Vous êtes sur la page 1sur 87

Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Cours d’analyse numérique

Dr. Nehla DEBBABI

9 mai 2017

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 1 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 2 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

2 Chapitre 2 : Intégration numérique

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 2 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

2 Chapitre 2 : Intégration numérique

3 Chapitre 3 : Résolution de systèmes d’équations linéaires

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 2 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

2 Chapitre 2 : Intégration numérique

3 Chapitre 3 : Résolution de systèmes d’équations linéaires

4 Chapitre 4 : Résolution des équations non-linéaires

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 2 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

2 Chapitre 2 : Intégration numérique

3 Chapitre 3 : Résolution de systèmes d’équations linéaires

4 Chapitre 4 : Résolution des équations non-linéaires

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 3 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Motivation : exemple en météorologie


I Les données : la température maximale moyenne par mois pour les mois
de Janvier, Mars, Mai, Juillet, Septembre, Novembre et Décembre.
35

Température 30

25

20

15

10
Janv. Févr. Mars Avr. Mai Juin Juill. Août Sept. Oct. Nov. Déc.
Mois

Figure : Température maximale moyenne par mois

I Problématique : peut-on estimer la température maximale moyenne du


mois d’Avril ?
I Peut-on déterminer l’expression de la fonction dont la courbe
représentative passe par les températures déjà observées ?
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 4 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation polynomiale n = 2
I On considère trois points de coordonnées : (x0 , y0 ), (x1 , y1 ) et (x2 , y2 ).

I Problématique : on chercher à déterminer un polynôme P de degré 2 :


R
P(x) = a0 + a1 x + a2 x 2 , ai ∈ pour i ∈ {0, 1, 2}, tel que :
 
 P(x0 ) = y0  a0 + a1 x0 + a2 x02 = y0
(S) P(x1 ) = y1 ⇒ a0 + a1 x1 + a2 x12 = y1
P(x2 ) = y2 a0 + a1 x2 + a2 x22 = y2
 

I Écriture matricielle du système (S) :

1 x0 x02
    
a0 y0
1 x1 x12  a1  = y1 
1 x2 x22 a2 y2
| {z }
A

I Le système (S) admet une solution unique, si et seulement si, det(A) 6= 0.


Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 5 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation polynomiale n = 2

I det(A) = (x2 − x1 )(x2 − x0 )(x1 − x0 ).

I Pour que det(A) 6= 0 il faut que les xi , i ∈ {0, 1, 2} soient deux à deux
distincts.

I Dans ce cas,    
a0 y0
a1  = A−1 y1 
a2 y2

I Limitation : Lorsque le nombre de points % : le degré du polynôme %


=⇒ la complexité de l’inversion de la matrice A %.

I Alternative : Interpolation par les polynômes de Lagrange.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 6 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation de Lagrange n = 1
I On considère deux points de coordonnées : (x0 , y0 ), et (x1 , y1 ).

y1

y0

x0 x1

I Problématique : on chercher à déterminer un polynôme P(x) = a0 + a1 x,


de degré 
1, passant par ces deux points. Cela revient à résoudre le
a0 + a1 x 0 = y 0
système dont la solution est donnée par :
a0 + a1 x 1 = y 1

y0 x 1 − y1 x 0 y1 − y0
a0 = et a1 = .
x1 − x0 x1 − x0

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 7 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation de Lagrange n = 1

P(x) = a0 + a1 x
y0 x1 − y1 x0 y1 − y0
= + x
x1 − x0 x1 − x0
x − x1 x − x0
= y0 + y1
x −x x −x
| 0 {z 1} | 1 {z 0}
L0 (x) L1 (x)

P(x) = y0 L0 (x) + y1 L1 (x)

I L0 (x) et L1 (x) représentent des polynômes de Lagrange de degré 1.

I L0 et L1 forment une base de R1[X ].


I L0 (x0 ) = 1, L0 (x1 ) = 0, L1 (x0 ) = 0 et L1 (x1 ) = 1.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 8 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation de Lagrange n = 2

I On considère trois points de coordonnées : (x0 , y0 ), (x1 , y1 ) et (x2 , y2 ).

I Problématique : on chercher à déterminer un polynôme P de degré 2 qui


interpole ces points.

I Pour ce faire, on détermine trois polynômes Li , i ∈ {0, 1, 2}, de degré 2,


tels que : 
1, si i = j,
Li (xj ) = δi,j =
0, si i 6= j,
où δi,j désigne le symbole de kronecker.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 9 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation de Lagrange n = 2
I Pour i = 0, L0 s’annule en x1 et x2 . Donc, L0 (x) = α(x − x1 )(x − x2 ),
avec α ∈ . R
1
I Sachant que L0 (x0 ) = 1, on trouve α = .
(x0 − x1 )(x0 − x2 )

(x − x1 )(x − x2 )
I Ainsi, L0 (x) = .
(x0 − x1 )(x0 − x2 )

I De la même façon on démontre que :


(x − x0 )(x − x2 ) (x − x0 )(x − x1 )
L1 (x) = et L2 (x) = .
(x1 − x0 )(x1 − x2 ) (x2 − x0 )(x2 − x1 )

I {L0 , L1 , L2 } est une base de R2[X ] : une famille libre de dimension


R
3 = dim( 2 [X ]).
2
X
I P(x) = yi Li (x) : écriture de P dans la base de polynômes de Lagrange.
i=0

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 10 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 1

On considère les trois points de coordonnées : (−1, 8), (0, 3) et (1, 6).
1 Montrer qu’il existe un unique polynôme P interpolant ces points.

