Analyse Numerique Pour in 2

Andr
Fortin
Analyse
numrique
pour ingnieurs
Quatrime dition
Extrait de la publication
Andr
Fortin
Professeur
lUniversit
Laval
Analyse
numrique
pour ingnieurs
Quatrime dition
Presses internationales
P o ly t e c h n i q u e
Analyse numrique pour ingnieurs, quatrime dition
Andr Fortin
Couverture : Cyclone Design
Pour connatre nos distributeurs et nos points de vente, veuillez consulter notre site Web
ladresse suivante : www.polymtl.ca/pub
Courriel des Presses internationales Polytechnique : pip@polymtl.ca
Nous reconnaissons laide financire du gouvernement du Canada par lentremise du Fonds

du livre du Canada pour nos activits ddition.
Gouvernement du Qubec Programme de crdit dimpt pour ldition de livres

Gestion SODEC.
Tous droits rservs

Presses internationales Polytechnique, 2011
On ne peut reproduire ni diffuser aucune partie du prsent ouvrage, sous quelque forme
ou par quelque procd que ce soit, sans avoir obtenu au pralable lautorisation crite
de lditeur.
Dpt lgal : 4e trimestre 2011 ISBN 978-2-553-01622-6 (version imprime)

Bibliothque et Archives nationales du Qubec ISBN 978-2-553-01624-0 (version pdf)
Bibliothque et Archives Canada Imprim au Canada
mon pouse Marie
et mes ls Michel
et Jean-Philippe
Une pense spciale

pour mon pre et
pour Line et Marc
ainsi que pour ma mre
qui nous a quitts
Avant-propos la
quatrime dition
Lanalyse numrique et les mthodes numriques en gnral poursuivent

leur essor considrable amor depuis plusieurs annes. La vaste majorit des
facults de gnie orent au moins un cours dintroduction cette discipline,
suivi trs souvent dun second cours plus avanc.
Ce manuel rete mon exprience comme professeur danalyse numrique
aux ingnieurs, dabord lcole Polytechnique de Montral et, par la suite,
lUniversit Laval Qubec. Chaque anne, plus de 500 tudiants de ces deux
institutions suivent un tel cours qui propose un survol des principales mthodes
numriques lmentaires et couvre plus particulirement les sujets suivants :
analyse derreurs ;
racines dune quation algbrique ;
systmes dquations linaires et non linaires ;
mthodes itratives et systmes dynamiques ;
interpolation ;
direntiation et intgration numriques ;
quations direntielles ordinaires.
Lapproche pdagogique de ce manuel repose toujours sur une comprhen-
sion profonde des mthodes plutt que sur laspect calculatoire. Cela signie
que les exemples choisis cherchent avant tout illustrer dirents aspects des
mthodes et souligner leurs avantages et leurs inconvnients. Cette approche
est justie en partie par le fait que de plus en plus dingnieurs utilisent
des outils logiciels commerciaux. Lobjectif de ce manuel est donc de faire des
tudiants des utilisateurs intelligents, en ce sens quils sauront exactement
quoi sattendre de chaque mthode et quils seront en mesure de valider leurs
rsultats.
Le prix francophone du livre et de la technologie, ou prix Roberval, dcern
par lUniversit de Compigne en France, est venu rcompenser mes eorts
en 1996. Ce fut une belle rcompense, mais il demeure que rien ne vaut les
commentaires des principaux intresss, les tudiants. Bien entendu, on ne
peut plaire tous, et cet ouvrage ne fait pas exception, mais jai quand mme
senti un accueil largement favorable. Cest un encouragement poursuivre le
travail entrepris, amliorer la prsentation et rechercher dautres exemples
et applications.
Cest encore le but vis par cette quatrime dition qui ne contient pas
de modications majeures par rapport la troisime. Quelques sections ont
t rcrites, dans lespoir den amliorer la prsentation et den faciliter la
v
vi Avant-propos
comprhension. Cest le cas notamment pour la section sur la transforme de

Fourier rapide et celle sur la mthode de Runge-Kutta-Fehlberg. Jai modi la
numrotation des dnitions, exemples, remarques, etc. Ainsi, la remarque 1.2
prcdera lexemple 1.3 et suivra forcment la dnition 1.1. Le lecteur devrait
sy retrouver plus facilement dans le texte.
Certains exercices plus labors sont maintenant identis par le symbole
et ncessitent lemploi de lordinateur. Pour rsoudre ces exercices, la plu-
part des mthodes dcrites sont disponibles sous forme de programmes en
langage Matlab ladresse Internet suivante :
www.giref.ulaval.ca/afortin/
Ces programmes constituent un complment fort utile pour explorer les possi-
bilits et limites des direntes mthodes prsentes. Laide en ligne permettra
au lecteur de reprendre certains des exemples dcrits dans ce manuel et ainsi
de sinitier lutilisation des direntes mthodes qui y sont dcrites. On peut
galement sen servir comme outil pour dventuels travaux pratiques en labo-
ratoire ou pour des devoirs.
En terminant, jaimerais remercier toutes les personnes qui ont contribu
la ralisation de ce manuel. Mme Carole Burney-Vincent, M. Gilles Savard M.
et M. Robert Roy de lcole Polytechnique de Montral ont patiemment lu et
comment plusieurs chapitres de la premire dition.
Plusieurs personnes ont contribu de prs ou de loin aux ditions subs-
quentes. lUniversit Laval, M. Michel Fortin ma fortement incit inclure
de nouvelles sections, notamment sur les NURBS, tandis que messieurs Roger
Pierre et Jos Urquiza ont eu la patience de relire et de commenter plusieurs
des nouveaux ajouts. Je note aussi la contribution de M. Robert Gunette qui
ma propos quelques nouveaux sujets ainsi que de nombreux exercices.
Enn, je ne peux passer sous silence lappui inconditionnel de mon pouse
Marie et de mes ls Michel et Jean-Philippe qui ont d, entre autres choses,
subir mes absences frquentes lors de la rdaction et de la mise en pages nale
de cet ouvrage. Lorsque jen ai commenc la rdaction, je ne me serais jamais
dout que mes deux ls auraient lutiliser eux-mmes dans lun de leurs
cours...
Que chacun et chacune veuillent bien trouver ici lexpression de ma plus
profonde reconnaissance.
Andr Fortin
Table des matires
1 Analyse derreurs 1
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Erreurs de modlisation . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Reprsentation des nombres sur ordinateur . . . . . . . . . . . . 7
1.3.1 Reprsentation des entiers signs . . . . . . . . . . . . . 9
1.3.2 Reprsentation des nombres rels . . . . . . . . . . . . . 11
1.3.3 Erreurs dues la reprsentation . . . . . . . . . . . . . 12
1.4 Norme IEEE-754 . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.4.1 Exceptions . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.4.2 Nombres non normaliss . . . . . . . . . . . . . . . . . . 17
1.5 Arithmtique ottante . . . . . . . . . . . . . . . . . . . . . . . 18
1.5.1 Oprations lmentaires . . . . . . . . . . . . . . . . . . 19
1.5.2 Oprations risques . . . . . . . . . . . . . . . . . . . . . 22
1.5.3 valuation des polynmes . . . . . . . . . . . . . . . . . 26
1.6 Erreurs de troncature . . . . . . . . . . . . . . . . . . . . . . . . 27
1.6.1 Dveloppement de Taylor en une variable . . . . . . . . 28
1.6.2 Dveloppement de Taylor en plusieurs variables . . . . . 34
1.6.3 Propagation derreurs dans le cas gnral . . . . . . . . 35
1.7 valuation de la fonction ex . . . . . . . . . . . . . . . . . . . . 38
1.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
2 quations non linaires 49

2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
2.2 Mthode de la bissection . . . . . . . . . . . . . . . . . . . . . . 50
2.3 Mthodes des points xes . . . . . . . . . . . . . . . . . . . . . 54
2.3.1 Convergence de la mthode des points xes . . . . . . . 58
2.3.2 Interprtation gomtrique . . . . . . . . . . . . . . . . 62
2.3.3 Extrapolation dAitken . . . . . . . . . . . . . . . . . . . 65
2.4 Mthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . 67
2.4.1 Interprtation gomtrique . . . . . . . . . . . . . . . . 69
2.4.2 Analyse de convergence . . . . . . . . . . . . . . . . . . 69
2.4.3 Cas des racines multiples . . . . . . . . . . . . . . . . . 73
2.5 Mthode de la scante . . . . . . . . . . . . . . . . . . . . . . . 77
2.6 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
2.6.1 Modes de vibration dune poutre . . . . . . . . . . . . . 81
2.6.2 Premier modle de viscosit . . . . . . . . . . . . . . . . 83
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
vii
viii Table des matires
3 Systmes dquations algbriques 95

3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.2 Systmes linaires . . . . . . . . . . . . . . . . . . . . . . . . . . 95
3.3 Oprations lmentaires sur les lignes . . . . . . . . . . . . . . . 100
3.3.1 Multiplication dune ligne par un scalaire . . . . . . . . 101
3.3.2 Permutation de deux lignes . . . . . . . . . . . . . . . . 102
3.3.3 Opration (li li + lj ) . . . . . . . . . . . . . . . . . . 103
3.4 limination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . 104
3.5 Dcomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . 108
3.5.1 Principe de la mthode . . . . . . . . . . . . . . . . . . 108
3.5.2 Dcomposition de Crout . . . . . . . . . . . . . . . . . . 109
3.5.3 Dcomposition LU et permutation de lignes . . . . . . . 115
3.5.4 Factorisation de Choleski . . . . . . . . . . . . . . . . . 119
3.5.5 Les systmes tridiagonaux . . . . . . . . . . . . . . . . . 122
3.6 Calcul de la matrice inverse A1 . . . . . . . . . . . . . . . . . 124
3.7 Eets de larithmtique ottante . . . . . . . . . . . . . . . . . 127
3.8 Conditionnement dune matrice . . . . . . . . . . . . . . . . . . 132
3.9 Systmes non linaires . . . . . . . . . . . . . . . . . . . . . . . 142
3.10 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 149
3.10.1 Calcul des tensions dans une ferme . . . . . . . . . . . . 149
3.10.2 Deuxime modle de viscosit . . . . . . . . . . . . . . . 152
3.10.3 Rseau de distribution deau . . . . . . . . . . . . . . . 154
3.11 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
4 Mthodes itratives et systmes dynamiques discrets 167

4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 167
4.2 Application quadratique . . . . . . . . . . . . . . . . . . . . . . 167
4.3 Mthodes des points xes : cas complexe . . . . . . . . . . . . . 176
4.4 Rappels sur les valeurs et vecteurs propres . . . . . . . . . . . . 181
4.4.1 Mthode des puissances . . . . . . . . . . . . . . . . . . 183
4.4.2 Mthode des puissances inverses . . . . . . . . . . . . . 186
4.5 Mthodes des points xes en dimension n . . . . . . . . . . . . 187
4.6 Mthodes itratives pour les systmes linaires . . . . . . . . . 195
4.6.1 Mthode de Jacobi . . . . . . . . . . . . . . . . . . . . . 197
4.6.2 Mthode de Gauss-Seidel . . . . . . . . . . . . . . . . . 202
4.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 205
5 Interpolation 207
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207
5.2 Matrice de Vandermonde . . . . . . . . . . . . . . . . . . . . . . 209
5.3 Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . 210
5.4 Polynme de Newton . . . . . . . . . . . . . . . . . . . . . . . . 214
5.5 Erreur dinterpolation . . . . . . . . . . . . . . . . . . . . . . . 221
5.6 Splines cubiques . . . . . . . . . . . . . . . . . . . . . . . . . . 229
5.6.1 Courbes de la forme y = f (x) . . . . . . . . . . . . . . . 230
5.6.2 Splines paramtres . . . . . . . . . . . . . . . . . . . . 238
5.7 Krigeage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242
5.7.1 Eet ppite . . . . . . . . . . . . . . . . . . . . . . . . . 249
5.7.2 Courbes paramtres . . . . . . . . . . . . . . . . . . . . 253
Table des matires ix
5.7.3 Cas multidimensionnel . . . . . . . . . . . . . . . . . . . 256

