Vous êtes sur la page 1sur 56

RÉPUBLIQUE DÉMOCRATIQUE DU CONGO

UNIVERSITÉ PROTESTANTE DE LUBUMBASHI


FACULTÉ DES SCIENCES INFORMATIQUES (RT)

COURS D’ANALYSE NUMÉRIQUE DESTINÉ


AUX ÉTUDIANTS DE DEUXIÈME
BACHELIER RT

Dispensé par : MSc. Ir. OMALANGA PELE

ANNÉE ACADÉMIQUE : 2018-2019


COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

PLAN DU COURS

CHAPITRE I : LA RÉSOLUTION DES ÉQUATIONS LINÉAIRES

I.1. Introduction
I.2. Méthode de GAUSS-JORDAN
I.3. Méthode de GAUSS

CHAPITRE II : LA RÉSOLUTION DES ÉQUATIONS NON LINÉAIRES

II.1. Introduction
II.2. La méthode de NEWTON-RAPHSON
II.3. La méthode de DICHOTOMIE

CHAPITRE III : L’INTERPOLATION

III.1. Introduction

III.2. Interpolation linéaire

III.2. Interpolation quadratique

III.2. Interpolation de LAGRANGE

CHAPITRE IV : LA RÉGRESSION LINÉAIRE

IV.1. Introduction

IV.2. Méthode de moindres carrés

CHAPITRE V : LES MÉTHODES D’INTÉGRATION DÉFINIE

V.1. Introduction
V.2. Méthode des rectangles
V.3. Méthode des trapèzes

CHAPITRE VI : LA RÉSOLUTION NUMÉRIQUE DES ÉQUATIONS


DIFFÉRENTIELLES

VI.1. Introduction
VI.2. Méthode de RUNGE-KUTTA

1
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

CHAPITRE I : LA RÉSOLUTION DES SYSTÈMES D’ÉQUATIONS


LINÉAIRES

I.1. INTRODUCTION

Une équation linéaire est de la forme


Le degré de cette équation est d’ordre 1.
(sont les coefficients).
(sont les variables).
Un système d’équations linéaires est composé de plusieurs équations
linéaires.

Ex :

{
On peut mettre ce système sous forme matricielle et écrire :

( ,( , ( ,

Matrice des coefficients techniques


Matrice des variables
Matrice des termes indépendants
Il existe plusieurs méthodes pour la résolution des systèmes des
équations linéaires dont :
 La méthode de GAUSS-JORDAN
 La méthode de GAUSS
 La méthode de CRAMER (que nous ne verrons pas dans notre cours)

I.2. MÉTHODE DE GAUSS-JORDAN


C’est la méthode la plus utilisée. Pour la présenter, nous allons
prendre l’exemple d’un système de 4 équations à 4 inconnues :

2
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

Sous forme matricielle, on a

( ,( ) ( ,

Cette méthode comporte deux traitements dans chaque étape :


 La normalisation
 La réduction

Dans cette méthode, on choisit successivement chaque ligne comme ligne


pivot, le pivot étant le premier élément non nul de la ligne.
On utilisera la matrice de départ suivante :

( ,

Ainsi, dans la normalisation de la première étape, on divisera la ligne n° 1 du


système par :
On aura :
A. Première étape

1) La normalisation

;
( ,

2) La réduction

On annule les autres termes se trouvant sur la même colonne que le


pivot en effectuent des opérations entre les lignes : à la deuxième ligne, on
retranche la première multipliée par , à la troisième ligne, on retranche la
première multipliée par , à la quatrième ligne, on retranche la première
multipliée par .
Le système suivant :

;
:
:
(: )

3
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

B. Deuxième étape

La deuxième ligne est considérée maintenant comme ligne pivot, et


comme un élement pivot.
On ramène sur cette deuxième ligne les opérations précédentes, et obtient
après division de cette ligne par :
1) La normalisation

;
: ;
:
(: )
2) La réduction

On annule les autres termes de la seconde colonne, c'est-à-dire à la


première ligne, on retranche la seconde multipliée par , à la troisième
ligne, on retranche la deuxième multipliée par , à la quatrième ligne, on
retranche la deuxième multipliée par .
On obtient :
;
: ;
:
(: )
On considère ensuite la troisième ligne comme pivot, puis la quatrième
ligne ; ce qui donne à l’issue de la quatrième étape :

; : : :
: ; : :
: : ; :
(: : : ; )
Soit la solution du système :

{
D’une manière générale, si on applique cette procédure au système
, où est une matrice d’ordre ; on remarque qu’à l’issue de la première
étape, on obtient la matrice comportant des 0 et un 1 dans la première
colonne.
On s’arrêtera à la étape, étant l’ordre de la matrice.

4
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

Exemple
I. Résoudre le système suivant par la méthode de GAUSS-JORDAN

< =
{ @
= < >
Résolution :
Sous forme matricielle, on a :
< ; ; =
(; ; ;+ ( + (@ +
= < ; >
La matrice de départ sera :
< ; ; =
(; ; ; @+
= < ; >
A. Première étape

a) Normalisation

;
(; ; ; @)
= < ; >
b) Réduction

;
:
:
( )
B. Deuxième étape

a) Normalisation
;
: ; <
:
( )

b) Réduction

1 0
0 1 2
0 0
( )
5
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

C. Troisième étape

a) Normalisation

1 0
(0 1 2,
0 0 1 3
b) Réduction

1 0 0 1
(0 1 0 2+
0 0 1 3
;
D’où : { <
=
II. Résoudre par la méthode de GAUSS-JORDAN le système suivant :

< <
@
{
< :
=
Résolution :
Sous forme matricielle on a :
2 1 1 1 <
1 1 0 1
( ,( ) (@)
0 2 1 1 :
1 0 1 1 =
2 1 1 1 2
1 1 0 1 6
( ,
0 2 1 1 0
1 0 1 1 3
A. Première étape :

1. Normalisation

; ;
(; ; : ; @,
: < ; ; :
; : ; ; =
2. La Réduction

6
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
1 1 1
1 1
2 2 2
3 1 1
0 5
2 2 2
0 2 1 1 0
1 1 1
(0 2 2 2
2)

B. Deuxième étape

1. Normalisation

1 1 1
1 1
2 2 2
1 1 10
0 1
3 3 3
0 2 1 1 0
1 1 1
(0 2 2 2
2)

2. La réduction

1 2 8
1 0
3 3 3
1 1 10
0 1
3 3 3
5 1 20
0 0
3 3 3
2 1 1
(0 0 3 3 3 )
C. Troisième étape

1. Normalisation

1 2 8
1 0
3 3 3
1 1 10
0 1
3 3 3
1
0 0 1 4
5
2 1 1
(0 0
3 3 3 )
2. La réduction

7
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
3
1 0 0 4
5
2
0 1 0 2
5
1
0 0 1 4
5
1
(0 0 0 5
3 )

D. Quatrième étape

1. Normalisation
3
1 0 0 4
5
2
0 1 0 2
5
1
0 0 1 4
5
(0 0 0 1 15 )
2. Réduction
1 0 0 0 5
0 1 0 0 4
( ,
0 0 1 0 7
0 0 0 1 15