2 Déterminer les polynômes de Lagrange associés : L0 , L1 et L2 .

3 Donner l’allure de la courbe représentative de Li , i ∈ {0, 1, 2}, sur [−1, 1].

4 Déterminer le polynôme de Lagrange interpolant les trois points de


l’énoncé.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 11 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Correction de l’exercice 1
On considère les trois points de coordonnées : (−1, 8), (0, 3) et (1, 6).
1 Les abscises des trois points sont deux à deux distinctes donc il existe un
unique polynôme P interpolant ces points.
x(x − 1) x(x + 1)
2 L0 (x) = , L1 (x) = 1 − x 2 et L2 (x) = .
2 2
3 Allures des polynômes de Lagrange.
1.2
L0
1 L1
L2
0.8

0.6

0.4

0.2

−0.2
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

P(x) = 8L0 (x) + 3L1 (x) + 6L2 (x)


= 4x(x − 1) + 3 − 3x 2 + 3x(x + 1)
= 4x 2 − x + 3
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 12 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Correction de l’exercice 1
Résultat de l’interpolation :
8
P(x)
points
7

2
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 13 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation de Lagrange : généralisation pour n ∈ N∗

Théorème
Soient n + 1 points de coordonnées (xi , yi ), i ∈ {0, · · · , n} tels que xi 6= xj ,
pour 0 ≤ i, j ≤ n et i 6= j. Il existe alors un unique polynôme d’interpolation
R
de Lagrange P ∈ n [X ] vérifiant P(xi ) = yi , ∀i ∈ {0, · · · , n}. Ce polynôme
s’exprime comme :
Xn
P(x) = yi Li (x),
i=0
n
Y x − xj
où Li (x) = .
x
j=0 i
− xj
j6=i

La famille {L0 , L1 , · · · , Ln } est une base de l’ensemble Rn [X ].

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 14 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 2

Donner le polynôme d’interpolation de lagrange passant par les points donnés


par le tableau suivant :

i 0 1 2 3
xi 0 2 3 5
yi -1 2 9 87

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 15 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 3

Écrire un algorithme retournant le polynôme de Lagrange qui interpole n + 1


points de coordonnées (ti , yi ), i ∈ {0, · · · , n} satisfaisant le théorème
d’interpolation de Lagrange.
Réponse :
1: S ← 0
2: Pour i de 0 à n faire
3: P ← 1
4: Pour j de 0 à n faire
5: Si i <> j faire
x − t[j]
6: P ← P
t[i] − t[j]
7: Fin Si
8: Fin pour
9: S ← S + y[i]P
10: Fin pour

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 16 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Interpolation d’une fonction continue par un polynôme


On considère la fonction f (x) = e x , définie sur R.
Donner le polynôme de Lagrange qui interpole f aux points −1, 0 et 1.
Réponse :

1 e 1 e
+ + 1 x2 +

P(x) = + x + 1.
2e 2 2e 2

2.5

1.5

0.5 f(x)=ex
P(x)
points
0
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 17 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Erreur d’approximation

Théorème
Soient f une fonction de classe C n+1 ([x0 , xn ]) et Pn son polynôme
d’interpolation de Lagrange aux points x0 < x1 < · · · < xn . L’erreur
d’approximation de f par Pn est donnée par : ∀x ∈ [x0 , xn ], ∃ζ ∈ [x0 , xn ], tel
que
n
| f (n+1) (ζ) | Y
En (x) =| f (x) − Pn (x) |= | x − xi | .
(n + 1)! i=0

Cette erreur peut être majorée comme suit :

max | f (n+1) (t) | Y


n
t∈[x0 ,xn ]
En (x) =| f (x) − Pn (x) |≤ | x − xi | .
(n + 1)! i=0

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 18 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exemples

Exemple 1 : Avec quelle précision peut-on calculer la valeur de log(100.5) à


l’aide d’une interpolation de Lagrange aux points : 100, 101, 102
et 103 ?.

π
Exemple 2 : Avec quelle précision peut-on calculer la valeur de sin( ) à
36
π π
l’aide d’une interpolation de Lagrange aux points : 0, ,
6 4
π
et ?.
2

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 19 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Minimisation de l’erreur d’interpolation

Comment peut-on minimiser l’erreur d’interpolation ?

Réponse intuitive : Augmenter le nombre de points d’interpolation. Cette


intuition est vraie pour :

une grande classe de fonctions continues.


des points d’interpolation bien choisis.

Contre exemple : Le phénomène de Runge. Par exemple, la fonction


1
f (x) = . La dérivée d’ordre n + 1, f (n+1) (x), croit
1 + (10x)2
plus rapidement que (n + 1)! lorsque n augmente.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 20 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Minimisation de l’erreur d’interpolation


n=5 n=10
1 2

0
0.5
−2
0
−4

−0.5 −6
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1

n=15 n=20
2 600

0 400

−2 200

−4 0

−6 −200
−1 −0.5 0 0.5 1 −1 −0.5 0 0.5 1

Figure : L’erreur f (x) − Pn (x), où Pn désigne le polynôme de Lagrange pour


n ∈ {5, 10, 15, 20}.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 21 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Minimisation de l’erreur d’interpolation

Alternatives : Choisir des points d’interpolation non équidistants, de


l’intervalle [a, b], selon la méthode de Tchebychev :

b−a (2i − 1)π 


xi = a + 1 + cos , i ∈ {0, 1 · · · , n}.
2 2n + 2

Subdiviser l’intervalle [a, b] en des sous-intervalles


et interpoler la fonction sur chaque sous-intervalle.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 22 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 4

Soient f une fonction continue sur [−1, 1] et P le polynôme de Lagrange


interpolantZ f aux points d’abscisses −1, 0, et 1.
1
Exprimer P(x)dx en fonction de f (−1), f (0), et f (1).
−1

Réponse :
Z 1
1 
P(x)dx = f (−1) + 4f (0) + f (1) .
−1 3

La formule trouvée correspond à la formule de quadrature de Simpson de


l’intégration numérique d’une fonction sur un intervalle.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 23 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

2 Chapitre 2 : Intégration numérique

3 Chapitre 3 : Résolution de systèmes d’équations linéaires

4 Chapitre 4 : Résolution des équations non-linéaires

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 24 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Motivation :
R
Soient f une fonction continue sur [a, b] (a, b ∈ ) et F une primitive de f
sur [a, b] alors :
Z b
f (t)dt = F (b) − F (a).
a

Soit f une fonction définie sur [a, b] dont on connaı̂t la valeur en un


Z b
nombre fini de points. Peut-on calculer f (t)dt ?
a

3
e sin(t )
Soit f (t) =2
. Peut-on intégrer f sur [a, b] (a, b dans le
t + artan(t)
domaine de définition de f ) ?

