Académique Documents
Professionnel Documents
Culture Documents
Méthodes Numériques
(Cours et TD)
1. Introduction. Anne ee ti
2. Méthode de la bissection san nisnennrarnnneennnennnennnnrnmnannnne 2
2.1 Développement de la méthode... sen nsscmneenemennernenenes 2
22. Algorithme e la méthode... issus à
2.3. Convergence et estimation de l'erreur ss @
3. Méthode de Newton-Raphson…. " annee enemenneeenerenemenennennnesenes D
31 Interprétation graphique de la méthode. ne Ra n menene E
32 Algorithme de la méthode... res 7
33 Convergence et estimation de l'erreur iii À
4. Méthode du POIint Re... enr iinemnennennnrniennnnnnéee ie sanie ol
4.1. Exemple... and A nt et
4.2, Alcorithine ds la méisée. _—
4.3. Etude de la convergence de la méthottess
44. Estimation:de l'erreur. seras nnnreisneisn
1. Introduction. 5
2. Méthode de Cramer (Rappel. pense are EEE RnEn eur 2
2.1. Solution utilisant les rs NE 12
2.2. Solution utilisant la matrice inverse ni anemnennnnns LA
& Méthode: de Gauss Sn nr nn enr nn détest
3.1. Introduction (Principe) …
DB: AROTNME Su tEé
4. Méthode de Gauss avec pivot... enr snsnre seras
minsnnennenennennnmnnenneinisenne
Ji Oo Um BE Lg M
Un Es Lu MJj Ha
Chapitre 6 : Interpolation 28
L Introductions de ar nn n Sn nn nt 28
TD Méthodes numériques 33
Solo TO NE onmsonmmenmmemmmmnonmmucesmmdnmandsmsanenenennee Cl
Bibliographie
78
Cours Méthodes Numériques
Chapitre1
1. Introduction
De plus, les méthodes analytiques limitées aux formes polynômiales simples sont
inütilisables pour les équations transcendantes telles que :
xe*—cosx+x+l=0
Il faudra donc recourir aux méthodes numériques qui permettent de calculer des
racines
approchées avec une précision déterminée.
Définition :
2. Méthode de la bissection
Cette méthode est appelée aussi « dichotomie », elle repose sur un théorème
important
c'est le théorème des valeurs intermédiaires qui est à la base de l'étude de celle-
ci ainsi que
des autres méthodes.
Théorème
Si f est une fonction continue sur l'intervalle [a, b] et si on a fa). f(b}) < 0
alors l'équation
fx) = 0 possède au moins une racine dans l'intervalle [a, b].
On s'assure que si f(a), f(b) < 0 sur l'intervalle [a, b], la racine est unique
(c.à.d. que f
est monotone dans l'intervalle [a, b]].
On partage [a, b] en 2 intervalles, [a,c] et [c, b] tel que € = +, Si fa). f(e) < 0
cela
implique que la racine € [ae] et si f(c). f(b) < 0 cela implique qu'elle € {e, b]
(si f(c) = 0,
c serait la racine exacte). Le domaine gardé sera à son tour partagé jusqu'à
arriver à un petit
domaine selon une précision donnée dont sa moitié sera considérée comme racine
approchée de l'équation f(x) = 0.
Solution :
n a b € b—c | fc)
Solution :
FR à
és
Pasi:c< (a+b)/2
a £
k À intervalle initial
Û; bi
= ba
n by # 4 æ
La racine approchée est €, = “, Si on désigne par « la solution exacte, alors on
a :
b;;= b—
EG =tl <= == €
ba
donc, l'erreur |C, — æ| < rs {1)
le Ba
& es) {2} (n ne dépend pas de f)
Comme exemple : Si l'intervalle est [1,2] et eps = 107% alors n > 9.93
3. Méthode de Newton-Raphson
PT Po)
En ignorant À, on obtient une nouvelle approximation x,(meilleure que x).