?
>
D’où la solution est : {
A
;?
III. Résoudre par la méthode de GAUSS-JORDAN le système suivant :

< A
< =
{
= = < =
< =
Résolution :
Sous forme matricielle on a :
2 1 1 1 A
0 2 1 1
( ,( ) (=)
3 3 1 2 =
1 1 1 2 =
2 1 1 1 7
0 2 1 1 3
( ,
3 3 1 2 3
1 1 1 2 3
A. Première étape :

8
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

1. Normalisation

1 1 1 7
1
2 2 2 2
0 2 1 1 3
3 3 1 2 3
(1 1 1 2 3)
2. La Réduction

1 1 1 7
1
2 2 2 2
0 2 1 1 3
9 1 7 27
0
2 2 2 2
1 3 3 1
(0 2 2 2 2)
B. Deuxième étape

1. Normalisation

1 1 1 7
1
2 2 2 2
1 1 3
0 1
2 2 2
9 1 7 27
0
2 2 2 2
1 3 3 1
(0 2 2 2 2)
2. La réduction

3 1 11
1 0
4 4 4
1 1 3
0 1
2 2 2
11 5 27
0 0
4 4 4
5 5 5
(0 0 4 4 4)
C. Troisième étape

1. Normalisation

9
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
3 1 11
1 0
4 4 4
1 1 3
0 1
2 2 2
5 27
0 0 1
11 11
5 5 5
(0 0
4 4 4)
2. La réduction

1 10
1 0 0
11 11
8 30
0 1 0
11 11
5 27
0 0 1
11 11
20 20
(0 0 0
11 11 )
D. Quatrième étape

1. Normalisation
1 10
1 0 0
11 11
8 30
0 1 0
11 11
5 27
0 0 1
11 11
(0 0 0 1 1)
2. Réduction
1 0 0 0 1
0 1 0 0 2
( ,
0 0 1 0 2
0 0 0 1 1
;
<
D’où la solution est : {
<
;
I.3. MÉTHODE DE GAUSS
La méthode de GAUSS est une méthode mathématique proche de celle
de GAUSS-JORDAN. Les deux méthodes sont des méthodes dites de pivot.
La différence entre les deux méthodes se trouve au niveau de l’étape de la
réduction.

10
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

La réduction dans la méthode de GAUSS consiste essentiellement à


transformer la matrice des coefficients techniques en une matrice
triangulaire ayant des éléments égaux à « zéro » en dessous de la diagonale.
On diagonalise la matrice , et on ne fait apparaitre les zéros qu’en
dessous de la diagonale. La solution du système nécessite deux étapes :
1. Une triangulation de matrice .
( )
( )

( )
* +
( )

Pour variant de : ; , on a :
( )
; ( )
}
; ; ( ) ( )

;
( ) ( ) ( ) ( )
}
; ;
2. Une résolution du système triangulaire :

= ;

{
D’où l’expression de la solution finale :

∑( )

; ;
NB : lorsque le pivot est nul, on est obligé de permuter des lignes.
Considérons un système à quatre variables sous forme
suivante :

Sous forme matricielle, on a :

11
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

( ,( ) ( ,

Pour résoudre un système tel qu’il est ci-haut par la méthode de GAUSS, on
écrit la matrice de travail comme suit :

( ,

Il y a deux étapes :
 Normalisation
 Réduction

A. Première étape

a) La normalisation

On transforme le pivot en 1 ; pour notre système le pivot c’est ( )


d’où nous avons:
;
( ,

b) La Réduction

On transforme les termes se trouvant en dessous de pivot en : par les


opérations entre les lignes ; on trouve alors :
;
:
:
(: )
B. Deuxième étape

a) La normalisation

;
: ;
: :
(: : )
b) La réduction

12
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

On fait apparaitre les zéros en-dessous de pivot (en-dessous de la


diagonale) au moyen des opérations entre les lignes.
;
: ;
: :
(: : )
On continu jusqu’à la dernière étape ; et cette dernière étape aura la forme :
;
: ;
: : ;
(: : : ; )
Pour trouver la solution on doit résoudre le système suivant :

Exemple :
I. Résoudre par la méthode de GAUSS le système d’équation suivant :
< <
@
{
< :
=
Résolution :
Sous forme matricielle on a :
2 1 1 1 <
1 1 0 1
( ,( ) (@)
0 2 1 1 :
1 0 1 1 =
2 1 1 1 2
1 1 0 1 6
( ,
0 2 1 1 0
1 0 1 1 3

A. Première étape :

1. Normalisation

13
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

; ;
(; ; : ; @,
: < ; ; :
; : ; ; =
2. La Réduction

1 1 1
1 1
2 2 2
3 1 1
0 5
2 2 2
0 2 1 1 0
1 1 1
(0 2 2 2
2)

B. Deuxième étape :

1. Normalisation

1 1 1
1 1
2 2 2
1 1 10
0 1
3 3 3
0 2 1 1 0
1 1 1
(0 2 2 2
2)

2. La réduction

1 1 1
1 1
2 2 2
1 1 10
0 1
2 3 3
5 1 20
0 0
3 3 3
2 1 1
(0 0
3 3 3 )
C. Troisième étape :

1. Normalisation

1 1 1
1 1
2 2 2
1 1 10
0 1
3 3 3
1
0 0 1 4
5
2 1 1
(0 0
3 3 3 )
2. La réduction

14
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
1 1 1
1 1
2 2 2
1 1 10
0 1
3 3 3
1
0 0 1 4
5
1
(0 0 0
5
3 )

D. Quatrième étape :

1. Normalisation
1 1 1
1 1
2 2 2
1 1 10
0 1
3 3 3
1
0 0 1 4
5
(0 0 0 1 15 )

On s’arrêtera à ce niveau car il n’y a plus d’éléments en dessous du


pivot. Autrement dit, la méthode de GAUSS ne comporte pas de réduction à
l’étape ‘’ n’’.
On trouve le système suivant :
; ; ;
;
< < <
; ; ;:
= = =
;
>
?
{ ;?
Après avoir trouvé successivement et , on trouve en résolvant
l’équation :
; ; ;
;
< < <
; ; ;
( >) ( A) (;?) ;
< < <

> A ;?
;
< < <

;<
;
=
> ; ?
?
>
D’où la solution est : {
A
;?
15
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

II. Résoudre le système suivant par la méthode de GAUSS


< A
< =
{
= = < =
< =
Résolution :
Sous forme matricielle on a :
2 1 1 1 A
0 2 1 1
( ,( ) (=)
3 3 1 2 =
1 1 1 2 =
2 1 1 1 7
0 2 1 1 3
( ,
3 3 1 2 3
1 1 1 2 3
A. Première étape :

1. Normalisation

1 1 1 7
1
2 2 2 2
0 2 1 1 3
3 3 1 2 3
(1 1 1 2 3)
2. La Réduction

1 1 1 7
1
2 2 2 2
0 2 1 1 3
9 1 7 27
0
2 2 2 2
1 3 3 1
(0 2 2 2 2)
B. Deuxième étape

