Académique Documents
Professionnel Documents
Culture Documents
Corrigé Des Concours D'analyse Numérique (2011-2016) PDF
Corrigé Des Concours D'analyse Numérique (2011-2016) PDF
Numérique
Corrigé des sujets de concours
Bensid Yazid
Essat 2017
iv
Table des matières
v
vi Table des matières
Ce polycopié contient un bref rappel de cours avec tous les exercices d’analyse
numérique qui ont été posé lors du concours national d’entrée aux grandes écoles.
Comme je n’ai pas eu le temps de le relire, il se peut qu’il contienne des erreurs
de frappe ou de calcul.
CHAPTER 1
1.1. Rappel
Pour résoudre une équation du type f (x) = 0
(1) On trace l’allure de la courbe pour repérer la racine α
(2) On applique le théorème des valeurs intermediaires pour s’assurer que la
racine α est comprise dans un intervalle [a, b]
(3) On applique une méthode de résolution (point fixe ou Newton)
qN
|xN − a| ≤ |x1 − x0 | ≤ ε avec q = max |g 0 (x)| sur [a, b]
1−q
1
2 1. RÉSOLUTION DES ÉQUATIONS NON LINÉAIRES
Montrer que cette suite converge et que sa limite est a,en déduire la
valeur
q = max |g 0 (x)|
(3) Déterminer le nombre d’itérations N tel que :
qN
|xN − a| ≤ |x1 − x0 | ≤ ε = 10−6
1−q
4 1. RÉSOLUTION DES ÉQUATIONS NON LINÉAIRES
x 3 4
g 00 (x) +
55
g 0 (x) 23 68
30
3.93
g(x)
3.15
55
On voit bien que : ∀x ∈ I = [3, 4], |g 0 (x)| ≤ < 1 et g(x) ∈ I = [3, 4]
68
Les conditions du théorème du point fixe sont vérifiées, donc la suite
définie par
x0 = 3
xn+1 = g(xn ) avec g(x) = x − ln(x) + arctg(x)
Converge vers a
Il reste à déduire le nombre d’itérations N qui assure que :
⇒N ≥ ⇒ N ≥ 63.98 ⇒ N = 64
55
ln
68
Exercice 2 (2012). Soit donnée l’équation ln x − x2 + 2 = 0
(1) Séparer graphiquement les racines de cette équation
6 1. RÉSOLUTION DES ÉQUATIONS NON LINÉAIRES
(2) Montrer que la plus grande racine est comprise dans un intervalle de la
forme
[n, n + 1], n ∈ N
On applique le théorème des valeurs intermediaires :
On pose f (x) = ln x − x2 + 2
f (1) = ln 1−12 +2 = 1 et f (2) = ln(2)−22 +2 = −1.306 ⇒ f (1)f (2) <
0
1 1 − 2x2
De plus, f 0 (x) = − 2x = <0 ∀x ∈ I = [1, 2]
x x
On en déduit que : ∃!a ∈ I = [1, 2]tel que :f (a) = 0
(3) Ecrire l’équation donnée sous la forme x = F (x) puis montrer que la
méthode du point fixe (des approximations successives)
xn+1 = F (xn ), n = 0, 1, · · ·
x0 quelconque dans [a, b]
x 1 2
F 00 (x) +
2e−1
F 0 (x)
0
e−1
F (x)
e−2
i 0 1 2 3 4 5 6
xi 1.5 1.284025 0.703787 0.222087 0.142177 0.138098 0.137941
8 1. RÉSOLUTION DES ÉQUATIONS NON LINÉAIRES
Exercice
√ 3 (2014). On cherche à calculer la racine cubique de a donc :
x = a ⇒ x3 = a ⇒ x3 − a = 0
3
i 0 1 2 3
xi 2 1.75000 1.710884 1.709976
Exercice 4 (2015). On cherche à approcher les eventuelles racines de l’équation :