5.8 Transforme de Fourier discrte . . . . . . . . . . . . . . . . . . 258
5.9 Introduction aux NURBS . . . . . . . . . . . . . . . . . . . . . 270
5.9.1 B-splines . . . . . . . . . . . . . . . . . . . . . . . . . . 270
5.9.2 Gnration de courbes . . . . . . . . . . . . . . . . . . . 276
5.9.3 B-splines rationnelles non uniformes . . . . . . . . . . . 276
5.9.4 Construction des coniques . . . . . . . . . . . . . . . . . 278
5.9.5 Construction des surfaces . . . . . . . . . . . . . . . . . 280
5.10 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 282
6 Direntiation et intgration numriques 291

6.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
6.2 Direntiation numrique . . . . . . . . . . . . . . . . . . . . . 291
6.2.1 Drives dordre 1 . . . . . . . . . . . . . . . . . . . . . 292
6.2.2 Drives dordre suprieur . . . . . . . . . . . . . . . . . 298
6.3 Extrapolation de Richardson . . . . . . . . . . . . . . . . . . . 302
6.4 Intgration numrique . . . . . . . . . . . . . . . . . . . . . . . 304
6.4.1 Formules de Newton-Cotes simples et composes . . . . 304
6.4.2 Mthode de Romberg . . . . . . . . . . . . . . . . . . . 319
6.4.3 Quadratures de Gauss-Legendre . . . . . . . . . . . . . . 322
6.4.4 Intgration laide des splines . . . . . . . . . . . . . . . 330
6.5 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 332
6.5.1 Courbe des puissances classes . . . . . . . . . . . . . . 332
6.5.2 Puissance lectrique dun ordinateur . . . . . . . . . . . 332
6.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 334
7 quations direntielles 341

7.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 341
7.2 Mthode dEuler explicite . . . . . . . . . . . . . . . . . . . . . 343
7.3 Mthodes de Taylor . . . . . . . . . . . . . . . . . . . . . . . . 350
7.4 Mthodes de Runge-Kutta . . . . . . . . . . . . . . . . . . . . . 354
7.4.1 Mthodes de Runge-Kutta dordre 2 . . . . . . . . . . . 354
7.4.2 Mthode de Runge-Kutta dordre 4 . . . . . . . . . . . . 357
7.4.3 Contrle de lerreur . . . . . . . . . . . . . . . . . . . . . 360
7.5 Mthodes pas multiples . . . . . . . . . . . . . . . . . . . . . 363
7.6 Systmes dquations direntielles . . . . . . . . . . . . . . . . 370
7.7 quations dordre suprieur . . . . . . . . . . . . . . . . . . . . 373
7.8 Stabilit absolue . . . . . . . . . . . . . . . . . . . . . . . . . . 375
7.8.1 Quelques mots sur les mthodes implicites . . . . . . . . 380
7.9 Mthodes de tir . . . . . . . . . . . . . . . . . . . . . . . . . . . 384
7.9.1 quations linaires . . . . . . . . . . . . . . . . . . . . . 384
7.9.2 quations non linaires . . . . . . . . . . . . . . . . . . 394
7.10 Mthodes des dirences nies . . . . . . . . . . . . . . . . . . 397
7.11 Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 401
7.11.1 Problme du pendule . . . . . . . . . . . . . . . . . . . . 401
7.11.2 Systmes de masses et de ressorts . . . . . . . . . . . . . 405
7.11.3 Attracteur trange de Lorenz . . . . . . . . . . . . . . . 408
7.11.4 D du golfeur . . . . . . . . . . . . . . . . . . . . . . . 411
7.12 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 416
x Table des matires
Rponses aux exercices du chapitre 1 . . . . . . . . . . . . . . . . . . 425

Chapitre 1
Analyse derreurs
1.1 Introduction
Les cours traditionnels de mathmatiques nous familiarisent avec des tho-
ries et des mthodes qui permettent de rsoudre de faon analytique un cer-
tain nombre de problmes. Cest le cas notamment des techniques dintgra-
tion et de rsolution dquations algbriques ou direntielles. Bien que lon
puisse proposer plusieurs mthodes pour rsoudre un problme donn, celles-ci
conduisent un mme rsultat, normalement exempt derreur.
Cest ici que lanalyse numrique se distingue des autres champs plus clas-
siques des mathmatiques. En eet, pour un problme donn, il est possible
dutiliser plusieurs techniques de rsolution qui rsultent en dirents algo-
rithmes. 1 Ces algorithmes dpendent de certains paramtres qui inuent sur
la prcision du rsultat. De plus, on utilise en cours de calcul des approxima-
tions plus ou moins prcises. Par exemple, on peut remplacer une drive par
une dirence nie de faon transformer une quation direntielle en une
quation algbrique. Le rsultat nal et son ordre de prcision dpendent des
choix que lon fait.
Une partie importante de lanalyse numrique consiste donc contenir les
eets des erreurs ainsi introduites, qui proviennent de trois sources principales :
les erreurs de modlisation ;
les erreurs de reprsentation sur ordinateur ;
les erreurs de troncature.
Les erreurs de modlisation, comme leur nom lindique, proviennent de
ltape de mathmatisation du phnomne physique auquel on sintresse.
Cette tape consiste faire ressortir les causes les plus dterminantes du ph-
nomne observ et les mettre sous forme dquations (direntielles le plus
souvent). Si le phnomne observ est trs complexe, il faut simplier et n-
gliger ses composantes qui paraissent moins importantes ou qui rendent la
rsolution numrique trop dicile. Cest ce que lon appelle les erreurs de mo-
dlisation.
La deuxime catgorie derreurs est lie lutilisation de lordinateur. En
eet, la reprsentation sur ordinateur (gnralement binaire) des nombres
e
1. Le mot algorithme vient du mathmaticien arabe Al-Khuwarizm (VIII sicle aprs
J.-C.) qui fut lun des premiers utiliser une squence de calculs simples pour rsoudre
certaines quations quadratiques. Il est lun des pionniers de lal-jabr (lalgbre).
2 Chapitre 1
introduit souvent des erreurs. Mme inmes au dpart, ces erreurs peuvent
saccumuler lorsquon eectue un trs grand nombre doprations. Par exemple,
la fraction 31 na pas de reprsentation binaire nie, pas plus quelle ne possde
de reprsentation dcimale nie. On ne pourra donc pas reprsenter exactement
cette fraction, ce qui introduit une erreur. Ces erreurs se propagent au l des
calculs et peuvent compromettre la prcision des rsultats.
Enn, les erreurs de troncature proviennent principalement de lutilisation
du dveloppement de Taylor, qui permet par exemple de remplacer une qua-
tion direntielle par une quation algbrique. Le dveloppement de Taylor est
le principal outil mathmatique du numricien. Il est primordial den matriser
lnonc et ses consquences.
Ce chapitre traite donc principalement derreurs numriques, et non des
invitables erreurs de programmation qui font, hlas, partie du quotidien du
numricien. Il devrait permettre au lecteur de mieux grer les erreurs au sein
des processus numriques an dtre en mesure de mieux interprter les rsul-
tats. Introduisons dabord un peu de terminologie qui nous permettra ven-
tuellement de quantier les erreurs.
Dnition 1.1
Soit x, un nombre, et x , une approximation de ce nombre. Lerreur absolue
est dnie par :
x = |x x | (1.1)
Dnition 1.2
Soit x, un nombre, et x , une approximation de ce nombre. Lerreur relative
est dnie par :
|x x | x x
Er (x ) = = (1.2)
|x| |x| |x |
De plus, en multipliant par 100 %, on obtient lerreur relative en pourcentage.
En pratique, il est dicile dvaluer les erreurs absolue et relative, car on

ne connat gnralement pas la valeur exacte de x et lon na que x . Cest
pourquoi on utilise lapproximation x/|x | pour lerreur relative. Dans le
cas de quantits mesures exprimentalement dont on ne connat que la valeur
approximative, on dispose souvent dune borne suprieure pour lerreur absolue
qui dpend de la prcision des instruments de mesure utiliss. Cette borne est
quand mme appele erreur absolue, alors quen fait on a :
|x x | x
ce qui peut galement scrire :
x x x x + x (1.3)
et que lon note parfois x = x x. On peut interprter ce rsultat en disant
que lon a estim la valeur exacte x partir de x avec une incertitude de x
de part et dautre.
Analyse derreurs 3
Lerreur absolue donne une mesure quantitative de lerreur commise et

lerreur relative en mesure limportance. Par exemple, si lon fait usage dun
chronomtre dont la prcision est de lordre du dixime de seconde, lerreur ab-
solue est borne par 0,1 s. Mais est-ce une erreur importante ? Dans le contexte
dun marathon dune dure approximative de 2 h 20 min, lerreur relative lie
au chronomtrage est trs faible :
0,1
= 0,000 0119
2 60 60 + 20 60
et ne devrait pas avoir de consquence sur le classement des coureurs. Par
contre, sil sagit dune course de 100 m dune dure denviron 10 s, lerreur
relative est beaucoup plus importante :
0,1
= 0,01
10,0
soit 1 % du temps de course. Avec une telle erreur, on ne pourra vraisemblable-
ment pas distinguer le premier du dernier coureur. Cela nous amne parler
de prcision et de chires signicatifs au sens de la dnition suivante.
Dnition 1.3
Si lerreur absolue vrie :
x 0,5 10m
alors le chire correspondant la me puissance de 10 est dit signicatif et

tous ceux sa gauche, correspondant aux puissances de 10 suprieures m,
le sont aussi. On arrte le compte au dernier chire non nul. Il existe une
exception la rgle. Si le chire correspondant la me puissance de 10 est nul
ainsi que tous ceux sa gauche, on dit quil ny a aucun chire signicatif.
Inversement, si un nombre est donn avec n chires signicatifs, on commence
compter partir du premier chire non nul gauche et lerreur absolue
est infrieure 0,5 fois la puissance de 10 correspondant au dernier chire
signicatif.
Remarque 1.4
En pratique, on cherchera dterminer une borne pour x aussi petite que
possible et donc la valeur de m la plus petite possible.
Exemple 1.5
22
On obtient une approximation de (x = ) au moyen de la quantit 7
(x = 22
7 = 3,142 857 ). On en conclut que :

22

x = = 0,001 26 0,126 102
7
Puisque lerreur absolue est plus petite que 0,5 102 , le chire des centimes
est signicatif et on a en tout 3 chires signicatifs (3,14).
4 Chapitre 1
Exemple 1.6
Si lon retient 3,1416 comme approximation de , on a :
x = | 3,1416| 0,73 105
et lerreur absolue est infrieure 0,5 104 . Le chire correspondant cette

puissance de 10 (6) est signicatif au sens de la dnition, ainsi que tous les
chires situs sa gauche. Il est remarquer que le chire 6 dans 3,1416
est signicatif mme si la quatrime dcimale de est un 5 (3,141 59 ).
Lapproximation 3,1416 possde donc 5 chires signicatifs.
Exemple 1.7
On a mesur le poids dune personne et trouv 90,567 kg. On vous assure
que lappareil utilis est susamment prcis pour que tous les chires fournis
soient signicatifs. En vertu de la remarque prcdente, puisque le dernier
chire signicatif correspond aux millimes (milligrammes), cela signie que :
x 0,5 103 kg
En pratique, on conclut que x = 0,5 103 kg.
1.2 Erreurs de modlisation