1. Normalisation

16
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
1 1 1 7
1
2 2 2 2
1 1 3
0 1
2 2 2
9 1 7 27
0
2 2 2 2
1 3 3 1
(0 2 2 2 2)
2. La réduction

1 1 1 7
1
2 2 2 2
1 1 3
0 1
2 2 2
11 5 27
0 0
4 4 4
5 5 5
(0 0 4 4 4)
C. Troisième étape

1. Normalisation

1 1 1 7
1
2 2 2 2
1 1 3
0 1
2 2 2
5 27
0 0 1
11 11
5 5 5
(0 0
4 4 4)
2. La réduction

1 1 1 7
1
2 2 2 2
1 1 3
0 1
2 2 2
5 27
0 0 1
11 11
20 20
(0 0 0
11 11 )
D. Quatrième étape

1. Normalisation

17
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
1 1 1 7
1
2 2 2 2
1 1 3
0 1
2 2 2
5 27
0 0 1
11 11
(0 0 0 1 1)
On trouve le système suivant :
; ; ; A
< < < <
; ; =
< < <
? <A
;; ;;
{ ;
Après avoir trouvé successivement et , on trouve en résolvant
l’équation :
; ; ;
;
< < <
; ; ; A
(<) (<) (;)
< < < <

; A
; ;
< <

< =
= < ;
;
<
D’où la solution est : {
<
;

EXERCICES
1. Résoudre les systèmes d’équations suivants par la méthode de GAUSS
JORDAN et par la méthode de GAUSS :

> > < >


a) {< = ; b) { < ? > <
< ; < > = @
? = =
< < @ = < ;:
c) < < d) < <
= < A > = < >
{ < ; { < < < @

18
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
< A < =
< = @
e) { e) {
= = < = < ?
< = = <

2. Résoudre les systèmes d’équations suivants par la méthode de


GAUSS :

< ;? < = ;>


a) { = = b) { < = ;< c) {< = A
< ? < > ; = < ?
= =
= < ;: < < =
d) < < e) { < @
> = < > = < >
{ < < < @
?
f) {< ;
= B

19
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

CHAPITRE II : LA RÉSOLUTION DES ÉQUATIONS NON


LINÉAIRES
II.1. INTRODUCTION
La résolution d’une équation en générale consiste en la détermination
de ses racines. Ainsi, l'une des tâches rencontrées fréquemment lors d'un
calcul est la recherche de la racine d'une équation. Sans perte de généralité,
on peut toujours écrire une équation où le membre de droite est égal à zéro,
soit f(x)=0.
Si x est une variable scalaire, le problème est unidimensionnel. Si x est une
variable vectorielle (à n dimensions) et que l'on a n équations à satisfaire, on
peut formellement écrire sous une notation vectorielle f(x) = 0.
Un système d'équations à n variables est considérablement plus compliqué à
résoudre qu'un système unidimensionnel. La raison vient du fait que la
méthode générale pour la recherche des racines est liée à la capacité
d'encadrer numériquement la région où le système d'équations possède une
racine particulière.
On exclut de ce chapitre le cas des systèmes linéaires. Le principe dominant
la recherche des racines d'équations est celui de méthodes itératives, où en
partant d'une valeur d'essai (ou un couple de valeurs d'essai), on s'approche
de plus en plus près de la solution exacte.
Il est évident qu'une estimation de départ raisonnable associée à une
fonction f qui varie suffisamment lentement est nécessaire pour obtenir une
convergence vers la solution recherchée.
Nous allons considérer le problème unidimensionnel pour lequel plusieurs
méthodes sont disponibles à savoir :
- La méthode de NEWTON-RAPHSON ;
- La méthode de DICHOTOMIE ;
- La méthode de RIDDER ;
- La méthode de BRENT.
Dans le cadre de notre cours, nous n’allons considérer que les deux
premières méthodes (la méthode de NEWTON-RAPHSON et la méthode de
DICHOTOMIE).
II.2. MÉTHODE DE NEWTON-RAPHSON
Il est important de rappeler que cette méthode de résolution des
équations linéaires a été initiée par Isaac NEWTON vers les années 1669. Dix
ans après, Joseph RAPHSON a mis en évidence une formule de récurrence
permettant de faire aisément les calculs.
La méthode de NEWTON-RAPHSON nécessite de plus que la fonction f dont
on cherche à déterminer une racine, soit dérivable au voisinage de celle-ci.

20
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

Les itérations successives de la méthode de NEWTON-RAPHSON sont basées


sur le développement limite de la fonction autour d'un point.
II.2.1. Principe
La méthode consiste à introduire une suite ( ) d’approximation
successive de l’équation ( ) :. La démarche se présente comme suit :
o On part d’une solution proche de la solution ;
o À partir de , on calcule un nouveau terme de la manière suivante :
On trace la tangente à la courbe au point ,cette tangente coupe l’axe
OX en .
o On réitère ce procédé en calculant , en remplaçant par , puis
et , et ainsi de suite.

x
x2 x1 x0

II.2.2. Formule de récurrence


est l’abscisse du point d’intersection de la tangente à la courbe en
avec l’axe des abscisses.
L’équation de la tangente en est donnée par :
( )( ) ( )
Cette tangente coupe l’axe des abscisse au point :. On a donc :
: ( )( ) ( )
( )( ) ( )
( )
( )
( )
( )

21
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

L’équation de la récurrence sera donc :


( )
( )
II.2.3. Conditions d’application
Pour que la suite ( ) existe :
- La fonction ( ) doit être dérivable à chacun des points considérés.
- La dérivée ne doit pas s’annuler dans cet intervalle.
N.B. : lorsqu’il y a changement de signe de la fonction, il existe une racine.

f(x0)

+ f(x1)

x2
x1 x0 x
f(x2)
- Racine

Exemple 1 : Résoudre l’équation suivante par la méthode de NEWTON-


RAPHSON : ( ) : >?>> > >?? < A<B ; dans l’intervalle [0;1] à 10-3
près (c’est-à-dire 3 chiffres après la virgule doivent se répéter).

Solution

a) Recherche de (solution proche)

Sachant qu’on travaille dans l’intervalle de 0 à 1, calculons les différentes


valeurs de ( ) dans cet intervalle que nous allons mettre dans un tableau.
On aura :

(:) (:) : >?>> (:) > >?? (:) < A<B < A<

(: ;) (: ;) : >?>> (: ;) > >?? (: ;) < A<B < <A

(: <) (: <) : >?>> (: <) > >?? (: <) < A<B ; B;

(: =) (: =) : >?>> (: =) > >?? (: =) < A<B ; =<

22
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

(: >) (: >) : >?>> (: >) > >?? (: >) < A<B : B:

(: ?) (: ?) : >?>> (: ?) > >?? (: ?) < A<B : <@

(: @) (: @) : >?>> (: @) > >?? (: @) < A<B : =<

(: A) (: A) : >?>> (: A) > >?? (: A) < A<B : C?

