Académique Documents
Professionnel Documents
Culture Documents
Cours de Methodes Numerique
Cours de Methodes Numerique
Pierre Héroux
Université de Rouen
2 TABLE DES MATIÈRES
2 Rappels d’algorithmique 6
2.1 Algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Théorème de structure . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.1 La simple séquence d’instruction . . . . . . . . . . . . . . 6
2.2.2 L’itération canonique . . . . . . . . . . . . . . . . . . . . . 6
2.2.3 La structure alternative . . . . . . . . . . . . . . . . . . . 6
2.3 Notion de bloc . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.4 L’opération d’affectation . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Exercice :Calcul du PGCD de deux entiers M et N . . . . . . . . 7
2.6 Extension aux autres instructions de base . . . . . . . . . . . . . 7
2.6.1 Instruction de répétition . . . . . . . . . . . . . . . . . . . 7
2.6.2 Boucle pour . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.6.3 Extension de l’alternative :l’aiguillage . . . . . . . . . . . . 8
2.6.4 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
4 Résolution d’équations 13
4.1 Équation du type f (x) = 0 . . . . . . . . . . . . . . . . . . . . . 13
4.1.1 Méthode de dichotomie . . . . . . . . . . . . . . . . . . . 13
4.1.2 Méthode de Newton . . . . . . . . . . . . . . . . . . . . . 13
4.2 Équation du type f (x) = x - Méthode du point fixe . . . . . . . . 14
4.2.1 Principe de la méthode . . . . . . . . . . . . . . . . . . . 14
TABLE DES MATIÈRES 3
4.2.2 Algorithme . . . . . . . . . . . . . . . . . . . . . . . . . . 14
4.2.3 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
5 Interpolation polynomiale 16
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.2 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.3 Polynôme de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . 17
5.4 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.5 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
5.6 Deux algorithmes de calcul . . . . . . . . . . . . . . . . . . . . . 19
5.6.1 Algorithme d’Aitken . . . . . . . . . . . . . . . . . . . . . 19
5.6.2 Méthode barycentrique . . . . . . . . . . . . . . . . . . . 20
6 Intégration 22
6.1 Méthode des rectangles médians . . . . . . . . . . . . . . . . . . 22
6.2 Méthode des trapèzes . . . . . . . . . . . . . . . . . . . . . . . . 23
6.3 Méthode de Simpson . . . . . . . . . . . . . . . . . . . . . . . . . 24
Chapitre 1
1
≤m<1
2
On a alors une virgule flottante dite normalisée. Un réel machine simple
précision est codé sur 32 bits en virgule flottante normalisée. La mantisse occupe
24 bits et l’exposant occupe 8 bits.
1.2.3 Précision
2−23 ' 10−7 . Ceci implique que les réels machines sont donnés avec 7 chiffres
significatifs.
– Ces réels machine sont en fait des éléments de l’ensemble Q des nombres
rationnels.
– L’écart relatif entre 2 réels consécutifs, lorsque l’exposant est égal pour les
deux, vaut 2−23 . En revanche, l’écart absolu entre deux réels consécutifs
dépend de la valeur de l’exposant.
X+XS
et z > 2 . En machine, y est représenté par X et z par XS . Le calcul de
z − y donnera XS − X alors qu’il devrait tendre vers 0.
Multiplication
Addition
L’addition X1 +X2 n’est possible au niveau des mantisses que si les exposant
sont égaux (e1 = e2 ).
– Si e1 = e2 , on ajoute m1 et m2 . Le résultat donne une mantisse supérieure
à 1. Il faut donc effectuer un recadrage en décalant la mantisse vers la
droit et en augmentant l’exposant d’une unité.
– Si e1 6= e2 , on aligne min(e1 ,e2 ) sur max(e1 ,e2 ) et on décale la mantisse
du nombre le plus faible en valeur absolue de |e1 − e2 | bits vers la droite.
Cette opération entraîne une perte de précision car des bits sont perdu
lors du décalage. Les exposants sont maintenant égaux, il ne reste plus
qu’à additionner les mantisses et à effectuer le recalage.
Exemple
Soient X1 = 3,875 et X2 = 12,25. On utilise une représentation sur 12 bits, la
mantisse étant codée sur 8bits dont un bit de signe et l’exposant étant codé sur
4 bits.
Chapitre 2
Rappels d’algorithmique
2.1 Algorithme
Un algorithme est une suite finie d’instructions élémentaires constituant le
schéma de résolution d’un problème.