pee f(xo)
: ® f'Go)
De la même manière que précédemment on trouve une nouvelle valeur x, tel que :
_. _ {@)
FAT F(x)
x donné
PCxx-1)
RAT PEU A)
3.1. interprétation graphique de la méthode
+» =/(x)
x
Figure 1.1. Méthode de Newton-Raphson
tg0 représente la dérivée :
F(Xk-1) = 0
Lg) = —=———
g Xe Xe
Exemple : Trouver par la méthode de Newton-Raphson la valeur approximative de la
racine
Lima — Xi + 2
RAA ET 1
-1.000000
-1.500000
-1.331620
-1.273516
-1267237
-1.267168
ins wlnulrhlolæ
-1267168
Pasi:k 1
HET)
Pas 2: xp 6 Xp — 5
k A1 Ftees)
Alors la méthode de Newton-Raphson engendre une suite qui converge vers la solution
unique de f(x] = 0, en partant de l'approximation x, vérifiant :
xl <
lt xl 2m AVEC Lin = min(|f"()l}, x € [ab]
4. Méthode du point fixe
Définition
Soit la fonction g(x) définie dans l'intervalle [a, b]. Tout point c € [a, b] tel
que : € = g(c)
est dit point fixe de g(x).
L'équation f(x) = 0, avec f continue sur [a, b] peut être mise sous la forme x =
g(x)
tel que : f(x) = x — g(x).
au = 9
Xx = 9(Xx-1)
4.1. Exemple
a) x = gx) = x +x —2
*o = 1.200
x, = 0.928
22 = —0,273
X3 = —2.293
x = —16.349
Xo = 12000
x = 1.254
2 = 12596
x: = 1.2599
x = 12599
Pasl:k —1
Pas 2 : Xx — g(Xx)
Théorème
On démontre que si g:[a,b] — [a,b] possède un point fixe dans l'intervalle [a, b]
et si
g'(x)| <= k < 1 ce point est unique.
de.
Exemple: On montre que la fonction g(x) = — possède un point fixe unique dans
l'intervalle [1,1].
Solution :
Divisons l'intervalle en 2 parties : [—1,0] et [0,1]
g(-D =g()=0ef-11]
1
g(0)=-7e [+11]
Et nous avons :
1
vxe[-10]: g(x) *= g(0) = —3<90)< g(—1) =0
On démontre que si la fonction g:[a,b] — [a.b] vérifie |g'(x)| < k < 1 vx e [ab],
alors
la suite définie par la relation récursive suivante :
0
Le = ÿ(Xr1)
On démontre que l'erreur commise en utilisant la méthode du point fixe comme outil
de
résolution vérifie la relation :
xs = Xn=2 |
k
Pi as
ln — Xl où
Chapitre 2
1. Introduction
Dans cæ chapitre, nous allons aborder deux principales méthodes de résolution des
systèmes linéaires, à savoir la méthode d'élimination de Gauss et Gauss avec pivot.
De façon
générale, la résolution d'un système d'équations linéaires consiste à trouver un
vecteur
X = Pa %2 X3 x]7 {(X dénotera un vecteur colonne et l'indice supérieur T
désignera sa transposée]} solution de :
On peut utiliser la notation matricielle, qui est beaucoup plus pratique et surtout
plus
compacte. On écrit alors le système précédent sous la forme :
AX =
où À est la matrice :
di 3 3 . y
fl ls ms €
A ns 21 dé 8 an
Moi n2 na + run
etb=[h b: b; .… b,]".Bien entendu, la matrice À et le vecteur b sont connus. Il
AX = b sile detA = |A| # 0 = le système possède une solution unique telle que :
+ _ lil K _W&l x _ 4,
STATS TA MC TAT
3. Méthode de Gauss
3.1. Introduction (principe)
système équivalent A'X = b'tel que la matrice A° est une matrice triangulaire
supérieure.