(: B) (: B) : >?>> (: B) > >?? (: B) < A<B ; @=

(: C) (: C) : >?>> (: C) > >?? (: C) < A<B < =A

(;) (;) : >?>> (;) > >?? (;) < A<B = ;B

x 0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1


f(x) -2,72 -2,27 -1,81 -1,32 -0,8 -0,26 0,32 0,95 1,63 2,37 3,18

On constate qu’il y changement de signe entre x=0,5 et x=0,6, ce qui veut


dire qu’il existe une racine entre ces deux points.

Nous avons le choix de prendre : ? ou : @ et le résultat final ne sera


guère différent ou biaisé ; et pour ce qui nous concerne nous allons prendre
.

b) Recherche de la solution (à 10-3 près)

( ) : >?>> > >?? < A<B

( ) = : C:BB > >??

( )
( )
et :?

( )
1) ( )

( ) (: ?) (: ?) : >?>> (: ?) > >?? (: ?) < A<B : <@;C

( ) (: ?) = (: ?) : C:BB (: ?) > >?? ? @?C>

( )
:?

23
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

:?

:? : :>@<A

<

( )
2) ( )

( ) (: ?>@<) (: ?>@<) : >?>> (: ?>@<) > >?? (: ?>@<) < A<B

(: ?>@<) : ::=B=>

( ) (: ?>@<) = (: ?>@<) : C:BB (: ?>@<) > >?? ? B>@=

: ?>@<

: ?>@< : :::@??A

( )
3) ( )

( ) (: ?>??) (: ?>??) : >?>> (: ?>??) > >?? (: ?>??) < A<B

(: ?>??) : :::<?A

( ) (: ?>??) = (: ?>??) : C:BB (: ?>??) > >?? ? B>=>

: ?>??

: ?>?? : ::::>=C

>

On remarque que 3 chiffres après la virgule se répètent, d’où on s’arrête à ce


niveau. Comme conclusion, la racine est :

24
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

Exemple 2 : Résoudre l’équation suivante par la méthode de NEWTON-


RAPHSON : ( ) = >?? = =@? : C; ; dans l’intervalle [0;0,5] à 10-2
près (c’est-à-dire 2 chiffres après la virgule doivent se répéter).

Solution

a) Recherche de (solution proche)

Sachant qu’on travaille dans l’intervalle de 0 à 0,5 ; calculons les différentes


valeurs de ( ) dans cet intervalle que nous allons mettre dans un tableau.
On aura :

(:) (:) = >?? (:) = =@? (:) : C; : C;

(: ;) (: ;) = >?? (: ;) = =@? (: ;) : C; : @:A:?

(: <) (: <) = >?? (: <) = =@? (: <) : C; : =@A<

(: =) (: =) = >?? (: =) = =@? (: =) : C; : ;B>>?

(: >) (: >) = >?? (: >) = =@? (: >) : C; : :?<B

(: ?) (: ?) = >?? (: ?) = =@? (: ?) : C; : :==A?

x 0 0,1 0,2 0,3 0,4 0,5


f(x) -0,91 -0,6075 -0,3672 -0,18445 -0,0528 0,03375

On constate qu’il y changement de signe entre x=0,4 et x=0,5 ; ce qui veut


dire qu’il existe une racine entre ces deux points.

Nous avons le choix de prendre : > ou : ? et le résultat final ne sera


guère différent ou biaisé ; et pour ce qui nous concerne nous allons prendre
.

b) Recherche de la solution (à 10-2 près)

( ) = >?? = =@? : C;

( ) = @ C; = =@?

( )
( )
et :?

25
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
( )
1) ( )

( ) (: ?) (: ?) = >?? (: ?) = =@? (: ?) : C; : :==A?

( ) (: ?) = (: ?) @ C; (: ?) = =@? : @@

( )
:?

:? : :?;;

BB

( )
2) ( )

( ) (: >>BB) (: >>BB) = >?? (: >>BB) = =@? (: >>BB) : C;

(: >>BB) : ::?=:;

( ) (: >>BB) = (: >>BB) @ C; (: >>BB) = =@? : B@B:

( )
: ?>@<

: ?>@< : ::@:>=

>C

( )
3) ( )

( ) (: >?>C) (: >?>C) = >?? (: >?>C) = =@? (: >?>C) : C;

(: >?>C) : :::B;

( ) (: >?>C) = (: >?>C) @ C; (: >?>C) = =@? : BA<<

( )
: ?>??

: ?>?? : ::::C

>C

26
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

On remarque que 2 chiffres après la virgule se répètent, d’où on s’arrête à ce


niveau. Comme conclusion, la racine est :

II.3. MÉTHODE DE DICHOTOMIE

La méthode de DICHOTOMIE est une méthode qui ne peut pas


échouer, mais sa rapidité de convergence n'est pas la meilleure en
comparaison avec les autres méthodes. L'idée de cette méthode est la
suivante : soit une fonction f monotone sur un intervalle [a0;b0] telle que
( ) ( ) : , on sait alors qu'il existe une et une seule racine comprise
dans cet intervalle.

Considérons une fonction réelle ( ) definie dans un intervalle [a;b]


avec et continue sur cet intervalle. On suppose de plus que cette
fonction admet une racine unique dans cet intervalle.
y

f(b)

a
b x
f(a) Racine

La méthode de DICHOTOMIE consiste donc à construire une suite ( ) qui


converge vers la solution finale. On prend alors le milieu de [a1;b1]. On
construit ainsi une suite :

<

<

<

27
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

Cette méthode permet d’approcher la solution finale à un nombre prévisible


d’itérations, c’est pour cette raison qu’elle est appelée méthode itérative.

On travaille avec la valeur moyenne « m » des deux valeurs extrêmes. S’il y a


changement de signe entre une des valeurs extrêmes et la valeur moyenne,
donc la racine se trouve entre cette valeur et la valeur moyenne. S’il n’y a
pas changement de signe, donc la racine ne se trouve pas entre cette valeur
et la valeur moyenne.

On arrête l’opération lorsque l’on obtient le nombre de chiffres requis (qui


doivent se répéter) après la virgule.

Exemple : Résoudre l’équation suivante par la méthode de DICHOTOMIE :


( ) : >?>> > >?? < A<B ; dans l’intervalle [0;1] à 10-2 près (c’est-
à-dire 2 chiffres après la virgule doivent se répéter).

Solution

N° ( ) ( * ( )
< <
1 0 0,50 1 -2,728 -0,2619 3,1814
2 0,5 0,75 1 -0,2619 1,29073 3,1814
3 0,5 0,625 0,75 -0,2619 0,47802 1,29073
4 0,5 0,5625 0,625 -0,2619 0,09969 0,47802
5 0,5 0,53125 0,5625 -0,2619 -0,08310 0,09969
6 0,5312 0,54685 0,5625 -0,08339 0,00764 0,09969
7 0,5312 0,539 0,5468 -0,08339 -0,03815 0,00734
8 0,53906 0,54293 0,5468 -0,03779 -0,01525 0,00734
9 0,54296 0,54488 0,5468 -0,01509 -0,00388 0,00734

Ainsi donc, à 10-2 près, la valeur de la racine est

EXERCICES

1. Résoudre les équations suivantes par la méthode de NEWTON-


RAPHSON :
a) ( ) ? <;;< ? :?@ : B>>B ; dans l’intervalle [0;0,7] à 10-3
près.

b) ( ) ? <>? A <<? ; >A ; dans l’intervalle [0;1] à 10-3 près.