La premire tape de la rsolution dun problme, et peut-tre la plus d-
licate, consiste modliser le phnomne observ. Il sagit en gros didentier
tous les facteurs internes et externes qui inuent (ou que lon souponne din-
uer) sur les rsultats. Dans le cas dun phnomne physique, on fait linven-
taire des forces en prsence : gravitationnelle, de friction, lectrique, etc. On
a par la suite recours aux lois de conservation de la masse, de lnergie, de la
quantit de mouvement et dautres principes mathmatiques pour traduire
linuence de ces dirents facteurs sous forme dquations. Le plus souvent,
on obtient des quations direntielles ou aux drives partielles.
Leort de modlisation produit en gnral des systmes dquations com-
plexes qui comprennent un grand nombre de variables inconnues. Pour russir
les rsoudre, il faut simplier certaines composantes et ngliger les moins
importantes. On fait alors une premire erreur de modlisation.
De plus, mme bien dcompos, un phnomne physique peut tre dicile
mettre sous forme dquations. On introduit alors un modle qui dcrit au
mieux son inuence, mais qui demeure une approximation de la ralit. On
commet alors une deuxime erreur de modlisation. Illustrons cette dmarche
laide dun exemple.
Analyse derreurs 5
(t)
l
Figure 1.1 Problme du pendule
Exemple 1.8
Le problme du pendule est connu depuis trs longtemps (voir par exemple
Simmons, rf. [33]). Une masse m est suspendue une corde de longueur l
(g. 1.1). Au temps t = 0, on suppose que langle (0) entre la corde et la
verticale est 0 et que sa vitesse angulaire (0) est 0 . Les forces en prsence
sont, dune part, la gravit agissant sur la masse et la corde et, dautre part,
la friction de lair agissant sur tout le systme.
Suivant la deuxime loi de Newton, la force due lacclration tangentielle
ml (t) est quilibre par la composante tangentielle de lacclration gravita-
tionnelle mg sin((t)) et par la force de friction Ff qui soppose au mouvement.
On a alors :
ml (t) = mg sin((t)) Ff
Pour connatre comment se comporte la force de friction Ff en fonction de (t),
il faut recourir des mesures exprimentales, qui dmontrent que la friction
est peu prs proportionnelle la vitesse l (t) avec un coecient de propor-
tionnalit cf . Il est important de remarquer que cette loi est approximative et
que le coecient cf est obtenu avec une prcision limite. Tout cela entrane
des erreurs de modlisation.
On obtient une quation direntielle du second ordre :

cf (t) g sin((t))
(t) =
m l (1.4)

(0) = 0

(0) = 0
Lquation direntielle 1.4 est non linaire et lon dmontre quelle ne possde
pas de solution analytique simple.
Une brve analyse montre quil est raisonnable de ngliger la friction de
lair, car les vitesses de mouvement sont faibles. Il sagit encore dune erreur de
modlisation, qui parat acceptable cette tape de lanalyse. Si les rsultats
se rvlent insatisfaisants, il faudra revenir en arrire et identier, parmi les
Chapitre 2
quations non linaires
2.1 Introduction
Le numricien est souvent confront la rsolution dquations algbriques
de la forme :
f (x) = 0 (2.1)
et ce, dans toutes sortes de contextes. Introduisons ds maintenant la termi-
nologie qui nous sera utile pour traiter ce problme.
Dnition 2.1
Une valeur de x solution de f (x) = 0 est appele une racine ou un zro de
la fonction f (x) et est note r.
Nous avons tous appris au secondaire comment rsoudre lquation du second

degr :
ax2 + bx + c = 0
dont les deux racines sont :

b b2 4ac
2a
Certains ont galement vu comment calculer les racines dune quation du
troisime ordre et se souviennent que la formule est beaucoup plus complexe.
On peut aussi obtenir une formule gnrale pour le quatrime degr. Par contre,
on ignore souvent quil nexiste pas de formule permettant de trouver les racines
des polynmes de degr plus grand ou gal 5. Non pas que les mathmaticiens
ne laient pas encore trouve, mais Abel 1 et par la suite Galois 2 ont dmontr
que cette formule nexiste pas.
Puisquil nexiste pas de formule gnrale pour des fonctions aussi simples
que des polynmes, il est peu probable que lon puisse rsoudre analytiquement
lquation 2.1 dans tous les cas qui nous intressent. Il faudra donc recourir aux
1. Le mathmaticien norvgien Niels Henrik Abel (1802-1829) fut lorigine de la pre-
mire dmonstration de cet important rsultat.
2. Le mathmaticien variste Galois (1811-1832) fut tu dans un duel lge de 21 ans,
non sans avoir eu le temps dapporter une contribution considrable la thorie des groupes.
50 Chapitre 2
mthodes numriques. Dans ce qui suit, nous prsentons plusieurs techniques de

rsolution, chacune ayant ses avantages et ses inconvnients. Nous tcherons
de les mettre en vidence de faon tirer le meilleur parti de chacune des
mthodes proposes.
Il faudra galement se souvenir des enseignements du chapitre prcdent
pour viter de dvelopper des algorithmes numriquement instables.
2.2 Mthode de la bissection

La mthode de la bissection repose sur une ide toute simple : en gnral,
de part et dautre dune solution de lquation 2.1, une fonction continue f (x)
change de signe et passe du positif au ngatif ou vice versa (g. 2.1). De toute
vidence, ce nest pas toujours le cas puisque la fonction f (x) peut aussi tre
tangente laxe des x Nous reviendrons plus loin sur ces situations particulires
(g. 2.2).
Supposons pour linstant quil y ait eectivement un changement de signe
autour dune racine r de f (x). Nous nous occuperons des cas pathologiques
un peu plus tard. Soit [x1 , x2 ], un intervalle ayant un changement de signe,
cest--dire :
f (x1 ) f (x2 ) < 0 (2.2)
On pose alors :
x1 + x2
xm =
2
qui est bien sr le point milieu de lintervalle. Il sut alors de dterminer, entre
les intervalles [x1 , xm ] et [xm , x2 ], celui qui possde encore un changement
de signe. La racine se trouvera forcment dans cet intervalle. la premire
itration de la gure 2.1, ce serait lintervalle [xm , x2 ], tandis qu la deuxime
itration ce serait [x1 , xm ]. Cela nous amne lalgorithme suivant.
Algorithme 2.2 : Algorithme de la bissection

1. tant donn un intervalle [x1 , x2 ] pour lequel f (x) possde un change-
ment de signe
2. tant donn a , le critre darrt, et N , le nombre maximal ditrations
3. Poser :
x1 + x2
xm =
2
|x2 x1 |
4. Si < a :
2|xm |
convergence atteinte
crire la racine xm
crire f (xm )
arrt
5. crire x1 , x2 , xm , f (x1 ), f (x2 ), f (xm )
6. Si f (x1 ) f (xm ) < 0, alors x2 = xm
7. Si f (xm ) f (x2 ) < 0, alors x1 = xm
quations non linaires 51
10
-2
-2 -1,5 -1 -0,5 0 0,5 1 1,5 2
x1 xm x2
0,5
-0,5
-1
-1,5
-2
0 0,2 0,4 0,6 0,8 1 1,2 1,4 1,6 1,8 2
x1 xm x2
1
0,8
0,6
0,4
0,2
0
-0,2
-0,4
-0,6
-0,8
0 0,2 0,4 0,6 0,8 1
x1 xm x2
0,2
0,1
0
-0,1
-0,2
-0,3
-0,4
-0,5
-0,6
-0,7
0,5 0,6 0,7 0,8 0,9 1
x1 xm x2
Figure 2.1 Mthode de la bissection : f (x) = ex x

52 Chapitre 2
8. Si le nombre maximal ditrations N est atteint :

convergence non atteinte en N itrations
arrt
9. Retour ltape 3
N
Lexpression :
|x2 x1 |
2|xm |
est une approximation de lerreur relative. En eet, ltape 3 de lalgorithme
de la bissection, la racine recherche est soit dans lintervalle [x1 , xm ] ou dans
lintervalle [xm , x2 ], qui sont tous deux de longueur (x2 x1 )/2, ce qui constitue
une borne suprieure de lerreur absolue. En divisant par xm , on obtient une
approximation assez able de lerreur relative.
Remarque 2.3
Dans lalgorithme prcdent, il faut prendre garde au cas o la racine recherche
est 0. Il y a alors risque de division par 0 au cours de lvaluation de lerreur
relative. Ce cas est toutefois rare en pratique.
Remarque 2.4
Il est parfois utile dintroduire un critre darrt sur la valeur de f (x), qui doit
tendre galement vers 0.
Exemple 2.5
La fonction f (x) = x3 + x2 3x 3 possde un zro dans lintervalle [1 , 2].
En eet :
f (1) f (2) = 4,0 3,0 = 12,0 < 0
On a alors xm = 1,5 et f (1,5) = 1,875. Lintervalle [1,5 , 2] possde encore
un changement de signe, ce qui nest pas le cas pour lintervalle [1 , 1,5]. Le
nouvel intervalle de travail est donc [1,5 , 2], dont le point milieu est xm = 1,75.
Puisque f (1,75) = 0,171 87, on prendra lintervalle [1,5 , 1,75] et ainsi de suite.
Le tableau suivant rsume les rsultats.
Mthode de la bissection : f (x) = x3 + x2 3x 3

x1 x2 xm f (x1 ) f (x2 ) f (xm ) Erreur absolue
lie xm
1,0 2,0 1,5 4,0 3,0 1,875 0,5
1,5 2,0 1,75 1,875 3,0 +0,171 87 0,25
1,5 1,75 1,625 1,875 0,171 87 0,943 35 0,125
1,625 1,75 1,6875 0,943 35 0,171 87 0,409 42 0,0625
1,6875 1,75 1,718 75 0,409 42 0,171 87 0,124 78 0,031 25

quations non linaires 53
On remarque aisment que la longueur de lintervalle entourant la racine est

divise par deux chaque itration. Cette constatation permet de dterminer
lavance le nombre ditrations ncessaire pour obtenir une certaine erreur
absolue r sur la racine r. Soit L = x2 x1 , la longueur de lintervalle de
dpart. Aprs une itration, le nouvel intervalle est de longueur L2 et aprs n
itrations la longueur de lintervalle est L/2n . Si lon veut connatre la valeur
de n ncessaire pour avoir :
L
< r
2n
il sut de rsoudre cette quation en fonction de n et lon trouve la condition :
(L)
ln r
n> (2.3)
ln 2
Il est clair que, sur le plan pratique, on doit prendre pour valeur de n le plus
petit entier vriant cette condition. On a aussi tout intrt bien cerner la
racine recherche et prendre, ds le dpart, un intervalle de longueur aussi
petite que possible.
Exemple 2.6
Dans lexemple prcdent, L = 2,0 1,0. Si lon veut une erreur absolue plus
petite que 0,5 102 , ce qui revient sassurer que le chire des centimes est
signicatif, il faut eectuer au moins :
( )
1,0
ln 0,5102
= 7,64 itrations
ln 2
On fera donc 8 itrations pour sassurer de cette prcision. On peut aisment
vrier quaprs 8 itrations lerreur maximale lie xm est de 0,003 906 25 et
que la vritable erreur est 0,001 582.
Exemple 2.7
On souhaite calculer 2 avec une calculatrice dote seulement des 4 oprations
lmentaires. Cela revient rsoudre :
x2 2 = 0
Cette fonction prsente un changement de signe dans lintervalle [1 , 2]. Lal-
gorithme de la bissection donne les rsultats suivants.
Mthode de la bissection : f (x) = x2 2

x1 x2 xm f (x1 ) f (x2 ) f (xm ) (xm )2
1,0 2,0 1,5 1,0 2,0 +0,25 1,1
1,0 1,5 1,25 1,0 0,25 0,4375 1,01
1,25 1,5 1,375 0,4375 0,25 0,1094 1,011
1,375 1,5 1,4375 0,1094 0,25 +0,066 41 1,0111
1,375 1,4375 1,4062 0,1094 0,066 41 0,022 46 1,011 01
1,4062 1,4375 1,4219 0,022 46 0,066 41 +0,021 73 1,011 011
1,4062 1,4219 1,4141 0,022 46 0,021 73 0,000 43 1,011 010 1
Chapitre 3
Systmes dquations
algbriques
3.1 Introduction
Les systmes dquations algbriques jouent un rle trs important en in-
gnierie. On peut classer ces systmes en deux grandes familles : les systmes
linaires et les systmes non linaires.
Ici encore, les progrs de linformatique et de lanalyse numrique per-
mettent daborder des problmes de taille prodigieuse. On rsout couramment
aujourdhui des systmes de plusieurs centaines de milliers dinconnues. On
rencontre ces applications en mcanique des uides et dans lanalyse de struc-
tures complexes. On peut par exemple calculer lcoulement de lair autour
dun avion ou lcoulement de leau dans une turbine hydraulique complte.
On peut galement analyser la rsistance de la carlingue dun avion di-
rentes contraintes extrieures et en vrier numriquement la solidit.
Ces calculs complexes requirent des mthodes volues comme les m-
thodes dlments nis (voir Reddy, rf. [31]). On obtient gnralement des
systmes dquations non linaires de taille considrable, quon doit rsoudre
laide de mthodes ecaces qui minimisent le temps de calcul et lespace-
mmoire requis.
Dans ce chapitre, nous allons aborder les principales mthodes de rsolution
des systmes linaires, savoir la mthode dlimination de Gauss et la dcom-
position LU . Leet des erreurs dues larithmtique ottante sera galement
tudi et nous introduirons le concept de conditionnement dune matrice.
Par la suite, nous verrons comment rsoudre les systmes non linaires
au moyen dune suite de systmes linaires. Cest ce que nous appelons la
linarisation du problme.
3.2 Systmes linaires