Z b
Méthodes d’intégration numérique pour approcher I (f ) = f (t)dt.
a
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 25 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration simples : Méthode du rectangle à gauche


Principe :

f(b)
f(a)

a b

Formule :
Z b
s
I (f ) = f (t)dt ' IRg (f ) = f (a)(b − a).
a
Rg : Rectangle à gauche, s : simple.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 26 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration simples : Méthode du rectangle à droite


Principe :

f(b)
f(a)

a b

Formule :
Z b
s
I (f ) = f (t)dt ' IRd (f ) = f (b)(b − a).
a
Rd : Rectangle à droite.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 27 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration simples : Méthode du rectangle du milieu

Formule :
Z b
s a+b
I (f ) = f (t)dt ' IRm (f ) = f ( )(b − a).
a 2
Rm : Rectangle du milieu.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 28 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration simples : Méthode du trapèze


Principe :

f(b)
f(a)

a b

Formule :
Z b
f (a) + f (b)
I (f ) = f (t)dt ' ITs (f ) = (b − a).
a 2
T : T rapèze.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 29 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration simples : Méthode de Simpson


Principe :

f(b)
f(a)

a (a+b)/2 b

Formule :
b
1 b−a 
Z
a+b
f (t)dt ' ISs (f ) =

I (f ) = ( ) f (a) + 4f ( ) + f (b) .
a 3 2 2
S : Simpson.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 30 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exemple

Z 1
2
Donne une valeur approchée de e −t dt par la méthode du :
−1

rectangle du milieu.
trapèze.
Simpson.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 31 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration composites

R
Soit f une fonction continue sur un intervalle [a, b] de . On cherche à trouver
une valeur approchée de l’intégrale de f sur [a, b]. Pour ce faire, nous
subdivisons [a, b] en n sous-intervalles uniformes [xi , xi+1 ], i ∈ {0, n − 1} : en
utilisant un pas fixe h = b−a
n .

b−a
x0 = a + 0.h, x1 = a + 1.h = n , ... , xn = a + nh = a + n b−a
n = b.

Z b n−1
X Z xi+1
Nous approchons f (t)dt par f (t)dt, où pour i ∈ {0, · · · , n − 1},
a i=0 xi
Z xi+1
f (t)dt est approchée par les méthodes d’intégrations simples déjà vues.
xi

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 32 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration composites


1-Méthode du rectangle à gauche composite :
b n−1 n−1
b−a X b−a
Z X
c
I (f ) = f (t)dt ' IRg (f ) =h f (xi ) = f (a + i ).
a i=0
n i=0
n

2-Méthode du rectangle à droite composite :

b n−1 n−1
b−a X b−a
Z X
c
I (f ) = f (t)dt ' IRd (f ) = h f (xi+1 ) = f (a + (i + 1) ).
a i=0
n i=0 n

3-Méthode du rectangle du milieu composite :

b n−1 n−1
b−a X 2i + 1 b − a
Z
c
X xi + xi+1
I (f ) = f (t)dt ' IRm (f ) = h f( )= f (a+ ).
a i=0
2 n i=0 2 n
c : composite.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 33 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes d’intégration composites

3-Méthode du trapèze composite :

b n−1 n−1
b − a  f (a) + f (b) X
Z X f (xi ) + f (xi+1 ) 
I (f ) = f (t)dt ' ITc (f ) = h = + f (xi )
a i=0
2 n 2 i=1

4-Méthode de Simpson composite :


N
Pour cette méthode n = 2p, p ∈ ∗ , est pair (le nombre de points n + 1 est
impair).

b p−1 p−1
b−a
Z X X
f (t)dt ' ISc (f ) =

I (f ) = f (a) + f (b) + 4 f (x2i+1 ) + 2 f (x2i ) .
a 3n i=0 i=1

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 34 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

ExerciceZ π
Soit I = sin(t)dt.
0

Calculer la valeur exacte de I .


Approcher la valeur de I par les méthodes d’intégration composites
suivantes : rectangle à gauche, trapèze et Simpson, pour n = 4 et n = 8.
Réponse :
Z π h iπ
I = sin(t)dt = − cos(t) = 1 + 1 = 2.
0 0

π−0 π
Pour n = 4, h = = .
4 4
La méthode du rectangle à gauche :

3
πX π π √ 
I ' sin(i ) = 2 + 1 = 1.8961.
4 i=0 4 4
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 35 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice
La méthode du trapèze :

3
π  sin(0) + sin(π) X π  π √ 
I ' + sin(i ) = 2 + 1 = 1.8961.
4 2 i=1
4 4

La méthode de Simpson :

1 1
π X π X π 
I ' sin(0) + sin(π) + 4 sin((2i + 1) ) + 2 sin(2i ) = 2.0046.
12 i=0
4 i=1
4
π−0 π
Pour n = 8, h = = .
8 8
La méthode du rectangle à gauche : I ' 1.9742.
La méthode du trapèze : I ' 1.9742.
La méthode de Simpson : I ' 2.0002
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 36 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Formules de quadrature

Définition 1

R et I (f ) =
Z b
Soit f une fonction continue sur un intervalle [a, b] ⊂ f (t)dt.
a
On appelle formule de quadrature toute somme finie de la forme :
n
X
I (f ) =
e ωi f (xi ),
i=0

donnant une valeur approchée de I (f ), où les constantes ωi , i ∈ {1, · · · , n}


désignent les poids de la formule de quadrature et xi , i ∈ {1, · · · , n}, ses points.