28
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

c) ( ) = ; =>?C ; BB>A : <=:@ ; dans l’intervalle ]0;0,5[ à 10-3


près.

d) ( ) : <>A : A?= ; dans l’intervalle ]-1;0[ à 10-3 près.

e) ( ) < ? C>B : :?< A BC@ ; dans l’intervalle [-2;-1] à 10-3


près.

2. Résoudre la question 1 par la méthode de DICHOTOMIE.

29
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

CHAPITRE III : L’INTERPOLATION

III.1. INTRODUCTION

Pour évaluer une fonction, il est fréquent de ne disposer que de ses


valeurs sur un ensemble fini de points. Dans le cas le plus simple d'une
fonction à une variable, ces points sont souvent disposés sur un réseau
régulier unidimensionnel. Il est souvent nécessaire de pouvoir évaluer cette
fonction en dehors de cet ensemble de points. Si le point à évaluer se situe à
l'intérieur d'un intervalle élémentaire constitué de deux points consécutifs
du réseau, la procédure d'approximation de la fonction par une fonction plus
simple (très souvent un polynôme) s'appelle une interpolation. Quand le
point à évaluer se situe en dehors des bornes du réseau, la procédure
d'approximation s'appelle une extrapolation.

La mise en place d'une interpolation pour une fonction évaluée


initialement sur un réseau consiste à optimiser la fonction approchante en
utilisant l'ensemble des données. Le problème est de savoir si l'ensemble des
données doit être utilisé en une seule fois pour déterminer une unique
fonction sur l'ensemble de l'intervalle ou si on doit construire une succession
de fonctions approchantes en utilisant des données locales. Nous allons voir
que les réponses sont adaptées en fonction des propriétés de régularité de la
fonction que l'on veut interpoler ainsi que le type de fonctions approchantes
utilisées.

Les polynômes sont à priori de bons candidats pour approximer des


fonctions ; nous allons voir ci-dessous que cela n'est pas aussi simple et qu'il
existe des situations où le fait de prendre un polynôme de degré de plus en
plus élevé détériore la qualité de l'approximation. En général, une fonction
dont les dérivées restent bornées peut être approchée avec précision avec
une interpolation polynomiale de degré élevé qui nécessite de faire intervenir
les valeurs de la fonction sur une ensemble de points assez grand. Dans le
cas où la fonction possède des discontinuités dans sa dérivée, une
interpolation locale basée sur un petit nombre de points est alors plus
précise.
30
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

De la fonction ( ) , on suppose connaître les valeurs des ( )


avec . On cherche à déterminer la valeur de y pour
̅.

Nous avons le tableau suivant :

x ……………
y …………...

Lorsqu’on cherche à déterminer ( ) en ̅, on parle d’un problème


d’interpolation, avec ̅ .

Si ̅ et si ̅ (en dehors du champ), on parler d’un problème


d’extrapolation.

On s’occupera seulement du problème d’interpolation. Le polynôme ( ) de


degré n dont la représentation passe par les points d’appui se présente
comme suit : ( ) . Ce polynôme est appelé
polynôme d’interpolation.

Nous verrons seulement trois sortes d’interpolation :

 L’interpolation linéaire ;
 L’interpolation quadratique ;
 L’interpolation de LAGRANGE.

III.2. INTERPOLATION LINÉAIRE

C’est un problème d’interpolation le plus simple. Dans cette


interpolation, il suffit de connaitre 2 points ( ( )) ( ( )) et on
s’approche de la valeur ( ).

x
( ) ( ) ( )

31
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
f(x)

f(x1)

f(x0)

x0) x1 x

Ainsi on trouve la valeur d’interpolation linéaire en superposant les


deux polynômes linéaires suivants :

( ) ( )

( ) ( )

Le polynôme d’interpolation linéaire sera donc :

( ) ( ) ( )

( ) ( ) ( )

Exemple 1 : Déterminer le polynôme d’interpolation linéaire passant par les


points (1,3) et (5,10). Que vaudrait la valeur de y si x=2 ?

Solution

x x ; ?
( ) ( ) ( ) ( ) = ;:

( ) = ;:

→ ( ) ( ?) ( ;)

32
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

→ ( )

→ ( )

Pour <, on aura (<) < → ( )

Exemple 2 : Déterminer le polynôme d’interpolation linéaire passant par les


points (-2,-3) et (2,1). Que vaudrait la valeur de y si x=0 ?

Solution

x x < <
( ) ( ) ( ) ( ) = ;

( ) = ;

→ ( ) ( <) ( ;)

→ ( )

→ ( )

Pour :, on aura (:) : ;→ ( )

III.3. INTERPOLATION QUADRATIQUE

Dans cette sorte d’interpolation, il suffit de connaître trois points


( ( )) ( ( )) et ( ( )) ; et on s’approche de la valeur ( ).

x
( ) ( ) ( ) ( )

Ainsi on trouve la valeur d’interpolation quadratique en superposant


les trois polynômes quadratiques suivants :

( )( )
( ) ( )
( )( )

33
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

( )( )
( ) ( )
( )( )

( )( )
( ) ( )
( )( )

Le polynôme d’interpolation linéaire sera donc :

( ) ( ) ( ) ( )

( )( ) ( )( ) ( )( )
( ) ( ) ( ) ( )
( )( ) ( )( ) ( )( )

Exemple 1 : Déterminer le polynôme d’interpolation quadratique pour les


points d’appui suivants :

x ; : <
( ) @ < :

Que vaudrait la valeur de y si x=3 ?

Solution

( )( ) ( )( )
( ) ( ) ( ) @
( )( ) ( )( )

( )( )
( ) @ ( )( )

→ ( ) ( <)

→ ( ) < >

( )( ) ( )( )
( ) ( ) ( ) <
( )( ) ( )( )

( )
( ) < ( )( )

→ ( ) ( <)

→ ( ) <

34
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
( )( ) ( )( )
( ) ( ) ( ) :
( )( ) ( )( )

→ ( ) :

( ) ( ) ( ) ( )

→ ( ) < > ( <) :

→ ( )

Pour =, on aura (=) (=) =(=) <→ ( )

Exemple 2 : Déterminer le polynôme d’interpolation quadratique pour les


points d’appui suivants :

x < ; <
( ) ;? A A

Que vaudrait la valeur de y si x=2 ?