π
f (x) = x − 0.5 cos(x) = 0, x ∈ I = [0, ] (1)
2
(1) Montrer qu’il existe une seule racine r de l’équation (1) sur I
f (x) = x − 0.5 cos(x) = 0
On applique le théorème des valeurs intermediaires :
1.3. CORRIGÉ DES EXERCICES 9
π
x 0 2
g 00 (x) −
0
0
g (x)
−0.5
0.5
g(x)
0
π
On voit bien que : ∀x ∈ I = [0, ], |g 0 (x)| ≤ 0.5 < 1
2
π
et g(x) ∈ I = [0, ]
2
Les conditions du théorème du point fixe sont vérifiées, donc la suite
définie par
x = g(xn ), n = 0, 1, · · ·
(C) n+1 où g(x) = 0.5 cos(x)
x0 = α∈I
Converge vers r
(3) On prend α = 0, déterminer n tel que |xn − r| ≤ ε = 10−6
1−k
ln ε
kN |x1 − x0 |
|xn − r| ≤ |x1 − x0 | ≤ ε ⇒ N ≥
1−k ln k
10 1. RÉSOLUTION DES ÉQUATIONS NON LINÉAIRES
avec : k = | max g 0 (x)| = 0.5, |x1 −x0 | = |g(x0 )−x0 | = |0.5−0| = 0.5
et ε = 10−6
1 − 0.5 −6
ln 10
0.5
⇒N ≥ ⇒ N ≥ 19.93 ⇒ N = 20
ln 0.5
(4) Calculer x4
i 0 1 2 3 4
xi 0 0.5000 0.4387 0.4526 0.4496
(1) Montrer que l’équation f (x) = 0 admet une unique racine a dans l’inter-
valle I = [3, 4]
On applique le théorème des valeurs intermediaires :
f (3) = ln(3) − arctg(3) = −0.15 et f (4) = ln(4) − arctg(4) = 0.06 ⇒
f (3)f (4) < 0
0 1 1 x2 − x + 1
De plus, f (x) = − = >0 ∀x ∈ I = [3, 4]
x 1 + x2 x(1 + x2 )
On en déduit que : ∃!a ∈ I = [3, 4]tel que :f (a) = 0
(2) On considère la suite délinie par :
x0 = 3
xn+1 = g(xn ) avec g(x) = exp(arctg(x))
Montrer que cette suite converge et que sa limite est a,en déduire la
valeur
q = max |g 0 (x)|
x 3 4
g 00 (x) −
0.348701
g 0 (x)
0.221486
3.765262
g(x)
3.487013
2.1. Rappel
En utilisant la décomposition A = D − E − F
Par exemple, pour le cas n = 3
a b c a 0 0 0 0 0 0 −b −c
A = d e f ⇒ D = 0 e 0 E = −d 0 0 F = 0 0 −f
g h i 0 0 i −g −h 0 0 0 0
— la matrice d’itération de Jacobi J est définie par : J = D−1 (E + F )
— la matrice d’itération de Gauss Seidel L1 est définie par : L1 = (D−E)−1 F
−1
1 1−w
— la matrice de relaxation Lw est définie par : Lw = D−E D+F
w w
Quelques résultats à connaitre :
— Une methode d’iteration C converge si et seulement si le rayon spectral
de sa matrice d’itération est plus petit que 1 (ρ(C) < 1)
— Si A est une matrice à diagonale strictement dominante par lignes, alors
les méthodes de Jacobi et de Gauss-Seidel sont convergentes.
— Si la matrice A est symétrique définie positive, alors la méthode de re-
laxation converge pour tout w appartenant à ]0, 2[ .
— Si A est une matrice tridiagonale, alors ρ(L1 ) = ρ(J)2 Dans ce cas les
deux méthodes convergent ou divergent en même temps.
— Si A est une matrice tridiagonale symétrique définie positive, alors la
méthode de relaxation converge pour 0 < w < 2 , de plus la méthode de
13
14 2. RÉSOLUTION DES SYSTÈMES LINÉAIRES
Exercice 2 (2012).
