32

n33

p4

p5
d1
d2
d3

g4

d4

g5

d5

q1

q2

q3

q4

q5

F IGURE 1 Le problme de la grille


Les ai j s sont appels les coefficients du systme (1.1), les xi s sont les inconnues (ou les solutions) et les
ci s forment le second membre. Lexpression
(1.2) Li : ai1 x1 + ai2 x2 + + ain xn = ci
sappelle la i-ime ligne du systme. Le systme (1.1) se reprsente aussi sous la forme compacte
n

(1.3)

ai j x j = ci ,

i = 1, 2, . . . , n.

j=1

Au systme linaire (1.1) est associe lquation matricielle

UNIV. JEANPAULCALVI . COM

/ 1

(1.4) AX = C,
o la matrice A et les

a11 a12
a21 a22

..
..
.
.

(1.5) A =
a
a
i2
i1
.
..
..
.
an1 an2

vecteurs X et C sont dfinis par


. . . a1n
x1
x2
. . . a2n

..
..

.
.
,

X =
xi ,
. . . ain

.
..

..
.
. . . ann
xn


c1
c2

..
.

C=
ci .

.
..
cn

La matrice A ayant n lignes et n colonnes est dite matrice carre dordre n. Notons que dans ai j , lindice
i dsigne la ligne tandis que j dsigne la colonne. Le vecteur colonne X est appel le vecteur inconnu
(ou vecteur solution) et C est le vecteur second membre. Un vecteur x Rn est habituellement not
x = (x1 , x2 , . . . , xn ) mais, pour des raisons propres au calcul matriciel, lorsque nous lui appliquons une
matrice A, nous avons intrt le reprsenter comme une colonne X. Dans la suite de ce chapitre, nous ne
distinguerons plus, au niveau de la notation, le vecteur ligne x du vecteur colonne X. Indiquons toutefois
que, un niveau plus avanc, o tous les objets sont considrs comme des matrices, un vecteur x est une
matrice 1 ligne et n colonnes tandis que la colonne X est une matrice n lignes et 1 colonne et il est
alors essentiel de maintenir la distinction entre les deux.
[IV. 1.2]

ANALYSE NUMRIQUE

[T H 0]

80

IV. S YSTMES LINAIRES

Rappelons encore quune application linaire A de Rn dans Rn est associe la matrice A. Cette
application est dfinie par la relation

(1.6) A (x) =

n
n

a
x
,
.
.
.
,
a
x
,
.
.
.
,
j
i,
j
j
1,
j

an, j x j ,

j=1

j=1

x = (x1 , . . . , xn ).

j=1

E 88 Rappeler les liens entre les des images des lments de la base canonique de Rn par lapplication
linaire A et les coefficients de la matrice A.
E 89 La matrice A associe au systme linaire du problme de la grille (voir 1.1) est une matrice carre
dordre 25. Elle contient donc 625 coefficients. Combien parmi eux sont-ils non nuls ?

1.3

Rappels des rsultats fondamentaux

Thorme 1. On ne modifie pas les solutions dun systme linaire si on ajoute une ligne une combinaison linaire des autres lignes. On crit
Li Li + j Lj .
j6=i

Il faut prendre garde ne pas oublier deffectuer la combinaison linaire au niveau du second membre.
Thorme 2. Pour que le systme (1.1) admette une et une seule solution il faut et il suffit que det A 6= 0.
Dans ce cas la matrice A est inversible et lunique solution est donne par X = A1 (C).
Lorsque le systme (1.1) admet une et une seule solution, nous disons que cest un systme rgulier.
E 90 Rappeler les rgles de calcul du dterminant dune matrice.

La condition sur le dterminant de A est son tour quivalente des proprits naturelles de lapplication linaire A . De manire prcise, si A est une matrice carre dordre n dapplication linaire
associe A , nous avons

UNIV. JEANPAULCALVI . COM

/ 1

(1.7) det A 6= 0 A bijective A surjective A injective ker A = {0}.


Rappelons quici lquivalence entre bijective, surjective et injective est vraie uniquement parce que A
est une application linaire entre deux espaces vectoriels de mme dimension.
E 91 Donner un exemple dapplication linaire de R2 dans R3 qui soit injective (mais pas surjective).
Donner un exemple dapplication linaire de R3 dans R2 surjective mais non injective.

Thorme 3. Lorsque det A 6= 0 la


formule

a11 . . . a1 j1

1 a21 . . . a2 j1
xj =
.
det A ..

an1 . . . an j1

coordonne x j de la solution x du systme (1.1) est donne par la


c1
c2

a1 j+1
a2 j+1

...
...

cn

an j+1

...


a1n
a2n
.. ,
.
ann

j = 1, . . . , n.

Pour obtenir x j on doit donc calculer le dterminant obtenu partir de A en substituant le vecteur C la
j-ime colonne de A.
Malheureusement les formules de Cramer ncessitent un nombre doprations trop grand et elles sont
en pratique inutilisables, cf. exercice 95).
[T H 3]

ANALYSE NUMRIQUE

CALVI

81

2. L E CAS DES SYSTMES TRIANGULAIRES

2. L E CAS DES SYSTMES TRIANGULAIRES


Lanalyse du cas n = 3

2.1

Exception faite des systmes diagonaux (ceux dont la matrice est une matrice diagonale) qui se rduisent
n quations du type aii xi = ci , i = 1, . . . , n, les systmes les plus simples sont les systmes triangulaires
cest--dire ceux dont les matrices sont triangulaires : tous les coefficients au dessus (matrice triangulaire
infrieure) de la diagonale (a11 , a22 , . . . , ann ) ou au dessous (matrice triangulaire suprieure) sont nuls.
Dans cette partie, nous donnons les algorithmes lmentaires pour rsoudre les systmes linaires triangulaires par substitutions successives et tudions la complexit de ces algorithmes. Nous verrons ensuite
comment tout systme rgulier peut se rduire un systme triangulaire. Cela signifie qutant donn
un systme rgulier quelconque AX = C, il est toujours possible de construire une matrice triangulaire
(suprieure) U et un vecteur C0 tel que UX = C0 a la mme solution que AX = C.
Considrons les deux systmes linaires suivants de trois quations trois inconnues.

(S1 )

l11 x1
l21 x1

l31 x1

+ l22 x2
+ l32 x2

+ l33 x3

(S2 )
= c1
= c2 ,
= c3

u11 x1

+ u12 x2
u22 x2

+ u13 x3
+ u23 x3
u33 x3

= c1
= c2 .
= c3

(Systme triangulaire suprieur)

(Systme triangulaire infrieur)

Chacun des deux systmes se rsout facilement par substitutions successives ( condition que les
lments diagonaux soient non nuls),

(S1 )

UNIV. JEANPAULCALVI . COM

/ 1

x1
x
2
x3

(S2 )

c1
=
l11
,
=
(c2 l21 x1 )/l22
= (c3 l31 x1 l32 x2 )/l33

x3
x
2
x1

c3
=
u33
.
=
(c2 u23 x3 )/u22
= (c1 u12 x2 u13 x3 )/u33

La technique de substitutions successives sapplique de la mme manire aux systmes triangulaires de


n quations n inconnues. Nous prsentons maintenant ces algorithmes.
2.2

Les algorithmes de substitution successives

Algorithme 4. Les solutions du systme triangulaire infrieur



li j = 0 si i < j,
LX = C
avec
lii 6= 0,
sont donnes par les relations
(
x1 = lc111 ,


i1
1
xi =
c

l
x
,

i
i
j
j
j=1
lii

[IV. 2.2]

i = 2, 3, . . . , n.

ANALYSE NUMRIQUE

[T H 5]

82

IV. S YSTMES LINAIRES

Algorithme 5. Les solutions du systme triangulaire suprieur



ui j = 0 si i > j,
UX = C
avec
uii 6= 0,
sont donnes par les relations
(
xn = ucnnn ,


xi = u1ii ci nj=i+1 ui j x j ,

i = n 1, n 2, . . . , 1.

Dans les deux algorithmes, les conditions imposant lii 6= 0 et uii 6= 0, i = 1, . . . , n, sont quivalentes la
condition que le systme est rgulier. Cela provient du fait que le dterminant dune matrice triangulaire
est gal au produit des coefficients sur la diagonale de la matrice.
Thorme 6. La rsolution dun systme linaire triangulaire (suprieur ou infrieur) de n quations n
inconnues par la mthode des substitutions successives ncessite n2 oprations lmentaires (+, , , ).
Dmonstration. Nous traitons seulement le cas dun systme triangulaire infrieur. Le calcul de x1 requiert
1 opration tandis que pour xi , 2 i n, nous devons effectuer i 1 (+ ou ) et i ( ou ) de sorte que
le nombre total doprations Nn est donn par
n

Nn = 1 + (2i 1) = 1 + 2 i (n 1) = 1 + 2
i=2

i=2

n(n + 1)
2 (n 1) = n2 .
2

3. L ALGORITHME DE G AUSS
Nous indiquons maintenant comme rduire nimporte quel systme rgulire un systme triangulaire
suprieur. Nous dcrivons le procd dans le cas de dimension 3 pour lequel nous pouvons visualiser
toutes les tapes.

/ 1

3.1 Description de lalgorithme dans le cas dun systme de 3 quations 3 inconnues. Notion
de pivot
Soit rsoudre le systme suivant que nous supposons rgulier. Le dterminant de la matrice associe
est donc suppos non nul.

UNIV. JEANPAULCALVI . COM

(0)

S(0)

L1
(0)
L2
(0)
L3

a11 x1
a21 x1

a31 x1

+ a12 x2
+ a22 x2
+ a32 x2
(0)

+ a13 x3
+ a23 x3
+ a33 x3

= c1
= c2 .
= c3

(0)

tape 1. limination de x1 dans L2 et L3 .


(0)
L L(0) a21 L(0)
2
2
a11 1
(0)
a31 (0) .
L3 L(0)

L1
3
a11

Attention, nous divisons par a11 . Cela nest possible que si a11 est non nul. Nous arrivons
S(1)

[T H 6]

(0)
L1 a11 x1
(1)
0
L2

(1)
0
L3

+a12 x2
21
+(a22 aa11
a12 )x2
a31
+(a32 a11 a12 )x2

+a13 x3
+(a23 aa21
a13 )x3
11
+(a33 aa31
a13 )x3
11

ANALYSE NUMRIQUE

= c1
= c2 aa21
c1 .
11
= c3 aa31
c1
11
CALVI

83

3. L ALGORITHME DE G AUSS

que nous crivons encore sous la forme


(0)

(1)

L1
(1)
L2
(1)
L3

a11 x1
0

+ a12 x2
(1)
+ a22 x2
(1)
+ a32 x2

+ a13 x3
(1)
+ a23 x3
(1)
+ a33 x3

= c1
(1)
= c2 .
(1)
= c3

(2)

tape 2. limination de x2 dans L3 .



(1)

a
(1)
(1)
(1)
L .
L3 L3 32
(1) 2

a
22

(1)

(1)

Attention, nous divisons cette fois par a22 . La condition a22 6= est ncessaire. Il vient
(0)

(2)

L1
(1)
L2
(2)
L3

a11 x1

+ a12 x2
(1)
+ a22 x2
+

+
+
+

=
=

a13 x3
(1)
a23 x3
(1)
(a33

(1)

(1)
(1) a23 )x3
a

a32

22

c1
(1)
c2
(1)
c3

(1)

(1)
(1) c2
a

a32

22

que nous crivons


(0)

UNIV. JEANPAULCALVI . COM

/ 1

S(2)

L1
(1)
L2
(1)
L3

a11 x1
0

+ a12 x2
(1)
+ a22 x2
+
0

+ a13 x3
(1)
+ a23 x3
(2)
+ a33 x3

= c1
(1)
= c2 .
(2)
= c3

Ce dernier systme est triangulaire suprieur, nous pouvons donc le rsoudre rapidement par substitutions successives comme expliqu dans la partie prcdente. Il reste examiner si, et comment, nous
pouvons modifier la mthode dans le cas o un des nombres par lesquels nous devons diviser savre tre
gal 0. Supposons par exemple que a11 = 0. Nous avons alors a21 6= 0 ou a31 6= 0 sinon la premire colonne de la matrice du systme serait nulle et son dterminant vaudrait 0 ce qui est contraire lhypothse.
(0)
(0)
Supposons pour fixer les ides que a22 6= 0, nous permutons alors les lignes L1 et L2 et commenons
la mthode dcrite ci-dessus partir du systme

a21 x1 + a22 x2 + a23 x3 = c2


0
+ a12 x2 + a13 x3 = c1 .

a31 x1 + a32 x2 + a33 x3 = c3


(1)

(1)

Dans la deuxime tape, si ncessaire, cest--dire si a22 = 0, nous pouvons permuter les lignes L2 et
(1)
L3 de telle sorte que nous diviserons nouveau par un nombre non nul.
Les nombres par lesquels nous effectuons les divisions dans les diverses tapes de lalgorithme sappellent les pivots de Gauss. Pour que lalgorithme fonctionne, ces nombres doivent tre non nuls, et, pour
la prcision des calculs, il est prfrable quils ne soient pas proches de 0, voir 3.4.
E 92 Rsoudre le systme suivant en utilisant lalgorithme de Gauss.

x1
1
x
12 1
3 x1

+
+
+

1
2 x2
1
3 x2
1
4 x2

+
+
+

1
3 x3
1
4 x3
1
5 x3

=
=
=

11
6
13
12
47
60

La solution est (1, 1, 1).


[IV. 3.2]

ANALYSE NUMRIQUE

[T H 7]

84

IV. S YSTMES LINAIRES

3.2

Algorithme de Gauss (sans stratgie de pivot)

Nous dcrivons maintenant lalgorithme de Gauss ci-dessus dans le cas dun systme n quations et n
inconnues. Lnonc ne suppose pas que le systme soit rgulier. Lalgorithme est muni dune instruction
darrt pour le cas o det A = 0.
Algorithme 7 (Notation Ligne). Nous considrons le systme linaire de matrice associe A
n


Lk :

ak j x j = ck ,


k = 1, 2, . . . , n

j=1

Pour j = 1, . . . , n 1 faire sauf ordre darrt


1.1

Si

1.2

Pour i > j faire

ai j = 0 pour tout i j alors ARRT. (A est non inversible.)

Sinon

soit io = inf{i, ai j 6= 0}, faire

Li Li
2

Lj Li0
Li0 Lj

ai j
Lj .
ajj

Rsoudre le systme (triangulaire) form des


(nouvelles) lignes Li par la mthode des substitutions successives.

Algorithme 8 (Notation Coefficient). Nous considrons le systme linaire de matrice associe A


n


Lk :

ak j x j = ck ,


k = 1, 2, . . . , n

j=1

Pour j = 1, . . . , n 1 faire sauf ordre darrt

1.2

Pour i > j faire


1.2.1

1.1

Si

ai j
ajj
ci ci mi c j .
mi =

ai j = 0 pour tout i j alors ARRT. (A est non inversible.)


1.2.2

UNIV. JEANPAULCALVI . COM

/ 1

Sinon

soit io = inf{i, ai j 6= 0}, faire

aik aik mi a jk .
2

a jl ai0 l
ai0 l a jl
c j ci0
ci0 c j

pour
pour

pour k > j faire

Rsoudre le systme (triangulaire)

l j
l j

aki xi = bk ,

k = 1, 2, . . . , n

i=k

E 93 Mthode de Gauss avec stratgie de pivot. Pour que lalgorithme de Gauss fonctionne, nous avons
vu que les pivots (les nombres par lesquels nous divisions au moment de llimination des inconnues)
doivent tre non nuls. Lalgorithme donn dans le cours choisit le premier pivot possible (il minimise le
nombre de tests effectuer). Pour des raisons qui seront expliques au 3.4, cest gnralement une bonne
ide de choisir comme pivot non le premier nombre non nuls mais celui dont la valeur absolue est la plus
grande.
Modifier lalgorithme de Gauss de telle sorte que le j-me pivot soit choisi comme ci-dessus.
[T H 9]

ANALYSE NUMRIQUE

CALVI

85

3. L ALGORITHME DE G AUSS

3.3

Cot de lalgorithme de Gauss

Thorme 9. Le nombre Nn doprations lmentaires ncessaires pour rsoudre un systme linaire n


quations et n inconnues (de dterminant non nul) par la mthode de Gauss est asymptotiquement gal
2n3 /3. On crit Nn 2n3 /3 et cela signifie limn 2nN3n/3 = 1.
Dmonstration. Il dcoule de lalgorithme (version coefficients) que
!
n1
n
n

Nn =
+
n2
3+ 2
,
j=1 i= j+1
k= j+1
{z
}
|
cot de 2

cot de 1

o nous utilisons le thorme 6 pour dterminer le cot de 2 . Ensuite nous avons


!
n1
n
n1


Nn =
3 + 2(n j) + n2 = 3 + 2(n j) (n j) + n2
j=1

n1

j=1

i= j+1

j=1

n1

n(n 1)
n(n 1)
(n 1)(n)(2n 1)
3 + 2 j) ( j) + n2 = 3
+ 2 j 2 + n2 = 3
+2
+ n2 ,
2
2
6
j=1

o nous avons utilis


n1

j2 =

j=1

(n 1)(n)(2n 1)
,
6

qui se dmontre aisment par rcurrence sur n. Nous avons donc


2
Nn = n3 + ? n2 + ? n + ? ,
3
o les ? dsignent des constantes dont la valeur nimporte pas ici. Il suit que
Nn
2 3
3n

= 1+ ?

1
2
3n

+ ?

1
2 2
3n

+ ?

1
2 3
3n

UNIV. JEANPAULCALVI . COM

/ 1

do il rsulte immdiatement
Nn
lim
n 2 n3
3

= 1.


3.4

Les sources derreurs

La mthode de Gauss en principe devrait fournir la solution exacte du systme. Dans la pratique, il
nen est pas ainsi ds lors que lordre n du systme nest plus trs petit. Comme nous lavons expliqu
au I.2.4, les calculateurs travaillent (gnralement) avec un ensemble fini de nombres F et la plupart des
oprations sont effectues avec une erreur trs petite mais non nulle et lorsque le nombre doprations est
grand, il peut arriver que ces petites erreurs cessent de se cumuler raisonnablement (disons, comme leur
somme) pour conduire des rsultats inexploitables. Dans lalgorithme de Gauss 8, les erreurs peuvent
se produire dans les calculs
mi =
[IV. 3.4]

ai j
ajj

et aik mi a jk .
ANALYSE NUMRIQUE

[T H 9]

86

IV. S YSTMES LINAIRES

Les autres erreurs apparaissent au niveau de la rsolution du systme triangulaire final. Il y a deux raisons
au moins qui font dsirer un coefficient mi assez petit. Comme lensemble F utilis par les calculateurs est
form de nombres qui ne sont pas quidistribus mais sont moins dense pour les trs grands nombres, si mi
est trs grand il sera reprsent par un nombre mi qui pourra tre loign de mi . La seconde raison cest
si mi est trs grand tandis que, ce qui est raisonnable au moins dans les premire tapes, les coefficients
aik et a jk sont comparable dans le calcul de aik mi a jk , lapport de aik tendra tre nglig et, dans le pire
des cas, aik mi a jk donnera le mme rsultat que mi a jk ce qui revient supposer que le coefficient aik
est nul. Par exemple si aik = 1, a jk = 2 et mi = 1010 alors le calculateur (ici Scilab) effectuant 1 1010 2
retournera 2.000 D + 10. En choisissant comme pivot le coefficient de plus grande valeur absolue sur
la ligne, comme dans le code 11 ci-aprs et comme suggr lexercice 93 nous nous assurons que
les multiplicateurs mi sont dans [1, 1] ce qui permet viter le phnomne ci-dessus. Cette stratgie ne
constitue certainement pas une panace et nempche pas lalgorithme de Gauss de faillir dans certains
cas, ne serait-ce que parce que la supposition que les coefficients sont de grandeurs comparables nest pas
gnralement vrifie. Il existe dautres stratgies de choix. Nous pouvons par exemple chercher le pivot
parmi tous les lments de la matrice carre restante (ce qui conduira une permutation de ligne et une
permutation de colonne) mais cette technique augmente considrablement le nombre de tests effectuer.
Certains ont propos de comme le plus grand des nombres disponibles sur la ligne et sur la colonne.