Les données sont initialisées par des instructions d’entrée (Lire). Les résultats
sont restitués par des instruction de sortie (Écrire).
2.6.4 Exercice
Un nombre est dit parfait s’il est égal à la somme de ses diviseurs (1 compris
et lui-même exclus). Les nombres qui possèdent cette propriété sont très rares.
Écrire un algorithme qui affiche tous les nombre parfaits compris entre 2 et
10 000. On admettra que tous les nombres parfaits sont pairs.
10 CHAPITRE 3. PROGRAMMATION DES SÉRIES
Chapitre 3
Exemple
On veut obtenir une table de la fonction cos(x) pour x variant de 0 à π par pas
π
de 12 en utilisant la formule :
∞
x2 x4 x2p X x2p
cos(x) = 1 − + + · · · + (−1)p + ··· = (−1)p
2! 4! (2p)! p=0
(2p)!
x2
tp = tp−1 avec t0 = 1 et p ≥ 1
(2p − 1)(2p)
3.2 Algorithme
x réel
p entier : rang du terme calculé
t réel : terme calculé
s réel : somme de terme jusqu’au rang p
3.3. À FAIRE EN TRAVAUX PRATIQUES 11
début
π
pour x variant de 0 à π par pas de 12 faire
début
x2 ← x ∗ x
p←0
s←1
t←1
tant que précision non atteinte faire
début
p←p+1
x2
t ← −t (2p−1)(2p)
s←s+t
fin
Écrire x et s
fin
fin
On prendra comme condition relative à la précision st > 10−6 .
3.5 Exercices
3.5.1 Série de Leibnitz
∞
π 1 1 1 X 1
= 1 − + − + ··· = (−1)n
4 3 5 7 n=0
2n +1
Cette série converge très lentement.
Programmer le calcul de cette série à 10−6 près.
12 CHAPITRE 3. PROGRAMMATION DES SÉRIES
Pour cette série, le terme est simple. On procède donc au calcul dirent du
terme avec une variable auxiliaire représentant le signe.
On peut appliquer à cette série des techniques de convergence, par exemple :
π 1 1 1
= 1− + − + ···
4 3 5 7
∞
X 1 1
= −
n=0
4n + 1 4n + 3
∞
X 2
= (3.1)
n=0
(4n + 1)(4n + 3)
π 1 1 1 1
= 1− − − − − ···
4 3 5 7 9
∞
X 1 1
= 1− −
n=0
4n + 3 4n + 5
∞
X 2
= 1− (3.2)
n=0
(4n + 3)(4n + 5)
π
On peut également sommer les équations (3.1) et (3.2) pour calculer 2.
∞
π X 2 2
= 1+ −
2 n=0
(4n + 1)(4n + 3) (4n + 3)(4n + 5)
∞
X 4
= 1+2
n=0
(4n + 1)(4n + 3)(4n + 5)
∞
X 1
= 1+8
n=0
(4n + 1)(4n + 3)(4n + 5)
∞
π 22446688 Y 4n2
= ··· =
2 13355779 n=1
(2n − 1)(2n + 1)
√ p √ √
q p
2 2 2+ 2 2+ 2+ 2
=
π 2 2 2
14 CHAPITRE 4. RÉSOLUTION D’ÉQUATIONS
Chapitre 4
Méthodes usuelles de
résolution d’équations
Principe de la méthode
On se place au point d’abscisse x = a+b
2 et on cherche à quel demi-intervalle
[a,x] ou [x,b] appartient la racine. On restreint alors l’intervalle de recherche
au demi-intervalle déterminé lors de l’étape précédente et on recommence le
même processus jusqu’à obtention d’un encadrement suffisamment restreint de
la racine.
Donner l’algorithme de cette méthode.
On choisira
de préférence pour l’arrêt des itérations un test relatif, par
exemple, x−a
a
< , plutôt écrit |x − a| < |a| afin d’éviter la division par
zéro.
Remarque : la méthode de dichotomie est de convergence lente.
x
Appliquer la méthode de dichotomie à f (x) = e− 10 − x sur l’intervalle [0,1].
Vérification des hypothèses : f est monotone décroissante sur [0,1]. f (0) = 1
et f (1) < 0. Ceci implique que f a une racine unique sur l’intervalle [0,1].