De faon gnrale, la rsolution dun systme dquations linaires consiste
trouver un vecteur x = [x1 x2 x3 xn ]T (x dnotera toujours un vecteur
colonne et lindice suprieur T dsignera sa transpose) solution de :
96 Chapitre 3
a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1

a21 x1 + a22 x2 + a23 x3 + + a2n xn = b2
a31 x1 + a32 x2 + a33 x3 + + a3n xn = b3 (3.1)
.. .
. = ..
an1 x1 + an2 x2 + an3 x3 + + ann xn = bn
On peut utiliser la notation matricielle, qui est beaucoup plus pratique et

surtout plus compacte. On crit alors le systme prcdent sous la forme :
Ax = b (3.2)
o A est la matrice :

a11 a12 a13 a1n
a21 a22 a23 a2n

a31 a32 a33 a3n
.. .. .. ..
. . .
..
. .
an1 an2 an3 ann
et o b = [b1 b2 b3 bn ]T est le membre de droite. Bien entendu, la matrice

A et le vecteur b sont connus. Il reste dterminer le vecteur x. Le problme 3.1
(ou 3.2) est un systme de n quations et n inconnues. En pratique, la valeur
de n varie considrablement et peut slever jusqu plusieurs centaines de
milliers. Dans ce chapitre, nous nous limitons des systmes de petite taille,
mais les stratgies dveloppes sont valides pour des systmes de trs grande
taille. Notons toutefois que le cot de la rsolution crot rapidement avec n.
Remarque 3.1
Dans la plupart des cas, nous traitons des matrices non singulires ou inver-
sibles, cest--dire dont la matrice inverse existe. Nous ne faisons pas non plus
de rvision systmatique de lalgbre linaire lmentaire que nous supposons
connue. Ainsi, la solution de lquation 3.2 peut scrire :
x = A1b
et la discussion peut sembler close. Nous verrons cependant que le calcul de la

matrice inverse A1 est plus dicile et plus long que la rsolution du systme
linaire de dpart.
Exemple 3.2
Considrons le systme linaire suivant :
2x1 + 3x2 = 8
3x1 + 4x2 = 11
Systmes dquations algbriques 97
Pour le rsoudre, on peut utiliser la mthode classique qui consiste liminer

les quations une une par substitution successive. Dans un premier temps, on
isole x1 de la premire quation :
8 3x2
x1 =
2
que lon substitue dans la deuxime quation :
( )
8 3x2
3 + 4x2 = 11
2
ou encore :
9x2
12 + 4x2 = 12 0,5x2 = 11
2
On dduit alors facilement que x2 = 2 et par la suite que x1 = 1.
Il est thoriquement possible dtendre la substitution successive des sys-

tmes de grande taille. Il est cependant dicile de transcrire cette faon de
faire sous forme dalgorithme (qui peut par la suite tre programm dans un
langage informatique quelconque). Il est donc prfrable de recourir dautres
mthodes pour simplier le systme dquations.
On peut dabord se demander quels types de systmes linaires sont faciles
rsoudre, et ce, mme sils sont de grande taille. Le cas le plus simple est
sans doute celui des systmes diagonaux, cest--dire dont la matrice A na de
coecients non nuls que sur la diagonale.
Exemple 3.3
Le systme suivant :

1 0 0 x1 2
0 2 0 x2 = 2
0 0 3 x3 9
est trs facile rsoudre. Il sut de considrer sparment chaque ligne. On

[ ]T
obtient ainsi x = 2 1 3 . On voit tout de suite comment rsoudre le cas
gnral :
bi
xi = pour i = 1, 2, , n
aii
On remarque de plus que le systme a une solution unique seulement si tous
les termes diagonaux sont non nuls. Hlas, on rencontre rarement des systmes
diagonaux en pratique et il faudra travailler un peu plus pour sattaquer aux
applications.
Le deuxime type de systme simple est le systme triangulaire infrieur

ou suprieur.
98 Chapitre 3
Dnition 3.4
Une matrice est dite triangulaire infrieure (ou suprieure) si tous les aij (ou
tous les aji ) sont nuls pour i < j. Une matrice triangulaire infrieure a la
forme type :

a11 0 0 0 0
a21 a22 0 0 0

a31 a32 a33 0 0
..
.. .. .. .. ..
.
. . . . .
a 0
n1 1 an1 2 an1 3 an1 n
an1 an2 an3 an n1 ann
Une matrice triangulaire suprieure est tout simplement la transpose dune

matrice triangulaire infrieure.
Les systmes triangulaires sont galement faciles rsoudre. Il sut en

eet de commencer par lquation qui se trouve la pointe du triangle (la pre-
mire pour une matrice triangulaire infrieure et la dernire pour une matrice
triangulaire suprieure) et de rsoudre une une les quations. On parle de
descente triangulaire ou de remonte triangulaire, selon le cas.
Exemple 3.5
La descente triangulaire du systme :

3 0 0 x1 9
1 2 0 x2 = 7
3 2 1 x3 14
consiste rsoudre la premire quation :
b1 9
x1 = = =3
a11 3
Puisque x1 est maintenant connue, on peut dterminer x2 :
b2 a21 x1 7 (1)(3)
x2 = = =2
a22 2
La dernire quation scrit :
b3 a31 x1 a32 x2 14 (3)(3) (2)(2)

x3 = = =1
a33 1

Systmes dquations algbriques 99
De lexemple prcdent, on peut rapidement dduire le cas gnral pour la

descente triangulaire :
x1 = b1 /a11
( )

i1
(3.3)
bi aik xk
k=1
xi = pour i = 2, 3, , n
aii
Pour la remonte triangulaire, on a :
xn = bn /ann
( )

n
bi aik xk (3.4)
k=i+1
xi = pour i = n 1, n 2, , 2, 1
aii
Remarque 3.6
Les quations 3.3 et 3.4 sont valides si les aii sont tous non nuls. Dans le cas
contraire, la matrice A nest pas inversible et, donc, le systme Ax = b na pas
une solution unique. On se souvient en eet que le dterminant dune matrice
triangulaire infrieure (ou suprieure) est :

n
dt Atriangulaire = aii (3.5)
i=1
En dautres mots, le dterminant est le produit des termes de la diagonale de

A. Le produit est donc non nul seulement si aucun des aii nest nul.
Les matrices triangulaires sont primordiales pour la rsolution des sys-

tmes linaires. Dans les sections qui suivent, nous voyons comment ramener
un systme linaire quelconque un ou plusieurs systmes triangulaires. Nous
abordons essentiellement deux mthodes dites directes au sens de la dnition
suivante.
Dnition 3.7
Une mthode de rsolution dun systme linaire est dite directe si la solu-
tion du systme peut tre obtenue par cette mthode en un nombre ni et
prdtermin doprations.
Autrement dit, les mthodes directes permettent dobtenir le rsultat aprs

un nombre connu de multiplications, divisions, additions et soustractions. On
peut alors en dduire le temps de calcul ncessaire la rsolution (qui peut
tre trs long si n est grand). Les mthodes directes sopposent sur ce point
aux mthodes dites itratives, qui peuvent converger en quelques itrations,
converger en un trs grand nombre ditrations ou mme diverger, selon le
100 Chapitre 3
cas. Nous prsentons quelques exemples de mthodes itratives la n du

chapitre 4.
Les deux principales mthodes directes sont la mthode dlimination de
Gauss et la dcomposition LU . Il sagit en fait dune seule et mme mthode
puisque la mthode dlimination de Gauss est un cas particulier de dcom-
position LU . La stratgie de rsolution est base sur la question suivante :
quelles oprations sont permises sur les lignes du systme 3.1 pour le ramener
un systme triangulaire ? Ou encore : pour ramener un systme linaire quel-
conque un systme triangulaire, quels sont les coups permis, cest--dire ceux
qui ne changent pas la solution du systme de dpart ? Cest ces questions
que nous rpondons dans la section suivante.
3.3 Oprations lmentaires sur les lignes

Revenons au systme :
Ax = b (3.6)
et voyons comment on peut le transformer sans en modier la solution. La
rponse est toute simple. On peut toujours multiplier ( gauche de chaque
ct) les termes de cette relation par une matrice W inversible ; la solution
nest pas modie puisque lon peut remultiplier par W 1 pour revenir au
systme de dpart. Ainsi :
W Ax = Wb
possde la mme solution que le systme 3.6.
Remarque 3.8
Ce rsultat nest plus vrai si la matrice W nest pas inversible. On ne peut plus
en eet revenir en arrire si la matrice W 1 nexiste pas.
Exemple 3.9
Nous avons vu que la solution du systme :

3 0 0 x1 9
1 2 0 x2 = 7
3 2 1 x3 14
[ ]T
est x = 3 2 1 . Si lon multiplie ce systme par la matrice inversible :

1 0 0
W = 1 2 0
1 2 3
on obtient le nouveau systme :

3 0 0 x1 9
5 4 0 x2 = 23
14 10 3 x3 65
Chapitre 4
Mthodes itratives et systmes

dynamiques discrets
4.1 Introduction
Nous voyons dans ce chapitre comment de simples mthodes itratives,
telles les mthodes des points xes, peuvent mener des systmes au compor-
tement complexe. On pourrait croire, la suite du chapitre 2, que la discussion
sur la convergence dune mthode des points xes sarrte lorsquon a dtermin
si le point xe est attractif ou rpulsif. Nous allons pousser cette discussion
beaucoup plus loin et tcher dtudier un certain nombre de phnomnes in-
tressants rencontrs dans ltude des systmes dynamiques. Il ne sagit pas
de faire une analyse mathmatique profonde de la thorie des systmes dyna-
miques, mais bien de dmontrer que des mthodes itratives simples peuvent
rsulter en des systmes complexes.
4.2 Application quadratique

Nous reprenons ici une partie du travail de Feigenbaum (rf. [16]) sur lap-
plication quadratique. Cette application remarquablement simple conduit un
comportement de nature universelle.
Considrons la mthode itrative :

x0 donn
(4.1)
x
n+1 = xn (1 xn )
qui est en fait une mthode des points xes (voir lquation 2.5) applique
la fonction :
g(x) = x(1 x)
Le paramtre est appel varier, si bien que le comportement de lalgo-
rithme 4.1 sera trs dirent suivant la valeur de .
Tout dabord, il est facile de montrer que la fonction g(x) est une applica-
tion de lintervalle [0 , 1] dans lui-mme (g(x) [0 , 1] si x [0 , 1]) seulement
pour :
0<<4
168 Chapitre 4
En eet, le maximum de g(x) est atteint en x = 21 et vaut 4 . Nous nous

limitons donc ces valeurs de , qui sont de loin les plus intressantes. En
premier lieu, il convient de dterminer les points xes de g(x) et de vrier
sils sont attractifs ou rpulsifs. Bien entendu, cela dpendra de . Les points
xes sont les solutions de :
x = g(x) = x(1 x)
On constate immdiatement que 0 est une solution de cette quation et est

donc un point xe. Si lon suppose que x = 0 et que lon divise chaque ct de
lgalit par x, on obtient :
1 = (1 x)
ce qui entrane que :
1
x = r = (4.2)

est un autre point xe. En fait, 0 et r sont les deux seuls points xes de g(x).
Voyons maintenant sils sont attractifs. Pour ce faire, il faut calculer la drive
de g(x), savoir :
g (x) = (1 2x) (4.3)
On a donc dune part :
g (0) =
ce qui signie que 0 sera un point xe attractif si :
|g (0)| < 1
cest--dire si :
0 < < 1 = 1
puisquon ne considre pas les valeurs ngatives de . Dautre part :
( ( ))
1
g (r ) = (1 2r ) = 1 2 =2