Solution

( )( ) ( )( )
( ) ( ) ( ) ;?
( )( ) ( )( )

( )( )
( ) ;? ( )( )

→ ( ) ( ;)( <)

→ ( ) ( <)

( )( ) ( )( )
( ) ( ) ( ) A
( )( ) ( )( )

( )
( ) A ( )( )

→ ( ) ( >)

( )( ) ( )( )
( ) ( ) ( )( )
( ) A ( )( )

35
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
( )( )
( ) A
( )( )

→ ( ) ( <)( ;)

→ ( ) ( = <)

( ) ( ) ( ) ( )

→ ( ) ( <) ( >) ( = <)

)
→ ( )

→ ( )

→ ( )

Pour ;, on aura (;) <(;) <(;) =→ ( )

III.4. INTERPOLATION DE LAGRANGE (POUR UNE INTERPOLATION


GÉNÉRALE)

L’interpolation de LAGRANGE est employée lorsqu’on connait


n’importe quel nombre de points. C’est la forme générale.

Ainsi on trouve la valeur d’interpolation de LAGRANGE en superposant


les polynômes suivants :

( )( )( )( ) ( )
( ) ( )
( )( )( )( ) ( )

( )( )( )( ) ( )
( ) ( )
( )( )( )( ) ( )

( )( )( )( ) ( )
( ) ( )
( )( )( )( ) ( )

( )( )( )( ) ( )
( ) ( )
( )( )( )( ) ( )

36
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

( )( )( )( ) ( )
( ) ( )
( )( )( )( ) ( )

……………………………

( )( )( )( ) ( )
( ) ( )
( )( )( )( ) ( )

Le polynôme de LAGRANGE se présente comme suit :

( )
( ) ( )∏
( )

Exemple 1 : Déterminer le polynôme d’interpolation de LAGRANGE pour les


points d’appui suivants :

x : < = ?
( ) ; < C BA

Que vaudrait la valeur de y si x=1 ?

Solution

( )( )( ) ( )( )( )
( ) ( ) ( ) ( ;)
( )( )( ) ( )( )( )

( ) ( <)( =)( ?)

( )( )( )
( ) ( ) ( )( )( )

( )( )( )
( ) (<) ( )( )( )

( )( )( )
→ ( ) (<) ( )( )( )

( )( )
→ ( )

( )( )
→ ( )

37
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
( )( )( ) ( )( )( )
( ) ( ) ( ) (C)
( )( )( ) ( )( )( )

( )( )( )
→ ( ) (C) ( )( )( )

( )( )
→ ( )

( )( )( ) ( )( )( )
( ) ( ) ( ) (BA)
( )( )( ) ( )( )( )

( )( )( )
→ ( ) (BA) ( )( )( )

( )( )
→ ( )

( )( )
→ ( )

( ) ( ) ( ) ( ) ( )

( )( ) ( )( ) ( )( )
→ ( ) ( <)( =)( ?) 0 1

( )( ) ( )( ) ( )( )
→ ( ) ( <)( =)( ?)

( )( )( ) ( )( ) ( )( ) ( )( )
→ ( )

( )( ) ( ) ( ) ( )
→ ( )

( )( ) ( ) ( ) ( )
→ ( )

( )( ) ( ) ( )
→ ( )

( )( )
→ ( )

→ ( )

( )

38
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
( ) ( ) ( )
Pour ;, on aura (;) → (;) → (;)

→ ( )

Exemple 2 : Déterminer le polynôme d’interpolation de LAGRANGE pour les


points d’appui suivants :

x < ; ; =
( ) ;? @ : =:

Que vaudrait la valeur de y si x=2 ?

Solution

( )( )( ) ( )( )( )
( ) ( ) ( )( )( )
( ) ( ;?) ( )( )( )

( ) ( ;)( =)

( ) = =

( )( )( ) ( )( )( )
( ) ( ) ( ) ( @)
( )( )( ) ( )( )( )

( )( )( )
→ ( ) ( @) ( )( )( )

→ ( ) . /( < <)( =)

→ ( ) ( <)( =)

→ ( ) ( = = < @)

→ ( ) ( < ? @)

( )( )( ) ( )( )( )
( ) ( ) ( ) (:)
( )( )( ) ( )( )( )

→ ( ) :

( )( )( ) ( )( )( )
( ) ( ) ( ) (=:)
( )( )( ) ( )( )( )

39
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
( )( )( )
→ ( ) (=:)
( )( )( )

→ ( ) ( <)( ;)

→ ( ) ( < <)

→ ( ) ( < <)

( ) ( ) ( ) ( ) ( )

→ ( ) = = ( < ? @) : ( < <)

→ ( )

→ ( )

( )

Pour <, on aura (<) (<) (<)< = → (<) ;< =

→ ( )

EXERCICES

1. Déterminer les polynômes d’interpolation pour les points d’appui


suivants :

a) b)
x ; : x ; ;
( ) = < ( ) = A

c)
x : ; <
( ) @ < ;@

d)
x ; : <
( ) ;; B B

40
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

e)
x < ; <
( ) ;< > B

2. Déterminer les polynômes d’interpolation pour les points d’appui


suivants par l’interpolation de LAGRANGE :
a)
x ; : ; ?
( ) ;B ? ;< :
b)
;
x ; : <
( ) = < :

c)
x ; : ; 2
( ) : 5 @ 21

d)
x < : 1 2
( ) =: : = >

e)
x ; : ; < = ?
𝑓(𝑥) ;< ;: ;: @ ;?< A?B

41
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

CHAPITRE IV : LA RÉGRESSION LINÉAIRE


IV.1. INTRODUCTION
La régression linéaire est une manipulation mathématique permettant
de relier 2 variables quelconques à l’aide d’une équation mathématique.
Cette dernière est appelée équation de corrélation.

À partir de cette équation, l’on aura une idée sur la variation d’une des
variables en fonction de l’autre. Le calcul du coefficient de corrélation que
nous verrons plus loin nous permettra de dire s’il y a forte dépendance ou
faible dépendance entre les deux variables.

IV.2. MÉTHODE DES MOINDRES CARRÉS

1. Définition

La méthode des moindres carrés consiste à déterminer une fonction


mathématique, si possible simple, susceptible de résumer valablement la
réalité observée.

L’objectif de cette méthode est :

 De mettre en évidence une équation mathématique ;


 De simplifier le phénomène étudié ; et
 De déterminer la tendance générale.

Les phénomènes étudiés peuvent être entre autre : la variation de la


taille en fonction du poids, la variation du nombre d’étudiants dans une
promotion en fonction du temps, etc…

La droite des moindres carrés est aussi appelée droite d’ajustement


ou trende.

Ajuster c’est chercher à éliminer la part d’erreur d’observation des


phénomènes accidentels. C’est aussi schématiser une évolution en
dégageant la tendance générale.

La méthode des moindres carrés est un ajustement par une droite reposant
donc sur l’hypothèse selon laquelle l’évolution du phénomène étudié est
linéaire.

La validité de l’ajustement peut être testée par les calculs des coefficients
de corrélation.