Principe de la méthode
On mène la tangente à la courbe y = f (x) au point d’abscisse x0 . Cette
tangente coupe l’axe des abscisses au point d’abscisse x1 . En x1 , on recommence
4.2. ÉQUATION DU TYPE F (X) = X - MÉTHODE DU POINT FIXE 15
Algorithme
À chercher.
4.2.2 Algorithme
À chercher
4.2.3 Exercice
On considère la fonction F définie par :
1 3 5
F (x) = x − 2x2 + 3x − (4.1)
3 2
1. Par une étude analytique de F , montrer que l’équation
F (x) = 0 (4.2)
admet une racine unique a et montrer que celle-ci appartient à un intervalle
]k,k + 1[ où k ∈ N.
16 CHAPITRE 4. RÉSOLUTION D’ÉQUATIONS
2. Montrer que l’équation (4.2) peut se mettre sous l’une quelconque des
deux formes suivantes :
1 2 5
x = f (x) où f (x) = − x3 + x2 + (4.3)
9 3 6
r
1 3 2 5
x = g(x) où g(x) = x + x− (4.4)
6 3 4
Les méthodes d’approximation de la forme xn+1 = f (xn ) et xn+1 = g(xn )
convergent-t-elles?
3. Pour résoudre l’équation (4.2), on décide d’appliquer la méthode de New-
ton à partir de x0 donné. Comment choisir x0 pour obtenir une conver-
gence dans de bonnes conditions ? Calculer x1 , x2 et x3 avec quatre dé-
cimales exactes ainsi que F (x3 ) dans les deux cas suivants : x0 = 5 et
x0 = 2,5.
17
Chapitre 5
Interpolation polynomiale
5.1 Introduction
Supposons connues n + 1 valeurs y0 ,y1 ,. . . ,yn correspondant aux n + 1 abs-
cisses x0 ,x1 ,. . . ,xn . Il peut s’agir, par exemple, de valeur relevées expérimenta-
lement ou prises par un fonction f aux abscissesx0 ,x1 ,. . . ,xn .
Le procédé d’interpolation polynomiale consiste à construire un polynôme
P de degré minimal prenant pour chaque valeur xi la valeur yi , donc tel que
P (xi ) = yi ,∀i = 0,1, . . . ,n.
Ceci peut servir à obtenir de nouvelles valeurs calculées en d’autres abscisses
et aussi à obtenir une expression analytique représentant la collection des va-
leurs initiales. Ce second aspect est important car il est à la base des méthodes
classiques d’intégration.
x0 xn−1
n
0 · · · x0 1 an yn
xn1 xn−1 · · · x1 1 an−1 yn−1
1
.. .. = ..
. .. .. ..
.. . . . . . .
xnn xn−1
n ··· xn 1 a0 y0
| {z }| {z }
matrice carrée d’ordre n+1 inconnues
Ce système est mal conditionné. Les résolutions par les méthodes classiques
échouent numériquement dès que n est un peu élevé.
18 CHAPITRE 5. INTERPOLATION POLYNOMIALE
Une solution plus élégante est fournie par les polynômes de Lagrange.
Soit
n
Y x − xj
Li (x) =
x
j=0 i
− xj )
j6=i
Ces n+1 polynômes Li , forment une base de l’espace des polynômes de degré
inférieur ou égal à n. Dans cette base, le polynôme d’interpolation prenant aux
points xi les valeurs yi (i ∈ N,0 ≤ i ≤ n) s’écrit :
5.4 Exemples
Soient 3 points de coordonnées (x0 ,y0 ), (x1 ,y1 ), (x2 ,y2 ), le polynôme d’in-
terpolation de Lagrange P (x), basé sur les 3 abscisses x0 , x1 , x2 .
n
Y (x − xj )
Li (x) =
j=0
(xi − xj )
j6=i
Donc :
5.4. EXEMPLES 19
(x − x1 )(x − x2 )
L0 (x) =
(x0 − x1 )(x0 − x2 )
(x − x0 )(x − x2 )
L1 (x) =
(x1 − x0 )(x1 − x2 )
(x − x0 )(x − x1 )
L2 (x) =
(x2 − x0 )(x2 − x1 )
x0 = −1 x1 = 0 x2 = 1
y 0 = 1 y 1 = 0 y2 = 2
(x−0)(x−1) x(x−1)
L0 (x) = (−1−0)(−1−1) = 2
(x+1)(x−0) x(x+1)
L2 (x) = (1+1)(1−0) = 2
x(x − 1) x(x + 1) 3 1
P (x) = +2 = x2 + x
2 2 2 2
2. Calcul de la valeur approchée de sin π5 sachant que
sin(0) = 0
π 1
sin =
6 2√
π 2
sin =
4 2
√
2
Les abscisses de base sont 0, π6 et π4 . Les valeurs de yi sont 0, 1
2 et 2 .