3.5

Code et commentaires

Dans le code Scilab ci-dessous, lalgorithme est traduit en choisissant comme pivot, le plus grand, en
valeur absolue, des nombres disponibles (sur la ligne)

UNIV. JEANPAULCALVI . COM

/ 1

Code SCILAB 11 (Algorithme dee Gauss pour la rsolution des systmes linaires). Dans le code suivant, nous
dfinissons la fonction gauss qui possde deux argument, A et b de la forme indique ci-dessous.

(a) A est une matrice carre de dimension n et b est un vecteur colonne de dimension n. Lordre n est recherch
par lalgorithme.

(b) Lalgorithme retourne, lorsque cest possible, une vecteur colonne X = gauss(A, B) de dimension n vrifiant
AX = b (plus exactement une valeur approche dun tel X).

(c) Lalgorithme prvoit deux sorties dchec. La premire dans o les donnes fournies sont incompatibles, la
seconde lorsque la matrice A est non inversible ou lorsque les pivots, mme sils sont encore non nuls, deviennent si petits quil est possible de suspecter que la matrice soit non inversible et qui, quelle le soit ou non,
risqueraient de conduire des rsultats imprcis. La barrire, haute est ici fixe 106 .

La construction est commente plus bas.


[T H 9]

ANALYSE NUMRIQUE

CALVI

87

3. L ALGORITHME DE G AUSS

UNIV. JEANPAULCALVI . COM

/ 1

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32

f u n c t i o n X= g a u s s (A, b )
[ n ,m] = s i z e (A ) ;
[ nb , mb] = s i z e ( b ) ;
TS = 0 ;
i f ( o r ( [ ~ ( n==m) , ~ (mb= = 1 ) , ~ ( n==nb )])==%T ) t h e n
TS = 1 ;
else
L= [A, b ] ;
for j = [ 1 : n 1];
[M, k ] = max ( a b s ( L ( j : n , j ) ) ) ;
i f (M < 1 0 ^ ( 6 ) ) t h e n TS = 2 ;
else
S=L ( k+ j 1 , : ) ;
SS=L ( j , : ) ;
L( j , : ) = S ;
L ( k+ j 1 , : ) = SS ;
for i = j +1: n ;
L( i , : ) = clean (L( i ,:) (L( i , j ) / L( j , j ) ) . * L( j , : ) ) ;
end ;
end ;
end ;
end
i f TS==1 t h e n X= EXIT 1 ( d i m e n s i o n s ! ) ;
e l s e i f TS==2 t h e n X= EXIT 2 ( m a t r i c e non i n v e r s i b l e ou i n s t a b l e )
else
X= z e r o s ( n , 1 ) ;
X( n ) =L ( n , n + 1 ) / L ( n , n ) ;
f o r s =n 1: 1:1;
X( s ) = ( 1 / L ( s , s ) ) * ( L ( s , n+1)sum ( L ( s , s : n ) * X( s : n ) ) ) ;
end
end
endfunction

Commentaire.
(a) La variable T S est utilise pour grer les sorties du calcul. Lorsque T S prend la valeur 1, les donnes sont incompatibles, cest lEXIT 1, tandis-que lors T S prend la valeur 2, cest que tous les
coefficients de la ligne sont trop petits.
(b) Les variables S et SS sont utilises pour grer la permutation des lignes.
(c) A la ligne 10, M est le maximum et k est lindice de llment maximal. Attention, comme nous
cherchons dans une matrice de longueur n j + 1, il faut prendre garde de rcuprer llment
correct dans les lignes suivantes, cest ce qui explique lemploi de lindice k + j 1.
(d) Linstruction clean gale 0 des nombres trs petits.
Avec une matrice A (et un vecteur b correspondant) dordre 200 choisis alatoirement (avec des lments dans [1, 1]) lalgorithme a retourn en une seconde un vecteur X tel que AX = b + e avec tous les
coefficients de e plus petits que 1013 en valeurs absolue.
LEXIT 2 se produit par exemple lorsque A est choisie comme la matrice de Hilbert dordre 20.
Nous sommes ici dans le cas o les coefficients des matrices intermdiaires deviennent de grandeurs trs
divergentes et la condition |mi | 1 ninterdit pas lapparition du phnomne de fausse annulation dcrit
au 3.4. Les matrices de Hilbert ont pour coefficient hi j = 1/(i + j 1). Ce sont des matrices (inversibles)
qui sont connues pour tre numriquement difficiles traiter. Elles sont souvent utilises comme matrices
de test pour mettre lpreuve les algorithmes dalgbre linaire.
[IV. 4.0]

ANALYSE NUMRIQUE

[T H 9]

88

IV. S YSTMES LINAIRES

4. E XERCICES ET PROBLMES
94 Calcul de la puissance k-ime dune matrice. Toutes les matrices considres dans cet exercice
sont dordre n (i.e. dans Mn (R).
(a) Calculer le nombre doprations ncessaires pour calculer le produit AB de deux matrices de Mn (R).
(b) Quel sera le nombre doprations pour calculer Ak , k 2, par rcurrence partir de Ak = A Ak1 ?
(c) On reprend le calcul de Ak . Pour simplifier, on se limite au cas k = 7. Calculer le nombre doprations si on crit A7 = (A2 )2 A2 A. Comment gnraliser cette mthode pour k quelconque ?
95 Impraticabilit de la mthode de Cramer. Calculer (en fonction de n) le nombre doprations
lmentaires (+, , , ) ncessaires pour rsoudre un systme linaire de n quations n inconnues en
utilisant les formules de Cramer dans lesquelles on calcule les dterminants par la relation de rcurrence
n

det A = (1)i+n ain det Ain ,


i=1

o Ain est la matrice obtenue en retirant de A la n-ime colonne et la i-ime ligne ?


Combien de temps prendrait la rsolution dun systme linaire 50 inconnues et 50 quations si on
utilisait un ordinateur capable deffectuer 109 oprations la seconde ?
96 Calcul de linverse dune matrice triangulaire. Soit U une matrice n n triangulaire suprieure
inversible : on a donc ui j = 0 pour i > j et uii 6= 0. On cherche un algorithme donnant la matrice U 1 .
(a) Montrer que la matrice U 1 est aussi triangulaire suprieure.
(b) On note vi j le coefficient de U 1 lintersection de la i-ime ligne et j-ime colonne. Daprs la
premire question on a vi j = 0 ds que i > j. On note v( j) le vecteur (v1 j , v2 j , . . . , v j j ) R j . On connatra
donc U 1 ds quon connait les n vecteurs v(1) R1 , v(2) R2 , . . . , v(n) Rn . On note enfin U ( j) la matrices
forme des j premires lignes et colonnes de U. Montrer que v( j) est solution du systme triangulaire
U ( j) X = e( j) o e( j) = (0, . . . , 0, 1) R j .
(c) En dduire quon peut calculer linverse dune matrice triangulaire avec un nombre doprations Nn
3
quivalent n3 lorsque n .

UNIV. JEANPAULCALVI . COM

/ 1

97 Exemple dinstabilit de la mthode Gauss. On considre le systme suivant



2, 28101x + 1, 61514y = 2, 76255
.
1, 61514x + 1, 14365y = 1, 95611
Rsoudre ce systme avec lalgorithme de Gauss en travaillant avec des nombres dcimaux comportant un
maximum de 8 dcimales. La solution de ce systme est x = 9 et y = 11. Que pensez vous de la prcision
du rsultat ?
98 Un exemple. Estimer le temps ncessaire pour rsoudre un systme de 103 quations avec la mthode
de Gauss sur un ordinateur capable deffectuer 106 oprations la seconde.
99 Matrices triangulaires creuses. On
n 4, triangulaire suprieur, de la forme

a11 x1
+
a12 x2

a
x
+
a

22
2
23 x3

.
.
.

aii xi
+
ai,i+1 xi+1
(4.1)
.
.
.

an2,n2 xn2 + an2,n1 xn1

an1,n1 xn1

considre un systme linaire n quations et n inconnues,


+
+

=
=

c1
c2

+ ai,i+2 xi+2

ci

+
+

= cn2
= cn1
= cn

a13 x3
a24 x4

an2,n xn
an1,n xn
ann xn

o les coefficients aii , i = 1, . . . , n sont supposs non nuls.


[T H 9]

ANALYSE NUMRIQUE

CALVI

89

4. E XERCICES ET PROBLMES

(a) crire lalgorithme de rsolution par substitutions successives correspondant ce cas particulier de
matrice triangulaire.
(b) Dterminer, en fonction de n le nombre doprations lmentaires (+, , , ) employes pour la
rsolution du systme (4.1).
(Sol. 13 p. 130.)
100 Aspect matriciel de lalgorithme de Gauss. On considre le systme 3 3 suivant dont on suppose
quil admet une et une seule solution

a11 x1 + a12 x2 + a13 x3 = c1


a21 x1 + a22 x2 + a23 x3 = c2 .
S(0)

a31 x1 + a32 x2 + a33 x3 = c3


On rappelle que les systmes S(1) (resp. S(2) ) obtenus aprs la premire (resp. la seconde ) tape de lalgorithme sont donns par

+a13 x3
= c1
a11 x1 +a12 x2
a21
0
+(a22 aa21
a
)x
+(a

a
)x
= c2 aa21
c1 ,
S(1)
12
2
23
13
3
a11
11
11

a31
a31
c1
0
+(a32 a11 a12 )x2 +(a33 a11 a13 )x3 = c3 aa31
11
abrg en

S(1)

a11 x1
0

+ a12 x2
(1)
+ a22 x2
(1)
+ a32 x2

+ a13 x3
(1)
+ a23 x3
(1)
+ a33 x3

(2)

a11 x1

+ a12 x2
(1)
+ a22 x2

+
+

a11 x1
0

+ a12 x2
(1)
+ a22 x2
+
0

= c1
(1)
= c2 ,
(1)
= c3

et

=
=

a13 x3
(1)
a23 x3
(1)
(a33

(1)

(1)
(1) a23 )x3
a

a32

22

c1
(1)
c2
(1)
c3

(1)

(1)
(1) c2
a

a32

22

UNIV. JEANPAULCALVI . COM

/ 1

abrg en

(2)

+ a13 x3
(1)
+ a23 x3
(2)
+ a33 x3

= c1
(1)
= c2 .
(2)
= c3

Hypothse. On a suppos que les termes par lesquels on divise sont non nuls.
(a) On appelle A = A(0) la matrice du systme S(0) , A(1) la matrice du systme S(1) et A(2) la matrice du
systme S(2) . crire les trois matrices A(0) , A(1) , A(2) .
(b) Vrifier que
A(1) = L1 A(0)

et A(2) = L2 A(1)

avec

1
a

L1 = a1211
aa31
11
[IV. 4.0]

0 0
1 0
0 1

et

1
0
L2 =

0
1
(1)

a32

(1)

a22

ANALYSE NUMRIQUE

0
0
.

[T H 9]

90

IV. S YSTMES LINAIRES

(c) En dduire que lalgorithme de Gauss permet, sous rserve que lhypothse ci-dessus soit satisfaite,
dobtenir une factorisation de A de la forme A = LR avec L une matrice triangulaire infrieure et R une
matrice triangulaire suprieure.
(d) Expliquer comment un obtiendrait on rsultat similaire en partant dune matrice n n, n 2. (On
expliquera en particulier quelles matrices joueraient le rle de L1 et L2 dans le cas n quelconque.)
(Sol. 14 p. 130.)
101 Systmes tridiagonaux.
Soient n N, n 2 et a = (a1 , a2 , . . . , an ), b = (b2 , b3 , . . . , bn ) et c = (c1 , c2 , . . . , cn1 ) trois suites finies
de nombres rels.
Algorithme 10. Il calcule les deux suites = (1 , 2 , . . . , n ) et = (2 , 3 , . . . , n ) comme suit :
(a) 1 = a1 ,
(b) Pour i = 2, . . . , n faire
(a) i =

bi
i1 ,

(b) i = ai i ci1 .
On supposera les suites a, b et c donnes de telle sorte que i ne sannule jamais.
(a) Dterminer en fonction de n le nombre doprations employes par lalgorithme ci-dessus pour
obtenir les deux suites et .
On dfinit les matrices L et U partir des suites et de la manire suivante :

UNIV. JEANPAULCALVI . COM

/ 1

1
2

(4.2) L =

0
1
..
.

..

.
n

et

U =

c1
2

..

..

cn1
n

Tous les coefficients de L sont donc nuls except i) les coefficients diagonaux qui sont gaux 1 et ii)
les coefficients en dessous de la diagonale donnes par . De la mme manire, tous les coefficients de
U sont nuls except i) les termes de la diagonales qui sont donns par et ii) les termes au dessus de la
diagonales qui sont donns par c.
(b) On note A = L U. Dmontrer que

a1 c1
0
b2 a2 c2

b3 a3
c3

A=
.
.
.
.
..
..
..

bn1 an1 cn1


0
bn
an
La matrice A est dite matrice tridiagonale. (Tous les coefficients sont nuls except sur la diagonale, et
juste au dessus et juste au dessous de la diagonale.)
(c) Montrer que rsoudre le systme Ax = d (dinconnue x o d est un vecteur quelconque) est quivalent rsoudre les systmes Ly = d (dinconnue y) puis Ux = y (dinconnue x).
(d) Montrer que la rsolution du systme Ly = d par substitutions ncessite 2(n 1) oprations.
(e) Montrer que la rsolution du systme Ux = y par substitutions ncessite 3n 2 oprations.
(f) En combien doprations en tout (en fonction de n) peut-on rsoudre un systme Ax = d o A est
une matrice tridiagonale n lignes et n colonnes ?
[T H 10]

ANALYSE NUMRIQUE

CALVI

91

4. E XERCICES ET PROBLMES

(sol. 15 p. 131.)
102 Mthode de Cholesky pour les matrices tridiagonales symtriques. On considre une matrice
carre A dordre p 3 coefficients rels de la forme

b1 c1
0
c1 b2 c2

c2 b3
c3

(4.3) A =
.
.
.
.
..
..
..

c p2 b p1 c p1
0
c p1
bp
Tous les coefficients sont nuls except sur la diagonale, et juste au dessus et juste au dessous de la diagonale. On dfinit ensuite les rels d j ( j = 1, . . . , p) et f j ( j = 1, . . . , p 1) par les relations
p
d1 = b1 , f1 = c1 /d1 ;
q
2 ,
(4.5) d j = b j f j1
j = 2, . . . , p;

(4.4)

f j = c j /d j ,

j = 2, . . . , p 1.

Ici, on suppose que les nombres dont on prend les racines carres sont positifs.
(a) tude dun exemple. (a) Calculer les nombres d j et f j lorsque p = 3 et

1 1 0
A = 1 5 4 .
0 4 5

UNIV. JEANPAULCALVI . COM

/ 1

(b) Montrer que dans ce cas on a

d1 0 0
d1 f 1
A = f1 d2 0 0 d2
0 f2 d3
0 0

0
f2 .
d3

(c) En dduire une rsolution rapide du systme AX = C o C = (1, 3, 5).


(b) On traite maintenant le cas gnral o p est quelconque et A est comme dans lquation (4.3).
(a) Dterminer le nombre
doprations ncessaires pour calculer tous les nombres d j et f j . Les oprations

sont +, , , et . (b) Dmontrer que que si S et t S sont les matrices

d1 f 1
0
d1
0

f1 d2

d2 f 2

..
..
..
..
S=
et t S =
,
.
.
.
.

d p1 f p1
f p2 d p1
0
dp
0
f p1 d p
alors
A = tS S.
(c) En dduire une mthode simple pour rsoudre les systmes AX = C et dterminer le nombre doprations utilises par cette mthode.
103 Mthode de Jordan. On considre le systme

a11 x1 + a12 x2 + a13 x3 = c1


a21 x1 + a22 x2 + a23 x3 = c2 .
S(0)

a31 x1 + a32 x2 + a33 x3 = c3


[IV. 4.0]

ANALYSE NUMRIQUE

[T H 10]

92

IV. S YSTMES LINAIRES

La premire tape est identique celle de la mthode de Gauss et, sous rserve que a11 6= 0 elle conduit
au systme

S(1)

a11 x1
0

+ a12 x2
(1)
+ a22 x2
(1)
+ a32 x2

+ a13 x3
(1)
+ a23 x3
(1)
+ a33 x3

= c1
(1)
= c2 .
(1)
= c3

(1)

(a) Rappeler lexpression de a32 en fonction des coefficients du systme S(0) .

(1)

(b) Montrer quen effectuant deux oprations sur les lignes et sous rserve que a22 6= 0, le systme S(1)
est quivalent un systme S(2) de la forme

S(2)

a11 x1
0

+
0
(1)
+ a22 x2
+
0

(2)

+ a13 x3
(1)
+ a23 x3
(2)
+ a33 x3

(2)

= c1
(1)
= c2 .
(2)
= c3

(2)

et donner lexpression de a33 .

(2)

(c) Montrer quen effectuant nouveau deux oprations sur les lignes et sous rserve que a33 6= 0, le
systme S(2) est quivalent un systme S(3) diagonal de la forme

(3)

a11 x1
0

+
0
(1)
+ a22 x2
+
0

+
0
+
0
(2)
+ a33 x3

(3)

= c1
(3)
= c2 .
(2)
= c3

(3)

UNIV. JEANPAULCALVI . COM

/ 1

et donner lexpression de c2 .
(d) Quel est lintrt de cet algorithme ? Comment le modifier pour traiter le cas o lune des hypothses
de coefficients 6= 0 nest pas vrifie ?
(e) crire un algorithme (en notation ligne) effectuant le travail ci-dessus dans le cas dun systme
linaire de n quations et n inconnues.
104 Algorithme de Cholesky. On tudie une mthode de rsolution directe des systmes linaires Ax =
b lorsque la matrice A peut scrire comme le produit dune matrice triangulaire par sa transpose. Toutes
les dfinitions et proprits de la transpose qui pourront tre utiles sont indiques dans lnonc.
Si A est la matrice dont le coefficient (i, j) est ai j , la matrice transpose de A, note T (A), est la matrice
dont le coefficient (i, j) est a ji , autrement dit (T (A))i j = a ji : on permute donc le rle des lignes et des
colonnes et la i-me ligne de A devient la i-me colonne de T (A). Par exemple,

1
0 3
1 6 1
2 8 alors T (A) = 0 2 2 .
si A = 6
1 2 4
3 8 4
On pourra librement utiliser les proprits suivantes :
(a) T (A B) = T (B) T (A).

(b) det(T (A)) = det(A).


(c) T (T (A)) = A.