Exercice :
Montrer que les méthodes composites vues dans ce cours sont des formules de
quadrature.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 37 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Degré d’exactitude d’une formule de quadrature

Définition 2
Une formule de quadrature est dite exacte sur un ensemble F ( n [X ] par R
exemple) si et seulement si pour toute fonction f appartenant à F , l’erreur
E(f ) = |I (f ) − e
I (f )| = 0.

Définition 3
On dit qu’une formule de quadrature est à n degré d’exactitude si elle est
exacte pour tout polynôme P ∈ {1, X , X 2 , · · · , X n }, mais non exacte pour le
polynôme X n+1 .

Exercice :
Déterminer le degré
Z 1 d’exactitude des méthodes simples vues dans ce cours
pour approcher f (t)dt avec f est continue sur [−1, 1].
−1

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 38 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Résumé

f est continue sur [a, b].


Formule Deg d’exact points poids
Rd 0 x0 = b ω0 = b − a
Rg 0 x0 = a ω0 = b − a
Rm 1 x0 = a + b2 ω0 = b − a
b−a
T 1 x0 = a, x1 = b ω0 = x1 =
2
a+b b−a
S 3 x0 = a, x1 = , x2 = b ω0 = ω2 = ,
2 6
ω1 = 4ω0

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 39 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice

On considère la formule de quadrature suivante :


−1 1
IGL (f ) = f ( √ ) + f ( √ )
3 3
Z 1
Déterminer le degré d’exactitude de cette méthode pour approcher f (t)dt.
−1

Il s’agit de la méthode de Gauss-Légendre.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 40 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Erreur d’intégration
b
b−a
Z
Soient I (f ) = f (t)dt, et h = .
a n
Si f ∈ C 1 ([a, b]) alors :
c b−a 0
|I (f ) − IRg (f )| ≤ h max |f (x)|.
2 x∈[a,b]

c b−a 0
|I (f ) − IRd (f )| ≤ h max |f (x)|.
2 x∈[a,b]

Si f ∈ C 2 ([a, b]) alors :


c b−a 2 00
|I (f ) − IRm (f )| ≤ h max |f (x)|.
24 x∈[a,b]

b−a 2 00
|I (f ) − ITc (f )| ≤ h max |f (x)|.
12 x∈[a,b]

Si f ∈ C (4) ([a, b]) alors :


b−a 4
|I (f ) − ISc (f )| ≤ h max |f (4) (x)|.
180 × 16 x∈[a,b]
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 41 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice

On considère l’intégrale suivante :


Z 2
1
dx.
1 x

1 Calculer la valeur exacte de cette intégrale.


2 Approcher la valeur de cette intégrale par la méthode du trapèze
composite pour n = 3 sous-intervalles.
3 Quel est le nombre de sous-intervalles n à considérer pour avoir une
erreur d’intégration inférieure à 10−4 ?

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 42 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice
On se propose de déterminer une valeur approchée de la surface d’un terrain
situé au bord d’une rivière. La seule information qu’on a sur ce terrain est sa
largueur mesurée chaque 30 mètres comme indiquée dans le tableau ci-dessous.

Distance (mètre) 0 30 60 90 120 150 180


Largueur (mètre) 10 22 42 53 38 10 17
Utiliser la méthode de Simpson composite pour ce faire.
La surface du terrain
60
Surface du terrain
Interpolation de Lagrange
50 Mesures
Largeur du terrain (mètre)

40

30

20

10

0
0 30 60 90 120 150 180
Distance (mètre)

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 43 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice

Soient α un réel appartenant à l’intervalle ]0, 1], et x0 = −α, x1 = 0 et x2 = α,


trois valeurs de l’intervalle [−1, 1]. On considère I3 , la formule de quadrature
définie par :
I3 (f ) = af (x0 ) + bf (x1 ) + cf (x2 ).
Z 1
I3 est supposée une approximation de I (f ) = f (x)dx, où f est une fonction
−1
continue sur [−1, 1], et a, b et c sont des réels inconnus.

1 Déterminer a, b et c afin que I3 soit exacte de degré minimal égal à 2.

2 Pour les valeurs trouvées de a, b et c, discuter suivant la valeur de α le


degré d’exactitude de la formule de quadrature I3 .

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 44 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

2 Chapitre 2 : Intégration numérique

3 Chapitre 3 : Résolution de systèmes d’équations linéaires

4 Chapitre 4 : Résolution des équations non-linéaires

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 45 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

I Un système de n équations à n inconnues x1 , x2 , · · · , xn , à cœfficients aij ,


et seconds membres réels bi 1 ≤ i, j ≤ n, est de la forme :
a11 x1 + a12 x2 + · · · + a1n xn = b1



 a21 x1 + a22 x2 + · · · + a2n xn = b2


(S) .

 ..



an1 x1 + an2 x2 + · · · + ann xn = bn .

I Le système (S) peut s’écrire sous la forme matricielle suivante :


    
a11 · · · a1n x1 b1
 .. ..   ..  =  .. ,
 . .  .   . 
an1 ··· ann xn bn
| {z } | {z } | {z }
A X b

R
où A ∈ Mn ( ) représente la matrice des cœfficients de (S), X ∈ Mn,1
représente la solution de (S) et b ∈ Mn,1 représente le second membre du
système.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 46 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

I Si A est inversible alors le système AX = b admet une unique solution


donnée par X = A−1 b.
I Si A est non inversible alors le système AX = b ou bien il n’admet pas de
solutions ou bien il admet une infinité de solutions.