Puisque y0 = 0, le calcul de L0 est inutile.
Or,
√
1 2
P (x) = L1 (x) + L2 (x)
2 2
Donc,
√
x x − π4 2x x − π6
P (x) = +
− π3 12
π π π
2 12
1 1 π
√
2 15 1 π
5 − 4 5 − 6
π
5
P = +
5 − π3 12
π π π
2 12
1
− 100 √ 150
1
= 1 + 2 1
− 36 24
9 √ 4
= + 2
25 25
' 0,58626
D’autre part,
π
sin ' 0,5877
5
5.5 Exercices
1. Écrire le polynôme d’interpolation de Lagrange P (x) de la fonction cosinus
aux points − π2 , 0 et π2 . Calculer P π4 et comparer le résultat à cos π4 .
R → R πx
x 7→ f (x) = sin
2
y0
y1 P1,1 (α)
y2 P2,1 (α) P2,2 (α)
y3 P3,1 (α) P3,2 (α) P3,3 (α)
.. .. .. ..
. . . .
yk Pk,1 (α) Pk,2 (α) ··· Pk,k (α)
.. .. .. ..
. . . .
yn Pn,1 (α) Pn,2 (α) ··· ··· Pn,n (α)
P1 ,1 réalise l’interpolation sur la base des points x0 , x1
P2 ,1 réalise l’interpolation sur la base des points x0 , x2
Pk ,1 réalise l’interpolation sur la base des points x0 , xk
Pn ,1 réalise l’interpolation sur la base des points x0 , xn
Pk ,k réalise l’interpolation sur la base des points x0 , x1 ,. . . ,xk−1 ,xk
Pn ,k réalise l’interpolation sur la base des points x0 , x1 ,. . . ,xk−1 ,xn
Pn ,n réalise l’interpolation sur la base des points x0 , x1 ,. . . ,xn−1 ,xn
Chaque colonne est déterminée à partir de la précédente par la formule
1
Ai =
(xi − x0 ) · · · (xi − xi−1 (xi − xi+1 · · · (xi − xn )
1
= Qn
j=0 i − xj )
(x
j6=i
n
Y 1
=
j=0
(xi − xj )
j6=i
Exercice
Écrire l’algorithme de cette méthode
23
Chapitre 6
Intégration
Rb
Soit à calculer I = a
f (x) dx, avec a et b réels donnés et f une fonction
réelle.
b−a
h=
n
Sur chaque intervalle élémentaire, on se place au milieu xm de l’intervalle et
on interpole la fonction f par la droite d’équation y = f (xm ).
Soient x0 = a et xn = b.
Sur l’intervalle [xi ,xi+1 ] on a xm = xi +x 2
i+1
.
x0 +x0 +h
Sur l’intervalle [x0 ,x1 ] on a xm = 2 = x0 + h2 .
x0 +h+x0 +2h
Sur l’intervalle [x1 ,x2 ] on a xm = 2 = x0 + 3h2 .
2i+i
Sur l’intervalle [xi ,xi+1 ] on a xm = x0 + 2 h.
On a donc y = f x0 + 2i+i
2 h .
Sur l’intervalle [xi ,xi+1 ], l’aire Ai du rectangle Ri est
Z xi+1
2i + i
Ai = f x0 + h dx
xi 2
2i + i
= f x0 + h [x]xxi+1
2 i
2i + i
= (xi+1 − xi )f x0 + h
2
2i + i
= hf x0 + h
2
∗
Pn−1
IR = j=0 Ai est l’approximation de I par la méthode des rectangles mé-
dians.
24 CHAPITRE 6. INTÉGRATION
n−1
∗
X 2i + i
IR = hf x0 + h
j=0
2
n−1
X 2i + i
= h f x0 + h
j=0
2
n−1
X 2i + i
= h f a+ h
j=0
2
1
A0 =
(f (x0 ) + f (x0 + h)) h
2
1
A1 = (f (x0 + h) + f (x0 + 2h)) h
2
.. ..
. .