On remarquera en outre que si D est une matrice diagonale alors T (D) = D. Plus gnralement A et
T (A) ont toujours la mme diagonale.
[T H 10]

ANALYSE NUMRIQUE

CALVI

93

4. E XERCICES ET PROBLMES

A) Soit L une matrice triangulaire infrieure cest--dire de la forme

l11 0
...
0
l21 l22

L= .
.
.
.
.
.
.
.
.
.
0
ln1 . . . lnn1 lnn
Tous les coefficients sont nuls sauf ventuellement les coefficients sur la diagonale et en dessous de la
diagonale. Reprsenter la matrice T (L). De quel type de matrice sagit-il ? Que vaut le dterminant de L ?
H : A partir de maintenant, A dsigne une matrice de Mn (R) telle que (a) A est inversible et (b) A =
L T (L) o L est une matrice triangulaire infrieure.
Q UESTIONS PRLIMINAIRES D ALGBRE LINAIRE .
B) Montrer que T (A) = A.
C) Montrer que, pour k = 1, . . . , n, on a lkk 6= 0. (On rappelle que le dterminant dun produit de matrices
est gal au produit des dterminants des matrices).
D) Montrer que si D est une matrice diagonale avec uniquement des 1 ou des 1 sur la diagonale alors
on a encore A = L0 T (L0 ) avec L0 = L D. En dduire que, sous lhypothse H, on peut toujours crire
0 > 0 pour k = 1, . . . n.
A = L0 T (L0 ) avec L0 = (li0 j ) une matrice triangulaire infrieure telle que lkk
E) Montrer que rsoudre le systme Ax = b est quivalent rsoudre les deux systmes L(y) = b et
T (L)x = y. En combien doprations (+, , , ) peut-on rsoudre ces deux systmes ?
F) Montrer que
n

(n k + 1)(k 1) =

k=2

n(n2 1)
.
6

2
On pourra librement utiliser le fait que n1
j=1 j =

(n1)n(2n1)
.
6

L ALGORITHME .
Dans cette partie, toujours sous lhypothse H, nous tudions une mthode, dite de Cholesky, pour dterminer L telle que

UNIV. JEANPAULCALVI . COM

/ 1

(4.6) A = L T (L) et lkk > 0,

k = 1, . . . , n.

Les colonnes de L seront dtermines par rcurrence.


j
G) Montrer laide de (4.6), que pour j i on a ai j = s=1
lis l js .

ai1
H) En dduire que l11 = a11 puis li1 = l11 pour i = 2, . . . , n.
I) On
q suppose que lon a construit les k 1 premires colonnes de L. Montrer, laide de (G), que
k1 2
lkk = akk s=1
lks .
J) Montrer

lik =

aik k1
s=1 lis lks
,
lkk

i = k + 1, . . . , n.

K) Appliquer la mthode dcrite dans les trois question prcdentes pour trouver la matrice L dans le
cas o

1 0 1
A = 0 1 0 .
1 0 2
Vrifier que pour la matrice L trouve, on a bien A = L T (L).
[IV. 4.0]

ANALYSE NUMRIQUE

[T H 10]

94

IV. S YSTMES LINAIRES

N OMBRE D OPRATIONS .

On dtermine le nombre doprations lmentaires +, , , et aussi la racine carre employes par


lalgorithme de Cholesky.
L) Dterminer le nombre de racines carres puis le nombre de divisions employes par lalgorithme de
Cholesky.
2
M) Montrer que le nombre dadditions-soustractions employes par lalgorithme est gal n(n 61) .
2

Montrer ensuite que le nombre de multiplications employes par lalgorithme est gal n(n 61) .
N) La mthode de Cholesky pour rsoudre le systme Ax = b sous lhypothse H consiste dterminer une matrice L puis utiliser utiliser la proprit tablie ci-dessus (E). Cette mthode est-elle plus
performante que la mthode de Gauss ?

UNIV. JEANPAULCALVI . COM

/ 1

(Sol. 16 p. 132.)

[T H 10]

ANALYSE NUMRIQUE

CALVI

95

5. N OTES ET COMMENTAIRES

5. N OTES ET COMMENTAIRES

Sur le contenu

Sur les exercices


Jai propos quelques dveloppements sous
forme dexercices, le plus important du point de vue
des applications concerne celui des matrices tridiagonales.

UNIV. JEANPAULCALVI . COM

/ 1

Ici, je devais madresser un public qui pouvait


navoir quune connaissance minimale dalgbre
linaire (oprations sur les matrices, calculs de
dterminant) sans pouvoir mappuyer sur aucun formalisme vectoriel abstrait. Il tait hors de question
de parler explicitement de factorisation de matrices.
Il en rsulte un traitement trs lmentaire de lalgorithme de Gauss mais, selon moi, qui le connat
peut bien se dire en possession de la moiti de
lessentiel de la rsolution numrique des systmes

linaires. Jai toujours t agac par une prsentation gnrale de lalgorithme de Gauss dans lequel
le lecteur ne peut que se perdre, ou tout au moins
sassommer, dans les jeux dindices. Cest la raison
pour laquelle jai dcid dexpliciter lalgorithme
dans le cas dune matrice dordre 3, qui permet visualiser toutes les tapes. Lcriture de lalgorithme
gnral va ensuite de soi, comme jai pu le vrifier
avec mes tudiants.

[IV. 5.0]

ANALYSE NUMRIQUE

[T H 10]

V
Analyse matricielle
1. I NTRODUCTION ET AVERTISSEMENT
Pour quantifier les erreurs et analyser la convergence des mthodes dapproximation utilises dans
la rsolution des systmes linaires, il est ncessaire de se munir des outils adquates pour mesurer la
grandeur des matrices et des vecteurs. Il sagit, en somme, de choisir loutil qui prendra le rle que tient
la valeur absolue dans lanalyse des fonctions dune variable. Cet outil prend le nom de norme. Nous
lappliquerons en particulier la construction de ce que lon appelle des mthodes itratives de rsolution
dun systme linaire. Elles consistent construire des suites de vecteurs x(k) , dfinies par des relations
de rcurrences simples, ne faisant en gnral intervenir que des produits de matrices, qui convergent en
un sens que le notion de norme permettra justement de prciser vers lunique solution du systme. Ces
mthodes sont employes lorsque les mthodes directes ne peuvent ltre, soit quelles ncessitent trop
doprations, soit quelles sont trop instables, cest--dire fausses par les erreurs darrondis comme
nous avons vu quil peut arriver, par exemple, dans lalgorithme de Gauss ou bien en complment des
mthodes directes pour affiner le rsultat obtenu. Elles ne sont en tous les cas utiles que pour le traitement
des grands systmes. Le lecteur trouvera dans ce chapitre des illustrations et des exercices qui sont, pour
cette raison, tout fait irralistes, avec des systmes 2 ou 3 inconnues. Ils servent uniquement rendre
plus concret le fonctionnement des algorithmes prsents.
Nous chercherons traiter les notions nouvelles de la manire la plus lmentaire possible, manire qui
est malheureusement rarement la plus courte. Il est cependant ncessaire que le lecteur soit familier aprs
le produit matriciel pour lire valablement le contenu de ce chapitre.
2. N ORMES VECTORIELLES
2.1

Dfinitions

UNIV. JEANPAULCALVI . COM

/ 1

Nous travaillons avec lespace vectoriel Rn . Nous disons quune application N : Rn R+ est une
norme si elle vrifie les trois conditions suivantes.
(a) N(x) = 0 x = 0, x R.

(b) N( x) = | | N(x), R, x Rn . En particulier, N(x) = N(x), x Rn .

(c) N(x + y) N(x) + N(y), x, y Rn . Cette ingalit sappelle lingalit triangulaire.

Observons que des applications rptes de lingalit triangulaire donnent


!
j

(2.1) N

vi

i=1

N(vi ),
i=1

v i Rn ,

i = 1, . . . , j.

Plus gnralement, en combinant lingalit triangulaire avec (b), nous avons


!
j

(2.2) N

i vi

i=1

|i | N(vi ),
i=1

vi Rn , i R,

i = 1, . . . , j.

Nous dduisons facilement de lingalit triangulaire une autre ingalit trs utile,
(2.3) |N(x) N(y)| N(x y),

x, y Rn .

97

2. N ORMES VECTORIELLES

Elle stablit en remarquant que x = (x y) + y do N(x) = N((x y) + y) N(x y) + N(y) et N(x)


N(y) N(x y). En permutant les rles de x et de y, nous obtenons N(y) N(x) N(y x) = N(x y).
La runion des deux ingalit donnent (2.3).
Nous emploierons souvent une notation de la forme N(x) = kxk.
2.2

Exemples fondamentaux

Pour lutilisation simple que nous en ferons, les trois exemples de normes ci-dessus suffiront.
Thorme 1. Les applications k.k , k.k1 et k.k2 dfinies par les relations
ci-dessous sont des normes a
q
sur Rn . (a) kxk = max1in |xi |, (b) kxk1 = ni=1 |xi |, (c) kxk2 = ni=1 xi2 o nous avons pos x =
(x1 , x2 , . . . , xn ),
a. Lutilisation de lindice pour kxk est certainement malheureux puisque ne joue aucun rle ici mais elle est assez
fermement encre dans la littrature et comme toujours dans ce cas, il est inutile dessayer de sloigner de lusage.

La norme k k est souvent appele la norme sup tandis que la norme k k2 est reconnue sous le terme
de norme euclidienne.
Dmonstration. Nous dmontrons seulement que k k2 est une norme. Nous devons dabord tablir que
kxk2 = 0 x = 0. Mais kxk2 = 0 kxk22 = 0. Or kxk22 est une somme de nombres positifs donc
il est nul si et seulement si chacun des termes de la somme est nul, kxk2 = 0 si et seulement si xi2 = 0 ou
encore xi = 0 pour i = 1, . . . , n. Montrons le second point de la dfinition. Soient R et x Rn , nous
avons
s
s
s
s
n

k xk2 =

2 xi2 = | |

2 xi2 =

( xi )2 =

i=1

i=1

i=1

xi2 = | | .kxk2 .

i=1

Le troisime point, lingalit triangulaire, se traduit en passant au carr par kx + yk22 kxk22 + kyk22 +
2kxk2 kyk2 , ou encore,
s
n

(xi + yi )2 xi2 + y2i + 2 xi2 y2i

i=1

i=1

i=1

i=1

i=1

Et, puisque
n

/ 1
UNIV. JEANPAULCALVI . COM

(xi + yi )2 = xi2 + y2i + 2 xi yi ,


i=1

i=1

i=1

i=1

la dernire relation est encore quivalente


s
n

xi yi xi2 y2i .

i=1

i=1

i=1

Or cette dernire ingalit est vraie, cest la fameuse ingalit de Cauchy-Schwarz que nous tablissons
ci-aprs.

Lemme 2 (Ingalit de Cauchy-Schwarz). Pour tout couple de vecteurs (x, y) dans Rn , nous avons

s
s
n

n
n


xi yi xi2 y2i .
i=1

i=1
i=1

[V. 2.2]

ANALYSE NUMRIQUE

[T H 2]

98

V. A NALYSE MATRICIELLE

Dmonstration. Considrons lapplication f dfinie pour t R par f (t) = ni=1 (xi + tyi )2 . Puisque f (t)
est une somme de carrs nous avons f (t) 0, t R. Mais f est un trinme du second degr. En effet,
n

f (t) = t 2 y2i + t xi yi + xi2 .


i=1

i=1

i=1

Or nous savons que les trinmes du second degr qui gardent un signe constant ont un discriminant ()
ngatif ou nul. Ici
!2
!
!
n

=4

xi yi

i=1

xi2

y2i

i=1

i=1

La condition 0 conduit la relation


!2
!
!
n

xi yi

i=1

xi2

i=1

y2i

i=1

dont nous tirons lingalit de Cauchy-Schwarz.

E 105 Montrer que les applications k.k et k.k1 dfinies pour x = (x1 , x2 , . . . , xn ) par les relations kxk =
max1in |xi | et kxk1 = ni=1 |xi | sont des normes sur Rn .

E 106 Lorsque n = 2, dterminer et reprsenter pour chacune des deux normes lensemble des x = (x1 , x2 )
dont la norme est 1 (respectivement < 1, = 1).

2.3

quivalence

Il est facile de comparer les trois normes dfinies dans le thorme 1. Nous avons, pour tout x Rn ,
(2.4) kxk kxk1 nkxk ,
mais aussi
(2.5) kxk kxk2

nkxk ,

et

kxk2 kxk1

nkxk2 .

UNIV. JEANPAULCALVI . COM

/ 1

E 107 tablir les ingalits ci-dessus.

En ralit, des ingalits comme (2.5) et (2.4) existent pour chaque couple de normes sur Rn . Cest
ce quindique le thorme suivant. Ce rsultat est utile pour la suite mais sa dmonstration fait appel
quelques connaissances de topologie et sa lecture peut tre omise par le lecteur non mathmaticien.
Thorme 3. Si N1 et N2 sont deux normes quelconques de Rn alors il existent des constantes relles
(positives) c1 et c2 telles que
c1 N1 (x) N2 (x) c2 N1 (x),

x Rn .

On dit que toutes les normes de Rn sont quivalentes.

Dmonstration. Il nous suffit dtablir le rsultat lorsque N2 = k k . En effet, si N1 et N2 sont deux


normes quelconques et si nous savons que, pour certaines constantes c1 , c2 , 1 et 2 , nous avons
c1 N1 (x) k k c2 N1 (x),

et

1 N2 (x) k k 2 N2 (x),

alors nous tirerons immdiatement


c1
c2
N1 (x) N2 (x) N1 (x).
2
1
[T H 3]

ANALYSE NUMRIQUE

CALVI

99

2. N ORMES VECTORIELLES

Soit donc N une norme quelconque. Nous cherchons tablir lexistence de deux constantes c et C telles
que
x Rn .

(2.6) ckxk N(x) Ckxk ,

Lexistence de C stablit facilement. Pour x = (x1 , . . . , xn ) = ni=1 xi ei avec ei = (0, . . . , 0, 1, 0, . . . , 0), la


relation (2.2) nous donne
!
!
n

(2.7) N(x) = N

N(xi ei ) = |xi |N(ei )

xi ei

i=1

i=1

i=1

N(ei )

i=1

kxk ,

de sorte quil suffit de choisir C = ni=1 N(ei ) dans (2.6).


Lexistence de la seconde constante est plus dlicate tablir. Notons B lensemble des vecteurs x de
Rn pour lesquels N(x) = 1,
B = {x Rn : N(x) = 1}.
Nous affirmons quil existe K > 0 tel que pour tout x B, kxk K. Nous tablissons lexistence de cette
constante K en supposant le contraire et en recherchant une contradiction. Supposons donc que ce nombre
K nexiste pas. Dans ce cas, pour tout k 2, nous pouvons trouver x(k) B tel que kx(k) k k sans
(k)
quoi, il serait permis de choisir K = k. Posons alors v(k) = kx(k) k1
x . Nous avons dune part
(a) kv(k) k = 1, k N? et, dautre part,

(b) N(v(k) ) = 1/kx(k) k , k N? , de sorte que N(v(k) ) 1/k et limk N(v(k) ) = 0.

La premire information entrane que chacune des coordonnes du vecteur v(k) se trouve dans lintervalle
[1, 1],
(k)

|vi | 1,

i = 1, . . . , n,

k N? .
(k)

/ 1

Puisque la suite des premires coordonnes, v1 , est une suite borne, elle admet une sous-suite conver( (k))
( (k))
gente, disons v1
. La suite des secondes coordonnes de v( (k)) , v2
, tant galement borne, possde
son tour une sous-suite convergente et, continuant ainsi, nous obtiendrons finalement une sous-suite de
v(k) dont toutes les coordonnes seront des suites convergentes. Pour simplifier les critures, nous noterons
cette suite w(k) . Puisque w(k) et une sous-suite de v(k) , les proprits (a) et (b) demeurent de sorte que les
deux premires proprits ci-dessous sont hrites de v(k) tandis que que la troisime rsulte du choix de
w(k) .
(c) kw(k) k = 1,

(d) limk N(w(k) ) = 0

UNIV. JEANPAULCALVI . COM

(k)

(e) limk wi = li , i = 1, . . . , n.
De la troisime relation, nous tirons
(k)

lim |wi li | = 0,

i = 1, . . . , n,

(k)

puis limk maxi=1,...,d |wi li | = 0 ou encore


lim kw(k) lk = 0,

l = (l1 , . . . , ln ).

Lingalit (2.3) applique avec la norme k k nous donne, compte tenu de (2.7),
|N(W (k) ) N(l)| N(W (k) l) CkW (k) lk .
. Cest ici que nous utilisons un argument topologique : toute suite borne de R admet une sous-suite convergente. Ce rsultat
se trouve dans toutes les introduction lanalyse des fonctions dune variables relle.
[V. 2.3]

ANALYSE NUMRIQUE

[T H 3]

100

V. A NALYSE MATRICIELLE

En faisant k , nous obtenons N(l) = 0 et, puisque N est une norme, l = 0 ce qui contredit klk = 1.
Cela signifie que le rejet de lexistence de K a conduit une contradiction. Il existe donc un nombre K tel
que
N(x) = 1 = kxk K.
Si x est un vecteur non nul quelconque, nous avons alors




1
1

N
x = 1 =
x
N(x) K = kxk KN(x),
N(x)

qui conduit directement lingalit qui nous manquait en prenant c = 1/K.


2.4

Convergence dune suite de vecteurs

Une dfinition trs intuitive de la convergence dune suite de vecteurs de Rn simpose en considrant les
n suites formes par chacune des coordonnes. De manire prcise, nous dirons quune suite de vecteurs
(k)

(k)

(k)

x(k) = (x1 , x2 , . . . , xn ),

k = 0, 1, 2, . . .

converge vers le vecteur limite l = (l1 , l2 , . . . , ln ) lorsque k si chaque composante (coordonne) du


vecteur x(k) converge vers la composante correspondante du vecteur l, cest--dire,
(k)

lim xi = li ,

1 i n.

Le thorme suivant montre que cette proprit naturelle sexprime laide de nimporte quelle norme et,
bien que cela puisse paratre dans un premier temps surprenant, lusage de ces dernires facilitera ltude
des suites de vecteurs plutt quelle ne la compliquera.
Thorme 4. Soit N une norme vectorielle sur Rn . Pour quune suite de vecteurs x(k) converge vers l
lorsque k il faut et il suffit que limk N(x(k) l) = 0.
Dmonstration. Nous montrons dabord le thorme dans le cas o N = kk1 .
tape 1. La condition est ncessaire
(k)

Nous supposons que xi li pour i = 1, . . . , n et montrons que kx(k) lk1 0 lorsque k . Or


(k)
(k)
(k)
(k)
kx lk1 = ni=1 |xi li | mais xi li |xi li | 0 donc kx(k) lk1 tend vers 0 comme somme
de n suites tendant vers 0.

UNIV. JEANPAULCALVI . COM

/ 1

tape 2. La condition est suffisante


Nous supposons cette fois que kx(k) lk1 0, fixons j quelconque dans {1, . . . , n} et montrons que
l j . Nous avons

(k)
xj

(k)

(k)

0 |x j l j | |xi li | = kx(k) lk1 0 (k 0)


i=1

(k)

(k)

de sorte que |x j l j | 0 et x j l j , k .
Maintenant si N est une norme quelconque, daprs le thorme 3, il existe des constantes c1 et c2 telles
que
c1 N(x) kxk1 c2 N(x),

x Rn .

De lingalit infrieure nous dduisons que la condition limk kx(k) lk1 = 0 implique limk N(x(k)
l) = 0 tandis que nous dduisons de lingalit suprieure que la condition limk N(x(k) l) = 0 implique
limk kx(k) lk = 0. Les conditions limk kx(k) lk = 0 et limk N(x(k) l) = 0 sont donc quivalents
et, la premire tant aussi quivalente la convergence de la suite de vecteurs vers l, il en est de mme de
la seconde.

[T H 4]

ANALYSE NUMRIQUE

CALVI

101

3. N ORMES MATRICIELLES

3. N ORMES MATRICIELLES
Il y a peu de diffrences entre un vecteur et une matrice. Nous pouvons dailleurs trs bien consid2
rer une matrice dordre n comme un vecteur form de n2 coordonnes, cest dire un lment de Rn .
Aussi les normes dfinies dans la partie prcdente peuvent tre utilises pour les matrices et nous pourrions par exemple considrer la norme kMk1 dfinie par maxi, j=1,...,n |ai j | pour M = (ai j ). Cependant,
en procdant de cette manire, nous perdons la possibilit dexploiter simplement les proprits du produit matriciel dans le calcul des normes de matrices. Cest pour cette raison qua t dfinie la notion de
norme matricielle dfinie ci-dessous.
3.1

Dfinition

Nous travaillons sur lespace vectoriel Mn = Mn (R) des matrices carres n lignes et n colonnes formes
de coefficients rels. Une application V de Mn dans R+ sappelle une norme matricielle si elle vrifie les
quatre conditions suivantes.
(a) V (A) = 0 si et seulement si A = 0, A Mn .