= x=1
M+3%+3%=0 = x =3
= |-2
1
1. Triangularisation:
3.2. Algorithme
& =
Tk
INA >
è
+
4. Méthode de Gauss avec pivot
Aussi, on remarque que la division par de petites valeurs génère une grande erreur
ce qui
nous amène à choisir a, le plus grand en valeur absolue, c.à.d:
1. Introduction
On s'intéresse à la résolution du système linéaire :
AX =b
où À est une matrice d'ordre n. Les méthodes que nous présentons ci-après sont la
3. Décomposition de la matrice A
Définissons les matrices D, Let U telles que :
D matrice Diagonale / di, = a; Vi
| | | hy=-ay si i>j
L matrice triangulaire inférieure / lj=0 si (<f
Uj=—û; Si f>i
4. Méthode de Jacobi
La matrice À étant décomposée en :
A=M-N
On prend M = D et N= L + la relation (1} devient
XU4 = DL 4 U)KO + DB (2)
5. Méthode de Gauss-Seidel
La matrice À étant décomposée en :
A=M-N
On prend M = D—L et N= U, la relation (1) devient
XU) 2 (DL) AUX + (D = L)tE
EU ON HI]
. £e (erreur relative)
ec LS
7. Condition de convergence
On démontre que si À est une matrice à diagonale strictement dominante {condition
Intégration numérique
1. Introduction
b
= [rca
y à
fi) À fix)
fa) +
|
|
>
0 +
b—a
Y 4
“+
Î
S = SU) + FG))
SI
A = Ÿ Si => (fe) + 2/0) + 2f(2) + 2 (x) + fa)
i=1
De façon générale on peut mettre f f(x) dx sous la forme :
b
[rc dx à Y'a f(x)
i=0
à à ï é à bi $
La résolution du système à 2 équations donne a; = à, = ——, et on obtient donc la
formule
des trapèzes :
J FD dx = (ba) (5 f(a) +31 0)|
La formule des trapèzes peut être obtenue en approchant f(x) par le segment de
droite
joignant les deux points (a, f(a}} et Ch, f(b)).
La formule de Simpson peut être obtenue en approchant f(x) par la parabole passant
par
nt À
f=û x
On remarque que tous les termes f(x;) sont répétés deux fois, sauf le premier et le
dernier.
On en conclue que :
b
F6 dx = 3) + Ga) + 2) + 2) + «+ Gr]
es
F
n = 2m sous-intervalles égales de longueur h =— et on utilise la méthode de Simpson
ri] Faite m1
b
Î food = Ÿ Î fodxs Ÿ LG) + 4f (taie) + fGais2)]
sd Lai i=û
On remarque que tous les termes de rang impair sont multipliés par 4 tandis que
ceux de rang
b
l
[60 dx + fr) + fc) + ACC) + fs) + + fn)
+ 2(FC2) + FU) + + fn-2))]
On démontre que :
a. Erreur de trapèzes
h3
où
ñnh°
lRrcl < Esrax = TT
où
h = — et M= Max{|f"'(£)l}, £e lab]
c. Erreur de Simpson
L
IR < Enax = 30"
où
h =— et M= Max{|f(9)]}, £e ab]
où
| n
h =
im 2
M = Max{|f(6)|}, £e [ab].
Chapitre 5
Equations différentielles
1. Introduction
Dans ce chapitre, les diverses méthodes de résolution proposées sont d'autant plus
précises qu'elles sont d'ardre élevé. Nous amorçons le cours par une méthode
relativement
simple qui nous conduira progressivement à des méthodes plus complexes telle que la
méthode de Runge-Kutta d'ordre 4, qui permet d'obtenir des résultats d'une grande
précision,
dy ,
Elle possède une infinité de solutions, sauf si on fixe une valeur y, = y(x,)
(valeur initiale).
La solution est alors dite particulière. La problématique étant de trouver y(x) sur
[a, b] telle
que :
y'= f(x y)
YCX0) = Yo
Une condition suffisante pour que la condition de Lipschitz soit vérifiée est que f
sait
dérivable par rapport à y et que sa dérivée soit bornée.,
| x
2. Méthode d'Euler
D 2 _ 3
D = y) + Ce 2,39 C0) + Ep) + Ep) + 2
, hE , RÉ
Vue) = VC) + hy'Cxs) +5 (x) "7 Gad
En considérant uniquement les deux premiers termes dans le développement de Taylor
on
obtient :
y°=y
(0) = 1
a. h=1:
| à |
y(1) = y(0) + hf(0,1) = 1 +101) = 2.
b. h=0.2:
De manière similaire:
3. Méthodes à un pas
3.1. Forme générale
Les méthodes à un pas, aussi appelée méthodes à pas séparés, sont toutes de la
forme :
Yn+i = Yu + hb(xi y h}
où est une fonction quelconque. La méthode est à un pas si, pour obtenir la
solution en
(x.y) = f(x. y)
Fe]
3.2. Méthodes de Runge-Kutta
Le calcul des valeurs de a,«, À, Ra, k, et &: nécessite le calcul de y", y" et y()
à partir de
y' = ffx,y) et le développement de Taylor. On obtient ainsi un système d'équations
comprenant moins d'équations que d'inconnues et qu'il n'a donc pas de solution
unique.