Nous nous intéressons dans ce cours à la résolution des systèmes d’équations


linéaires, AX = b, de Cramer : la matrice A associée est carrée et inversible.
Résolution du système AX = b :
I Les méthodes directes : la solution X est donnée après un nombre fini
d’opérations algorithmiques.

I Les méthodes itératives : La solution X est donnée une fois qu’une


condition d’arrêt, imposée à l’algorithme, est satisfaite.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 47 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Définitions et rappels

Définition 1
Deux systèmes (S1 ) : A1 X = b1 et (S2 ) : A2 X = b2 avec A1 , A2 ∈ Mn ( ) et R
R
b1 , b2 , X ∈ Mn,1 ( ), sont dits équivalents s’ils ont la même solution (on est
encore dans le cas des systèmes de Cramer).

Définition 2
R
Soit le système de Cramer (S) : AX = b, A ∈ Mn ( ) et b, X ∈ Mn,1 ( ). On R
appelle matrice élargie relative à (S), la matrice notée par (A|b) ∈ Mn,n+1 ( ) R
et donnée par :  
a11 · · · a1n b1
(A|b) =  ... .. .. 

. . 
an1 ··· ann bn

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 48 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Opérations élémentaires
R
Soit A ∈ Mn,p et λ ∈ ∗ . On désigne par Li la i ème ligne de A, avec 1 ≤ i ≤ n
et Cj la j ème colonne de A, avec 1 ≤ j ≤ p. Les opérations élémentaires sur les
lignes (resp. sur les colonnes) de la matrice A sont de trois types :
1 Permutation de deux lignes (resp. de deux colonnes). Cette opération se
code par :
Li ←→ Lj (resp. Ci ←→ Cj ). (1)
2 Multiplication d’une ligne (resp. d’une colonne) par une constante non
nulle. Cette opération se code par :

Li ←− λLi (resp. Ci ←− λCi ). (2)

3 Ajout d’un multiple d’une ligne (resp. d’une colonne) à une autre ligne
(resp. à une autre colonne). Cette opération se code par :

Li ←− Li + λLj (resp. Ci ←− Ci + λCj ). (3)

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 49 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes directes : la méthode du pivot de Gauss


Principe :

I En effectuant des opérations élémentaires, transformer la matrice élargie


(A|b) relative au système (S) : AX = b en une matrice élargie (Ã|b̃)
relative à un système (S̃) : ÃX = b̃, équivalent à (S), de la forme
suivante :
 
ã11 ã12 · · · ã1(n−1) ã1n b̃1
 0 ã22 · · · ã2(n−1) ã2n b̃2 
 
 .. . .. .
..
(Ã|b̃) =  .


 
 0 0 · · · ã(n−1)(n−1) ã(n−1)n b̃n−1 
0 0 ··· 0 ãnn b̃n

I Résoudre le système équivalent (S̃) par remontée.


Exercice : Exprimer la solution X du système (S) en utilisant les éléments de
la matrice élargie (Ã|b̃).

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 50 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes directes : la méthode du pivot de Gauss

Solution :

xn =
ãnn
n
1  X 
xi = b̃i − ãij xj , ∀ 1 ≤ i ≤ n − 1.
ãii j=i+1

Application : Résoudre le système (S) suivant avec la méthode de Gauss :



 x + 2y + z = 4

(S) 2x + 2y + z = 5

x +y+z = 3

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 51 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes directes : la méthode du pivot de Gauss

Matrice élémentaire
R
Une matrice E ∈ Mn ( ) est dite élémentaire si elle est obtenue en effectuant
un certain nombre d’opérations élémentaires sur la matrice identité In .

Effectuer une opération élémentaire sur une matrice correspond à la multiplier


à gauche par la matrice élémentaire de la même opération élémentaire.
Application :
Résoudre le système (S) suivant avec la méthode de Gauss en passant par les
matrices élémentaires :

 x + 2y + z =
 4
(S) 2x + 2y + z = 5

x +y+z = 3

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 52 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes directes : la méthode du pivot de Gauss


Le système (S) est équivalent à : E2 E1 AX = E2 E1 b, avec
     
1 0 0 1 0 0 1 2 1
E2 = 0 1 0 , E1 = −2 1 0 , A = 2 2 1 ,
0 − 21 1 −1 0 1 1 1 1
   
x 4
X = y  , et b = 5 .
z 3
Si on pose U = E2 E1 A, on aura A = (E2 E1 )−1 U = LU , où L = E1−1 E2−1 .
Ainsi, on définit la décomposition LU d’une matrice A avec L (Lower) est une
matrice triangulaire inférieure à diagonale unité et U (Upper) est une matrice
triangulaire supérieure.
Application : Décomposer la matrice A suivante en un produit LU .
 
2 4 2
A =  1 1 2
−1 0 1
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 53 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes directes : la décomposition LU

Principe :

I Décomposer la matrice A du système de Cramer (S) : AX = b en un


produit LU : LUX = b⇐⇒LY = b, où Y = UX .
I Résoudre le système LY = b par descente.
I Résoudre le système UX = Y par remontée.

Application : Résoudre le système (S) suivant avec la méthode de la


décomposition LU : 
 2x + 4y + 2z =
 1
(S) x + y + 2z = 0

−x + z = 3

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 54 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes directes : la décomposition LU


Remarque : La décomposition LU d’une matrice A inversible, si elle existe, est
unique.
Peut-on avoir une matrice A, inversible mais n’admettant pas une
décomposition LU ?
Exemple : La matrice A suivante :
 
0 1 −1 1
1 1 −1 2
A=
−1

−1 1 0
1 2 0 2
est une matrice inversible, det(A) = 4 6= 0, qui n’admet pas de décomposition
LU .
⇒ a11 = 0 donc en permutant la première ligne de A avec la deuxième, par
exemple, la matrice L trouvée n’est plus triangulaire inférieure.
Alternative : applique la décomposition LU sur la matrice PA, où P est la
matrice élémentaire de permutation de lignes pour résoudre : PAX = Pb.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 55 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes directes : la décomposition LU

Théorème
R
Soit A ∈ Mn ( ) une matrice inversible. Il existe P ∈ Mn ( ) une matrice de R
R
permutation, U ∈ Mn ( ) triangulaire supérieure et L ∈ Mn ( ) triangulaire R
inférieure à diagonale unité telles que :

PA = LU .