42
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019
Variable Variable Corrélation
1 1 négative
Corrélation
positive

Variable 2 Variable 2

Ainsi l’équation de la droite est :


̅∑ ∑
̅∑ ∑

̅ ̅

Avec : ̅ la moyenne des et ̅ la moyenne des .

2. Coefficient de corrélation

Déterminer la corrélation entre deux ou plusieurs variables aléatoires,


c’est étudier l’intensité de la liaison qui peut exister entre ces variables. La
liaison recherchée est une relation affine dans le cas de deux variables. Il
s’agit de la régression linéaire.

Une mesure de cette corrélation est obtenue par le calcul du coefficient


de corrélation linéaire. Ce dernier est compris entre -1 et 1 et est noté par
Rp .
∑( ̅)( ̅)
√∑( ̅)< √∑( ̅)<

Nous pouvons avoir les cas suivants :

 Si Rp est compris entre -1 et -0,7, il y a forte corrélation.


 Si Rp est compris entre -0,7 et 0,7, il y a faible corrélation.
 Si Rp est compris entre 0,7 et 1, il y a forte corrélation.

-1 -0,7 0 0,7 1

Forte Faible Forte


corrélation corrélation corrélation

Corrélation Corrélation
négative positive

43
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

Exemple : Trouver l’équation de corrélation des points suivants. En déduire


le coefficient de corrélation et interpréter.
x 1 2 3 4 5 6
y 10 17 15 20 21 19

Solution
x y x.y x2 ̅ ( ̅) ̅ ( ̅) ( ̅)( ̅)
1 10 10 1 -2,5 6,25 -7 49 17,5
2 17 34 4 -1,5 2,25 0 0 0
3 15 45 9 -0,5 0,25 -2 4 1
4 20 80 16 0,5 0,25 3 9 1,5
5 21 105 25 1,5 2,25 4 16 6
6 19 114 36 2,5 6,25 2 4 5
TOT 21 102 388 91 - 17,5 - 82 31

N.B : les quatre premières colonnes permettent de trouver exclusivement


l’équation de corrélation. Le reste des colonnes permettent à leur tour de
déterminer le coefficient de corrélation.

̅ = ? et ̅ ;A
̅∑ ∑
̅∑ ∑
→ →

; AA;
̅ ̅→ ;A ; AA; = ?

;: B:;
Donc l’équation de la droite de corrélation est :
∑( ̅)( ̅)
Le coefficient de corrélation sera déterminé par :
√∑( ̅)< √∑( ̅ )<

→ →
√ √

Comme le coefficient de corrélation est compris entre 0,7 et 1, il y a donc


forte corrélation.
EXERCICES

1. Trouver les équations de corrélation des points suivants. En déduire


leurs coefficients de corrélation et interpréter.
a) b)
x 1 2 5 3 4 3 x 20 18 15 13 10 8
y 5 7 9 8 10 15 y 6 7 8 9 10 11

44
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

2. Soit le tableau suivant :


X Y Z
60 1 10
70 2 9
75 3 4
80 5 30
90 6 28
100 8 18
150 9 15
200 10 10
250 12 20
300 15 25

a) Déterminer l’équation qui relie X et Y et donner le coefficient de


corrélation. Conclure.
b) Idem pour X et Z.
c) Idem pour Y et Z.

45
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

CHAPITRE V : LES MÉTHODES D’INTÉGRATION DÉFINIE


V.1. INTRODUCTION
Une intégrale définie est une intégrale qui a des bornes. On peut la
résoudre en utilisant les méthodes numériques.
Dans le calcul d’intégrales, on n’est pas toujours en mesure d’obtenir
des expressions exactes. Il se peut que l’obtention d’une primitive soit
impossible ou trop compliquée.
Pour pallier à ce problème, on cherche une approximation de l’intégrale
() ∫ ( ) par une somme de surfaces de rectangles, de trapèzes ou
d’autres formes géométriques dont on sait calculer l’aire.
Comme l'évaluation de la fonction f pour une infinité de points est
impossible, l'intégration numérique consiste à remplacer l'intégrale I(f) par
une somme discrète sur un nombre fini de points.
Il existe plusieurs sortes de méthodes numériques pouvant nous
permettre de trouver les résolutions facilement, chaque méthode ayant une
marge d’erreur, raison pour laquelle deux méthodes différentes ne donnent
pas forcément les mêmes résultats. Mais dans le cadre de notre cours, nous
en verrons seulement deux, à savoir :
 La méthode des rectangles.
 La méthode des trapèzes.
Étant donnée une fonction ( ) , -, on se détermine de trouver la valeur
de cette intégrale définie ; a et b étant les bornes.
V.2. MÉTHODE DES RECTANGLES
Soit une subdivision uniforme de [a,b]
et soit l’intégrale ∫ ( ) .
y

Si nous considérons et n le pas d’intégration. Nous calculerons


l’intégrale par la méthode des rectangles à l’aide de la formule :

46
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

∫ ( ) , ( ) ( ) ( ) ( )-

Exemple 1 : Calculer l’intégrale suivante par la méthode de rectangles :


∫ √ , avec n=5.

Solution
; : ;

:<

:→ √: :

:< → √: < : >>

:> → √: > : @=

:@ → √: @ : AA

:B → √: B : BC

;→ √; ;

D’où ∫ √ (: : >> : @= : AA : BC ;)

→∫ √

∫ √

Exemple 2 : Calculer l’intégrale suivante par la méthode de rectangles :


∫ avec n=4.

Solution
< : <

:?

:→ , à ne pas considérer.

:? → =

;→ <

;? → ;@

<→ ;?

47
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

D’où ∫ (= < ;@ ; ?)

→∫ :? B;

V.3. MÉTHODE DES TRAPÈZES


Soit une subdivision uniforme de [a,b]
et soit l’intégrale ∫ ( ) .

Si nous considérons et n le pas d’intégration. Nous calculerons


l’intégrale par la méthode des trapèzes à l’aide de la formule :
( ) ( )
∫ ( ) [ ( ) ( ) ( )]

Exemple 1 : Calculer l’intégrale suivante par la méthode des trapèzes :


∫ √ avec n=5.

Solution
; : ;

:<

:→ √: :

:< → √: < : >>

:> → √: > : @=

:@ → √: @ : AA

:B → √: B : BC

;→ √; ;

D’où ∫ √ . : >> : @= : AA : BC/

→∫ √

∫ √

Exemple 2 : Calculer l’intégrale suivante par la méthode des trapèzes :


∫ avec n=4.

Solution

48
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

< : <

:?

:→ , à ne pas considérer.

:? → =

;→ <

;? → ;@

<→ ;?

D’où ∫ . < ; @/

→∫ :? ? B?

EXERCICES
1. Calculer les intégrales suivantes par la méthode de rectangles :

a) ∫ avec n=4.

b) ∫ avec n=5.

c) ∫ avec n=4.

d) ∫ avec n=3.

e) ∫ avec n=10.

2. Calculer les intégrales suivantes par la méthode de trapèzes :

a) ∫ ( A) avec n=4.

b) ∫ avec n=5.

c) ∫ avec n=4.

d) ∫ ( =) avec n=6.

e) ∫ avec n=4.