(b) V ( A) = | |V (A), A Mn , R.

(c) V (A + B) V (A) +V (B), A, B Mn .

(d) V (AB) V (A)V (B), A, B Mn .

Cest seulement la dernire proprit qui distingue les normes matricielles des normes vectorielles. Elle
sappelle la proprit de sous-multiplicativit.
2
Les normes matricielles sur Mn pouvant tre vues comme des normes vectorielles sur Rn , le thorme
3 dquivalence des normes sapplique elles : toutes les normes matricielles sur Mn sont quivalentes
entre elles.
Les plus importantes des normes sont celles qui sont induites, dans un sens expliqu ci-dessous, par
une norme vectorielle.
E 108 Montrer que pour toute norme matricielle V , on a V (I) 1 o I dsigne la matrice identit.

3.2

Normes induites

Thorme 5. Soit N une norme vectorielle sur Rn . Lapplication V , dfinie sur Mn par
N(Ax)
,
x6=0 N(x)

UNIV. JEANPAULCALVI . COM

/ 1

V (A) = sup

est une norme matricielle a . Nous dirons que V est la norme matricielle induite par N.
a. Par la notation Ax, nous entendons la matrice A multiplie par le vecteur colonne dtermin par x Rn . Nous utiliserons aussi,
lorsque cela sera plus clair, la notation A(x).

Il dcoule immdiatement de la dfinition que


(3.1) N(Ax) V (A)N(x),

x Rn .

qui est une ingalit fondamentale que nous utiliserons de manire rpte. Observons dailleurs que si
nous avons une ingalit de la forme
N(ax) MN(x),

x Rn ,

alors nous pouvons dduire que V (A) M. Dailleurs V (A) nest autre la plus petites des constantes M
pour lesquelles lingalit ci-dessus est satisfaite.
[V. 3.2]

ANALYSE NUMRIQUE

[T H 5]

102

V. A NALYSE MATRICIELLE

Llment le plus ennuyeux dans la dfinition de V (A), cest que pour le calculer, il faille obtenir une
borne suprieure (sup ) sur lensemble de tous les vecteurs non nuls. En ralit, nous pouvons nous limiter
considrer le sup pour tous les x satisfaisant N(x) = 1. En effet, posons
N(Ax)
= sup N(Ax),
N(x)=1
N(x)=1 N(x)

V 0 (A) = sup

puisque nous prenons ici le sup sur un ensemble plus petit, nous avons immdiatement V 0 (A) V (A).
Ensuite, pour un vecteur x quelconque mais non nul, nous avons N(x) 6= 0, et, puisque le vecteur y =
1
N(x) x vrifie N(y) = 1,
N(Ax)
=N
N(x)


1
Ax = N(Ay) V 0 (A),
N(x)

de sorte quen prenant le sup pour x 6= 0 sur la gauche, nous obtenons V (A) V 0 (A) et, par double
ingalit, V (a) = V 0 (A). Pourtant, si cette observation permet de rduire lensemble des x sur lequel il
faut dterminer un sup, elle nimplique pas, du moins directement, que ce sup ne soit pas gal linfini,
hypothse qui invaliderait immdiatement la conclusion du thorme. En ralit le sup est toujours fini et
il est mme toujours atteint. Cela rsulte dun simple rsultat de topologie . Ici, pour rester pleinement
lmentaire, nous pouvons observer que si le sup est fini pour une norme N alors il le sera pour toutes les
autres normes. Cela provient encore une fois du thorme 3 sur lquivalence des normes, puisque si N1
et N2 sont deux normes, lingalit c1 N1 (x) N2 (x) c2 N1 (x) entrainera
N2 (Ax) c2 N1 (Ax)

,
N2 (x)
c1 N1 (x)
de sorte que si le sup est fini pour N1 , il le sera aussi pour N2 . Or, laide du thorme 6 tabli plus bas,
nous voyons que le sup est fini pour k k1 ; il lest donc pour nimporte quelle norme.
Dmonstration. La question de savoir si V est correctement dfinie tant rgle, nous nous concentrons sur
la vrification des quatre axiomes de la dfinition. Les points (a) et (b) sont immdiats ; nous dmontrerons
seulement les points (c) et (d), cest--dire la sous-multiplicativit. Soient A, B Mn et x 6= 0. Nous avons
dabord, en utilisant lingalit triangulaire, pour N
N((A + B)(x)) = N(Ax + Bx) N(Ax) + N(Bx),
do nous tirons

UNIV. JEANPAULCALVI . COM

/ 1

N((A + B)(x)) N(Ax) N(Bx)

+
V (A) +V (B).
N(x)
N(x)
N(x)
Puis, en prenant le sup sur la gauche, il vient
N((A + B)(x))
V (A) +V (B),
N(x)
x6=0

sup

qui donne finalement


V (A + B) V (A) +V (B).
Pour montrer la sous-multiplicativit de V , nous procdons comme suit.
tape 1. Bx = 0 .
. partir de maintenant, lorsque cela permettra dallger le texte nous crirons sup pour borne suprieure.
. Le lecteur ayant suivi un cours de topologie lmentaire reconnatra que la fonction A est continue, que lensemble des x
tel que N(x) = 1 est un ensemble ferm born de Rn , donc un compact, sur lequel toute fonction continue atteint ses bornes.
[T H 5]

ANALYSE NUMRIQUE

CALVI

103

3. N ORMES MATRICIELLES

Dans ce cas (AB)(x) = A(0) = 0 de sorte que

N((AB)(x))
N(x)

= 0 V (A) V (B).

tape 2. Bx 6= 0 ;

Dans ce cas, nous pouvons par N(Bx) 6= 0. Nous avons alors


N((AB)(x) N(B(Ax)) N(Bx)
=
V (A) V (B).
N(x)
N(Bx) N(x)

Par consquent pour tout x non nul nous avons


N((AB)(x))
V (A) V (B).
N(x)
En prenant le sup dans le terme de gauche nous obtenons V (A B) V (A) V (B) et cela termine la preuve
que V est une norme matricielle.

E 109 Montrer que si V est la norme matricielle induite par une norme vectorielle N alors V (I) = 1.
Comparer avec lexercice 108.

3.3

Exemples fondamentaux

Nous montrons que pour deux normes trs simples, le calcul de la norme induite est trs simple, au
contraire de ce que pouvait laisser entrevoir la dfinition. Nous notons ||| |||1 (resp. ||| ||| ) la norme
matricielle induite par kk1 (resp. par kk ),
kAxk1
x6=0 kxk1

kAxk
.
x6=0 kxk

|||A|||1 = sup

et |||A||| = sup

Thorme 6. Si A = (ai j ) Mn alors


n

|||A|||1 = max

/ 1

ai j
j=1,...,n

Par exemple, si

1
A = 2
3

i=1

0 3
1 0 ,
2 0

|||A|||1 = max(6, 3, 3) = 6

et

et |||A||| = max

ai j .
i=1,...,n
j=1

|||A||| = max(4, 3, 5) = 5.

UNIV. JEANPAULCALVI . COM

Dmonstration.
tape 1. Pour la norme ||| |||1 .
Pour x = (x1 , x2 , . . . , xn ) 6= 0 nous avons
n

Ax = ( a1 j x j , a2 j x j , . . . , an j x j ),
j=1

j=1

j=1

et, en utilisant en particulier les proprits de la valeur absolue et une permutation de sommation,


n

n n


kAxk1 = ai j x j ai j x j

i=1 j=1
i=1 j=1
n

max

n
j=1

j=1,...,n

[V. 3.3]

!



ai j
n


x j

i=1


x j max

j=1

j=1,...,n

!
n
n
ai j x j max

i=1

ANALYSE NUMRIQUE

j=1

!



ai j
n

j=1,...,n

i=1

!

ai j kxk1 .
n

i=1

[T H 6]

104

V. A NALYSE MATRICIELLE

Il suit que
n
kAxk1
max ai j .
j=1,...,n i=1
kxk1

En prenant le sup de tous les termes sur la gauche gauche, nous arrivons
n

|||A|||1 max

ai j .
j=1,...,n
i=1

Pour nous assurer que le terme de droite est bien un sup et non uniquement un majorant du sup, il suffit de
mettre en vidence une valeur de x pour laquelle nous aurons lgalit
n
kAxk1
= max ai j .
j=1,...,n i=1
kxk1

Prenons un indice j0 tel que


n

max ai j ,
ai j0 = j=1,...,n
i=1

i=1

et posons ensuite
x0 = (0, 0, . . . , 0, 1, 0 . . . , 0) o le 1 se trouve la j0 -ime coordonne. La calcul de kAx0 k1
donne ni=1 ai j0 et comme kx0 k1 = 1, nous avons la proprit souhaite.
tape 2. Pour la norme ||| ||| .

Le principe est trs similaire. Observons dabord que




n

n
n
n


kAxk = max ai j x j max |ai j ||x j | max |ai j |kxk kxk max |ai j |,
i=1,...,n j=1
i=1,...,n j=1
i=1,...,n j=1
i=1,...,n j=1
do il rsulte rapidement que
n

|||A||| max

|ai j |.
i=1,...,n
j=1

Pour sassurer que lgalit est ralise, il suffit de trouver un vecteur x0 tel que kx0 k = 1 et
n

|ai j |;
i=1,...,n

UNIV. JEANPAULCALVI . COM

/ 1

kAx0 k max

j=1

puisque cela impliquera V (A) maxi=1,...,n nj=1 |ai j | et par double ingalit, le rsultat recherch. Pour
cela, nous choisissons un indice i0 pour lequel le max est atteint, puis dfinissons x0 en fixant sa j-me
coordonne gale au signe (+1 ou 1) du coefficient ai0 j . Cette dfinition entraine que kx0 k = 1 et
ai0 j x0 j = |ai0 j |,

j = 1, . . . n.

Il suit que
n

|ai j | = |ai0 j | = | ai0 j x0 j | = |(Ax0 )i0 | kAx0 k ,


i=1,...,n
max

j=1

j=1

j=1

et cela achve la dmonstration du thorme.

E 110 Puisque les normes |||.|||1 et |||.||| sont quivalentes, il existe des constantes c et C telles que
c|||.|||1 |||.||| C|||.|||1 . Dterminer de telles constantes c et C.
[T H 6]

ANALYSE NUMRIQUE

CALVI

105

3. N ORMES MATRICIELLES

3.4

Convergence dune suite de matrices

Exactement comme dans le cas des suites de vecteurs, il est naturel de dire quune suite de matrices
(k)

A(k) = (ai j ) Mn

k = 0, 1, 2, . . .
(k)

converge vers une matrice L = (li j ) Mn lorsque k lorsque chacune des n2 suites de coefficients ai j
converge vers le coefficient correspondant li j de L, cest--dire
lim A(k) = L

(k)

lim ai j = li j ,

i, j {1, 2, . . . , n}.

Thorme 7. Si A(k) est une suite de matrices de Mn convergeant vers L lorsque k alors quel que soit
le vecteur x Rn , la suite de vecteurs A(k) x converge vers le vecteur Lx.
Dmonstration. Soit i quelconque dans {1, . . . , n}. Nous montrons que la i-ime coordonne de A(k) x
converge vers la i-ime coordonne de Lx. Nous avons


A(k) x =
i

(k)

ai j x j

j=1

j=1

(k)

lim ai j


xj =

Li j x j = (Lx)i .

j=1

Nous montrons maintenant que la convergence dune suite de matrice sexprime facilement en faisant
intervenir une norme matricielle.
Thorme 8. Soit V une norme matricielle sur Mn (R). Pour quune suite de matrices A(k) converge vers
L lorsque k il faut et il suffit que limk V (A(k) L) = 0.
Dmonstration. Nous effectuons la dmonstration dans le cas o V = ||| |||1 ). Le cas gnral sobtient en
faisant appel au thorme 3 dquivalence des normes comme nous lavons fait dans la dmonstration du
thorme 4.
Supposons que |||A(k) L|||1 0 lorsque k et fixons i0 , j0 dans {1, 2, . . . , n}. Nous avons




n
n
(k) (k)
(k)
(k)
(k)
(k)
0 ai0 , j0 li0 , j0 ai, j0 li, j0 max ai, j li, j = |||A(k) L|||1 .
j

UNIV. JEANPAULCALVI . COM

/ 1

i=1

i=1



(k)
(k)
(k)
(k)
Par consquent, limk |||A(k) L|||1 = 0 limk ai0 , j0 li0 , j0 i.e. limk ai0 , j0 = li0 , j0 .
(k)

(k)

Rciproquement, si pour tous i, j {1, . . . , n} nous savons que limk ai, j = li, j alors
lim |||A(k) L|||1 = 0.

(k)

En effet, la suite x j dfinie par



n
(k) (k)
(k)
x j = ai, j li, j
i=1

converge vers 0 comme somme de n suites convergeant vers 0. Maintenant le maximum de n suites convergeant vers 0 converge aussi vers 0 de sorte que
(k)

|||A(k) L|||1 = max x j 0,


j

[V. 3.5]

k .

ANALYSE NUMRIQUE

[T H 9]

106
3.5

V. A NALYSE MATRICIELLE

Algbre des limites

Thorme 9. Soient (A(k) ) et (B(k) ) deux suites de matrices de Mn (R) et R. Supposons que
lim A(k) = L1

et

lim B(k) = L2 .

Alors
(a) limk A(k) + B(k) = L1 + L2 ,
(b) limk A(k) = L1 ,
(c) limk A(k) B(k) = L1 L2 .
(d) limk V (A(k) ) = V (L) o V est une norme matricielle quelconque.

Dmonstration. Prenons V une norme matricielle. Daprs le thorme prcdent, pour montrer (a), il
suffit de vrifier que
 k
V (A(k) + B(k) ) (L1 + L2 ) 0.
Or, grce lingalit triangulaire pour V , nous pouvons crire

0 V (A(k) + B(k) ) (L1 + L2 ) V (A(k) L1 ) +V (B(k) L2 ),
{z
} |
{z
}
|
tend vers 0

tend vers 0

qui implique que le terme intermdiaire tend vers 0.


Le point (b) se dmontre de manire similaire. Dmontrons le (c). On a
0 V (A(k) B(k) L1 L2 )


= V (A(k) L1 )B(k) + L1 (B(k) L2 )

V (A(k) L1 ) .V (B(k) ) +V (L1 ) .V (B(k) L2 ),


{z
}
| {z } |
{z
}
|
tend vers 0

constante

tend vers 0

o nous avons utilis, pour la dernire ingalit, les proprits (c) et (d) des normes matricielles. tudions
le terme V (B(k) ). Nous avons

UNIV. JEANPAULCALVI . COM

/ 1

V (B(k) ) = V (B(k) L + L) V (B(k) L) +V (L) .


| {z } | {z }
tend vers 0

constante

Nous en dduisons que la suite V (B(k) ) est borne si bien que


V (A(k) L1 ) V (B(k) )
converge vers 0 et, finalement, la suite positive V (A(k) B(k) L1 L2 ) se trouve majore par une suite qui
converge vers 0. Elle converge donc elle-mme vers 0.
Le dernier point est consquence de lingalit




V (A(k) ) V (L) V (A(k) L),
voir (2.3) en tenant compte du fait, soulign plus haut, que les normes matricielles sont des normes vectorielles.

E 111 Enoncer et tablir les proprits (a), (b) et (d) dans le cas des suites de vecteurs.
[T H 9]

ANALYSE NUMRIQUE

CALVI

107

4. S UITES ET SRIES GOMTRIQUES DE MATRICES

3.6

Le critre de Cauchy

Pour quune suite (xk ) de nombres rels converge il faut et il suffit cest un thorme fondamental
de lanalyse quelle satisfasse le critre de Cauchy i.e.
Quel que soit > 0, il existe p0 N tel que les conditions m N et p p0 entranent
|x p+m x p | .
Ce critre a dj t utilis au III.5.5. Un critre similaire se dduit facilement (en replaant la valeur
absolue par une norme) pour les suites de vecteurs et les suites de matrices. Nous lnonons uniquement dans ce dernier cas.
Thorme 10 (Critre de Cauchy pour les matrices). Soit V une norme matricielle sur Mn (R). Pour
quune suite de matrices A(k) soit convergente il faut et il suffit quelle vrifie le critre de Cauchy savoir :
Quel que soit > 0, il existe p0 N tel que les conditions m N et p p0 entranent
V (A(p+m) A(p) ) .
Dmonstration. Elle seffectue en se ramenant au cas des suites de nombres rels comme dans la dmonstration du thorme 8.


4. S UITES ET SRIES GOMTRIQUES DE MATRICES


4.1

Suites gomtriques

Soit A Mn . On appelle suite gomtrique (matricielle) de raison A, la suite de matrices dont le


k-ime terme est
Ak = A
A A} .
| A {z
k fois

UNIV. JEANPAULCALVI . COM

/ 1

Nous conviendrons que A0 dsigne toujours la matrice identit, A0 = I.


Thorme 11. Soit V une norme matricielle sur Mn et A Mn . Si V (A) < 1 alors limk Ak = 0. Autrement dit, une suite gomtrique converge vers 0 ds que la norme de sa raison est strictement plus petite
que 1.
Dmonstration. Cest une consquence de la proprit de sous-multiplicativit des normes matricielles
qui justifie chacune des ingalits ci-dessous. En effet,
0 V (Ak 0) = V (AK ) = V (A Ak1 ) V (A) V (Ak1 ) V (A) V (A Ak2 )

V (A) V (A) V (Ak2 ) V (A)2V (Ak2 ) V (A)kV (A0 ) = V (A)kV (Id).

Or, puisque V (A) [0, 1[, nous avons limk [V (A)]k = 0 donc aussi, puisque V (Id) est une constante,
lim [V (A)]kV (Id) = 0,

et, par encadrement, il suit que limk V (Ak ) = 0, ce qui signifie, daprs le thorme 8, limk Ak =
0.

[V. 4.2]

ANALYSE NUMRIQUE

[T H 12]

108

V. A NALYSE MATRICIELLE

4.2

Sries gomtriques

Soit A Mn . Nous notons Sk (A) la somme des k premiers termes de la suite gomtrique de raison A,
Sk (A) = I + A + A2 + + Ak ,
o I dsigne la matrice identit. La suite Sk (A) est appele srie gomtrique (matricielle) de raison A.
k
Lorsque cette suite est convergente, sa limite est note
k=0 A . On dit alors souvent, par abus de langage,

k
que la srie k=0 A est convergente.
Thorme 12. Soient V une norme matricielle sur Mn et A une matrice vrifiant V (A) < 1. La srie
gomtrique de raison A est convergente et on a

Ak = (I A)1 .

k=0

En particulier la matrice (I A) est inversible.