Cette décomposition est unique.

P = In dans le cas où aucune permutation n’est effectuée sur la matrice A.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 56 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice
L’objectif de cet exercice est de mettre en évidence les problèmes de précision
numérique qui peuvent survenir lors de la résolution de systèmes d’équations
linéaires. Soit le système (Sε ) suivant, pour ε, un réel positif assez petit :
(
εx + y = 1
(Sε )
x +y = 2

1 Résoudre littéralement ce système. Que vaut la solution quand ε tend vers


0?
2 On suppose que l’on travaille sur un calculateur où les nombres sont
représentés en virgule flottante avec 7 chiffres significatifs et que ε = 10−9 .
Résoudre le système en appliquant la méthode de Gauss. Conclure.
3 Proposer une solution.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 57 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice
L’objectif de cet exercice est de mettre en évidence les problèmes de précision
numérique qui peuvent survenir lors de la résolution de systèmes d’équations
linéaires. Soit le système (Sε ) suivant, pour ε, un réel positif assez petit :
(
εx + y = 1
(Sε )
x +y = 2

1 Résoudre littéralement ce système. Que vaut la solution quand ε tend vers


0?
2 On suppose que l’on travaille sur un calculateur où les nombres sont
représentés en virgule flottante avec 7 chiffres significatifs et que ε = 10−9 .
Résoudre le système en appliquant la méthode de Gauss. Conclure.
3 Proposer une solution.
La méthode du pivot de Gauss partiel : choisir le pivot le plus grand en valeur
absolue pour éviter les erreurs d’arrondissement.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 57 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Pivot de Gauss versus LU : comparaison


On se propose de résoudre p systèmes (Sk ) : AXk = bk , 1 ≤ k ≤ p, de second
R
membre variant, avec A ∈ Mn ( ), et bk , Xk ∈ Mn,1 ( ), ∀1 ≤ k ≤ p. R
Pivot de Gauss : Appliquer p fois l’algorithme de pivot de Gauss : la méthode
de Gauss commence à zero peut pour chaque (Sk ), 1 ≤ k ≤ p :

,→ Complexité : pO(n 3 + n 2 ).

Décomposition LU : Décomposer la matrice A une seule fois en produit LU et


la réutiliser pour résoudre p systèmes linéaires par remontée et descente :
méthode plus rapide :

,→ Complexité : O(n 3 + pn 2 ).

O(n 3 ) : la complexité du traitement de la matrice A.


O(n 2 ) : la complexité de la résolution des systèmes linéaires par remontée et
descente.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 58 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes itératives
On veut résoudre le système de Cramer AX = b.
Principe : Décomposer A = M − N avec M une matrice inversible :

AX = b ⇔ (M − N )X = b
⇔ MX = NX + b
⇔ X = M −1 NX + M −1 b
⇔ X = F (X )

avec F (X ) = M −1 NX + M −1 b.
En partant d’un vecteur donné X (0) , on est amené à déterminer une suite de
vecteurs X (k) , k ≥ 1, telle que :

X (k+1) = F (X (k) ) = M −1 NX (k) + M −1 b

L’algorithme s’arrête lorsque |X (k+1) − X (k) | < ε, une valeur très petite (10−6
par exemple).
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 59 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes itératives : Jacobi


Si on décompose A = D − E − F , avec D une matrice diagonale dont les
éléments diagonaux sont aii , i ∈ {1, · · · , n}, E, une matrice strictement
triangulaire inférieure (diagonale nulle) et F une matrice strictement
triangulaire supérieure (diagonale nulle), alors pour M = D, et N = E + F , on
se trouve avec la méthode de Jacobi.
Définition
R
Une matrice A ∈ Mn ( ) est dite à diagonale strictement dominante si
∀i ∈ {1, · · · , n} :
n
X
|aii | > |aij |
j=1
j6=i

Convergence de la méthode de Jacobi


Si A est une matrice à diagonale strictement dominante, alors la méthode de
Jacobi est convergente quel que soit le vecteur initial X (0) .
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 60 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes itératives : Jacobi

Exercice : Exprimer les éléments de la solution X de l’itération k + 1 de la


méthode de Jacobi.

n
(k+1) 1  X (k) 
xi = bi − aij xj , 1 ≤ i ≤ n
aii j=1
j6=i

Exemple d’application :


 4x1 + x2 + x3 = 6

(S) x1 + 4x2 + x3 = 6

x1 + x2 + 4x3 = 6

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 61 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthodes itératives :Gauss-Seidel

Version mise à jour de la méthode de Jacobi : convergence plus rapide

i−1 n
(k+1) 1  X (k+1)
X (k) 
xi = bi − aij xj − aij xj , 2 ≤ i ≤ n,
aii j=1 j=i+1

n
(k+1) 1  X (k) 
avec x1 = bi − aij xj .
aii j=2

Cela correspond à considérer M = D − E, et N = F .

Convergence de la méthode de Gauss-Seidel


Si A est une matrice à diagonale strictement dominante, alors la méthode de
Gauss-Seidel est convergente quel que soit le vecteur initial X (0) .