Cela offre plusieurs variantes de la méthode de Runge-Kutta d'ordre 2. Les deux
méthodes
les plus couramment utilisées sont :
L'équation précédente illustre bien pourquoi cette méthode est dite du point
milieu. On
remarque en effet que la fonction f(x,y) est évaluée au point milieu de
l'intervalle
[ns Xn+1 [8
+ Formule d'Euler-Cauchy
| 2 |
Ye) = yCxa) + : EE) + fus Ya)] avec Yu = ylx,) + Rf (xs YCXA))
Pour faciliter les calculs, l'évaluation de y,,, a été scindée en deux étapes. La
variable y,
correspond tout simplement à une itération de la méthode d'Euler. On fait ainsi une
prédiction y,,, de la solution en x,,,, qui est corrigée et améliorée à la deuxième
étape. On
parle alors d'une méthode de prédiction-correction.
k =hf (x +2 .YGn) +)
l #1
F
Chapitre 6
Interpolation
1. Introduction
2. Polynôme de Lagrange
Soit à calculer y(x) pour x = 1.5. connaissant y(1) = 2.7128 et y(2) = 7.3890
+
+
ÿ:
Yo ro
0 Xé x X1 x
Ji —ÿ _} — Yo
MX X3 — Xp
On tire y
a |
F étant la valeur approchée de y(1)
EX LE Xh
x 70 +
Xo — Xi — Xo
Yi
ei
[l
Cette formule est appelée polynôme de Lagrange (il s'agit ici de l'équation d'une
droite donc
un polynôme de degré 1 obtenu à partir de 2 points de mesure).
= Pi(x) =
++
© LG)
BE) no?
2.2, Théorème
Lx(x) 2
1 Lx(xx)
Pour À = 0:
Pour K = 1:
(x) _ _(@=x0o)(x = x2)(x = x3)_ _ (x = 0)(x = 2)(x = 3)
Lit) (xt; —xs)fxs —x3) (1 —0)(1 —2)(1 —-3)
Pour K = 2:
L20X) _ (x=xo)x=x;)x x) _(t—0)(x-1)@ 3) 1 (e—1)(x-3)
LG) — C2 = 20)@2 = 21) = 43) G 0-12 3 2"
Pour K = 3:
donc,
gx 1-5
= 2x 1}(x — 2)
M n
IF) — 2, ren [*-*
avec : M = Max{|f{#9(8)]}, £ exo.x,]
3. Méthode de Newton
3.1. Forme générale
ÀYi = Visa — Mi
My = A(Ayi) = AO) — AY = Visa — Visa — Visa Vi = Vis — Yi + Vi
My = AA y) = Yiss — Bis + Bis — M
My = A yes — AE (1)
k = .
= RTE
Î k!
| ay y dy AY:
THIN =yu-m = Àÿ;41 — AY = A Yiss — 4°yi = Myiss — My
0 |xo | Yo
J Ayo — a
1x1 | ày Yo — 45
1 ; Yo
se su
2 À y 1 Ra 3 Jo
3|X3 | Ya= à Lys =
4 | X4 | Yan »s
3.3. Calcul des coefficients C;
On prend un polynôme de degré 3 puis on généralise, On suppose que les points x;
sont
Pa(xo) = Co
Pix) = Co + hC,
P(x3) = Co + 2hC, + 2h°C;
Co = Yo
| a
C1 = Ayo/h
C, = My fair
C3 = ya/6h
y
Pa(x) = ÿe + (x - sy (x — 0) Ce — 2) + (x — 0) (x — x) — 32)
D as
2h al hr"
Remarque :
Exemple : Trouver le polynôme de Newton qui passe par les points équidistants
suivants :
minellrs =1lx=dil xs s
Mlro=1|»"=4|y=8/y3= 14
PAG Vo + TG 0) + EC — 0) — 261) + EG 0) — 1) — 2)
où:h=u-M = -M=% x = 1
Xa = 0—+ y = 1
Yo = M — Yo = 3 ;
= 1 =4 À #yo= 4-41],
EP = Yi— ji = 4 8° Yo = y — Ayo = 1
X3 = 2+y, =8 My = 4 — 4 = 2
Donc,
3 1 1
P,(x)=1 +5 0) +56 — 0)(x— 1) +2 O)(x — 1)(x — 2)
1 17
P;(x) = ++ À.
ls]