Programme Méthodes numériques

Introduction : Notions d’erreurs

Chapitre 1 : Résolution des équations non linéaires f(x)=0
2. Méthode de bissection,
3. Méthode des approximations successives (point fixe),
4. Méthode de Newton-Raphson.
Chapitre 2 : Interpolation polynomiale
2. Polynôme de Lagrange,
3. Polynômes de Newton.
Chapitre 3 : Intégration numérique
2. Méthode du trapèze,
3. Méthode de Simpson,
4. Formules de quadrature.
Chapitre 4 : Résolution des équations différentielles ordinaires (problème de la condition
initiale ou de Cauchy).
2. Méthode d’Euler,
3. Méthode d’Euler améliorée,
4. Méthode de Runge-Kutta d’ordre quatre.
Chapitre 5 : Méthode de résolution directe des systèmes d’équations linéaires
2. Méthode de Gauss et pivotation,
3. Méthode de factorisation LU,
4. Méthode de factorisation de Choeleski MMt,
5. Algorithme de Thomas (TDMA) pour les systèmes tri diagonales.
Chapitre 6 : Méthode de résolution approximative des systèmes d’équations linaires
2. Méthode de Jacobi,
3. Méthode de Gauss-Seidel,
4. Utilisation de la relaxation.
 Notions d’erreurs numériques

Lorsque l'on met en place une méthode numérique pour résoudre un problème scientifique il
importe d'avoir une approche critique des résultats. Notamment, si l’on recherche de la
précision, il n’est pas inutile d’avoir une idée de l’erreur que produit la méthode numérique
utilisée.

Types d’erreurs :
L’erreur est essentiellement de trois types :
1. Erreur de modélisation : qui est due à la complication des phénomènes physiques qui
nous ramènent à des simplifications et des hypothèses de calcul.
Ex : Le modèle d=vt ne peut pas être utilisée pour déterminer le temps que va mettre
Hamid pour vernir d’Alger a Bab-Ezzouar. Il faut aussi tenir compte des embouteillages,
des barrages, du fait que la vitesse v n’est pas constante.
Un modèle plus approprié doit tenir compte du fait que la vitesse varie avec le temps.
𝑻
Cela est possible avec la formule 𝒅 = ∫𝟎 𝒗(𝒕)𝒅𝒕 .
2. Erreur d’arrondi : qui proviennent du fait qu’il n’est pas possible de représenter (tous)
les réels exactement dans un ordinateur.
3. Les erreurs de troncature : qui proviennent de simplifications du modèle
mathématique comme par exemple le remplacement d’une d´dérivée par une différence
finie, le d´enveloppement en série de Taylor limité, etc……

Mesures de l’erreur
On peut envisager plusieurs façons pour mesurer l’erreur e entre une valeur approchée 𝒙
̂ et une
valeur exacte x.
1. Erreur absolue
Elle est définie comme 𝒆𝒂𝒃𝒔 = |𝒙 ̂ − 𝒙|
Ex : Dans une situation avec 𝑥̂ = 3 et x = 2 l’erreur absolue e=1, ce qui dans ce cas ne
peut être considéré comme “petite”. Par contre la même erreur absolue avec 𝒙 ̂ =109 + 1
et x = 109 peut certainement ˆêtre considérée comme relativement “petite” par rapport à
x.
2. Erreur relative
|𝒙
̂−𝒙|
Elle est définie comme 𝒆𝒓𝒆𝒍 = |𝒙|

𝒆𝒂𝒃𝒔
𝒆𝒓𝒆𝒍 = |𝒙|

Qui est d´défini si x≠0 et pas d´définie si x = 0 (dans ce cas l’erreur absolue ferait bien
l’affaire).
Pour les exemples précédents l’erreur relative est respectivement 0.5 et 10−9 ce qui
indique une “petite” erreur pour le deuxième cas.
Exemple :
La longueur d’une vis est mesurée et le résultat obtenu est 𝐿̂=9cm. La longueur exacte du vis
est L=10cm. Evaluez l’erreur sur la valeur mesurée.
Solution :
𝒆𝒂𝒃𝒔 = |𝒙
̂ − 𝒙|=|10−9|=1cm
𝒆𝒂𝒃𝒔 𝟏
𝒆𝒓𝒆𝒍 = |𝒙|
= |𝟏𝟎| 0.1

𝒆𝒓𝒆𝒍 = =100 (0.1)%=10%