1 2 −2
A = 1 1 1
2 2 1
1 0 0 0 0 0 0 −2 2
D = 0 1 0 E = −1 0 0 F = 0 0 −1
0 0 1 −2 −2 0 0 0 0
0 −2 2
J = D−1 (E + F ) = E + F = −1 0 −1
−2 −2 0
0 −2 2
L1 = (D − E)−1 F = 0 2 −3
0 0 2
(2) Prouver que ρ(J) < 1 < ρ(L1 ) où ρ(T ) est le rayon spectrale de la matrice
T
2.3. CORRIGÉ DES EXERCICES 17
−X −2 2 −X −2 2
PJ (X) = det(J−XI) = −1 −X −1 = −1 −X −1 =
−2 −2 −X X − 2 0 −X − 2
−X −2 2 + X
−1 −X 0
X − 2 0 −2X
= (X − 2)X(2 + X) − 2X(X 2 − 2) = X(X 2 − 4 − 2X 2 + 4) = −X 3
⇒ ρ(J) = 0 < 1
−X −2 2
PL1 (X) = det(L1 −XI) = L1 = (D−E)−1 F = 0 2 − X −3
0 0 2−X
⇒ PL1 (X) = −X(2 − X)2 ⇒ ρ(L1 ) = 2 > 1
1−1 2
A = −1
1 0
1 0 1
1 0 0 00 0 0 1 −2
D = 0 1 0 E= 1
0 0 F = 0 0 0
0 0 1 −10 0 0 0 0
0 1 −2
−1
J = D (E + F ) = E + F = 1 0 0
−1 0 0
0 1 −2
L1 = (D − E)−1 F = 0 1 −2
0 −1 2
18 2. RÉSOLUTION DES SYSTÈMES LINÉAIRES
−1
1 1−w
0 0 1 −2
−1 w w
1 1−w 1 1−w
Tw = D−E D+F = −1 0 0 0
w w w w
1 1 − w
1 0 0 0
w w
1−w
1 −2
w 0 0 w
1−w
⇒ Tw = w2 w 0 0 0
2
−w 0 w
w
1 − w
0 0
w
1−w w −2w
⇒ Tw = w(1 − w) w2 − w + 1 −2w2
−w(1 − w) −w2 2w2 − w + 1
(3) Prouver que les méthode de Jacobi et de Gauss-Seidel divergent. (utiliser
Ie rayon spectral)
−X 1 −2 −X 1 −2
2
PJ (X) = det(J − XI) = 1 −X 0 = 1 − X 0 −2X =
−1 0 −X −1 0 −X
2
−[−X(1 − X ) − 2X]
√
PJ (X) = X(1 − X 2 + 2) = X(3 − X 2 ) ⇒ ρ(J) = 3 > 1
⇒ La méthode de Jacobi diverge.
−X 1 −2
PL1 (X) = det(L1 − XI) = 0 1 − X
−2
0 −1 2 − X
= −X[(1 − X)(2 − X) − 2] = −X(X 2 − 3X)
PL1 (X) = −X 2 (X − 3) ⇒ ρ(L1 ) = 3 > 1
⇒ La méthode de Gauss Seidel diverge.
(4) Peut-on calculer wopt ?
On ne peut pas calculer car A n’est pas tridiagonale symétrique définie
positive.
Exercice 4 (2014). On considère la matrice suivante :
1 a 0
A= a 1 a
0 a 1
(1) Pour quelles valeurs de a la matrice A admet une décomposition sous
la forme A = LU où L est une matrice triangulaire inférieure et U une
matrice triangulaire supérieure.
2.3. CORRIGÉ DES EXERCICES 19
1 a 2
a 1 = 1 − a 6= 0 ⇒ a ∈
/ {−1, 1}
1 1 1
ρ(L1 ) = 2a2 < 1 ⇒ a2 < ⇒ − √ < a < √
2 2 2
(4) On prend a = 0.5, calculer le rayon spectral de TJ .
p √
a = 0.5 ⇒ ρ(J) = 2(0.52 ) = 0.5
En déduire le rayon spectral de TGS en justifiant votre réponse.
ρ(L1 ) = ρ(J)2 = 0.5 car la matrice A est tridiagonale.