Exercice : Appliquer la méthode de Gauss-Seidel pour résoudre le système (S)


précédent. Que remarquez-vous ?
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 62 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Avantages et inconvénient des méthodes itératives

⊕ Les méthodes itératives sont auto-correctives, donc robuste aux erreurs


d’arrondissement.

⊕ Rapides.

⊕ Elles ne sont pas gourmandes en terme de mémoire de stockage.

Elles ne sont pas toujours convergentes.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 63 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Plan

1 Chapitre 1 : Interpolation polynomiale

2 Chapitre 2 : Intégration numérique

3 Chapitre 3 : Résolution de systèmes d’équations linéaires

4 Chapitre 4 : Résolution des équations non-linéaires

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 64 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Motivation

Résoudre dans R∗+ l’équation suivante :


xe x − ln(x) = 0.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 65 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Motivation

Résoudre dans R∗+ l’équation suivante :


xe x − ln(x) = 0.

La fonction f (x) = xe x − ln(x) est une fonction non-linéaire. Il est ainsi


difficile de trouver une expression explicite des racines de l’équation f (x) = 0.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 65 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Motivation

Résoudre dans R∗+ l’équation suivante :


xe x − ln(x) = 0.

La fonction f (x) = xe x − ln(x) est une fonction non-linéaire. Il est ainsi


difficile de trouver une expression explicite des racines de l’équation f (x) = 0.
Alternative : résolution numérique de l’équation f (x) = 0.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 65 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Motivation

Résoudre dans R∗+ l’équation suivante :


xe x − ln(x) = 0.

La fonction f (x) = xe x − ln(x) est une fonction non-linéaire. Il est ainsi


difficile de trouver une expression explicite des racines de l’équation f (x) = 0.
Alternative : résolution numérique de l’équation f (x) = 0.

Objectif du cours : résolution des équations non-linéaires de type f (x) = 0,


où f est une fonction non-linéaire continue sur un intervalle I ⊆ i.e. trouver R
une valeur approchée x de la racine x ∗ tel que |f (x)| < ε, où ε est un réel
suffisamment petit.
Dans ce cours nous considérons que des fonctions à racines séparables : x ∗ est
dite séparable s’il existe un intervalle J ⊆ I tel que x ∗ est la seule racine de
f (x) = 0 sur J .

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 65 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de dichotomie
Basée sur le Théorème des Valeurs Intermédiaires (TVI), rappelé ci-dessous, la
méthode de dichotomie consiste à chercher la solution d’une manière itérative.
TVI
R
Soit f une fonction continue sur un intervalle [a, b] ⊂ telle que f (a).f (b) < 0
alors il existe au moins un réel α ∈]a, b[ tel que f (α) = 0.

Principe de la méthode :
I Choisir un intervalle [a0 , b0 ] tel que f (a0 ).f (b0 ) < 0 : TVI ⇒ x ∗ ∈]a0 , b0 [.
a0 + b0
I Considerer x0 = et tester :
2
I si f (a0 ).f (x0 ) < 0 alors on continue la recherche de x ∗ sur [a1 , b1 ] = [a0 , x0 ].
I si f (a0 ).f (x0 ) > 0 alors on continue la recherche de x ∗ sur [a1 , b1 ] = [x0 , b0 ].
I Si f (x0 ) = 0 alors x ∗ = x0 ou si |b1 − a1 | < ε alors x0 est une valeur
approchée de x ∗ à ε prés.
I Continuer la procédure itérative sur [a1 , b1 ] jusqu’à atteindre la
convergence.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 66 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de dichotomie : algorithme

Choisir un intervalle [a0 , b0 ] tel que f (a0 ).f (b0 ) < 0.


Initialiser ε et le nombre d’itérations maximal Nmax .
a0 + b 0
x0 = .
2
n=0
tant que (f (xn ) 6= 0 & |bn − an | ≥ ε & n < Nmax ) faire
I si f (an ).f (xn ) < 0 alors an+1 = an et bn+1 = xn .
I sinon an+1 = xn et bn+1 = bn .
an+1 + bn+1
I xn+1 = .
2
I n = n + 1.
fin
x ∗ ' xn−1 .

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 67 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de dichotomie : critère de convergence

b−a
La méthode de dichotomie converge pour n > log2 ( ).
ε

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 68 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de dichotomie : critère de convergence

b−a
La méthode de dichotomie converge pour n > log2 ( ).
ε
En effet, à la sortie de l’algorithme de la méthode de dichotomie
b−a
|bn − an | = . Ainsi, |bn − an | < ε ⇒ b−a
2n < ε. Il s’en suit que :
2n
b−a
n > log2 ( ).
ε
Exemple : Pour a = 1, b = 2 et ε = 10−4 , n ≥ 14 i.e. 14 itérations sont
suffisantes pour avoir une valeur approchée de la solution à 10−4 près.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 68 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de dichotomie : critère de convergence

b−a
La méthode de dichotomie converge pour n > log2 ( ).
ε
En effet, à la sortie de l’algorithme de la méthode de dichotomie
b−a
|bn − an | = . Ainsi, |bn − an | < ε ⇒ b−a
2n < ε. Il s’en suit que :
2n
b−a
n > log2 ( ).
ε
Exemple : Pour a = 1, b = 2 et ε = 10−4 , n ≥ 14 i.e. 14 itérations sont
suffisantes pour avoir une valeur approchée de la solution à 10−4 près.
La méthode de dichotomie peut être lente si l’on choisi un intervalle de départ
de grande largeur mais elle assure la convergence.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 68 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de Newton : Principe

On considère une fonction f continue sur un intervalle [a, b] ⊂ telle que R


f (a).f (b) < 0 (existence de la solution), dérivable sur ]a, b[ telle que f 0 6= 0 sur
]a, b[ (unicité de la solution). On se propose de résoudre f (x) = 0 par la
méthode de Newton.
La méthode de Newton est une méthode de point fixe basée sur la génération
d’une suite (xn )n≥0 définie par :

x0 donné,


f (xn )


xn+1 = xn − 0 .
 f (xn ) ,

 | {z }
g(xn )

convergente vers x ∗ l’unique solution de f (x) = 0.