Le point xe r est donc attractif si :
|2 | < 1
ou encore si :
1 < 2 < 1
3 < < 1
1 < < 3 = 2
On note 2 la borne suprieure de cet intervalle, soit 2 = 3. On en conclut
que r est attractif pour ces valeurs de . On remarque de plus que, lorsque
= 1, r = 0 et il ny a alors quun seul point xe. On montre que ce point
xe est attractif mme si g (0) = 1 en vertu de lquation 4.3. La convergence
est cependant trs lente. La situation est illustre aux gures 4.1 et 4.2, o la
fonction g(x) est trace pour deux valeurs de , soit 0,5 et 1,5. On voit dans le
premier cas ( = 0,5) que la pente de g(x) est infrieure 1 en x = 0 et quil
ny a pas dautre point xe dans lintervalle [0 , 1]. Par contre, pour = 1,5,
Mthodes itratives et systmes dynamiques discrets 169
1,0
g(x)
0,8
0,6
0,4
0,2
0,0
0 0,2 0,4 0,6 0,8 1,0
x
Figure 4.1 Application quadratique : = 0,5
1,0
g(x)
0,8
0,6
0,4
0,2
0,0
0 0,2 0,4 0,6 0,8 1,0
x
Figure 4.2 Application quadratique : = 1,5

170 Chapitre 4
il y a bien deux points xes x = 0 et x = r , dont seul r est attractif, car

g (r ) < 1.
Vrions tout cela avec quelques exemples. Prenons dabord = 0,5. On a
alors r = 1 qui ne peut tre attractif puisquil est lextrieur de lintervalle
[0 , 1]. partir de x0 = 0,9 par exemple, on trouve les itrations suivantes.
Application quadratique : = 0,5
n xn n xn
0 0,900 0000 6 0,001 2902
1 0,045 0000 7 0,000 6426
2 0,021 4875 8 0,000 3219
3 0,010 5128 9 0,000 1609
4 0,005 2011 10 0,000 0804
.. ..
5 0,002 5871 . .
Ces itrations convergent rapidement vers le point xe 0. Si lon prend mainte-
nant = 0,95, toujours partir de x0 = 0,9, on obtient les itrations suivantes.
n xn n xn
0 0,900 0000 6 0,046 7527
1 0,085 5000 7 0,042 3386
2 0,074 2802 8 0,038 5187
3 0,065 3245 9 0,035 1833
4 0,058 0044 10 0,032 2482
.. ..
5 0,051 9079 . .
Ces dernires convergent vers 0, mais beaucoup plus lentement. Cela tient
au fait que le taux de convergence g (0) = vaut 0,5 dans le premier cas et
0,95 dans le second cas. La convergence est donc plus rapide pour = 0,5.
Pour sassurer de la convergence vers 0, il faudrait faire beaucoup plus que 10
itrations. Par exemple, pour = 0,95, on trouverait x200 = 0,114 1385 105 .
Passons maintenant = 1,5, pour lequel r = 31 . Lanalyse a dmontr
que, dans ce cas, 0 est rpulsif puisque g (0) = 1,5, mais que r est attractif.
partir cette fois de x0 = 0,1, on obtient les itrations suivantes.
n xn n xn
0 0,100 0000 7 0,042 3386
1 0,085 5000 8 0,038 5187
2 0,074 2802 9 0,035 1833
3 0,065 3245 10 0,032 2482
4 0,058 0044
.. ..
5 0,051 9079 . .
6 0,046 7527 20 0,333 3313
Les itrations convergent donc vers r = 13 , un rsultat qui conrme lanalyse

prcdente. On obtiendrait des rsultats similaires pour des valeurs de situes
dans lintervalle ]1 , 3[. Notons cependant que la valeur de r varie avec .
Mthodes itratives et systmes dynamiques discrets 171
La question fondamentale est maintenant la suivante : que se passe-t-il

si lon prend des valeurs de suprieures 3 ? On pourrait sattendre ce
que les itrations de lalgorithme 4.1 divergent. Heureusement, ce nest pas
le cas, mais pour expliquer ce comportement il nous faut largir la notion de
convergence. Jusqu maintenant, nous navons parl de convergence que vers
un point (xe). Or, il arrive quun algorithme converge vers autre chose quun
point xe. On parle alors dun attracteur (voir par exemple Gulick, rf. [21]).
Dnition 4.1
Un ensemble A Rn est dit un attracteur dune application :
g : V Rn
o V est un sous-ensemble de Rn , si les conditions suivantes sont respectes :

1. Si x A, alors g(x) A.
2. Il existe un voisinage U de A tel que, si x0 U , la suite xn+1 = g(xn )
converge vers A.
3. Lensemble A est indcomposable.
Remarque 4.2
La dnition qui prcde indique que, pour que A soit un attracteur, il faut
que tout point x de lensemble A soit projet sur un autre point de A par lap-
plication g(x). Cest bien sr le cas dun point xe qui est envoy sur lui-mme.
La deuxime condition traduit le fait que, si lon part dun point x0 susam-
ment prs de A, les itrations de lalgorithme des points xes sapprochent
de plus en plus de lensemble A. On tend ainsi aux attracteurs la notion de
bassin dattraction introduite pour les points xes. Mentionnons enn que le
sens prcis que lon doit donner au mot indcomposable varie dun auteur
lautre. Disons simplement quon ne peut rien enlever lensemble A pour
que les deux premires proprits restent vraies.
Remarque 4.3
On ne considre pour linstant que le cas n = 1 des applications de R dans R.
Le cas gnral sera trait un peu plus loin. Un point xe est donc un attracteur
(voir le chapitre 2) sil existe un intervalle I contenant ce point xe pour lequel
g(x) I, x I, et qui vrie :
|g (x)| < 1 x I
Cette dnition dun attracteur est quelque peu imprcise, mais elle sut
aux besoins de lexpos. Prenons par exemple = 3,1 et observons ce qui se
passe. partir de x0 = 0,5, on obtient les itrations suivantes.
172 Chapitre 4

n xn n xn
1 0,775 0000 14 0,557 4733
2 0,540 5625 15 0,764 7601
3 0,769 8995 16 0,557 6964
4 0,549 1781 17 0,764 6804
5 0,767 5026 18 0,557 8271
6 0,553 1711 19 0,764 6336
7 0,766 2357 20 0,557 9039
.. ..
8 0,555 2674 . .
9 0,765 5310 47 0,764 5665
10 0,556 4290 48 0,558 0140
11 0,765 1288 49 0,764 5665
12 0,557 0907 50 0,558 0140
13 0,764 8960
On remarque immdiatement un comportement surprenant. Les itrations os-
cillent entre les valeurs de 0,5580 et de 0,7645. Il ny a donc pas convergence au
sens habituel. En fait, les itrations paires convergent vers environ 0,558 014 et
les itrations impaires, vers 0,764 566. Pour comprendre ce qui se passe, il sut
de constater que les itrations paires et impaires correspondent aux itrations
de la fonction compose :
g1 (x) = g(g(x)) = g(x)(1 g(x)) = (x(1 x))(1 x(1 x))
cest--dire :
g1 (x) = 2 x(1 x)(1 x + x2 )
Pour dterminer les points xes de la fonction g1 (x), il sut de rsoudre :
x = g1 (x) = 2 x(1 x)(1 x + x2 )
Il est clair que tout point xe de g(x) est un point xe de g1 (x). Le point
r donn par lquation 4.2 ainsi que 0 sont donc des points xes de g1 (x),
mais nous savons quils sont rpulsifs pour > 3. Il existe cependant dautres
points xes de g1 (x) qui ne sont pas des points xes de g(x). Aprs avoir divis
lquation prcdente par x de chaque ct, quelques manipulations algbriques
nous amnent rsoudre lquation :
3 x3 23 x2 + 2 (1 + )x + (1 2 ) = 0
dont les trois racines sont r et :

( )
(2) (2) 1 1 1
r 1 , r2 = + ( 3)( + 1) (4.4)
2 2 2
On montre alors que :

(2) (2) (2) (2)
r1 = g(r2 ) et r2 = g(r1 )
Chapitre 5
Interpolation
5.1 Introduction
Ce chapitre ainsi que le chapitre suivant qui porte sur la drivation et lin-
tgration numriques sont trs troitement relis puisquils tendent rpondre
diverses facettes dun mme problme. Ce problme est le suivant : partir
dune fonction f (x) connue seulement en (n + 1) points de la forme ((xi , f (xi ))
pour i = 0, 1, 2, , n), peut-on construire une approximation de f (x), et ce,
pour tout x ? Les xi sont appels abscisses ou nuds dinterpolation tandis
que les couples ((xi , f (xi )) pour i = 0, 1, 2, , n) sont les points de colloca-
tion ou points dinterpolation et peuvent provenir de donnes exprimentales
ou dune table. En dautres termes, si lon ne connat que les points de collo-
cation (xi , f (xi )) dune fonction, peut-on obtenir une approximation de f (x)
pour une valeur de x dirente des xi ? La gure 5.1 rsume la situation.
Sur la base des mmes hypothses, nous verrons, au chapitre suivant, com-
ment valuer les drives f (x), f (x) de mme que :
xn
f (x)dx
x0
Il sagit dun problme dinterpolation, dont la solution est relativement simple.

Il sut de construire un polynme de degr susamment lev dont la courbe
passe par les points de collocation. On parle alors du polynme de collocation
ou polynme dinterpolation. Pour obtenir une approximation des drives ou
de lintgrale, il sut de driver ou dintgrer le polynme de collocation. Il
y a cependant des lments fondamentaux quil est important dtudier. En
premier lieu, il convient de rappeler certains rsultats cruciaux relatifs aux
polynmes, que nous ne dmontrons pas.
Thorme 5.1
Un polynme de degr n dont la forme gnrale est :
pn (x) = a0 + a1 x + a2 x2 + a3 x3 + + an xn (5.1)
avec an = 0 possde, tenant compte des multiplicits, trs exactement n racines
qui peuvent tre relles ou complexes conjugues. Rappelons que r est une
racine de pn (x) si pn (r) = 0.
208 Chapitre 5
x0 x1 x x2 x3 xn1 xn
Figure 5.1 Problme dinterpolation
Corollaire 5.2
Par (n + 1) points de collocation dabscisses distinctes ((xi , f (xi )) pour i =
0, 1, 2, , n), on ne peut faire correspondre quun et un seul polynme de
degr n.
Dmonstration :
On procde par labsurde et lon suppose lexistence de 2 polynmes de degr
n, nots p(x) et q(x), et qui passent tous les deux par les (n + 1) points de
collocation donns. On considre ensuite la dirence P (x) = p(x) q(x) qui
est galement un polynme de degr au plus n. Ce polynme vrie :
P (xi ) = p(xi ) q(xi ) = f (xi ) f (xi ) = 0
et ce, pour i allant de 0 n. Le polynme P (x) possderait donc (n+1) racines,

ce qui est impossible en vertu du thorme prcdent.
Dnition 5.3
Lunique polynme de degr n passant par les points (xi , f (xi )) pour
i = 0, 1, 2, , n, est appel linterpolant de f (x) de degr n aux abscisses
(nuds) x0 , x1 , , xn .
Remarque 5.4
Rien noblige ce que le coecient an de linterpolant soit dirent de 0. Lin-
terpolant passant par les n + 1 points dinterpolation peut donc tre de degr
infrieur n. Si on choisit par exemple 10 points sur une droite, linterpolant
sera quand mme de degr 1.
Interpolation 209
Il reste assurer lexistence de linterpolant, ce que nous ferons tout sim-

plement en le construisant au moyen de mthodes diverses qui feront lobjet
des prochaines sections.
5.2 Matrice de Vandermonde

Le problme dinterpolation consiste donc dterminer lunique polynme
de degr n passant par les (n + 1) points de collocation ((xi , f (xi )) pour i =
0, 1, 2, 3, , n). Selon le thorme prcdent, il ne saurait y en avoir deux.
Il reste maintenant le construire de la manire la plus ecace et la plus
gnrale possible. Une premire tentative consiste dterminer les inconnues
ai du polynme 5.1 en vriant directement les (n+1) quations de collocation :
pn (xi ) = f (xi ) pour i = 0, 1, 2, , n
ou encore :
a0 + a1 xi + a2 x2i + a3 x3i + + an xni = f (xi )
qui est un systme linaire de (n+1) quations en (n+1) inconnues. Ce systme
scrit sous forme matricielle :