49
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

CHAPITRE VI : LA RÉSOLUTION NUMÉRIQUE DES


ÉQUATIONS DIFFÉRENTIELLES
VI.1. INTRODUCTION
La résolution numérique d'équations différentielles est très souvent
nécessaire, suite au manque de solutions analytiques. De ce fait, la meilleure
méthode, ou la plus efficace à utiliser pour obtenir une solution, nécessite de
connaître la nature de l'équation différentielle à résoudre.
Une équation différentielle ( ) définit dans le plan un champ de
direction bien déterminée, ce qui signifie qu’en chaque point d’existence de la
fonction ( ) dans le plan, elle définit la direction de la courbe intégrale
correspondante passant par ce point.
Il existe plusieurs méthodes de résolution des équations différentielles,
mais dans le cadre de notre cours, nous allons utiliser une méthode de
résolution dite de RUNGE-KUTTA.
VI.2. MÉTHODE DE RUNGE-KUTTA
Supposons que l’on demande de résoudre le problème ( )
vérifiant les conditions initiales ( ) .

Décomposons le segment , - en n parties égales et posons

; h étant le pas de la variation de la variable


indépendante.
Admettons maintenant qu’à l’intérieur de l’intervalle élémentaire s’étalant de
à , la fonction conserve une valeur constante.
( ) ou est la valeur de la fonction cherchée correspondant à
.
D’où l’on tire ( ). En répétant cette opération, on obtient les
valeurs successives de la fonction :
( )
( )
La méthode de RUNGE-KUTTA se définit de la manière suivante :
Soit une fonction définie par l’équation différentielle ( ), les conditions
initiales étant ( ) . En effectuant l’intégration numérique d’une pareille
équation par la méthode de RUNGE-KUTTA, on détermine quatre nombres :
( )

( *
< <

50
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

( *
< <
( )

On détermine ( < < )

Exemple : Résoudre par la méthode de RUNGE-KUTTA l’équation


différentielle suivante : sur l’intervalle [0;1] et le pas h=0,2. Les
conditions initiales (:) ;.
Solution

→ ( )

(:) ;
On regarde d’abord le pas h=0,2. D’où on aura la division suivante :
1) : ;
2) :<
3) :>
4) :@
5) :B
6) ;
 Pour , .
 Pour ,

( ) : < (: ;) :< .; / :< ; :<

. / : < .: ; / : < (: ; ; ;) :< .; ; /

→ : ;B=@=@

. / : < .: ; / : < (: ; ; :C;B)

→ :< .; :C;B /

→ : ;B;A<A
( ) : < (: :< ; : ;B;A<A) : < (: < ; ;B;A<A)

→ :< .; ;B;A<A /

→ : ;@B@

( < < )

51
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

→ (: < < : ;B=@=@ < : ;B;A : ;@B@)

→ : ;B=<<B
; : ;B=<<B

Donc pour →
 Pour ,
Ici les valeurs de x et y seront celles trouvées précédemment : : < et
; ;B=<<B

( ) : < (: < ; ;B=<<) :< .; ;B=<< / :< : B>?;?

→ : ;@C:=

. / : < .: < ; ;B=<< / : < (: = ; <@AA=)

→ :< .; <@AA= /

→ :< : AC>>>
→ : ;?BBB

. / : < .: < ; ;B=<< / : < (: = ; <@<@)

→ :< .; <@<@ /

→ :< : ABA>
→ : ;?A>C
( ) : < (: < : < ; ;B=<< : ;?A>C) : < (: > ; =>:A;)

→ :< .; =>:A; /

→ :< : A>>:;
→ : ;>BB

( < < )

→ (: ;@C:= < : ;?BB < : ;?A>C : ;>BB)

→ : ;?B><
; ;B=<< : ;?B><

52
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019


Donc pour →
 Pour ,
Ici les valeurs de x et y seront celles trouvées précédemment : : > et
; =>;@>

( ) : < (: > ; =>;@>) :< .; =>;@> / :< : A>?=?

→ : ;>C:A

. / : < .: > ; =>;@> / : < (: ? ; >;@;)

→ :< .; >;@; /

→ :< : A;::>
→ : ;><

. / : < .: > ; =>;@> / : < (: ? ; >;<@)

→ :< .; >;<@ /

→ :< : A:>A>
→ : ;>:C>
( ) : < (: > : < ; =>;@ : ;>:C>) : < (: @ ; >B<?)

→ :< .; >B<? /

→ :< : @A=;B
→ : ;=>@

( < < )

→ (: ;>C:A < : ;>< < : ;>:C> : ;=>@=)

→ : ;>;?C
; =>;@ : ;>;?C

Donc pour →
 Pour ,

53
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

Ici les valeurs de x et y seront celles trouvées précédemment : : @ et


; >B=<=

( ) : < (: @ ; >B=<=) :< .; >B=<= / :< : @A>;B

→ : ;=>B=

. / : < .: @ ; >B=<= / : < (: A ; ??:@>)

→ :< .; ??:@> /

→ :< : @>AAB
→ : ;<C??

. / : < .: @ ; >B=<= / : < (: A ; ?>B)

→ :< .; ?>B /

→ :< : @>=@<
→ : ;<BA<
( ) : < (: @ : < ; >B=<= : ;<BA<) : < (: B ; @;;C?)

→ :< .; @;;C? /

→ :< : @;C=
→ : ;<=BA

( < < )

→ (: ;=>B= < : ;<C?? < : ;<BA< : ;<=BA)

→ : ;<C<
; >B=<= : ;<C<

Donc pour →
 Pour ,
Ici les valeurs de x et y seront celles trouvées précédemment : : B et
; @;<>=

( ) : < (: B ; @;<>=) :< .; @;<>= / :< : @<:;?

54
COURS D’ANALYSE NUMÉRIQUE MSc. Ir. OMALANGA PELE
BAC 2 RT/ 2018-2019

→ : ;<>:=

. / : < .: B ; @;<>= / : < (: C ; @A>>)

→ :< .; @A>> /

→ :< : ?CC>@
→ : ;;CB

. / : < .: B ; @;<>= / : < (: C ; @A<=A)

→ :< .; @A<=A /

→ :< : ?C@:@
→ : ;;C<;
( ) : < (: B : < ; @;<>= : ;;C<;) : < (; ; A=;@>)

→ :< .; A=;@> /

→ :< : ?A@
→ : ;;?==

( < < )

→ (: ;<> < : ;;CBC < : ;;C< : ;;?==)

→ : ;;C?C
; @;<>= : ;;C?C

Donc pour →
EXERCICES
Résoudre par la méthode de RUNGE-KUTTA les équations différentielles
suivantes :

a) < sur l’intervalle [0;2] et le pas h=0,4. Les conditions initiales


(:) ;.
b) < sur l’intervalle [2;4] et le pas h=0,5. Les conditions initiales
(<) <.
c) < sur l’intervalle [1;2] et le pas h=0,4. Les conditions initiales
(;) ;.

55

Vous aimerez peut-être aussi