La méthode converge lorsque |xn+1 − xn | < ε.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 69 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de Newton : Convergence

Théorème
Soit f une fonction de classe C 2 ([a, b], R), avec [a, b] ⊂ R, vérifiant :
1 f (a).f (b) < 0 : existence d’une racine.
2 f 0 (x) 6= 0, ∀x ∈ [a, b] : f est strictement monotone i.e. unicité de la racine.
3 f 00 (x) 6= 0, ∀x ∈ [a, b] : f est concave ou convexe.
Alors la suite (xn )n≥0 définie par :
(
x0 ∈ [a, b] tel que f (x0 ).f 00 (x0 ) > 0,
,
xn+1 = xn − ff0(x n)
(xn ) .

est convergente vers l’unique racine de f (x) = 0.

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 70 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de Newton : Convergence

Théorème
Soit f une fonction de classe C 2 ([a, b], R), avec [a, b] ⊂ R, vérifiant :
1 f (a).f (b) < 0 : existence d’une racine.
2 f 0 (x) 6= 0, ∀x ∈ [a, b] : f est strictement monotone i.e. unicité de la racine.
3 f 00 (x) 6= 0, ∀x ∈ [a, b] : f est concave ou convexe.
Alors la suite (xn )n≥0 définie par :
(
x0 ∈ [a, b] tel que f (x0 ).f 00 (x0 ) > 0,
,
xn+1 = xn − ff0(x n)
(xn ) .

est convergente vers l’unique racine de f (x) = 0.

D’où vient la formule itérative de Newton ?

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 70 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Méthode de Newton : illustration


f (xn + h) ≈ f (xn ) + f 0 (xn )h pour h 7→ 0 : développement de Taylor à
l’ordre 1 au voisinage de xn .
f 0 (xn ) f (xn )
f (xn + h) = 0 ⇒ h = − ⇒ xn+1 = xn + h = xn − 0 .
f (xn ) f (xn )
(xn+1 − xn )f 0 (xn ) + f (xn ) = 0 ⇒ xn+1 correspond au point d’intersection
de l’axe des abscisses et la tangente à la courbe de f au point xn .

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 71 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 1

On se propose de résoudre numériquement l’équation (E) : f (x) = 0 dans


[0, 1], où la fonctions f est donnée par :

f (x) = x 3 + x − 1, ∀x ∈ [0, 1].

1 Montrer que l’équation (E) admet une solution unique x ∗ ∈ [0, 1].

2 Application de la méthode de dichotomie : estimer le nombre d’itérations


nécessaire pour déterminer x ∗ avec une précision de ε = 10−3 .
3 Application de la méthode de Newton :
I Décrire la méthode de Newton pour la détermination de x ∗ et déterminer
x0 , une valeur initiale assurant la convergence de cette méthode.
I Déterminer x ∗ avec une précision de ε = 10−3 .

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 72 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 1 : représentation graphique

0.5
f(x)

−0.5
f(x)=x3+x−1
−1
0 0,1 0,2 0,3 0,4 0,5 0,6 x*=0.6823 0,8 0,9 1
x

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 73 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 1 : indications
1 I f (0).f (1) < 0 ⇒ existence d’au moins une solution de (E) via le TVI.
I f 0 (x) > 0 sur [0, 1] unicité de la solution de (E) : f est strictement
croissante.

2 n > log2 (103 ) = 9.9658 ⇒ n = 10.



x0 donné,
3 I ,
xn+1 = xn − ff0(xn)
(xn )
.
I Pour x0 = 1, on trouve que f (1).f 00 (1) = 6 > 0 : ce choix de x0 satisfait le
théorème de convergence de la méthode de Newton (le choix de x0 = 0
n’assure pas la convergence puisque f (0).f 00 (0) = 0 même si dans ce cas il
nous l’offre).
I Pour x0 = 1 on trouve :
x1 = 0.75 x2 = 6860 x3 = 0.6823 x4 = 0.6823
|x1 − x0 | = 0.25 |x2 − x1 | = 0.0640 |x3 − x2 | = 0.0037 |x4 − x3 | = 1.1779 10−5

Donc x4 = 0.6823 est une approximation de x avec une précision
inférieure à ε = 10−3 .
I Pour x0 = 1, x1 = 1. On se trouve alors avec les mêmes calculs pour x0 = 1
mais avec une itération de plus.
Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 74 / 77
Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 2

On se propose de résoudre numériquement l’équation (E) : f (x) = 0 dans


[0, 1], où la fonctions f est donnée par :

f (x) = 1 − xe x , ∀x ∈ [0, 1].

1 Montrer que l’équation (E) admet une solution unique x ∗ ∈ [0, 1].
2 Application de la méthode de dichotomie : estimer le nombre d’itérations
nécessaire pour déterminer x ∗ avec une précision de ε = 10−3 .
3 Application de la méthode de Newton :
I Écrire le schéma itératif de la méthode de Newton.
I Étudier la convergence de la méthode.
I Choisir une valeur intitiale x0 assurant la convergence de la méthode.
I Déterminer x ∗ avec une précision de ε = 10−2 .

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 75 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Exercice 2 : représentation graphique

1
f(x)=1−xex

0
f(x)

−1

−2
0 0,1 0,2 0,3 0,4 0,5 x*=0.5671 0,7 0,8 0,9 1
x

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 76 / 77


Chapitre 1 Chapitre 2 Chapitre 3 Chapitre 4

Fin du cours ©

Dr. Nehla DEBBABI (ESPRIT) nehla.debbabi@esprit.tn 9 mai 2017 77 / 77

Vous aimerez peut-être aussi