CHAPTER 3
Interpolation polynomiale
3.1. Rappel
Formule de Vandermonde : Soit Pn le polynôme d’interpolation passant par les
points (x0 , y0 ), · · · , (xn , yn )
n
X
alors Pn (x) = ai xi avec S = (a0 , a1 · · · , an )T solution du système
i=0
1 x0 x20 · · · xn0
a0 y0
1 x1 x21 ··· xn1 a1 y1
=
.. .. .. .. .. .. ..
. . . . .
.
.
1 xn x2n · · · xnn an yn
Formule de Lagrange :
n
X
Pn (x) = y0 L0 (x) + y1 L1 (x) + · · · + yn Ln (x) = yi Li (x) avec :
i=0
n
Y x − xj
Li (x) =
x − xj
j=0 i
j6=i
Formule de Newton générale :
Pn (x) = y0 + f [x0 , x1 ](x − x0 ) + f [x0 , x1 , x2 ](x − x0 )(x − x1 )
+ · · · + f [x0 , x1 , · · · , xn ](x − x0 )(x − x1 ) · · · (x − xn−1 )
21
22 3. INTERPOLATION POLYNOMIALE
y1 − y0 ∆y0
y 1 = y 0 + a1 h ⇒ a1 = ⇒ a1 =
h h
∆y0 y2 − y0 − 2∆y0 y2 + (y1 − y1 ) − y0 − 2∆y0
y2 = y0 +2 h+2a2 h2 ⇒ a2 = 2
=
h 2h 2h2
∆y1 + ∆y0 − 2∆y0 ∆y1 − ∆y0 ∆2 y0
⇒ a2 = = ⇒ a 2 =
2h2 2h2 2h2
(3) En déduire la valeur de ai
∆i y0
On peut montrer par récurrence que : ai =
i!hi
3.3. CORRIGÉ DES EXERCICES 25
∆y0 ∆2 y0 ∆n y0
P̃n (q) = yo + (qh) + (qh)(qh − h) + · · · + (qh)(qh − h)(qh − 2h) · · · (qh − (n − 1)h)
1!h 2!h2 n!hn
∆y0 ∆2 y0 2 ∆n y0 n
= yo + q+ h q(q − 1) + · · · + h q(q − 1)(q − 2) · · · (q − (n − 1))
1! 2!h2 n!hn
∆y0 ∆2 y0 ∆n y0 x − x0
P̃n (q) = yo + q+ q(q − 1) + · · · + q(q − 1)(q − 2) · · · (q − (n − 1)) avec q =
1! 2! n! h
∆y0 ∆2 y0 ∆3 y0
P̃4 (q) = yo + q+ q(q − 1) + q(q − 1)(q − 2)
1! 2! 3!
∆4 y0 x − x0 x−1
+ q(q − 1)(q − 2)(q − 3) avec q = =
4! h 0.1
26 3. INTERPOLATION POLYNOMIALE
yi ∆yi ∆2 yi ∆3 yi ∆4 yi
0.8427
0.0375
0.8802 −0.0074
0.0301 0.0010
0.9103 −0.0064 0
0.0237 0.0010
0.9340 −0.0054
0.0183
0.9523
0.0375 −0.0074 0.0010 0
P̃4 (q) = 0.8427 + q+ q(q − 1) + q(q − 1)(q − 2) + q(q −
1! 2! 3! 4!
1)(q − 2)(q − 3)
1.05 − 1
x = 1.05 ⇒ q = = 0.5
0.1
0.0375 −0.0074
⇒ Φ(1.03) ' P̃4 (0.5) = 0.8427 + 0.5 + 0.5(0.5 − 1)
1! 2!
0.0010
+ 0.5(0.5 − 1)(0.5 − 2)
3!
˜ ∆y0 ∆2 y0 x − x0 x−0
P2 (q) = y0 + q+ q(q − 1) avec q = = =x
1! 2! h 1
yi ∆yi ∆2 yi
0
2
2 32
34
36
3.3. CORRIGÉ DES EXERCICES 27
2 32
P˜2 (q) = 0 + q + q(q − 1) = 16q 2 − 14q
1! 2!
(2) Obtenir le polynôme d’interpolation de Newton passant par les 4 premiers
points, est ce possible d’utiliser les calculs faits en 1 ?