Dmonstration. Nous tablissons la convergence de la suite Sk (A) en vrifiant le critre de Cauchy ce qui
est justifie par le thorme 10.
Prenant > 0 quelconque, nous devons trouver p0 N, dpendant de , tel que
(m N et p p0 ) V (S p+m (A) S p (A)) .
tudions la quantit V (S p+m (A) S p (A)). Observons dabord que
S p+m (A) S p (A) = A p+1 + A p+2 + + A p+m .
En utilisant lingalit triangulaire, voir (2.1), nous obtenons


V S p+m (A) S p (A) = V A p+1 + A p+2 + + A p+m V (A p+1 ) +V (A p+2 ) + +V (A p+m ).
Ensuite, en utilisant la majoration V (A j ) C(V (A)) j o c = V (I) que nous avons tablie dans la dmonstration du thorme 11 pour majorer le terme de droite dans lingalit ci-dessus, nous obtenons

UNIV. JEANPAULCALVI . COM

/ 1


V S p+m (A) S p (A) CV (A) p+1 +CV (A) p+2 + +CV (A) p+m


1 V (A)m
..
CV (A) p+1 1 +V (A) + +V (A)m1 CV (A) p+1
1 V (A)

Or, puisque V (A) < 1, le dernier terme sur la droite est encore major par CV (A) p+1 /(1 V (A)) si bien
que finalement
 CV (A) p+1
V S p+m (A) S p (A)
.
1 V (A)
p+1

(A)
Maintenant > 0 tant fix. Puisque V (A) < 1, nous avons lim p CV
1V (A) = 0 donc il existe p0 N tel
que

p p0

CV (A) p+1
,
1 V (A)

et par consquent

CV (A) p+1
mN
V (S p+m (A) S p (A))
,
p p0
1 V (A)
[T H 12]

ANALYSE NUMRIQUE

CALVI

109

5. A PPLICATIONS

donc la suite Sk (A) vrifie le critre de Cauchy et elle est bien convergente.
Appelons L sa limite, i.e. Sk (A) L. Nous avons donc aussi, par le thorme 9, (I A)Sk (A) (I A)L
mais
(I A)Sk (A) = (I A)(I + A + A2 + + Ak ) = I Ak+1 .
Il suit que
(4.1) lim (I Ak+1 ) = (I A)L
k

mais puisque V (A) < 1, daprs le thorme 11, limk Ak+1 = 0 donc aussi, en utilisant le thorme 9,
limk (I Ak+1 ) = I 0 = I. Finalement, avec (4.1), nous arrivons I = (I A)L de sorte que (I A)
est inversible et son inverse est L, L = (I A)1 . Nous avons ainsi dmontr que la srie gomtrique de
raison A converge vers (I A)1 , cest--dire

A j = (I A)1 .

j=0

Corollaire 13. Sous les hypothses du thorme et en supposant de plus que V (Id) = 1 on a

(4.2) V (I A)1

1
.
1 V (A)

Dmonstration. En utilisant lingalit triangulaire et la sous-multiplicativit de V , nous obtenons


k

V (Sk (A))

V k (A).

j=0

Maintenant le thorme prcdent et le thorme 9 (iv) donne





V (I A)1 = V lim Sk (A) = lim V (Sk (A)) lim
k

V k (A) = V k (A) = 1 V (A) ,


k

j=0

ce quil fallait dmontrer.

j=0

E 112 Montrer que sous les hypothses du corollaire 13, on a aussi

UNIV. JEANPAULCALVI . COM

/ 1

1
V ((I A)1 ).
1 +V (A)
On pourra utiliser la relation I = (I A)(I A)1 .
5. A PPLICATIONS
5.1

quations matricielles de la forme x = b + Ax

Considrons une quation de la forme x = b + Ax o b Rn , A = (ai j ) Mn (R) et x Rn est le vecteur


inconnu. Cette quation est la forme matricielle du systme

a11 x1 + a12 x2 + . . . + a1n xn = x1 b1

a21 x1 + a22 x2 + . . . + a2n xn = x2 b2

..
..
..
..
.
.
.
.
.
ai1 x1 + ai2 x2 + . . . + ain xn = xi bi

..
..
..
..

.
.
.
.

an1 x1 + an2 x2 + . . . + ann xn = xn bn


[V. 5.1]

ANALYSE NUMRIQUE

[T H 13]

110

V. A NALYSE MATRICIELLE

Lquation x = b + Ax est quivalente (I A)x = b et admet donc une solution unique si et seulement
si I A est inversible ce qui est toujours le cas, daprs le thorme 12, lorsquil existe une norme matricielle V pour laquelle V (A) < 1. Dans ce cas, nous construisons la suite de vecteurs (x(k) ) dfinie par
la relation de rcurrence suivante
 (0)
x
=

x(k+1) = b + Ax(k) , k 0,
Thorme 14. Sil existe une norme matricielle V telle que V (A) < 1 alors, quel que soit le vecteur de
dpart , la suite x(k) dfinie par la relation de rcurrence ci-dessus converge vers lunique solution du
systme linaire x = b + Ax.
Dmonstration. Nous pouvons crire une formule explicite pour le k-me terme de la suite. En effet,
x(0) = w
x(1) = b + Aw
x(2) = b + Ax(1) = b + A(b + Aw) = b + Ab + A2 w
x(3) = b + Ax(2) = b + A(b + Aw + A2 w) = b + Ab + A2 w + A3 w.
De manire gnrale, nous tablissons facilement par rcurrence que
(5.1) x(k) = b + Ab + + Ak1 b + Ak w = Sk1 (A)b + Ak w,

kN

o Sk1 (A) = I + A + A2 + + Ak1 . Daprs le thorme 12) ci-dessus, puisque V (A) < 1, la suite
Sk1 (A) converge vers (I A)1 et donc, comte tenu du thorme 7, la suite de vecteurs Sk1 (A)b converge
vers le vecteur (I A)1 (b). Dautre part, toujours puisque V (A) < 1, nous avons, voir le thorme ( 11,
Ak w 0w = 0. Passant la limite dans (5.1), nous obtenons finalement
lim x(k) = lim Sk1 (A)b + lim Ak w = (I A)1 (b) + 0 = (I A)1 (b),

qui est bien la solution du systme considr.

Nous pouvons dailleurs facilement estimer la rapidit de convergence de la suite (x(k) ) vers la solution
x dans le cas o la norme V est subordonne la norme vectorielle N, cest--dire vrifie
C Mn (R) , x Rn ,

UNIV. JEANPAULCALVI . COM

/ 1

N(Cx) V (C)N(x),

ce qui est toujours le cas lorsque V est la norme matricielle induite par N, voir (3.1).
En effet si une telle ingalit est vrifie, partir de (5.1), nous avons
x(k) x

= Sk1 (A)b + Ak w (I A)1 b


k1

= (I + A + + A
k

k+1

= (A + A

Aj

)b

!
j

(b) + Ak w

j=0

+ . . . )(b) + Ak w

!
(b) + Ak w

j=k

= Ak (I + A + A2 + . . . )(b) + Ak w
!
= Ak

Aj

(b) + Ak w

j=0

= A (I A)1 (b) + Ak w.
k

[T H 14]

ANALYSE NUMRIQUE

CALVI

111

5. A PPLICATIONS

En utilisant le fait que V est subordonne N, et lingalit V (Ak ) V k (A)V (Id), lestimation ci-dessus
donne

N(x(k) x) V (Id)V k (A) V (I A)1 N(b) +V k (A) N(w).
Si nous supposons en outre que V (Id) = 1, laide de (4.2), nous arrivons


N(b)
(k)
k
N(x x) V (A)
+ N(w) .
1 V (A)
{z
}
|
indpendant de k

Plus V (a) sera petit, plus V k (A) convergera vite vers 0 et donc plus la convergence de x(k) vers la
solution x sera rapide.
5.2

Effet sur la solution dune perturbation des coefficients de la matrice

Il arrive trs souvent que lon doive rsoudre un systme linaire Ax = c, o A est inversible, pour lequel
les valeurs exactes des coefficients de A Mn et (ou) de c Rn ne sont pas exactement disponibles, ce
qui est le cas lorsquils proviennent de mesures, ncessairement imparfaites, ou encore sont disponibles
mais pas directement exploitables sur un calculateur (travaillant en prcision finie) ce qui est toujours
le cas lorsque ces coefficients ne sont pas des dcimaux. On est alors contraint de rsoudre un systme
approch A0 x = c0 o A0 est, en un certain sens, proche de A et c0 proche de c. Il nest pas difficile de voir
que si A0 est suffisamment proche de A alors A0 sera inversible et le systme approch admettra bien une
solution unique. La question fondamentale qui se pose alors est de savoir si lunique solution de A0 x = c0
sera proche de lunique solution de Ax = b et, surtout, de mesurer prcisment cette proximit. les outils
ncessaires pour tudier le problme sont les suivants.
(a) Nous utiliserons V une norme matricielle sur Mn induite par la norme vectorielle N sur Rn .
(b) La diffrence entre la matrice thorique A et la matrice de travail A0 est note (A) = A0 A. . De
mme nous notons (c) = c0 c la diffrence entre le vecteur thorique c et le vecteur de travail c0 .
(c) La proximit de A et A0 et de c et c0 sera mesure, non par V ((A)) et N( (c), mais par les erreurs
relatives
V ((A))
,
V (A)

N( (c))
.
N(c)

UNIV. JEANPAULCALVI . COM

/ 1

(d) Appelons enfin r la solution de Ax = c et r0 la solution de A0 x = c, puis (r) = r0 r.


Le problme consiste donc estimer la valeur de

N( (r))
N(r)

en fonction de

V ((A))
V (A)

et de

N( (c))
N(c) .

Thorme 15. On utilise les notations ci-dessus. Supposons que



(5.2) V (A) <

1
.
V (A1 )

Alors, posant K(A) = V (A)V (A1 ), on a



N (r)
(5.3)

N(r)

K(A)


V (A)
1 K(A) V (A)

!
N( (c)) V (A)
+
.
N(c)
V (A)

Le nombre K(A) sappelle le nombre de conditionnement, ou simplement le conditionnement de la


matrice A. Plus ce nombre sera petit, moins la solution du systme Ax = c sera sensible aux perturbations
des coefficients de A et de c.
[V. 5.2]

ANALYSE NUMRIQUE

[T H 15]

112

V. A NALYSE MATRICIELLE

Dmonstration. Nous tablissons quelques assertions qui conduisent lingalit demande.



tape 1. V A1 (A) < 1.
En effet, en vue de (5.2), la sous-multiplicativit de V donne

V A1 (A) V (A1 )V ((A)) < 1.
En vertu du thorme 12 cette premire tape implique que I + A1 (A) est inversible.
tape 2.

V (I A1 (A))1

1
.
1 V (A1 )V (A)

Cest une simple application du corollaire 13.


tape 3.
1 1

(5.4) (r) = I + A1 (A)
A (c) (A)r .
Observons dabord que
(A)(r) = (A A0 )(r) = A(r) A0 (r0 + (r)) = c c0 A0 ( (r)) = (c) A0 ( (r));
do nous tirons
(c) (A)(r) = A0 ( (c)).
Dautre part,
A0 ( (r)) = (A + (A))( (r)) = A(I A1 (A))( (r)).
En regroupant les deux calculs, nous obtenons
(c) (A)(r) = A(I A1 (A))( (r));

UNIV. JEANPAULCALVI . COM

/ 1

une relation immdiatement quivalente celle quil fallait tablir. Lestimation recherche sobtient maintenant en prenant la norme N de (c) dans (5.4) en tenant compte du fait que la norme V satisfait lingalit
(3.1) et en utilisant lestimation tablie la premire tape.

Lorsque (A) = 0 (les coefficients de A sont srs), lingalit (5.3) se rduit

N (r)
N( (c))
K(A)
.
N(r)
N(c)
Plus gnralement, nous avons

1 N( (c)) N (r)
N( (c))

K(A)
.
K(A) N(c)
N(r)
N(c)
Pour montrer lingalit sur la gauche il suffit dobserver dune part que
A (r) = (b) = N( (b)) V (A)N( (r)),
et dautre part
Ar = b = r = A1 b = N(r) V (A1 )N(b) =
[T H 15]

ANALYSE NUMRIQUE

1
1
V (A1 )
.
N(b)
N(r)
CALVI

113

6. D COMPOSITION ET SUITE DE JACOBI

En multipliant les deux ingalits sur la droite ci-dessus, il vient


N( (b))
N( (r)
V (A)V (A1 ))
,
N(b)
N(r)
do dcoule la relation cherche.
Remarquons que si le nombre de conditionnement dune matrice donne des informations, il nest pas
facile calculer partir de sa dfinition puisquil faudrait disposer de A1 pour en dterminer la valeur.
Il existe certaines techniques, plus ou moins efficaces, qui permettent de se faire une ide de K(A) en
utilisant moins doprations que pour calculer A1 , voir les notes et commentaires la fin du chapitre.
6. D COMPOSITION ET SUITE DE JACOBI
6.1

Dfinition

Nous considrons le systme Ax = b, A Mn , inversible, b Rn . Si A = (ai j ), nous utiliserons la dcomposition suivante en partie triangulaire suprieure, partie diagonale et partie triangulaire infrieure,
prcisment,
A = D E F,

(a) D = (di j ) est la matrice diagonale reprenant les lments diagonaux de A : dii = aii et di j = 0 pour
i 6= j.

(b) E = (ei j ) est la matrice triangulaire infrieure reprenant les opposs des lments de A : ei j = ai j
pour i > j et ei j = 0 pour i j.

(c) F = ( fi j ) est la matrice triangulaire suprieure reprenant les opposs des lments de A : fi j = ai j
pour i < j et fi j = 0 pour j i.

UNIV. JEANPAULCALVI . COM

/ 1

Exemple 1.

1 2 3
4 5 6
7 8 9

0
=
0
=

0 0
5 0
0 9

0 0
0 0
8 0

2 3
0 6 .
0
0

Lorsque D est inversible, ce qui est le cas si et seulement si aii 6= 0 pour tout i {1, . . . , n}, alors nous
pouvons former la matrice la matrice
BJ = D1 (E + F) = D1 (D A) = I D1 A,
et le vecteur
bJ = D1 b.
La matrice BJ sappelle la matrice de Jacobi de A (et du systme Ax = b) et le vecteur bJ sappelle
le vecteur de Jacobi.
Thorme 16. Si D est inversible alors x est solution de Ax = b si et seulement si x est solution de
x = bJ + BJ x.
Dmonstration. Cest un calcul simple.
Ax = b D1 (Ax) = D1 (b) (D1 A)(x) = D1 (b) 0 = D1 (b) (D1 A)(x)

x = D1 (b) + x (D1 A)(x) x = D1 (b) + (I D1 A)(x) x = bJ + BJ x. 

[V. 6.1]

ANALYSE NUMRIQUE

[T H 16]

114

V. A NALYSE MATRICIELLE

La matrice de Jacobi permet ainsi de transformer un systme de la forme Ax = b en un systme de


la forme x = b0 + A0 x. Or, nous a vu au thorme 14 que lorsque, pour une certaine norme matricielle,
V (B) < 1, nous pouvons construire une suite qui converge rapidement vers la solution de x = b0 + A0 x.
On dfinit la suite de Jacobi du systme Ax = b par la relation suivante,
 (0)
x
=

(6.1)
(S CHMA DE JACOBI ).
x(k+1) = bJ + BJ x(k) , k 0,
Il est facile dexpliciter la relation donnant le k + 1-ime lment x(k+1) de la suite de Jacobi. Notant
(k+1)

x(k+1) = (x1

(k+1)

, x2

(k+1)

, . . . , xn

),

nous avons
(k+1)
xi

"
#
1
(k)
bi ai j x j ,
=
aii
j6=i

i = 1, 2, . . . , n.

E 113 Combien doprations sont-elles ncessaires pour calculer llment x(k) ?

6.2

Convergence

Nous dirons que la matrice A Mn est diagonale dominante par lignes si elle vrifie les ingalits

|aii | > ai j , 1 i n.
j6=i

Cela signifie que chaque terme de la diagonale est (beaucoup) plus grand que les autres lments de
la ligne sur laquelle il se trouve. De la mme manire, nous dirons que A est diagonale dominante
par colonnes si


a j j > ai j , 1 j n.
i6= j

UNIV. JEANPAULCALVI . COM

/ 1

Thorme 17. Si A est diagonale dominante que ce soit par lignes ou par colonnes alors, quel que
soit le vecteur de dpart , la suite de Jacobi (x(k) ) dfinie ci-dessus converge vers lunique solution du
systme linaire Ax = b.
Dmonstration. Comme nous lavons dj rappel, en vertu du thorme 14, il suffit de mettre en vidence
une norme matricielle V telle que V (BJ ) < 1 puisque dans ce cas, quel que soit w, la suite dfinie par le
schma de Jacobi convergera vers lunique solution du systme x = bJ + BJ x qui est aussi, daprs le
thorme 16, lunique solution de Ax = b. crivons explicitement la matrice BJ . Nous avons
BJ =

[T H 17]

1
a

011

0
1
a22

..

..

.
0

0
0

0
a21
.
.
..
1
an1
ann

0
a
21
a22
.
.
.
aan1
nn
ANALYSE NUMRIQUE

D1 (E + F)

a12
...
a1n
..
0
.

an1,n
...
an,n1
0
a1n
a12
a11
...
a11

..

0
.

.
an1,n
an1,n1
a
...
n,n1
0
ann
CALVI

115

7. E XERCICES ET PROBLMES

Prenons maintenant V = ||| ||| . Le Thorme 6 dit que


n


ai j
1
|||BJ ||| = max |coef(i, j) de B j | = max = max
i=1,...,n j=1
i=1,...,n
i=1,...,n |aii |
j=1,6=i aii


ai j .

j=1,6=i

Supposons que A soit diagonale dominante par lignes. Cela signifie exactement que
1
|aii |


ai j < 1.

j=1, j6=i

Maintenant, si nous avons n nombres, tous < 1, le maximum de ces n nombres est aussi < 1. Nous avons
donc |||BJ ||| < 1 et le thorme 14 sapplique. Dans le cas o A est diagonale dominante par colonnes,
nous faisons le mme raisonnement en faisant intervenir la norme |||BJ |||1 .

Exemple 2. Considrons le systme Ax = b avec


 
 
1 1/2
1
0
A=
et b =
, dont la solution est x =
.
1/2 1
2
2
La matrice A est diagonale dominante (1 > 1/2) et


 
0
1/2
1
1
BJ = (I D A) =
et b j =
.
1/2
0
2
 
1
Prenons w =
. La suite de Jacobi dfinie par
1

 
1

x(0) =

1
  

1
0
1/2 (k)

(k+1)

=
+
x , k 0,
x
2
1/2
0
converge vers lunique solution du systme. On vrifie facilement que
!
 
k
1/2
0
(k)
x = 2k+1 1
=x
2
k
2

UNIV. JEANPAULCALVI . COM

/ 1

7. E XERCICES ET PROBLMES
114 Rappelons quun rel est appel valeur propre de A Mn , sil existe un vecteur non nul x tel que
Ax = x. On note V (A) lensemble des valeurs propres relles de A et (A) = max{| |s : V (A)}.
Montrer que pour toute matrice A Mn et tout norme matricielle induite V , on a V (A) (A).
115 La norme de Frobenius. Nous tudions une nouvelle norme matricielle, assez souvent utilise, qui
a la proprit de ne pas tre une norme induite pas une norme vectorielle mais dtre pourtant subordonne
une norme vectorielle. Pour A = (ai j ) Mn , nous posons
s
n

|||A||| f =

a2i j .

i=1 j=1

Thorme 18. Lapplication ||| ||| f dfinie ci-dessus est une norme matricielle. De plus elle vrifie
(7.1) kAxk2 |||A||| f kxk2 ,

x Rn .

Elle sappelle la norme de Frobenius.