1
An−1 = (f (x0 + (n − 1)h) + f (x0 + nh)) h
2
Donc
1
Ai = (f (x0 + ih) + f (x0 + (i + 1)h)) h, ∀i ∈ N,0 ≤ i < n
2
Pn−1
IT∗ = j=0 Ai est l’approximation de I par la méthode des trapèzes.
n−1
X
IT∗ = Ai
j=0
n−1
X 1
= (f (x0 + ih) + f (x0 + (i + 1)h)) h
j=0
2
1 1
= h f (x0 ) + f (x0 + h) + · · · + f (x0 + (n − 1)h) + f (x0 + nh)
2 2
" n−1
#
f (x0 ) + f (xn ) X
= h + f (x0 + ih)
2 i=1
" n−1
#
f (a) + f (b) X
= h + f (a + ih)
2 i=1
6.3. MÉTHODE DE SIMPSON 25
(x − xi )(x − xi+1 )
L0 (x) =
(xi−1 − xi )(xi−1 − xi+1 )
(x − xi )(x − xi+1 )
=
2h2
2
x − x(xi−1 + xi+1 ) + xi xi+1
=
2h2
2
x − x(2xi + h) + xi (xi + h)
=
2h2
(x − xi−1 )(x − xi )
L2 (x) =
(xi+1 − xi−1 )(xi+1 − xi )
(x − xi−1 )(x − xi )
=
2h2
2
x − x(xi−1 + xi ) + xi xi−1
=
2h2
x2 − x(2xi − h) + xi (xi − h)
=
2h2
1 f (xi−1 ) f (xi+1 )
α = − f (xi ) +
h2 2 2
1 f (xi−1 ) f (xi+1 )
β = − (2xi + h) + 2xi f (xi ) − (2xi − h)
h2 2 2
1 f (xi−1 ) 2 2 f (xi+1 )
γ = xi (xi + h) − f (xi )(xi − h ) − xi (xi − h)
h2 2 2
Z xi+1 Z xi+1
Pi (x) dx = (αx2 + βx + γ) dx
xi−1 xi−1
xi+1
1 3 1 2
= αx + βx + γx
3 2 xi−1
1 1
= α(x3i+1 − x3i−1 ) + β(x2i+1 − x2i−1 ) + γ(xi+1 − xi−1 )
3 2
1
= (xi+1 − xi−1 ) α(x2i+1 + xi+1 xi−1 + x2i−1 )
3
1
+ β(xi+1 + xi−1 ) + γ
2
1
= 2h α (xi+1 + xi−1 )2 ) − xi+1 xi−1
3
1
+ β(xi+1 + xi−1 ) + γ
2
1 2 2 2
= 2h α(4xi − xi + h ) + βxi + γ
3
1 2 2
= 2h α(3xi + h ) + βxi + γ
3
Z xi+1
h
Pi (x) dx = (f (xi−1 ) + 4f (xi ) + f (xi+1 ))
xi−1 3
Rb
Soit IS∗ , la valeur approchée de I = a
Pi (x) dx par la méthode de Simpson.
p Z
X xi+1
IS∗ = Pi (x) dx
i=1 xi−1
R xi+1
Notons Ai = xi−1
Pi (x) dx
6.3. MÉTHODE DE SIMPSON 27
h
A1 = (f (x0 ) + 4f (x1 ) + f (x2 ))
3
h
A2 = (f (x2 ) + 4f (x3 ) + f (x4 ))
3
.. ..
. .
h
Ap = (f (xn−2 ) + 4f (xn−1 ) + f (xn ))
3
D’où la formule
p−1 p−1
" #
h X X
IS∗ = f (x0 ) + f (xn ) + 2 f (x0 + 2ih) + 4 f (x0 + (2i − 1)h)
3 i=1 i=1
28 CHAPITRE 7. RÉSOLUTION DES SYSTÈMES LINÉAIRES
Chapitre 7
On en déduit
Pn
bi − j=i+1 ai,j xj
xi =
ai,i
(0) (0)
(1) b2 − a2,1 x1 − a2,3 x3
x2 =
a2,2
(0) (0)
(1) b1 − a3,1 x2 − a3,2 x3
x3 =
a3,3
On obtient ainsi les composantes du vecteur ~x(1) , on recommence le processus
et on obtient ~x(2) et ainsi de suite jusqu’à un rang n tel que ~x(n) = ~x(n−1) à ~
près.