1 x0 x20 x30 xn0 a0 f (x0 )
1 x1 x21 x31 xn1 a1 f (x1 )

1 x2 x22 x32 xn2 a2 = f (x2 ) (5.2)
. . .. .. . .
.. .. ..
.. .. . . . . . .
1 xn x2n x3n xnn an f (xn )
Remarque 5.5
La matrice de ce systme linaire porte le nom de matrice de Vandermonde.
On peut montrer que le conditionnement de cette matrice augmente fortement
avec la taille (n + 1) du systme. De plus, comme le rvlent les sections qui
suivent, il nest pas ncessaire de rsoudre un systme linaire pour calculer un
polynme dinterpolation. Cette mthode est donc rarement utilise.
Exemple 5.6
On doit calculer le polynme passant par les points (0 , 1), (1 , 2), (2 , 9) et
(3 , 28). tant donn ces 4 points, le polynme recherch est tout au plus de
degr 3. Ses coecients ai sont solution de :

1 0 0 0 a0 1
1 1 1 1 a1 2
1 2 4 8 a = 9
2
1 3 9 27 a3 28
dont la solution (obtenue par dcomposition LU ) est [1 0 0 1]T . Le polynme
recherch est donc p3 (x) = 1 + x3 .
Les sections suivantes proposent des avenues direntes et plus ecaces

pour calculer le polynme de collocation.
210 Chapitre 5
5.3 Interpolation de Lagrange

Linterpolation de Lagrange est une faon simple et systmatique de construire
un polynme de collocation. tant donn (n + 1) points ((xi , f (xi )) pour
i = 0, 1, 2, , n), on suppose un instant que lon sait construire (n + 1) poly-
nmes Li (x) de degr n et satisfaisant les conditions suivantes :
{
Li (xi ) = 1 i
(5.3)
Li (xj ) = 0 j = i
Cela signie que le polynme Li (x) de degr n prend la valeur 1 en xi et sannule

tous les autres points de collocation. Nous verrons comment construire les
Li (x) un peu plus loin. Dans ces conditions, la fonction L(x) dnie par :

n
L(x) = f (xi )Li (x)
i=0
est un polynme de degr n, car chacun des Li (x) est de degr n. De plus, ce
polynme passe par les (n + 1) points de collocation et est donc le polynme
recherch. En eet, il est facile de montrer que selon les conditions 5.3 :

n
L(xj ) = f (xj )Lj (xj ) + f (xi )Li (xj )
i=0,i=j
= f (xj ) + 0 = f (xj ) j
Le polynme L(x) passe donc par tous les points de collocation. Puisque ce
polynme est unique, L(x) est bien le polynme recherch. Il reste construire
les fonctions Li (x). Suivons une dmarche progressive.
Polynmes de degr 1
Il sagit de dterminer le polynme de degr 1 dont la courbe (une droite)
passe par les deux points (x0 , f (x0 )) et (x1 , f (x1 )). On doit donc construire
deux polynmes L0 (x) et L1 (x) de degr 1 qui vrient :
{ {
L0 (x0 ) = 1 L1 (x0 ) = 0
L0 (x1 ) = 0 L1 (x1 ) = 1
Le polynme L0 (x) doit sannuler en x = x1 . On pense immdiatement au

polynme (x x1 ) qui sannule en x = x1 , mais qui vaut (x0 x1 ) en x =
x0 . Pour sassurer dune valeur 1 en x = x0 , il sut deectuer la division
approprie an dobtenir :
(x x1 )
L0 (x) =
(x0 x1 )
Un raisonnement similaire pour L1 (x) donne :
(x x0 )
L1 (x) =
(x1 x0 )
Interpolation 211
L0 (x)
L1 (x)
x0 x1
Figure 5.2 Polynmes de Lagrange de degr 1 : L0 (x) et L1 (x)
Ces deux fonctions sont illustres la gure 5.2. Le polynme de degr 1 est
donc :
p1 (x) = f (x0 )L0 (x) + f (x1 )L1 (x)
Exemple 5.7
Lquation de la droite passant par les points (2 , 3) et (5 , 6) est :
(x 5) (x 2)
3 + (6) = (x 5) 2(x 2) = 3x + 9
(2 5) (5 2)
Polynmes de degr 2
Si lon cherche le polynme de degr 2 passant par les points (x0 , f (x0 )),
(x1 , f (x1 )) et (x2 , f (x2 )), on doit construire trois fonctions Li (x). Le raisonne-
ment est toujours le mme. La fonction L0 (x) sannule cette fois en x = x1 et
en x = x2 . On doit forcment avoir un coecient de la forme :
(x x1 )(x x2 )
qui vaut (x0 x1 )(x0 x2 ) en x = x0 . Pour satisfaire la condition L0 (x0 ) = 1,
il sut alors de diviser le coecient par cette valeur et de poser :
(x x1 )(x x2 )
L0 (x) =
(x0 x1 )(x0 x2 )
Cette fonction vaut bien 1 en x0 et 0 en x1 et x2 . De la mme manire, on
obtient les fonctions L1 (x) et L2 (x) dnies par :
(x x0 )(x x2 ) (x x0 )(x x1 )
L1 (x) = et L2 (x) =
(x1 x0 )(x1 x2 ) (x2 x0 )(x2 x1 )
212 Chapitre 5
L0 (x) L1 (x)
L2 (x)
x0 x1 x2
Figure 5.3 Polynmes de Lagrange de degr 2 : L0 (x), L1 (x) et L2 (x)
Ces trois fonctions sont leur tour illustres la gure 5.3.
Exemple 5.8
La parabole passant par les points (1 , 2), (3 , 7), (4 , 1) est donne par :
(x 3)(x 4) (x 1)(x 4) (x 1)(x 3)
p2 (x) = 2 +7 + (1)
(1 3)(1 4) (3 1)(3 4) (4 1)(4 3)
(x 3)(x 4) 7(x 1)(x 4) (x 1)(x 3)

=
3 2 3
Polynmes de degr n
On analyse le cas gnral de la mme faon. La fonction L0 (x) doit sannuler
en x = x1 , x2 , x3 , , xn . Il faut donc introduire la fonction :
(x x1 )(x x2 )(x x3 ) (x xn )
qui vaut :
(x0 x1 )(x0 x2 )(x0 x3 ) (x0 xn )
en x = x0 . On a alors, aprs division :
(x x1 )(x x2 )(x x3 ) (x xn )
L0 (x) =
(x0 x1 )(x0 x2 )(x0 x3 ) (x0 xn )
On remarque quil y a n facteurs de la forme (x xi ) dans cette expression et
quil sagit bien dun polynme de degr n. Pour la fonction L1 (x), on pose :
(x x0 )(x x2 )(x x3 ) (x xn )
L1 (x) =
(x1 x0 )(x1 x2 )(x1 x3 ) (x1 xn )
Chapitre 6
Direntiation et intgration
numriques
6.1 Introduction
Le contenu de ce chapitre prolonge celui du chapitre 5 sur linterpolation.
peu de choses prs, on y manie les mmes outils danalyse. Dans le cas de
linterpolation, on cherchait valuer une fonction f (x) connue seulement en
quelques points. Dans le prsent chapitre, le problme consiste obtenir des
approximations des direntes drives de cette fonction de mme que de :
xn
f (x)dx
x0
On parle alors de drivation numrique et dintgration numrique. On fait

face ce type de problmes lorsque, par exemple, on connat la position dune
particule intervalles de temps rguliers et que lon souhaite obtenir sa vi-
tesse. On doit alors eectuer la drive de la position connue seulement en
quelques points. De mme, lacclration de cette particule ncessite le calcul
de la drive seconde.
Si, linverse, on connat la vitesse dune particule certains intervalles de
temps, on obtient la distance parcourue en intgrant la vitesse dans lintervalle
[x0 , xn ].
Nous avons vu au chapitre prcdent que la fonction f (x) peut tre conve-
nablement estime laide dun polynme de degr n avec une certaine erreur.
En termes concis :
f (x) = pn (x) + En (x) (6.1)
o En (x) est le terme derreur dordre (n + 1) donn par la relation 5.21.
Lexpression 6.1 est la base des dveloppements de ce chapitre.
6.2 Direntiation numrique

On peut aborder la direntiation numrique dau moins deux faons. La
premire approche consiste utiliser le dveloppement de Taylor et la seconde
292 Chapitre 6
est fonde sur lgalit 6.1. Nous utiliserons un mlange des deux approches,
ce qui nous permettra davoir un portrait assez complet de la situation.
Commenons dabord par lquation 6.1. Si lon drive de chaque ct de
lgalit, on obtient successivement :
f (x) = pn (x) + En (x)

f (x) = pn (x) + En (x)
f (x) = p
n (x) + En (x)
(6.2)
.. ..
. = .
Ainsi, pour valuer la drive dune fonction connue aux points ((xi , f (xi ))
pour i = 0, 1, 2, , n), il sut de driver le polynme dinterpolation passant
par ces points. De plus, le terme derreur associ cette approximation de la
drive est tout simplement la drive de lerreur dinterpolation. Ce rsultat
est vrai quel que soit lordre de la drive.
Remarque 6.1
Bien quen thorie on soit en mesure destimer les drives de tout ordre, sur
le plan pratique, on dpasse rarement lordre 4. Cela sexplique par le fait que
la direntiation numrique est un procd numriquement instable.
6.2.1 Drives dordre 1

Commenons par faire lapproximation des drives dordre 1, ce qui re-
vient valuer la pente de la fonction f (x). Tout comme pour linterpolation,
nous avons le choix entre plusieurs polynmes de degr plus ou moins lev.
De ce choix dpendent lordre et la prcision de lapproximation. Nous avons
rencontr un problme semblable dans le cas de linterpolation : si un poly-
nme de degr n est utilis, on obtient une approximation dordre (n + 1) de
la fonction f (x) (voir la relation 5.26).
Il est galement utile de se rappeler que lerreur dinterpolation scrit :
f (n+1) ((x))
En (x) = [(x x0 )(x x1 ) (x xn )] (6.3)
(n + 1)!
pour un certain compris dans lintervalle [x0 , xn ]. En drivant lexpression

prcdente, tout en tenant compte de la dpendance de envers x, on obtient
une relation pour la drive de lerreur dinterpolation :
f (n+2) ((x)) (x)

En (x) = [(x x0 )(x x1 ) (x xn )]
(n + 1)!
f (n+1) ((x))
+ [(x x0 )(x x1 ) (x xn )]
(n + 1)!
La drive du produit apparaissant dans le deuxime terme de droite est plus

dlicate. Cette drive dbouche sur une somme de produits o, tour tour,
Direntiation et intgration numriques 293
lun des facteurs (x xi ) est manquant. Il est facile de se convaincre, en repre-

nant ce dveloppement avec n = 2 par exemple, que lon obtient :
f (n+2) ((x)) (x)