[V. 7.0]

ANALYSE NUMRIQUE

[T H 18]

116

V. A NALYSE MATRICIELLE

Lingalit (7.1) signifie prcisment que la norme de Frobenius est subordonnes la norme euclidienne.
A) Montrer que ||| ||| f est bien une norme matricielle. Pour le troisime point, lingalit triangulaire,
2
on pourra utiliser lingalit de Cauchy-Schwarz (Lemme 2) applique avec des vecteurs de Rn plutt
quavec des vecteurs de Rn . La dmonstration du dernier point, la sous-multiplicativit, utilisera aussi une
forme de lingalit de Cauchy-Schwarz.
B) Dmontrer que ||| ||| f vrifie lingalit (7.1).
C) Montrer la norme de Frobenius nest pas une norme induite, voir lexercice 109.
116 Soit A une matrice inversible de Mn (R) et V une norme matricielle sur Mn (R). On suppose connue
une matrice B telle V (I AB) r avec 0 < r < 1 o I dsigne la matrice identit. On dfinit la suite de
matrice Bk par B0 = B et Bk+1 = Bk (2I ABk ).
k+1
A) Montrer que A1 Bk+1 = A1 (I AB)2 .
B) En dduire que Bk converge vers A1 .
C) On appelle Nk le nombre de multiplications ncessaire pour calculer Bk . Donner une estimation de
Nk+1 en fonction de Nk . En dduire une estimation de Nk lorsque k .
117 Soit A Mn une matrice diagonalisable (avec des valeurs propres relles). Montrer que la srie
k
gomtrique
k=0 A converge si et seulement si toutes les valeurs propres de A sont dans ] 1, 1[.

k
N OTE . Il est connu quune condition ncessaire et suffisante pour que
k=0 A converge est que toutes ses valeurs
propres, relles ou complexes, soit dans le disque ouvert de centre lorigine et de rayon 1 (sans quil soit ncessaire
de supposer que A est diagonalisable).

118 Soient A, C et R trois matrices de Mn avec R = AC 1. On suppose que V (R) < 1 o V est une
norme matricielle. Montrer que
V (A1 )

V (C)
;
1 V (R)

puis que

UNIV. JEANPAULCALVI . COM

/ 1

V (C) V (R)
V (R)
V (C A1 )
.
V (A
1 V (R)
119 Montrer que le schma de Jacobi appliqu au systme (S) ci-dessous fournit une suite qui converge
vers lunique solution. Calculer le vecteur x(1) obtenu en partant de x(0) = (1/2, 2/5, 2/5) :

10x + 5y = 5
x 5y + 3z = 2
(S)

5x + y 10z = 4
120 On considre le systme linaire

= 1
3x1 + x2
x1 + 3x2 + x3 = 0
S:

x2 + 3x3 = 2
On note x(k) la suite de Jacobi correspondant au systme (S) o on choisit x(0) = (1, 0, 2).
A) Montrer en utilisant un thorme du cours que la suite x(k) converge vers lunique solution du
systme (S).
B) Expliciter la relation de rcurrence liant x(k+1) et x(k) . (On calculera le vecteur bJ et la matrice BJ .)
C) Montrer que |||BJ ||| = 2/3 puis que, pour k 0 on a
kx x(k) k (2/3)k kx x(0) k
o x est la solution exacte du systme (S). (On utilisera que x = bJ + BJ x)
[T H 18]

ANALYSE NUMRIQUE

CALVI

117

7. E XERCICES ET PROBLMES

121 On tudie une modification de la mthode de Jacobi pour rsoudre les systmes linaires. Soit
A = (ai j ) une matrice relle n lignes et n colonnes. On considre le systme Ax = b o b est un vecteur
donn de Rn . On appelle D la matrice diagonale forme des lments diagonaux de A cest--dire D = (di j )
avec dii = aii et di j = 0 pour i 6= j.
Si D est inversible, pour w R, w > 0 on pose
BJ,w = I wD1 A

et bJ,w = wD1 b.

On remarquera que lorsque w = 1 on retrouve la matrice de Jacobi habituelle BJ .


A) Montrer que si D est inversible alors x est solution de Ax = b si et seulement si x est solution de
x = bJ,w + BJ,w x.
B) Montrer que BJ,w = wBJ + (1 w)I.
C) Donner les coefficients de BJ,w en fonctions des coefficients de A et de w.
D) On dfinit la suite de vecteurs x(k) par
 (0)
x
=
u
(k+1)
x
= bJ,w + BJ,w x(k) (k 0)


(k) (k)
(k)
E) Montrer que si x(k) = x1 , x2 , . . . , xn alors
(k+1)
xj

(k)
= xj +

"
#
n
w
(k)
b j a jl xl ,
ajj
l=1

et en dduire le nombre doprations ncessaires pour obtenir le vecteur x(k) .


F) A partir de maintenant, on suppose que n = 3 et que BJ est diagonalisable cest--dire quil existe
une matrice inversible P telle que

1 0 0
BJ = P1 0 2 0 P.
0 0 3
(a) Montrer que

UNIV. JEANPAULCALVI . COM

/ 1

(1 w) + w1
0
BJ,w = P1
0

0
(1 w) + w2
0

0
P.
0
(1 w) + w3

(b) On suppose que 1 = 1/2, 2 = 2/3, 3 = 3/4. Montrer quil existe un valeur de w telle que la plus
grande valeur absolue des (1 w) + wi (i = 1, 2, 3) soit strictement plus petite que 1/2.
(c) On se place dans les hypothses de la question prcdente et on choisit w satisfaisant la condition
indique. Expliquer pourquoi la suite x(k) converge plus vite vers la solution du systme Ax = b que
la suite de Jacobi habituelle.

122 On considre un systme (S) de n quations n inconnues dont la forme matricielle est (S) : Ax = b
avec A Mn et b Rn . On suppose que A est inversible de sorte que le systme (S) possde une et une
seule solution.
On souhaite tudier la rsolution de (S) avec la mthode itrative dite du gradient dfinie par les
relations suivantes :
(0)
=

x
(7.2) x(k+1) = x(k) (Ax(k) b)
(S CHMA DU GRADIENT ).

= (I A)x(k) + b, k 0
Ici, est un paramtre rel non nul ( R? ) et I dsigne la matrice identit.
[V. 7.0]

ANALYSE NUMRIQUE

[T H 18]

118

V. A NALYSE MATRICIELLE

But de lexercice. On se propose de montrer que si A est diagonalisable avec des valeurs propres
(strictement) positives alors on peut trouver une valeur de pour laquelle la suite x(k) ci-dessus converge
vers lunique solution du systme (S).
Rappel. On rappelle que A est diagonalisable sil existe une matrice D diagonale (cest--dire avec tous
ses coefficients nuls sauf sur la diagonale principale) et une matrice inversible U telle que A = UDU 1 .
Les lments sur la diagonale de D sont appels valeurs propres de A.
A) Montrer que si la suite (x(k) ) converge alors elle converge vers lunique solution du systme (S).
B) On pose M = (I A). Montrer par rcurrence que
k

(7.3) x(k+1) = Mk+1 + Mi b


i=0

(k 0).

(On rappelle que, pour toute matrice M, on convient M 0 = I.)


C) Dans cette partie on suppose que A est diagonalisable.
(a) Montrer que si A = UDU 1 avec D diagonale alors M = UD U 1 avec une matrice diagonale D
que lon prcisera.
(b) Montrer que pour tout k 0, on a Mk = UDk U 1 .

D) Dans cette partie on suppose que A est diagonalisable avec des valeurs propres strictement positives.
(a) Montrer quil existe > 0 tel que toutes les valeurs propres de D sont situes dans lintervalle
] 1, 1[.
(b) Montrer, en utilisant le cours et lquation (7.3), que pour la valeur de trouve la question prcdente, la suite x(k) converge vers lunique solution de (S).
123 On considre le systme linaire dordre 3 suivant :
2
a x + ay + 2z = 3
x + ay + z = 1 ,
(7.4)

ax + 2y + 2az = 1

UNIV. JEANPAULCALVI . COM

/ 1

o a est un paramtre rel.


A) Trouver une condition sur le paramtre a, la moins contraignante possible, pour que la suite de
Jacobi associe au systme (7.4) ci-dessus construite avec x(0) = w quelconque converge vers lunique
solution de ce systme.
Cette condition est suppose satisfaite dans les questions suivantes.
B) On note x(k) la suite de Jacobi construite partir de x(0) = (3, 1, 1). Expliciter la relation de rcurrence entre x(k+1) et x(k) .
C) On rappelle que si r dsigne la solution de (7.4) alors
kr x(k) k |||BJ |||k kr x(0) k

o BJ dsigne la matrice de Jacobi du systme. On suppose que x(0) vrifie kr x(0) k < 1. Donnez une
estimation, en fonction de a, du nombre ditrations ncessaires pour obtenir une approximation de r avec
une erreur infrieure 104 .
124 La suite de Gauss-Seidel. Pour A Mn , on utilise les notations A = D E F introduites au 6.1.
Si aucun des lments diagonaux aii de A nest nul la matrice D E est inversible (son dterminant est
le produit des lments diagonaux qui sont tous diffrents de 0). On peut donc construire la matrice de
Gauss-Seidel de A (et du systme Ax = b) comme suit
BGS = (D E)1 F,
et le vecteur de Gauss-Seidel
bGS = (D E)1 b.
Le calcul de BGS ncessite (apparemment) le calcul de linverse de D E mais il sagit de linverse
dune matrice triangulaire qui est toujours facile obtenir.
[T H 19]

ANALYSE NUMRIQUE

CALVI

119

7. E XERCICES ET PROBLMES

A) Dmontrer le thorme suivant.


Thorme 19. Si les lments diagonaux de A sont non nuls, cest--dire si D est inversible, alors x est
solution de Ax = b si et seulement si x est solution de x = bGS + BGS x.
On dfinit la suite de Gauss-Seidel par la relation de rcurrence suivante.
 (0)
x
=

(S CHMA DE G AUSS -S EIDEL ).


x(k+1) = bGS + BGS x(k) , k 0,
B) Montrer que le k + 1-ime lment x(k+1) de la suite de Gauss-Seidel est donn par
(k+1)

x(k+1) = (x1

(k+1)

, x2

(k+1)

, . . . , xn

avec
(k+1)
xi

"
#
i1
n
1
(k+1)
(k)
bi ai j x j
ai j x j ,
=
aii
j=1
j=i+1

i = 1, 2, . . . , n.

C) Combien doprations sont-elles ncessaires pour calculer llment x(k) ?


D) Il est connu, nous admettrons ce rsultat que si A est diagonale dominante alors quelle que soit
le vecteur de dpart la suite de Gauss-Seidel x(k) dfinie ci-dessus converge vers lunique solution du
systme linaire Ax = b.
E) Montrer que lorsquon considre le systme Ax = b avec


 
1 1/2
1
A=
et b =
.
1/2 1
2
 
1
Alors pour w =
on a
1
!
 
12(k+1)
2
0
(k+1)
x
= 22(k+1)+1 1
= x.
2
2(k+1)

UNIV. JEANPAULCALVI . COM

/ 1

125 On considre le systme linaire dordre 3 suivant :

z
=3
4x + my +
mx + 6y + 2z = 1 ,
(7.5)

3x + y + 2mz = 1
o m est un paramtre rel.
A) Montrer que si 2 < |m| < 3 alors la suite de Jacobi ainsi que la suite de Gauss-Seidel associes au
systme (7.5) ci-dessus construites en prenant comme premier terme w quelconque converge vers lunique
solution de ce systme.
(k)
(k)
(k)
B) On note xJ la suite de Jacobi construite partir de xJ (0) = (3, 1, 1) et xGS la suite de Gauss-Seidel
(k+1)

(k)

construite partir de xGS (0) = (3, 1, 1). Expliciter les relations de rcurrence entre xJ
(k+1)

xGS

[V. 7.0]

(k)

(k)

et xJ et entre

et xGS .

ANALYSE NUMRIQUE

[T H 19]

120

V. A NALYSE MATRICIELLE

8. N OTES ET COMMENTAIRES
Sur le contenu

Sur les exercices


Jai converti en exercices, sans gnralement rentrer dans le dtail des questions de convergences, les
prsentations de quelques une des mthodes classiques ditration dont jai dit quelles navaient
plus leur place dans le cours.

UNIV. JEANPAULCALVI . COM

/ 1

Dans un premier temps, suivant les indications


du programme auquel je croyais devoir me tenir,
javais conu ce chapitre pour en faire une introduction aux mthodes itratives de rsolution des
systmes linaires. Jai fait ensuite, rapidement, le
constat que lobjectif poursuivi ne repayait pas leffort de dfinition et de formalisme demand au
public auquel je voulais madresser, quoi sest
ajout, presque aussi rapidement, le constat que,
si les innombrables mthodes itratives jouent sans
doute un rle important en algbre linaire numrique, les plus lmentaires dentre elles nont
plus leur place dans un cours dintroduction. Javais
alors dcid de supprimer ce chapitre de mon cours.
Je le rintroduit dans cette version en en modifiant
lesprit et lobjectif. Loutil essentiel est celui de
norme et ce chapitre est une introduction son utilisation. Cest le seul chapitre de ce cours qui se

consacre un outil technique, un outil de travail,


plutt qu un problme mathmatique fondamental. Jai maintenu ltude de la mthode de Jacobi
dont llgance et la simplicit feront peut-tre oublier la faible utilit. Je me suis efforc de rester
aussi facilement lisible que dans les autres parties
du cours, ce qui ma dailleurs conduit donner
une dmonstration du thorme sur lquivalence
des normes que certains pourront trouver assez tortueuse. Le thorme du rayon spectral, quoique
fondamental, ne pouvait tre inclus. Le cas particulier des matrices diagonalisables ets propos en
exercice. La question du conditionnement dune
matrice est tudie en dtail dans Higham (2002).

[T H 19]

ANALYSE NUMRIQUE

CALVI

A
Le thorme de Rolle, des accroissements finis et la
formule de Taylor
Les dmonstrations de nombreux rsultats danalyse numrique sont bases sur la formule de Taylor.
Nous donnons la dmonstration qui suffit au niveau de ce cours. Le thorme qui donne naissance la
formule de Taylor est le thorme de Rolle.
Thorme 1. Soit f une fonction continue sur lintervalle ferm [, ] et drivable sur lintervalle ouvert
], [. Si f () = f ( ) alors il existe c ], [ tel que f 0 (c) = 0.
La dmonstration de ce thorme son tour requiert lemploi dun autre thorme fondamental de
lanalyse : toute fonction continue f sur un intervalle ferm born [, ] atteint ses bornes (sur [, ]).
La dmonstration de ce rsultat, qui sappuie sur les proprits fondamentales de lensemble des rels, se
trouve dans les traits dintroduction lanalyse.
Dmonstration. Notons M := max{ f (x) : x [, ]} et m := min{ f (x) : x [, ]}. Si M = m alors la
fonction f est constante, sa drive nulle et nimporte quel c convient. Dans la cas contraire nous avons
M > f () ou bien m < f (). Nous supposerons que la premire alternative se ralise. La dmonstration
est similaire dans le second cas. Daprs le rappel ci-dessus, la valeur M est atteinte en un point au moins,
disons, au point x0 , et cause de lhypothse que M > f (), le point x 0 est distinct aussi bien de que
de . Nous allons tablir que f 0 (x0 ) = 0 ce qui achvera la dmonstration du thorme. Pour cela nous
observons le taux daccroissement et remarquons que

UNIV. JEANPAULCALVI . COM

/ 1

f (x0 + h) f (x0 )
f (x0 + h) f (x0 )
> 0, h < 0 et
< 0, h < 0.
h
h
En prenant la limite lorsque h tend vers 0 par valeurs ngatives dans la premire ingalit, nous obtenons
que f 0 (x0 ) 0 tandis qu en prenant la limite lorsque h tend vers 0 par valeurs positives dans la premire
ingalit, nous obtenons que f 0 (x0 ) 0. Nous en tirons f 0 (x0 ) = 0.

Thorme 2 (Formule de Taylor). Soit f une fonction continue sur [, ] et d + 1 fois drivable sur
], [. Si u0 et v sont dans [, ] alors il existe ], [ tel que
(0.1) f (v) = f (u0 ) + f 0 (u0 )(v u0 ) + +

f (d) (u0 )
f (d+1) ( )
(v u0 )d +
(v u0 )d+1 .
d!
d!

Cette galit sappelle la formule de Taylor de f en u0 lordre d.


Le polynme
f (d) (u0 )
( u0 )d
d!
sappelle le polynme de Taylor de f en u0 lordre d. Le vocabulaire ici est assez malheureux, il
faudrait parler de degr plutt que dordre.
Dans ce cours nous appliquerons toujours ce thorme avec une fonction f de classe C d+1 sur un
intervalle contenant et de sorte que les conditions du thorme seront largement satisfaites.
Le cas particulier d = 0 sappelle le thorme (ou formule) des accroissements finis et scrit en remplaant u0 par u,
T d ( f , ) = f (u0 ) + f 0 (u0 )( u0 ) + +

f (v) f (u) = f 0 ( )(v u).

122

A NNEXE A. L E THORME DE ROLLE ,

DES ACCROISSEMENTS FINIS ET LA FORMULE DE

TAYLOR

Dmonstration. La formule de Taylor est une consquence du thorme de Rolle. De manire prcise,
elle sobtient en appliquant d fois le thorme de rle comme suit. Nous considrons la fonction
g(t) = f (v) T d ( f ,t) K(t u0 )d+1 ,
en choisissant la constante K en sorte que g(v) = 0. cause de la forme particulire du polynme de
Taylor, nous avons
0 = g(u0 ) = g0 (u0 ) = = g(d) (u0 ).
Puisque g(v) = g(u0 ) = 0, le thorme de Rolle nous assure de lexistence de c1 entre u0 et v tel que
g0 (c1 ) = 0. Maintenant, puisque g0 (c1 ) = g0 (u0 ) = 0, le thorme de Rolle nous assure de lexistence de c2
entre c1 et u0 tel que g00 (c2 ) = 0. Nous continuons et aprs d + 1 applications du thorme de Rolle, nous
arrivons lexistence de cd+1 tel que g(d+1) (cd+1 ) = 0 mais, en revenant lexpression de g nous voyons
de
g(d+1) (cd+1 ) = f (d+1) (cd+1 ) (d + 1)! K.


UNIV. JEANPAULCALVI . COM

/ 1

Cette formule pour K donne la relation cherche.

[T H 2]

ANALYSE NUMRIQUE

CALVI

B
Solution des exercices
1. S UR L INTERPOLATION DE L AGRANGE
1 ( 12.) Appelons P le polynme dinterpolation L[a0 , a1 , a2 ; f ]. Daprs la formule dinterpolation
de Lagrange, on a
(115100)(115121)
115121)(115144)
+ 11 (115100)(115144)
P(115) = 10 (100121)(100144)
(121100)(121144) + 12 (144100)(144121)
10, 722753.

Daprs un thorme du cours, il existe ]100, 144[ tel que

f (3) ( )
(115 100)(115 121)(115 144).
115 P(115) =
3!

3/2 = f 000 (x) = 1 1 3 x5/2 . Il suit, en utilisant


Or f (x) = x = f 0 (x) = 12 x1/2 = f 00 (x) = 12 1
2 x
2 2 2
000
que | f | est dcroissante sur [100, 144] que
000
f ( ) 3 1005/2 = 3 .
23
8 105
En reportant dans lingalit prcdente on arrive


3
15 6 29


15 6 29 =
1, 63 103 < 1, 8 103 .
115 P(115)
5
3! 8 10
16 105
2 ( 31)
(a) Une application de la formule dinterpolation de Lagrange donne
(1/5 1/6)(1/5 1/4)
(1/6)(1/4)
(1/5 0)(1/5 1/4)
(1/5 0)(1/5 1/6)
+ f (1/6)
+ f (1/4)
.
(1/6 0)(1/6 1/4)
(1/4 0)(1/4 1/6)

UNIV. JEANPAULCALVI . COM

/ 1

= L[0, 1/6, 1/4; f ](1/5) = f (0)

Aprs simplification,

= 24/600 + 3 72/200 + 2 48/300 = 0, 8098...


La valeur exacte de f (1/5) = cos(/5) est 0, 80901.....
(b) En utilisant le thorme derreur du cours on a
| cos(/5) |

sup[0,1/4] | f (3) |
3!

|1/5 0| |1/5 1/6| |1/5 1/4|.

Or, sur [0, 1/4], on a | f (3) (x)| = 3 sin(x) 3 sin(/4) = 3 2/2. On en dduit que

| cos(/5) | 3 2/(2 3!) (1/5)(1/20)(1/30) 1, 22 103 .