˜ ∆y0 ∆2 y0 ∆3 y0
P3 (q) = y0 + q+ q(q − 1) + q(q − 1)(q − 2)
1! 2! 3!
∆3 y0 x − x0 x−0
= P˜2 (q) + q(q − 1)(q − 2) avec q = = =x
3! h 1
yi ∆yi ∆2 yi ∆3 yi
0
2
2 32
34 150
36 182
216
252
150
P˜3 (q) = 16q 2 − 14q + q(q − 1)(q − 2) avec q = x
3!
(3) Donner l’expression analytique de l’erreur pour les polynômes obtenus en
1 et 2
100 13
0.165714
1500 245 4 × 10−6
0.204118
10000 1980
ln(−d) = −1 ⇒ d = −e−1
(
⇒ e13 − e−1
ln(100c + e−1 ) = 13 ⇒ 100c + e−1 = e13 ⇒ c =
100
3.3. CORRIGÉ DES EXERCICES 29
e13 − e−1
La fonction logarithmique d’interpolation devient : g(x) = 1+ ln x + e−1
100
e − e−1
13
−1
g(5000) = 1 + ln 5000 + e = 17.91
100
(4) Commenter vos résultats
Le résultat obtenue par l’interpolation logarithmique n’est pas réaliste,
dans ce cas on préfere utiliser l’interpolation polynomiale.
CHAPTER 4
Intégration numérique
4.1. Rappel
Formule du trapèze simple :
b−a
It = (y0 + y1 ) avec y0 = y(a) et y1 = y(b)
2
L’erreur est donnée par :
h3 (2)
R(f ) = − f (η) avec η ∈ [a, b] et h = b − a
12
Formule des trapèzes généralisée :
h
Itg = (y0 + 2y1 + · · · + 2yn−1 + yn )
2
L’erreur est donnée par :
h5 (4) b−a
R(f ) = − f (η) avec η ∈ [a, b] et h =
90 2
31
32 4. INTÉGRATION NUMÉRIQUE
i 0 1 2 3 4
xi −1 0 1 2 3
yi 3 2 3 6 11
avec : yi = f (xi ), i = 0, · · · , 4 Où f (x) est une fonction inconnue.
R3
(1) Calculer en utilisant la formule des trapèzes généralisée : −1 f (x)dx
R3
(2) En utilisant la formule de Simpson généralisée, calculer −1 g(x)dx
Avec g(x) = (x2 + 1)f (x) où f est la fonction dont les valeurs sont
données dans le tableau précèdant
4.3. Corrigé des exercices
Exercice 1. Considérons le tableau des valeurs suivant :
i 0 1 2 3 4
xi −1 0 1 2 3
yi 3 2 3 6 11
avec : yi = f (xi ), i = 0, · · · , 4 Où f (x) est une fonction inconnue.
R3
(1) Calculer en utilisant la formule des trapèzes généralisée : −1 f (x)dx
Itg = h2 (y0 + 2y1 + 2y2 + 2y3 + y4 ) avec h = xi+1 − xi = 1
Itg = 21 (3 + 2(2) + 2(3) + 2(6) + 11) = 18
4.3. CORRIGÉ DES EXERCICES 33
R3
(2) En utilisant la formule de Simpson généralisée, calculer −1 g(x)dx
Avec g(x) = (x2 + 1)f (x) où f est la fonction dont les valeurs sont
données dans le tableau précèdant
g(−1) = ((−1)2 + 1)f (−1) = 2(3) = 6
g(0) = ((0)2 + 1)f (0) = 1(2) = 2
Ainsi de suite, on obtient le tableau
i 0 1 2 3 4
xi −1 0 1 2 3
g(xi ) = yi 6 2 6 30 110
La formule de Simpson généralisée est donnée par :
h
Isg = (y0 + 4σ1 + 2σ2 + y4 ) avec h = 1 et :
3
σ1 = y1 + y3
σ2 = y2
σ1 = y1 + y3 = 2 + 30 = 32 et σ2 = y2 = 6
256
⇒ Isg = 31 (6 + 4(32) + 2(6) + 110) =
3