En (x) = [(x x0 )(x x1 ) (x xn )]
(n + 1)!
(6.4)
f (n+1) ((x)) n n
+ (x xj )
(n + 1)!
k=0 j=0(j=k)
On peut simplier cette expression quelque peu complexe en choisissant lun

ou lautre des points dinterpolation. En eet, en x = xi , le premier terme de
droite sannule, faisant disparatre la drive de (x), qui est inconnue. De la
somme, il ne reste quun seul terme puisque tous les autres contiennent un
facteur (x xi ) et sannulent. Il reste :

f (n+1) ((xi ))
n
En (xi ) = (xi xj )
(n + 1)!
j=0(j=i)
Si lon suppose de plus que les xi sont galement distancs, cest--dire :
xi+1 xi = h
ce qui signie que xi xj = (i j)h, on obtient :

f (n+1) (i )hn
n
En (xi ) = (i j) (6.5)
(n + 1)!
j=0(j=i)
o i est simplement une notation dirente de (xi ). En particulier, si i = 0,

on trouve :

f (n+1) n
(0 )h
n
f (n+1) n
(0 )h
n
En (x0 ) = (j) = (j)
(n + 1)! (n + 1)!
j=0(j=0) j=1
cest--dire :
(1)n hn f (n+1) (0 )
En (x0 ) = (6.6)
(n + 1)
pour un certain 0 compris dans lintervalle [x0 , xn ].
Remarque 6.2
Lquation 6.5 montre que, si lon utilise un polynme dinterpolation de degr
n (cest--dire dordre (n + 1)), la drive de ce polynme value en x = xi
est une approximation dordre n de f (xi ).
294 Chapitre 6
Dnition 6.3
Aux points dinterpolation, on a :
f (xi ) = pn (xi ) + En (xi ) (6.7)
Le terme pn (xi ) dans lquation 6.7 est une formule aux dirences nies
ou plus simplement une formule aux dirences. Nous proposons plus loin
plusieurs formules aux dirences nies pour valuer les direntes drives
de f (x). Elles se distinguent principalement par le degr du polynme et par
les points dinterpolation retenus.
Appproximations dordre 1
Si lon choisit le polynme de degr 1 passant par les points (x0 , f (x0 )) et
(x1 , f (x1 )), on a, grce la formule dinterpolation de Newton :
p1 (x) = f (x0 ) + f [x0 , x1 ](x x0 )
et donc :
f (x) = p1 (x) + E1 (x) = f [x0 , x1 ] + E1 (x) (6.8)
En vertu de la relation 6.6 avec n = 1 et puisque (x1 x0 ) = h, on arrive :
f (x1 ) f (x0 ) f (x1 ) f (x0 ) (1)1 h1 f (2) (0 )

f (x0 ) = + E1 (x0 ) = +
x1 x0 h 2
qui peut encore scrire :
f (x1 ) f (x0 ) hf (2) (0 )

f (x0 ) = pour 0 [x0 , x1 ] (6.9)
h 2
qui est la dirence avant dordre 1. On lappelle dirence avant car, pour
valuer la drive en x = x0 , on cherche de linformation vers lavant (en
x = x1 ).
De la mme manire, si lon value lquation 6.8 en x = x1 , la relation 6.5
avec (i = 1) donne :
f (x1 ) f (x0 )
f (x1 ) = + E1 (x1 )
x1 x0

f (x1 ) f (x0 ) h1 f (2) (1 )
1
= + (1 j)
h 2!
j=0(j=1)
ou encore :
f (x1 ) f (x0 ) hf (2) (1 )

f (x1 ) = + pour 1 [x0 , x1 ] (6.10)
h 2
qui est la dirence arrire dordre 1.
Direntiation et intgration numriques 295
On constate ainsi que la mme dirence divise est une approximation de

la drive la fois en x = x0 et en x = x1 . On remarque cependant que le
terme derreur est dirent aux deux endroits.
Appproximations dordre 2
Passons maintenant aux polynmes de degr 2. Soit les points (x0 , f (x0 )),
(x1 , f (x1 )) et (x2 , f (x2 )). Le polynme de degr 2 passant par ces trois points
est :
p2 (x) = f (x0 ) + f [x0 , x1 ](x x0 ) + f [x0 , x1 , x2 ](x x0 )(x x1 )
dont la drive est :
p2 (x) = f [x0 , x1 ] + f [x0 , x1 , x2 ](2x (x0 + x1 ))
Lorsque x prend successivement les valeurs x0 , x1 et x2 , il est facile de montrer

que lon obtient des approximations dordre 2 de la drive.
Formules de dirences dordre 2 pour f (x)
f (x2 ) + 4f (x1 ) 3f (x0 ) h2 f (0 )

f (x0 ) = +
2h 3
Dirence avant dordre 2
f (x2 ) f (x0 ) h2 f (1 )
f (x1 ) = (6.11)
2h 6
Dirence centre dordre 2
3f (x2 ) 4f (x1 ) + f (x0 ) h2 f (2 )

f (x2 ) = +
2h 3
Dirence arrire dordre 2
Les termes derreur de ces formules aux dirences nies dcoulent tous de
la relation 6.5 lorsquon pose successivement i = 0, 1 et 2. Pour i = 0, on peut
utiliser directement lquation 6.6. Les points 0 , 1 et 2 sont situs quelque
part dans lintervalle [x0 , x2 ] et sont inconnus (voir les exercices de n de
chapitre).
Remarque 6.4
Toutes ces formules aux dirences sont dordre 2. Les mentions avant, centre
et arrire renvoient au point o lon calcule la drive et aux points utiliss
pour la calculer. Ainsi, la dirence avant est value en x0 sur la base des
valeurs situes vers lavant, soit en x1 et en x2 . La dirence arrire xe la
drive en x = x2 avec lappui des valeurs de la fonction en x0 et en x1 . La
dirence centre, quant elle, fait intervenir des valeurs situes de part et
dautre de x1 .
La gure 6.1 illustre les direntes possibilits. Pour les dirences
dordre 1, on estime la drive par la pente du segment de droite joignant
les points (x0 , f (x0 )) et (x1 , f (x1 )). Dans le cas des dirences dordre 2, on
296 Chapitre 6
Dirence avant dordre 2 (en x0 )
Dirence centre dordre 2 (en x1 )

p2 (x)
Dirence arrire dordre 2 (en x2 )
Dirence arrire (en x1 )
Dirence avant (en x1 )
x0 x1 x2
Figure 6.1 Interprtation gomtrique des formules aux dirences
dtermine un polynme de degr 2 dont la pente en x0 , en x1 et en x2 donne

respectivement les dirences avant, centre et arrire.
On peut aussi convenir de toujours valuer la drive en x. Dans ce cas,

on utilise les valeurs de f (x + h) et de f (x + 2h) pour la dirence avant et
les valeurs de f (x + h) et de f (x h) pour la dirence centre. En ce qui
concerne le terme derreur, on ne retient que son ordre. Les tableaux suivants
rsument la situation.
Formules de dirences nies dordre 1 pour f (x)
f (x + h) f (x)
f (x) = + O(h)
h
Dirence avant dordre 1 (6.12)
f (x) f (x h)
f (x) = + O(h)
h
Dirence arrire dordre 1
Chapitre 7
quations direntielles
7.1 Introduction
La rsolution numrique des quations direntielles est probablement le
domaine de lanalyse numrique o les applications sont les plus nombreuses.
Que ce soit en mcanique des uides, en transfert de chaleur ou en analyse
de structures, on aboutit souvent la rsolution dquations direntielles,
de systmes dquations direntielles ou plus gnralement dquations aux
drives partielles.
Le problme du pendule abord au chapitre 1 trouvera ici une solution nu-
mrique qui sera par la suite analyse et compare dautres solutions approxi-
matives ou quasi analytiques. Parmi leurs avantages, les mthodes numriques
permettent dtudier des problmes complexes pour lesquels on ne connat pas
de solution analytique, mais qui sont dun grand intrt pratique.
Dans ce chapitre comme dans les prcdents, les diverses mthodes de r-
solution proposes sont dautant plus prcises quelles sont dordre lev. Nous
amorons lexpos par des mthodes relativement simples ayant une interprta-
tion gomtrique. Elles nous conduiront progressivement des mthodes plus
complexes telles les mthodes de Runge-Kutta dordre 4, qui permettent dob-
tenir des rsultats dune grande prcision. Nous considrons principalement les
quations direntielles avec conditions initiales, mais nous ferons une brve
incursion du ct des quations direntielles avec conditions aux limites par
le biais des mthodes de tir et de dirences nies.
Nous prenons comme point de dpart la formulation gnrale dune qua-
tion direntielle dordre 1 avec condition initiale. La tche consiste dter-
miner une fonction y(t) solution de :
{
y (t) = f (t, y(t))
(7.1)
y(t0 ) = y0
La variable indpendante t reprsente trs souvent (mais pas toujours) le

temps. La variable dpendante est note y et dpend bien sr de t. La fonc-
tion f est pour le moment une fonction quelconque de deux variables que nous
supposons susamment direntiable. La condition y(t0 ) = y0 est la condition
initiale et en quelque sorte ltat de la solution au moment o lon commence
sy intresser. Il sagit dobtenir y(t) pour t t0 , si lon cherche une so-
342 Chapitre 7
lution analytique, ou une approximation de y(t), si lon utilise une mthode

numrique.
Dnition 7.1
Lquation direntielle 7.1 est dite dordre 1, car seule la drive dordre 1
de la variable dpendante y(t) est prsente. Si des drives de y(t) dordre
2 apparaissaient dans lquation direntielle 7.1, on aurait une quation
dordre 2, et ainsi de suite.
Commenons par prsenter quelques exemples dquations direntielles

avec condition initiale.
Exemple 7.2
Soit lquation direntielle du premier ordre :
{
y (t) = t
(7.2)
y(0) = 1
Voil certainement lun des exemples les plus simples que lon puisse imaginer.
En intgrant de chaque ct, on obtient :

y (t)dt = tdt
cest--dire :
t2
y(t) =+C
2
o C est une constante. Cette dernire expression est la solution gnrale de
lquation direntielle en ce sens quelle satisfait y (t) = t, quelle que soit la
constante C. Pour dterminer la constante C, il sut dimposer la condition
initiale :
y(0) = 1 = C
La solution particulire est alors :
t2
y(t) = +1
2
qui vrie la fois lquation direntielle et la condition initiale.
Exemple 7.3
Soit lquation direntielle :
{
y (t) = ty(t)
(7.3)
y(1) = 2
Il ne sut pas dans ce cas dintgrer les deux cts de lquation pour obtenir
la solution. On doit dabord sparer les variables en crivant par exemple :
dy dy
= t y(t) qui devient = tdt
dt y
quations direntielles 343
Les variables tant spares, on peut maintenant faire lintgration :
t2 t2
ln y = + C ou encore y(t) = Ce 2
2
qui est la solution gnrale. On obtient la solution particulire en imposant la
condition initiale : 1
y(1) = 2 = Ce 2
ce qui signie que :
C = 2e 2
1
et donc que la solution particulire est :

(t2 1)
y(t) = 2e 2
Les ouvrages de Simmons (rf. [33]) et de Derrick et Grossman (rf. [11])

contiennent dautres exemples dquations direntielles. Notre propos concerne
plutt les mthodes numriques de rsolution de ces quations direntielles.
cet gard, nous suivons lapproche de Burden et Faires (rf. [5]), notamment
en ce qui concerne la notion derreur de troncature locale qui indique lordre
de prcision de la mthode utilise.
Avec les outils numriques de rsolution dquations direntielles, il nest
plus possible dobtenir une solution pour toutes les valeurs de la variable
indpendante t. On obtient plutt une approximation de la solution analy-
tique seulement certaines valeurs de t notes ti et distances dune valeur
hi = ti+1 ti . Dans la plupart des mthodes prsentes, cette distance est
constante pour tout i et est note h. On appelle h le pas de temps.
Remarque 7.4
On note y(ti ) la solution analytique de lquation direntielle 7.1 en t = ti .
On note yi la solution approximative en t = ti obtenue laide dune mthode
numrique.
7.2 Mthode dEuler explicite