On remarquera que lerreur relle est sensiblement plus petite.

124

A NNEXE B. S OLUTION DES EXERCICES

3 ( 32.)
(a) On a q( ) = 0 donc est racine de q donc le polynme r(x) divise q(x) cest--dire q(x) = r(x)T (x)
1
avec T polynme avec deg(T ) = deg(q) 1 = deg w 1 = d. Il suit que f = w(
) T est un polynme de
degr d.
(b) Puisque ai est racine de w on a
f (ai ) =

1
w( ) w(ai )
=
.
w( )( ai ) ai

On a donc que f est un polynme de degr d qui prend les mmes valeurs que g (t) =
i=0,. . .,d. Il suit f = L[a0 , . . . , ad ; g ].

1
t

pour t = ai ,

4 ( 23). On cherche p(x) = c0 + c1 x + c2 x2 (les inconnues sont les coefficients c0 , c1 et c2 ) tel que

p(a) =
c0 + c1 a + c2 a2
0
p (b) =
c1 + 2c2 b
00

2c2
p (c) =

=
=
=

Ce systme admet une et une seule solution si son dterminant est non nul. Or ce dterminant est donn
par


1 a a2


D = 0 1 2b = 2 6= 0
0 0 2
5 ( 29.)
(a) Puisque X contient n points on a L[X; f /q] Pn1 et on a aussi q Pm . Il suit que q.L[X; f /q]
Pm+n1 . On montre de la mme manire que p.L[Y ; f /p] Pm+n1 do il rsulte que R f Pm+n1
comme somme de deux polynmes de Pm+n1 .
(b) Puisque xi X on a L[X; f /q](xi ) = f (xi )/q(xi ) et p(xi ) = 0 donc
R f (xi ) = q(xi ).L[X; f /q](xi ) + 0.L[X; f /p](xi ) = q(xi )

f (xi )
= f (xi ).
q(xi )

UNIV. JEANPAULCALVI . COM

/ 1

On montre de mme que R f (y j ) = f (y j ).


(c) Les deux questions prcdentes montrent que R f satisfait les deux conditions caractristiques de
L[X Y ; f ]. On a donc R f = L[X Y ; f ].
6 ( 35.)
A) Puisque x est compris entre a et a0 , la distance entre x et a0 est plus petite que a0 a cest--dire
|x a0 | h0 . Ensuite |x ai | |x a0 | + |a0 a1 | + + |ai1 ai | h0 + h1 + . . . hi . On en dduit en
majorant chacun des facteurs de |wA (x)| = |x a0 ||x a1 ||x a2 ||x a3 ||x a4 | que
|wA (x)| h0 (h0 + h1 ) (h0 + h1 + h2 ) (h0 + h1 + h2 + h3 ) (h0 + h1 + h2 + h3 + h4 ).
Il dcoule immdiatement
|wA (x)| 5!h5
puisque h0 + + hi (i + 1)h.
B) Lorsque x ]a0 , a1 [ on a la fois |x a0 | h1 et |x a1 | h1 tandis que |x a2 | |x a1 | + |a1
a2 | h1 + h2 et plus gnrelament pour i > 1, |x ai | h1 + + hi de sorte que
|wA (x)| h1 h1 (h1 + h2 ) (h1 + h2 + h3 ) (h1 + h2 + h3 + h4 ).
La dduction |wA (x)| 4!h5 se dduit immdiatement comme dans la question prcdente.
[T H 0]

ANALYSE NUMRIQUE

CALVI

125

1. S UR L INTERPOLATION DE L AGRANGE

C) Les quatre ingalits demandes se traitent de manire similaire. Nous donnerons les dtails de
la dmonstration de la troisime : si x ]a3 , a4 [ alors |wA (x)| 1! 4! h5 . On remarque dabord que,
puisque x ]a3 , a4 [, |x a3 | h4 et |x a4 | h4 . Il reste majorer |x a0 |, |x a1 | et |x a2 |. On a
|x a2 | |x a3 | + |a3 a2 | h4 + h3 . De mme |x a1 | h2 + h3 + h4 et |x a0 | h1 + h2 + h3 + h4 .
On en tire facilement lingalit demande sur wA (x)
D) Pour dduire
max |wA (x)| 5!h5
x[a,b]

il suffit de remarquer que les ingalits prcdentes nous permettent de majorer |wA (x)| sur [a, a0 ]]a0 , a1 |
]a4 , b] donc sur [a, b] au points de passages ai la fonction wA sannule par le plus mauvais des
majorants trouvs qui nest autre que 5!h5 .
La formule derreur pour linterpolation de Lagrange donne pour toute fonction f de classe C5 sur [a, b]
et tout x [a, b], on a
| f (x) L[a0 , a1 , a2 , a3 , a4 ; f ](x)|

supx[a,b] | f (5) |
5!

|wA (x)|

supx[a,b] | f (5) |
5!

5!h5 = sup | f (5) | h5 .


x[a,b]

E) Soit i {0, . . . , 3}. La fonction p(x) = (x ai )(x ai+1 ) est ngative sur [ai , ai+1 ] et p0 sannule au
point mi = (ai + ai+1 )/2 qui est un minimum, avec
2
p(mi ) = (ai+1 ai )/2 = h2i+1 /4.
On en dduit
sup |(x ai )(x ai+1 )| =
x[ai ,ai+1 ]

sup
x[ai ,ai+1 ]

inf

p(x)

x[ai ,ai+1 ]

p(x) = p(mi ) = h2i+1 /4.

F) Soit x [a0 , a1 ]. Pour majorer |wA (x)| on majore dabord le facteur |(xa0 )(xa1 )| puis les facteurs
|x a2 |, |x a3 | et |x a4 |. Pour le premier, on utilise lingalit obtenue la question prcdente |(x
a0 )(x a1 )| h21 /4 tandis que les trois autres termes sont majors comme dans la premire partie, par
exemple |x a2 | |x a1 | + |a1 a2 | h1 + h2 puisque x [a0 , a1 ]. Au total on a

UNIV. JEANPAULCALVI . COM

/ 1

|wA (x)|

h21
h5
(h1 + h2 ) (h1 + h2 + h3 ) (h1 + h2 + h3 + h4 ) 4! .
4
4

G) Les ingalits obtenues sur les autres intervalles [a1 , a2 ], [a2 , a3 ] et [a3 , a4 ] utilisent la mme technique. Il faut simplement faire attention au facteur double que lon va garder : si x [ai , ai+1 ] on majore
le facteur double |(x ai )(x ai+1 )| en utilisant un rsultat ci-dessu. En runissant les 4 ingalits on
obtient une ingalit sur [a, b] en prenant comme majorant le plus mauvais des quatre qui est cette fois
4
4!/4h5 de sorte que maxx[a,b] |wA (x)| 4! h4 . En le portant dans la formule derreur pour linterpolant de
Lagrange on arrive
| f (x) L[a0 , a1 , a2 , a3 , a4 ; f ](x)| sup | f (5) |
x[a,b]

h5
.
45

H) Toutes les majorations stendent facilement au cas o A = {a0 , . . . , an } [a, b] avec ai < ai+1 pour
i = 0, . . . , n 1. On continue dfinir hi = ai+1 ai avec les valeurs particulires h0 et hn . Par exemple si
x [a, a0 ] alors on a |x a0 | h0 et
i

|x ai | |x a0 | + |a1 a0 | + + |ai1 ai |
[B. 1.0]

ANALYSE NUMRIQUE

hi (i + 1)h,

i = 1, . . . , n.

j=0

[T H 0]

126

A NNEXE B. S OLUTION DES EXERCICES

On en dduit |wA (x)| h(2h)(3h) . . . ((n + 1)h) = (n + 1)!hn+1 . En examinant les autres intervalles on se
rend compte que cette majoration est la plus grossire et |wA (x)| (n + 1)!hn+1 sur [a, b] do encore pour
toute fonction de classe Cn+1 ,
| f (x) L[a0 , a1 , . . . , an ; f ](x)| sup | f (n+1) | hn+1 .
x[a,b]

Les autres questions se gnralisent suivant les mmes lignes.


2. C ALCUL APPROCH DES INTGRALES
7 ( 56.)
(a) Lingalit dmontrer est

1
t 1t
+
.
ta + (1 t)b a
b

En rduisant au mme dnominateur, on montre que cette ingalit est quivalente


t 1t
1
+
ta + (1 t)b a
b
ab (tb + (1 t)a)(ta + (1 t)b)

0 [t 2 + (1 t)2 1]ab + t(1 t)(b2 + a2 )

On vrifie ensuite aisment que le terme de droite nest autre que t(1 t)(a b)2 qui est bien positif
puisque les trois facteurs sont positifs.
bx
(b) Puisque a x b on a b x 0 ba
0. Dautre part,
x a x a b x b a
Prenant t =

bx
ba

bx
1.
ba

bx
dans (5.2) on obtient en tenant compte que (1 t) = 1 ba
=

xa
ba ,



bx
xa
bx
xa
f a.
+ b.
f (a)
+ f (b)
.
ba
ba
ba
ba

UNIV. JEANPAULCALVI . COM

/ 1

Le terme de droite est la formule dinterpolation de Lagrange pour L[a, b; f ](x) tandis que largument de
f dans le premier membre est gal x. On a donc montr
f (x) L[a, b; f ](x).
(c) On travaille avec les intervalles [1, 3/2] et [3/2, 2]. Lapproximation est donne par
1
1
( f (1) + 2 f (3/2)) + f (2)) = (1 + 4/3 + 1/2) = 17/24 0, 708.
4
4
(d) On abrge valeur exacte en VE et valeur approche en VA. Dans la mthode des trapzes combine
on a en utilisant une ingalit prouve ci-dessus
VE =

Z 2
1

f (x)dx =

Z ai+1
ai

f (x)dx

Z ai+1
ai

L[ai , ai+1 ; f ](x)dx = VA.

(e) Lerreur commise en subdivisant en n sous-intervalles est majore par


(b a)5
. sup f (4) .
2880 [a,b]
[T H 0]

ANALYSE NUMRIQUE

CALVI

127

2. C ALCUL APPROCH DES INTGRALES

Ici, b a = 1 et, puisque f (x) = 1/x, on a f 0 (x) = x2 , f (2) (x) = 2x3 , f (3) (x) = 6x4 et f (4) (x) =
24x5 do lon dduit




sup f (4) = 24.
[a,b]

Pour commettre une erreur infrieure ou gale 1010 il suffit de choisir n tel que
24
1010 .
2880n4
La plus petite valeur acceptable est n = 96. (La valeur trouve est en ralit trs pessimiste.)
8 ( 58)
(a) Daprs le cours, on a
|I A(n, f )|



1
(4)
sup
f

.
2880n4 [0,1]

Calculons les drives de f (x) = ex . On a f 0 (x) = 2x f (x) puis f 00 (x) = 2 f (x) + 4x2 f (x) = 2(1 + 2x2 ) f (x).
Ensuite f (3) (x) = 2(4x) f (x) + 2(1 + 2x2 )2x f (x) = (12x + 8x3 ) f (x). Finalement, f (4) = (12 + 24x2 ) f (x) +
(24x2 + 16x4 ) f (x) = (12 + 48x2 + 16x4 ) f (x). Il suit que




sup f (4) (12 + 48 + 16) e = 76 e.
[0,1]

Pour avoir la proprit demande il suffit donc davoir


1
76 e 103 .
2880n4
On vrifie immdiatement que n = 3 est la plus petite valeur de n satisfaisant la condition.
(b) Daprs le cours on
(
)
n1
n1
hn
2i + 1
A(n, f ) =
f (a) + f (b) + 2 f (a + ihn ) + 4 f (a +
hn )
6
2
i=1
i=0
o a = 0, b = 1 et hn =

ba
n .

UNIV. JEANPAULCALVI . COM

/ 1

De mme,
)
(
n1
n1
hn
2i + 1

A(n, f ) =
hn )
f (a) + f (b) + 2 f (a + ihn ) + 4 f (a +
6
2
i=1
i=0

do lon dduit

A(n,
 f ) An ( f ) =

n1
n1
hn
2i+1

6 ( f f )(a) + ( f f )(b) + 2 ( f f )(a + ihn ) + 4 ( f f )(a + 2 hn )


i=1

i=0

puis, en utilisant que la valeur absolue dune somme est majore par la somme des valeurs absolues
"
#
n1
n1

hn
A(n, f ) An ( f)
+ + 2 + 4 = (b a) =
6
i=1
i=0
(c) On a





I A(, f) |I A(, f )| + A(, f ) A(, f) 103 + .

fourni par la calculatrice est A(, f avec = 1012 . Le rsulat obtenu vrifie donc
(d) Le rsultat

I A(, f) 103 + 1012 . La perte de prcision de 1012 due au calcul est ngligeable devant lerreur
de 103 due la mthode.
[B. 2.0]

ANALYSE NUMRIQUE

[T H 0]

128

A NNEXE B. S OLUTION DES EXERCICES

9 ( 59.)
(a) Immdiat : il suffit de calculer
Z x

i+1
1
((ai + ai+1 )x2 + (bi + bi+1 )x + (ci + ci+1 ))dx .
2 xi
(b) On a en utilisant la troisime ligne sur le thorme sur lerreur entre le polynme dinterpolation
et la fonction interpole

R

xi+1
xi f (x)dx Qi ( f )
(
)
)
(


x
xRi+1
1 Ri+1

1
= 2
f (x) L[xi1 , xi , xi+1 ; f ](x)dx + 2
f (x) L[xi , xi+1 , xi+2 ; f ](x)dx


xi
xi

1
2

1
2

xRi+1
xi

| f (x) L[xi1 , xi , xi+1 ; f ](x)| dx + 21

sup
[xi1 ,xi+1 ]

Ci

| f (3) |

sup
[xi1 ,xi+2 ]

xRi+1

2Ci =

xi

| f (x) L[xi , xi+1 , xi+2 ; f ](x)| dx

|x xi1 ||x xi |dx + 12 sup | f (3) |

xi
| f (3) |

avec

xRi+1

[xi ,xi+2 ]

xZi+1

xZi+1

xi

xi

|x xi1 ||x xi |dx +

xRi+1
xi

|x xi ||x xi+1 |dx

|x xi ||x xi+1 |dx.

(c) Si f est un polynme de degr 2 alors L[xi1 , xi , xi+1 ; f ] = f . On en dduit facilement que Qi ( f ) =
f (x)dx. La mme relation vaut pour les premier et dernier termes de Q( f ) et lgalit demande
est alors consquence immdiate de la relation de Chasle pour les intgrales.
(d) Il suffit dadditionner les erreurs trouves dans la partie A) en prenant soin que les premier et dernier
termes de la somme sont diffrents (plus simples).
2 R xi+1
2 xi

UNIV. JEANPAULCALVI . COM

/ 1

3. S OLUTIONS APPROCHES DES QUATIONS


10 ( 78.)
x
(a) On a e x = 1 x = ex x ex = 0.
(b) La fonction f est (indfiniment) drivable sur R. On a f 0 (x) = 1 + ex > 1 > 0 (x R) donc f est
strictement croissante sur R. La fonction f est donc injective et lquation f (x) = 0 admet au plus une
solution. Comme f (0) = 1 < 0 et f (1) = 1 1e > 0, 5 > 0, daprs le thorme des valeurs intermdiaires,
f admet une racine (unique) dans ]0, 1[.
(c) On a f 00 (x) = ex < 0 donc la fonction est concave (sur R). Comme elle est aussi croissante, on
prendra donc comme point de dpart dans la suite de Newton, lextrmit gauche de lintervalle i.e. x0 = 0
(cfr lexercice 15 du dossier dexercices).
n)
(d) La suite de Newton est dfinie par x0 = 0 et xn+1 = xn ff0(x
(xn ) , n 0. On trouve x1 = 0, 5, x2 =
0, 56631... et x3 = 0, 56714....
(e) On a f (0, 5671) = 6, 78428E 05 < 0 et f (0, 56719) = 7, 32E 05 > 0 dont daprs le thorme
des valeurs intermdiaires, on a r ]0, 5671; 0, 56719[. Il suit que les quatre premire dcimales de r sont
bien 5671.
11 ( 77.)
(a) Considrons la fonction polynomiale f dfinie sur R par f (x) = x4 + 2x2 1. On a f 0 (x) = 4x3 +
4x > 0 pour x ]0, 1[. Donc f est strictement croissante sur [0, 1] et dfinit une bijecton de [0, 1] sur
f ([0, 1]) = [1, 2]. Puisque 0 [1, 2], il existe un et un seul r [0, 1] tel que f (r) = 0. Il est utile de noter
pour la suite que f 00 (x) = 12x2 + 4 > 0, donc f est convexe.
[T H 0]

ANALYSE NUMRIQUE

CALVI

129

3. S OLUTIONS APPROCHES DES QUATIONS

(b) f (0, 5) = 1/16 1/2 < 0 et f (1) = 2 > 0 donc r ]0, 5; 1[. Ensuite f (0, 75) = (3/4)4 + 18/16 1 >
0 et f (0, 5) < 0 donc r ]0, 5; 0, 75[.
(c) La fonction tant strictement croissante convexe, on est directement dans le cas dapplication du
thorme du cours et le point de dpart doit tre pris droite de la racine (faire un shma.) On prendra
donc x0 = 0, 75. La suite de newton est donne par la formule
xn+1 = xn

x4n + 2xn 1
f (xn )
=
x

.
n
f 0 (xn )
4x3n + 4xn

On trouve x1 = 0, 655... et x2 = 0, 6437....


(d) Comme prcdemment, on est directement dans le cas dapplication du thorme du cours et le
point de dpart doit tre pris gauche de la racine (faire un schma.) On prendra donc x0 = 0, 5. La suite
de la scante est donne par la formule
xn+1 =

xn f (0, 75) 0, 75 f (xn )


f (0, 75) f (xn )

On trouve x1 = 0, 624..., x2 = 0, 636... et x3 = 0, 6409....


(e) On sait (cours) que, f tant strictement croissante convexe, la suite de la scante crot vers r tandis
que la suite de Newton dcrot vers r. On a donc x0 x1 x2 x3 r x2 x1 x0 . En particulier
0, 6409... r 0, 647... de sorte que lapproximation de r avec deux dcimales exactes est 0, 64.
12 ( 86)
(a) La fonction f (x) = (x3 1)/3 ne laisse pas stable lintervalle [1, 2] (c-a-d f ([1, 2]) 6 [1, 2]) car
f (2) = 7/3 > 2) donc on ne peut pas lui appliquer le thorme du point fixe. On peut aussi remarquer que
max[1,2] | f 0 (x)| = max[1,2] |3x2 3| = 9 >> 1.
(b) Pour sassurer que f vrifie toutes les hypothses du thorme du point fixe, nous devons montrer
que f ([1, 2]) [1, 2] puis que f est une contraction sur [1, 2] ce que nous ferons en montrant que sa drive
est en valeur absolue borne par un nombre K < 1 sur [1, 2].
Voyons le premier point. On a
f 0 (x) = (1/3) 3 (3x + 1)2/3 > 0

sur [1, 2]

UNIV. JEANPAULCALVI . COM

/ 1

donc f est strictement croissante et dfinit une bijection de [1, 2] sur f ([1, 2]) = [ f (1), f (2)] = [41/3 ; 71/3 ].
Comme 41/3 1, 587 > 1 et 71/3 1, 913 < 2 on a bien f ([1, 2]) [1, 2].
Pour le second point, on remarque que
(3.1)

1 x 2 = 4 3x + 1 7

= 1/7 (3x + 1)1 1/4 = (1/7)2/3 f 0 (x) (1/4)2/3 .