Une condition suffisante mais pas nécessaire de convergence est que la ma-
trice a du système soit diagonale strictement dominante, c’est-à-dire :
n
X
∀i ∈ N,1 ≤ i ≤ n, |ai,i | > |ai,i |
j=1
j6=i
7.2. MÉTHODES ITÉRATIVES 31
(i) (i)
(i+1) b1 − a1,2 x2 − a1,3 x3
x1 = (7.4)
a1,1
(i+1) (i)
(i+1) b2 − a2,1 x1 − a2,3 x3
x2 = (7.5)
a2,2
(i+1) (i+1)
(i+1) b3 − a3,1 x1 − a3,2 x2
x3 = (7.6)
a3,3
Chapitre 8
P (x) = C0 + C1 x + C2 x2 + · · · + CN xN
Nexp −1
X
Bi = xik yk ,∀i ∈ N2 ,0 ≤ i ≤ N
k=0
Le système obtenu est mal conditionné, mais en pratique N est souvent pris
faible (N ≤ 2) et sa résolution ne pose pas de problème.
8.3 Exercice
Établir les formules dans le cas où N = 1 (équation de la droite des moindres
carrés).
Appliquer les formules trouvées à l’ensemble des points suivants :
xi -2 -1 0 1 2 3
yi 0 0,5 1 2 4 6
Écrire l’algorithme de la procédure permettant de déterminer les coefficients
de la droite des moindres carrés.
34CHAPITRE 9. RÉSOLUTION NUMÉRIQUES DES ÉQUATIONS DIFFÉRENTIELLES
Chapitre 9
dy (∆t)2 d2 y (∆t)3 d3 y
y(t + ∆t) = y(t) + ∆t + + + ···
dt 2! dt2 3! dt3
À l’ordre 1 de ce développement on obtient :
dy
y(t + ∆t) ' y(t) + ∆t = y(t) + ∆tf (y,t)
dt
Si ∆t est constant, on peut écrire
f (y,t) = −y 2
Tab. 9.1 – Comparaison entre les valeurs données par la méthode d’Euler et les
valeurs de la solution analytique de l’équation différentielle
Pour évaluer yi+1 , il faut calculer 2 fois la fonction f . C’est pour cette raison
que cette méthode est dite d’ordre 2.
∆t
yi+1 = yi + 6 f (yi ,ti ) + 2f (b yi+ 12 ,ti+ 12 ) + 2f (yb0 i+ 12 ,ti+ 12 ) + f (b
yi+1 ,ti+1 )
∆t
ybi+ 21 = yi + f (y ,t )
2 i i
yb0 i+ 1 ∆t
2
= yi + 2 f (b
y i+ 12 ,ti+ 12 )
∆tf (y 0 i+ 12 ,ti+ 12 )
yb
i+1 = yi + b
yi+1 = yi + ∆tfi
C’est la méthode d’Euler.
9.4. FORMULES D’ADAMS OUVERTES 37
(∆t)2 0
yi+1 = yi + ∆tfi + f
2! i
Or,
fi − fi−1
fi0 =
∆t
Donc,
(∆t)2 fi − fi−1
yi+1 = yi + ∆tfi +
2! ∆t
(∆t)
= yi + ∆tfi + (fi − fi−1 )
2
∆t
= yi + (3fi − fi−1 )
2
Pour calculer yi+1 , il faut connaître yi et yi−1 , ce qui interdit l’utilisation de
la méthode pour calculer y1 . On utilisera alors la méthode de Runge-Kutta.
addition, 6 série, 10
affactation, 8 si alors sinon, 7
algorithme, 7 système linéaire, 28
algorithme d’Aitken, 20
alternative, 7 tant que faire, 7
test, 7
bloc, 8
boucle, 7 virgule flottante, 4
début, 8
dichotomie, 14
entier, 4
exposant, 4
intégration, 23
interpolation, 17
itération, 7
méthode barycentrique, 21
méthode de Cramer, 28
méthode de Gauss, 28
méthode de Jacobi, 30
méthode de Newton, 14
méthode de Seidel, 31
méthode de Simpson, 25
méthode des moindres carrés, 32
méthode des rectangles médians, 23
méthode des trapèzes, 24
mantisse, 4
multiplication, 5
point fixe, 15
polynôme de Lagrange, 18
pour, 8
réel, 4
répéter jusqu’à, 8
répéter tant que, 8
38