La mthode dEuler explicite est de loin la mthode la plus simple de rso-
lution numrique dquations direntielles ordinaires. Elle possde une belle
interprtation gomtrique et son emploi est facile. Toutefois, elle est relati-
vement peu utilise en raison de sa faible prcision. On la qualie dexplicite
car car elle ne ncessite pas de rsolution dquation non linaire contraire-
ment la mthode dEuler dite implicite que nous verrons plus loin (voir la
section 7.8.1).
Reprenons lquation direntielle 7.1 et considrons plus attentivement la
condition initiale y(t0 ) = y0 . Le but est maintenant dobtenir une approxima-
tion de la solution en t = t1 = t0 + h. Avant deectuer la premire itration, il
344 Chapitre 7
faut dterminer dans quelle direction on doit avancer partir du point (t0 , y0 )
pour obtenir le point (t1 , y1 ), qui est une approximation du point (t1 , y(t1 )).
Nous navons pas lquation de la courbe y(t), mais nous en connaissons la
pente y (t) en t = t0 . En eet, lquation direntielle assure que :
y (t0 ) = f (t0 , y(t0 )) = f (t0 , y0 )
On peut donc suivre la droite passant par (t0 , y0 ) et de pente f (t0 , y0 ). Lqua-
tion de cette droite, note d0 (t), est :
d0 (t) = y0 + f (t0 , y0 )(t t0 )
et est illustre la gure 7.1. En t = t1 , on a :
d0 (t1 ) = y0 + f (t0 , y0 )(t1 t0 ) = y0 + hf (t0 , y0 ) = y1
En dautres termes, d0 (t1 ) est proche de la solution analytique y(t1 ), cest--
dire :
y(t1 ) y1 = d0 (t1 ) = y0 + hf (t0 , y0 )
Il est important de noter que, le plus souvent, y1 = y(t1 ). Cette ingalit na
rien pour tonner, mais elle a des consquences sur la suite du raisonnement. En
eet, si lon souhaite faire une deuxime itration et obtenir une approximation
de y(t2 ), on peut refaire lanalyse prcdente partir du point (t1 , y1 ). On
remarque cependant que la pente de la solution analytique en t = t1 est :
y (t1 ) = f (t1 , y(t1 ))
On ne connat pas exactement y(t1 ), mais on possde lapproximation y1 de
y(t1 ). On doit alors utiliser lexpression :
y (t1 ) = f (t1 , y(t1 )) f (t1 , y1 )
et construire la droite (g. 7.1) :
d1 (t) = y1 + f (t1 , y1 )(t t1 )
qui permettra destimer y(t2 ). On constate que lerreur commise la premire
itration est rintroduite dans les calculs de la deuxime itration. On a alors :
y(t2 ) y2 = d1 (t2 ) = y1 + hf (t1 , y1 )
Remarque 7.5
Le dveloppement qui prcde met en vidence une proprit importante des
mthodes numriques de rsolution des quations direntielles. En eet, ler-
reur introduite la premire itration a des rpercussions sur les calculs de la
deuxime itration, ce qui signie que les erreurs se propagent dune itration
lautre. Il en rsulte de faon gnrale que lerreur :
|y(tn ) yn |
augmente lgrement avec n.
y(t) (inconnue)
d1 (t)
(t2 , y(t2 ))
(t1 , y(t1 )) (t2 , y2 )

d0 (t)
(t0 , y(t0 ))
(t1 , y1 )
h h
t0 t1 t2
Figure 7.1 Mthode dEuler explicite
On en arrive donc lalgorithme suivant.
Algorithme 7.6 : Mthode dEuler explicite

1. tant donn un pas de temps h, une condition initiale (t0 , y0 ) et un
nombre maximal ditrations N
2. Pour 0 n N :
yn+1 = yn + hf (tn , yn )
tn+1 = tn + h
crire tn+1 et yn+1
3. Arrt
N
Exemple 7.7
Soit lquation direntielle (voir Fortin et Pierre, rf. [18]) :
y (t) = y(t) + t + 1
et la condition initiale y(0) = 1. On a donc t0 = 0 et y0 = 1 et lon prend un
pas de temps h = 0,1. De plus, on a :
f (t, y) = y + t + 1
On peut donc utiliser la mthode dEuler explicite et obtenir successivement
des approximations de y(0,1), y(0,2), y(0,3) , notes y1 , y2 , y3 . Le premier
pas de temps produit :
y1 = y0 + hf (t0 , y0 ) = 1 + 0,1f (0 , 1) = 1 + 0,1(1 + 0 + 1) = 1
346 Chapitre 7
Le deuxime pas de temps fonctionne de manire similaire :
y2 = y1 + hf (t1 , y1 ) = 1 + 0,1f (0,1 , 1) = 1 + 0,1(1 + 0,1 + 1) = 1,01
On parvient ensuite :
y3 = y2 + hf (t2 , y2 ) = 1,01 + 0,1f (0,2 , 1,01)
= 1,01 + 0,1(1,01 + 0,2 + 1) = 1,029
Le tableau suivant rassemble les rsultats des dix premiers pas de temps. La
solution analytique de cette quation direntielle est y(t) = et + t, ce qui
permet de comparer les solutions numrique et analytique et de constater la
croissance de lerreur. On peut aussi comparer les rsultats la gure 7.2.
Mthode dEuler explicite :

y (t) = y(t) + t + 1
ti y(ti ) yi |y(ti ) yi |
0,0 1,000 000 1,000 000 0,000 000
0,1 1,004 837 1,000 000 0,004 837
0,2 1,018 731 1,010 000 0,008 731
0,3 1,040 818 1,029 000 0,011 818
0,4 1,070 302 1,056 100 0,014 220
0,5 1,106 531 1,090 490 0,016 041
0,6 1,148 812 1,131 441 0,017 371
0,7 1,196 585 1,178 297 0,018 288
0,8 1,249 329 1,230 467 0,018 862
0,9 1,306 570 1,287 420 0,019 150
1,0 1,367 879 1,348 678 0,019 201
Les rsultats prcdents nous amnent parler de prcision et donc der-

reur. La gure 7.2 montre une lgre dirence entre la solution numrique et
la solution analytique. On peut se demander comment se comporte cette erreur
en fonction du pas de temps h. La dnition qui suit aidera apporter une
rponse. Elle sapplique la plupart des mthodes tudies dans ce chapitre.
Dnition 7.8
Une mthode de rsolution dquations direntielles est dite un pas si elle
est de la forme :
yn+1 = yn + h(tn , yn ) (7.4)
o est une fonction quelconque. Une telle relation est appele quation aux
dirences. La mthode est un pas si, pour obtenir la solution en t = tn+1 ,
on doit utiliser la solution numrique au temps tn seulement. On dsigne
mthodes pas multiples les mthodes qui exigent galement la solution nu-
mrique aux temps tn1 , tn2 , tn3 .
1,40
Solution analytique
1,35
Solution numrique (h = 0,1)
1,30
1,25
1,20
1,15
1,10
1,05
1,00
0 0,2 0,4 0,6 0,8 1,0
Figure 7.2 Mthode dEuler explicite : y (t) = y(t) + t + 1 pour y(0) = 1
La mthode dEuler explicite est bien sr une mthode un pas o (t, y) =

f (t, y). Dans ce chapitre, lattention est principalement porte sur les mthodes
un pas. Nous pouvons maintenant dnir lordre de convergence de ces m-
thodes.
Dnition 7.9
On dira quun schma un pas converge lordre p si :
max |y(tn ) yn | = O(hp ) (7.5)

1nN
o N est le nombre total de pas de temps.
Lordre de convergence dune mthode un pas dpend de lerreur com-

mise chaque pas de temps via lerreur de troncature locale que nous allons
maintenant dnir.
Dnition 7.10
Lerreur de troncature locale au point t = tn est dnie par :
y(tn+1 ) y(tn )
n+1 (h) = (tn , y(tn )) (7.6)
h
Lerreur de troncature locale mesure la prcision avec laquelle la solution
analytique vrie lquation aux dirences 7.4.
Analyse numrique
pour ingnieurs
Quatrime dition
Depuis plusieurs annes,

lanalyse numrique connat un
essor considrable et la plupart
des facults de sciences et de gnie
offrent au moins un cours dintroduc-
tion cette discipline. La matrise de cet
outil extrmement performant est devenue
indispensable dans la formation scientifique en
gnral, et en particulier dans celle des ingnieurs,
puisquelle permet daborder et de rsoudre des
problmes dont la solution est inimaginable par les
mthodes analytiques classiques. Ce livre couvre notam-
ment lanalyse derreurs, les racines dquations algbri-
ques, les systmes dquations linaires et non linaires, les
techniques dinterpolation, la diffrentiation et lintgration
numriques ainsi que les systmes dquations diffrentielles
ordinaires. Lauteur met laccent sur la comprhension profonde
des mthodes proposes plutt que sur la programmation, en pr-
sentant chaque thme laide dexemples, de figures, de tableaux et
dapplications.
Ce livre sadresse aux tudiants en sciences et en gnie ainsi quaux ing-

nieurs et aux scientifiques qui dsirent acqurir des connaissances et des
habilets de base dans le domaine de lanalyse numrique.
Andr Fortin est professeur au Dpartement de mathmatiques et de sta-

tistique de lUniversit Laval Qubec. Il a enseign au Dpartement de
mathmatiques et de gnie industriel de lcole Polytechnique de Montral
de 1984 2000. Il est galement directeur du Groupe interdisciplinaire de
recherche en lments finis (GIREF) qui runit des chercheurs provenant prin-
cipalement de lUniversit Laval et de lcole Polytechnique. Ce centre sint-
resse aux aspects thoriques et pratiques de la modlisation numrique et de ses
applications industrielles.
ISBN : 978-2-553-01622-6
www.polymtl.ca/pub

Analyse Numerique Pour in 2

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Analyse Numerique Pour in 2

Transféré par

Droits d'auteur :

Formats disponibles

Andr

Couverture : Cyclone Design

Nous reconnaissons laide financire du gouvernement du Canada par lentremise du Fonds

Gouvernement du Qubec Programme de crdit dimpt pour ldition de livres

Tous droits rservs

Dpt lgal : 4e trimestre 2011 ISBN 978-2-553-01622-6 (version imprime)

Une pense spciale

Lanalyse numrique et les mthodes numriques en gnral poursuivent

comprhension. Cest le cas notamment pour la section sur la transforme de

2 quations non linaires 49

3 Systmes dquations algbriques 95

4 Mthodes itratives et systmes dynamiques discrets 167

5.7.3 Cas multidimensionnel . . . . . . . . . . . . . . . . . . . 256

6 Direntiation et intgration numriques 291

7 quations direntielles 341

Rponses aux exercices du chapitre 1 . . . . . . . . . . . . . . . . . . 425

En pratique, il est dicile dvaluer les erreurs absolue et relative, car on

Lerreur absolue donne une mesure quantitative de lerreur commise et

alors le chire correspondant la me puissance de 10 est dit signicatif et

x = | 3,1416| 0,73 105

et lerreur absolue est infrieure 0,5 104 . Le chire correspondant cette

En pratique, on conclut que x = 0,5 103 kg.

1.2 Erreurs de modlisation

Figure 1.1 Problme du pendule

quations non linaires

Nous avons tous appris au secondaire comment rsoudre lquation du second

mthodes numriques. Dans ce qui suit, nous prsentons plusieurs techniques de

2.2 Mthode de la bissection

Algorithme 2.2 : Algorithme de la bissection

Figure 2.1 Mthode de la bissection : f (x) = ex x

8. Si le nombre maximal ditrations N est atteint :

Mthode de la bissection : f (x) = x3 + x2 3x 3

On remarque aisment que la longueur de lintervalle entourant la racine est

Mthode de la bissection : f (x) = x2 2

3.2 Systmes linaires

a11 x1 + a12 x2 + a13 x3 + + a1n xn = b1

On peut utiliser la notation matricielle, qui est beaucoup plus pratique et

et o b = [b1 b2 b3 bn ]T est le membre de droite. Bien entendu, la matrice

et la discussion peut sembler close. Nous verrons cependant que le calcul de la

Pour le rsoudre, on peut utiliser la mthode classique qui consiste liminer

Il est thoriquement possible dtendre la substitution successive des sys-

est trs facile rsoudre. Il sut de considrer sparment chaque ligne. On

Le deuxime type de systme simple est le systme triangulaire infrieur

Une matrice triangulaire suprieure est tout simplement la transpose dune

Les systmes triangulaires sont galement faciles rsoudre. Il sut en

consiste rsoudre la premire quation :

Puisque x1 est maintenant connue, on peut dterminer x2 :

La dernire quation scrit :

b3 a31 x1 a32 x2 14 (3)(3) (2)(2)

De lexemple prcdent, on peut rapidement dduire le cas gnral pour la

En dautres mots, le dterminant est le produit des termes de la diagonale de

Les matrices triangulaires sont primordiales pour la rsolution des sys-

Autrement dit, les mthodes directes permettent dobtenir le rsultat aprs

cas. Nous prsentons quelques exemples de mthodes itratives la n du

3.3 Oprations lmentaires sur les lignes

on obtient le nouveau systme :

Mthodes itratives et systmes

4.2 Application quadratique

En eet, le maximum de g(x) est atteint en x = 21 et vaut 4 . Nous nous

On constate immdiatement que 0 est une solution de cette quation et est

Le point xe r est donc attractif si :

Figure 4.1 Application quadratique : = 0,5

Figure 4.2 Application quadratique : = 1,5

il y a bien deux points xes x = 0 et x = r , dont seul r est attractif, car