Comme f 0 est positive, on a


max | f 0 (x)| = max f 0 (x) (1/4)2/3 0, 3968503 < 1.
[1,2]

[1,2]

Cela montre que f vrifie toutes les conditions du thorme du point fixe (de telle sorte que toute suite xn
dfinie par la x0 = a [1, 2] et xn+1 = f (xn ) (n 0) converge vers r).
(c) Montrons que si f (x0 ) > x0 alors (xn ) est croissante. Pour cela nous devons montrer que pour tout
n 0 on a xn+1 xn . Nous utilisons une dmonstration par rcurrence. Puisque f (x0 ) = x1 , lingalit est
vraie pour n = 0 par hypothse et cela donne linitialisation de la rcurrence. Pour lhrdit, supposant
que xn+1 > xn , nous montrons que xn+2 > xn+1 . La conclusion se dduit immdiatement de lhypothse de
rcurrence car f croissante et xn1 < xn entranent f (xn+1 ) < f (xn ) soit xn+2 < xn+1 . Le cas f (x0 ) < x0 se
traite de manire similaire. Les deux cas peuvent videmment se produire. Si x0 = 1 alors f (x0 ) = A1/3 >
1 = x0 et si x0 = 2 alors f (x0 ) = 71/3 < 2 = x0 .
[B. 3.0]

ANALYSE NUMRIQUE

[T H 0]

130

A NNEXE B. S OLUTION DES EXERCICES

(d) Le tableau ci-dessous donne les valeurs des suites xn lorsque x0 = 1 (suite croissante vers r) x0 = 2
(suite dcroissante vers r).

n=1
n=2
n=3
n=4
n=5

x0 = 1
1, 5874011
1, 7927904
1, 8545417
1, 8723251
1, 8773842

<r<
<r<
<r<
<r<
<r<

x0 = 2
1, 9129312
1, 8888351
1, 8820569
1, 8801413
1, 8795993

On en dduit que r = 1, 87 avec deux dcimales exactes. Naturellement, on aurait pu calculer une seule
suite et sassurer quon avait les bonnes dcimales en utilisant la mme ide que dans lexercice prcdent.
(e) La convergence des suites prcdentes est trs lente (daprs le cours, lerreur la k-ime itration
est majore par une constante multiplie par (1/0, 39)k ce qui donne une convergence peine plus rapide
que la dichotomie. Ici, posant simplement, g(x) = x3 3x 1, on avait g0 (x) = 3x2 3 > 0 sur ]1, 2]
et g00 (x) = 6x > 0 sur [1, 2], de sorte que la fonction tait strictement croissante convexe et on pouvait
appliquer la mthode de Newton avec x0 = 2 (on prend lextrmit suprieure : schma des 4 cas). De
manire prcise, on trouve les valeurs suivantes :
x0
2
x1 1, 8888889
x2 1, 8794516
La valeur x2 est en ralit prcise avec 3 dcimales.
Deux itrations suffisent donc obtenir le rsultat obtenu en 5 itrations avec la mthode prcdente.

4. R SOLUTION DES SYSTMES LINAIRES . M THODES DIRECTES


13 ( 99)
(a) Le systme se rsoud immdiatement par substitutions successives (de bas en haut) comme suit

UNIV. JEANPAULCALVI . COM

/ 1

x1
x2
...
xi
(4.1)
.
..

n2

x
n1

xn

=
=

c1 a13 x3 a12 x2
a11
c2 a24 x4 a23 x3
a22

ci ai,i+2 xi+2 ai,i+1 xi+1


aii

=
=
=

cn2 an2,n1 xn1 an2,n xn


an2,n2
cn1 an1,n xn
an1,n1
cn
ann

(b) Pour le nombre doprations


xk
k=n
k = n1
1 k n2

oprations
1 div.
1 soust., 1 mult., 1 div.
2 soust., 2 mult., 1 div

On a un total de
n2

N = 1 + 3 + 5 = 4 + 5(n 2) = 5n 6.
k=1

14 ( 100.)
[T H 0]

ANALYSE NUMRIQUE

CALVI

131

4. R SOLUTION DES SYSTMES LINAIRES . M THODES DIRECTES

(a)

a11
A(0) = a21
a31

a12
a22
a32

a13
a23 ,
a33

a12
a13
a21
a21
(a22 a11 a12 ) (a23 a11 a13 )
a12 ) (a33 aa31
a13 )
(a32 aa31
11
11

a11
(1)

A = 0
0

et

a11

0
A(2) =

a12
(1)
a22

a13
(1)
a23
(1)

(a33

(1)
a32
(1)
a22

(1)
a23 )

(b) On a

(0)

L1 A

Ensuite
L2 A(1)

1
a21

=
a11
31
aa11

0 0
a11
1 0 a21
0 1
a31

a11
a12
a13
a
a
a
= ( a1121 a11 + a21 ) ( a1121 a12 + a22 ) ( a1121 a13 + a23 = A(1)
a31
a31
a31
( a11 a11 + a31 ) ( a11 a12 + a32 ) ( a11 a13 + a33 )

1
0
0
a11 a12 a13
0

1
0
(1)
(1)
=
(1)

0 a22 (a23
a32
(1)
(1)
0 (1) 1
0 a32 a33
a22

a11
a12
a13
(1)
(1)
0

a22
a23
= A(2)
=
(1)
(1)

a32 (1)
a32 (1)
(1)
(1)
0 ( (1) a22 + a32 ) ( (1) a23 + a33 )

/ 1

a22

UNIV. JEANPAULCALVI . COM

a13
a23
a33

a12
a22
a32

a22

(c) On dduit de la question prcdente que A(2) = L2 A(1) = L2 L1 A(0) . Il suffit alors de prendre R = A(2)
car A(2) est triangulaire suprieure et L = (L2 L1 )1 car L2 et L1 sont triangulaires infrieures et le produit
de deux matrices triangulaires infrieures est encore une matrice triangulaire infrieure et enfin linverse
dune matrice triangulaire infrieure est encore triangulaire infrieure.
(d) Sous rserve que les divisions soient toujours possibles (ce nest videmment pas toujours le cas)
le mme procd peut-tre appliqu une matrice n n. Notant A(0) la matrice du systme de dpart,
lalgorithme de Gauss permet de construire une suite de matrices A(i) , i = 1 . . . , n 1 de telle sorte que
A(n1) soit triangulaire suprieure. On passe de A(i1) A(i) en multipliant par une matrice Li , A(i) =
Li A(i1) avec Li donne par

Idi1
0

1
0 0 0

a(i1)

i+1,i 1 0 0

a(i1)

i,i

a(i1)

i+2,i
Li =

(i1) 0 1
0

ai,i

.
..
..

.
. 0
.

(i1)

an,i
0

1
(i1)
ai,i

o Idi1 dsigne la matrice Identit de dimension i 1. Cette matrice est supprime dans le cas i = 1.
15 ( 101.)
(a) Les tapes (a) et (b) emploient 1() + 1() + 1() et elles sont rptes pour i = 2 jusqu i = n,
soit n 1 fois. Au total on a 3(n 1) op.
[B. 4.0]

ANALYSE NUMRIQUE

[T H 0]

132

A NNEXE B. S OLUTION DES EXERCICES

(b) On obtient en effectuant le produit

1
2 1

A=

c1
2 c1 + 2
3 2

0
c2
3 c2 + 3
..
.

c3
..
.
n1 n2

..

.
n1 cn2 + n1
n n1

cn1
n cn1 + n

On obtient la matrice demande en remarquant que daprs la dfinition de lalgorithme on a i i1 = bi


pour i = 2, . . . , n et i = ai i ci1 ai = i + i ci1 pour i = 2, . . . , n tandis que a1 = 1 .
(c) Ax = b (L.U)(x) = d L(Ux) = d (Ly = d et Ux = y).
(d)

x1 = d1


2 x1 + x2 = d2
x1 = d1

Ly = b
..
x
=
di i xi1 i = 2, . . . , n.

i
.

n xn1 + xn = dn
Le nombre N doprations est donn par N = (n 1).(1() + 1()) = 2(n 1).
(e)

1 x1 + c1 x2 = y1

(
2 x2 + c2 x3 = y2

xn = ynn
.
..

Ux = y
(y c xni+1 )

xni = ni ni
1 i n 1.

ni

x
+
c
x
=
y

n
n1
n1
n1
n1

n xn = yn
Le nombre N 0 doprations est donn par N 0 = 1() + (n 1).(1() + 1() + 1()) = 3n 2.
(f) On commence effectuer la dcomposition A = LU ce qui revient utiliser lalgorithme et donc
cote 3n 3 op. puis on rsout Ly = d pour 2n 2 op. et finalement on rsout Ux = y pour 3n 2 op. Au
total le nombre dop. est 8n 7.
16 ( 104.)
A)

UNIV. JEANPAULCALVI . COM

/ 1

l11
l21

L= .
..
ln1

0
l22
..
.
...

...
..

.
lnn1

l11

= T (L) = ..
.
0
lnn
0

l21
l22
..
.

...
l32
..
.

...

ln1

lnn1
lnn

La matrice T (L) est triangulaire suprieure. Puisque L est triangulaire, son dterminant est gal au produit
des coefficients sur la diagonale soit det(L) = l11 lnn .
B) En utilisant les proprits de la transpose rappeles dans lnonc, on a T (A) = T (LT (L)) =
T (T (L))T (L) = LT (L) = A.
C) A = LT (L) = det(A) = det(L) det(T (L)) mais puisque det(T (L)) = det L, on a det A = (det L)2 =
2
2 . Comme det A 6= 0 les l sont non nuls.
l11 lnn
kk
D) On a L0 T (L0 ) = LDT (LD) = LDT (D)T (L) = LD2 T (L) car puisque D est diagonale, T (D) = D.
Dautre part puisque D na que des 1 et des 1 sur sa diagonale, D2 = I et finalement L0 T (L0 ) = LT (L) =
A. Sous lhypothse H, on peut toujours crire A = L0 T (L0 ) avec L0 = (li0 j ) une matrice triangulaire
0 > 0 pour k = 1, . . . n. En effet partant de la matrice L donne par lhypothse
infrieure telle que lkk
H, daprs ce qui prcde, il suffit de prendre L0 = LD avec D = (di j ) la matrice diagonale telle que
dii = signe(lii ).
[T H 0]

ANALYSE NUMRIQUE

CALVI

133

4. R SOLUTION DES SYSTMES LINAIRES . M THODES DIRECTES

E) Ax = b (LT (L))(x) = b L(T (L)x) = b Ly = b et T (L)x = b. Chacun des deux


systmes se rsoud par substitutions successives en n2 oprations (voir cours). Au total if faut donc 2n2
oprations.
F) On a
n

(n k + 1)(k 1)

k=2

= n (k 1) (k 1)2
k=2
n1

k=2

n1

= n k k2
k=1

k=1

n(n 1) n(n 1)(2n 1)

= n
2
6
3n (2n 1)
n + 1 n(n2 1)
= n(n 1)
=
.
= n(n 1)
6 n
6n
6
G) Daprs lhypothse, pour j i, on a ai j = s=1 Lis T (L)s j = s=1 lis l js . Mais, comme L est trianj
lis l js .
gulaire infrieure, pour s > j on a l js = 0, il reste donc ai j = s=1
2
H) En particulier on a l11 = a11 puis l11 li1 = ai1 pour i = 2, . . . , n do lon dduit immdiatement les
formules demandes.
2 do, en sparant lindice s = k, a =
I) Daprs (G), en prenant i = j = k, on obtient akk = ks=1 lks
kk
q
2 + k1 l 2 , do lon dduit en utilisant la positivit de l la relation l =
lkk
s=1 ks
kk
kk

2
akk k1
s=1 lks .

J) Ici en employant (G) avec j = k on obtient aik = ks=1 lis lks . En sparant lindice s = k, il vient
k1
aik = lik lkk + s=1
lis lks do lon tire
lik =

aik k1
s=1 lis lks
lkk

(i = k + 1, . . . , n).

On remarque que la division par lkk est permise car il a t montr que lkk est non nul.
K) Correspondant la matrice

1 0 1
A = 0 1 0
1 0 2

UNIV. JEANPAULCALVI . COM

/ 1

On trouve

1
L = 0
1

0
1
0

0
0 .
1

L) Il y a n racines carres. Ensuite il y a n 1 divisions pour la premire colonne (k = 1) pouis n 2


pour la suivante (k = 2) etc. Au total on trouve nk=1 (n k) = n(n 1)/2 divisions.
M) Le calcul pour les additions-soustractions et les multiplications est presque identique. Nous nous
limitons au cas des additions-soustractions. Les additions-soustractions apparaissent partir de k = 2. le
calcul de lkk en emploie k 1 et celui de lik pour i k + 1 aussi k 1 au total le nombre est nk=2 (k
1)(nk + 1) le n k + 1 correspondant au nombre dindices i tel que i k. On trouve le rsultat demand
grce la question prliminaire darithmtique.
N) En ajoutant les oprations ncessaires au calcul de L puis celles ncessaires la rsolution des
systmes triangulaires (voir 2.2 (4)) on arrive un nombre dopration asymptotiquement gal n3 /3
contre 2n3 /3 pour la mthode de Gauss. La mthode de Cholesky est par consquent plus conomique
mais, bien sr, elle ne sapplique quaux matrices A vrifiant lhypothse H.

[B. 4.0]

ANALYSE NUMRIQUE

[T H 0]

Index
affine par morceaux (fonction), 18
algorithme de bissection, 51
Algorithme de Cholesky., 92
algorithme de dichotomie, 50, 51
algorithme de Gauss, 84, 85, 88, 90
algorithme de substitutions successives, 81
approximations successives, 50
coefficient dominant (dun polynme), 1
coefficients (dun polynme), 1
coefficients (dun systme linaire), 79
complexit (dun algorithme), 7
conditionnement, 111
continuit uniforme, 22
contractante (fonction), 63
contraction, 63
convergence uniforme, 16, 21, 22
cot (dun algorithme), 7, 82, 85
critre de Cauchy, 65, 107
degr (dun polynme), 1
diagonale dominante par colonnes (matrice ), 114
diagonale dominante par lignes (matrice ), 114
dichotomie (voir mthode de), 50

UNIV. JEANPAULCALVI . COM

/ 1

erreur darrondi, 9
fonction de Runge, 16
fonction interpole, 4
forme linaire, 35
formule dinterpolation de Lagrange, 4, 6
formule de Lagrange barycentrique, 26, 27
formule de Leibniz, 29
formule de Newton (pour lintgration approche), 44
formule de quadrature compose, 40
formule de quadrature, 35
formule de Simpson, vii, 25, 37, 39, 47
formule de Taylor, 38, 57, 68, 70, 121
formule du point milieu, 36, 47
formule du trapze, 37, 47
formules de Cramer, 3, 88
induite (norme matricielle), 101
interpolation de Lagrange, 4, 16, 19, 36
ingalit de Cauchy-Schwarz, 97
ingalit triangulaire, 96
Lagrange, 24
ligne (dun systme linaire), 79
matrice de Gauss-Seidel, 118
matrice de Hilbert, 87
matrice de Jacobi, 113

matrice tridiagonale, 90
module de continuit, 23
monme, 1
multiplicit (dune racine dun polynme), 1
mthode de la scante, 5961, 63, 70, 74
mthode de Newton, 53, 54, 63, 70
mthode de Simpson, 36, 45
mthode des cordes, 70
mthode des trapzes, 36
mthode du point milieu, 36
mthodes itratives, 96
Newton voir mthode de, 50
noeuds dinterpolation, 4
nombre de conditionnement, 111
norme de Frobenius, 115
norme matricielle, 101
norme sup, 97
norme, 96
ordre (dune formule de quadrature compose), 40
ordre (dune formule de quadrature), 35
ordre (dune matrice), 79
ordre (dune mthode dapproximation des solutions des
quations), 58
partie diagonale, 113
partie triangulaire infrieure, 113
partie triangulaire suprieure, 113
partition (associe une subdivision), 17
pivots de Gauss, 83
point fixe (voir mthode du), 50
points dinterpolation, 4, 11, 16
points de Chebyshev, 15, 16, 26
points quidistants, 7, 10, 11, 16, 17, 21
polyligne (et formule des trapzes composes), 41
polyligne, 18
polynme dinterpolation de Lagrange, 25, 26
polynme de Taylor, 53, 121
polynme fondamental de Lagrange, 4, 20, 35
polynme, 1
polynmes de Chebyshev, 26
quadratures de Chebyshev, 49
second membre (dun systme linaire), 79
seconde formule de Simpson, 44
seconde mthode de la scante, 71
sous-multiplicativit (dune norme matricielle), 101
stabilit, 9
subdivision de longueur d, 17
subordonne (norme), 110

134

135

I NDEX

substitutions successives, 81
suite de Gauss-Seidel, 119
suite de Jacobi, 114
suite gomtrique (matricielle), 107
support (des bases bi de polyligne), 22
systme approch, 111
systme rgulier, 80
systmes linaires, 78
systmes triangulaires, 81
scante (voir mthode de la), 50
srie gomtrique (matricielle), 108
thorme de Heine, 23
thorme de Rolle, 14, 48, 121
thorme des accroissements finis, 13, 20, 61, 63
thorme des valeurs intermdiaires, 38, 51, 64
valeurs dinterpolation, 4, 11
valeurs interpoles, 4
vecteur de Gauss-Seidel, 118
vecteur de Jacobi, 113
vecteur inconnu, 79
vecteur second membre, 79
vecteur solution, 79

UNIV. JEANPAULCALVI . COM

/ 1

cart (dune subdivision), 17


quation matricielle, 79
quivalence (de deux suites), 8

[B. 4.0]

ANALYSE NUMRIQUE

[T H 0]

136

UNIV. JEANPAULCALVI . COM

/ 1

I NDEX

[T H 0]

ANALYSE NUMRIQUE

CALVI

Hardy, G. H. (1952), A course of pure mathematics, Cambridge University Press, Cambridge. Dixime dition
(premire dition, 1908). 49

Bibliographie
Berrut, J.-P. and Trefethen, L. N. (2004), Barycentric
Lagrange interpolation, SIAM Rev. 46(3), 501517
(electronic).
URL: http ://dx.doi.org/10.1137/S0036144502417715
33
Criscuolo, G., Mastroianni, G. and Occorsio, D. (1990),
Convergence of extended Lagrange interpolation,
Math. Comp. 55(191), 197212.
URL: http ://dx.doi.org/10.2307/2008800 33
Crouzeix, M. and Mignot, A. L. (1984), Analyse numrique des quations diffrentielles, Masson, Paris.
Davis, P. J. (1975), Interpolation and approximation, Dover Publications Inc., New York. Republication, with
minor corrections, of the 1963 original, with a new preface and bibliography. 49

Higham, N. J. (2002), Accuracy and stability of numerical algorithms, second edn, Society for Industrial and
Applied Mathematics (SIAM), Philadelphia, PA.
URL: http ://dx.doi.org/10.1137/1.9780898718027
120
Isaacson, E. and Keller, H. B. (1994), Analysis of numerical methods, Dover Publications Inc., New York.
Corrected reprint of the 1966 original [Wiley, New
York ; MR0201039 (34 #924)]. 77
Krylov, V. I. (1962), Approximate calculation of integrals,
Translated by Arthur H. Stroud, The Macmillan Co.,
New York. Reprinted by Dover. 49
Paterson, A. (1991), Differential equations and numerical
analysis, Cambridge university press, Cambridge. 49
Quarteroni, A., Sacco, R. and Salai, F. (1998), Matematica Numerica, Springer-Verlag, Milano.
Ralston, A. and Rabinowitz, P. (2001), A first course in
numerical analysis, second edn, Dover Publications
Inc., Mineola, NY. 33, 77

Dieudonn, J. (1968), Calcul infinitsimal, Hermann, Paris. 77

Sibony, M. and R., J. C. M. (1982), Analyse numrique (2


tomes), Hermann, Paris.

UNIV. JEANPAULCALVI . COM

/ 1

Dmidovitch, B. and Maron, I. R. (1979), Elments de


calcul numrique, Mir, Moscou. Traduit du russe. 33,
49

137

Vous aimerez peut-être aussi