Vous êtes sur la page 1sur 24

Université de Douala Faculté des Sciences

Département de Physique

Méthodes Numérique et Programmation

PHY 336_Partie 1

Cours

Titre : Méthodes Numérique et Programmation Sigle : PHY 336


Crédits : Semestre : VI Licence PHYS
Cours : heures/semaine Travail personnel : heures/semaines

Enseignant

Nom : Dr. M. Silenou Mengoue Tél :


E-mail : smengoue@yahoo.fr

Place du cours dans le programme

Type de cours : Obligatoire


Parcourts : EEA, PMEC, PFON, PE

Objectifs généraux

— Initier l’étudiant à la résolution numérique des problèmes physiques


— Initier l’étudiant au langage de programmation FORTRAN 90/95 à travers des séances de travaux pratiques

1
Plan du Cours (1ere Partie) :

1. Quelques problèmes numériques


2. Interpolations et approximations
3. Dérivation et intégration numériques
4. Résolution des équations et systèmes non linéaires
5. Résolution des systèmes linéaires
6. Résolution numérique des équations différentielles
7. Travaux dirigés
8. Programmation fortran90/95 (Voir cours PHY 336_Partie 2)
9. Travaux Pratiques

Quelques reférences :

1. Eléments de calcul numérique, Demidovitch B et I Maron, Ed. Mir Moscou (1979)


2. Introduction à l’analyse numérique matricielle et l’optimisation, P. G Ciarlet Ed. Masson Paris
3. Méthodes Numériques, notes de cours de Didier Cassereau ; espci France (2014)
4. Méthodes numériques et programmation, notes de cours de Samir Kenouche, Fac Sce Algerie (2016)
5. Introduction aux méthodes numériques Deuxième édition, Franck Jedrzejewski, Springer-Verlag France, Paris
(2005)
6. ....

2
METHODES NUMERIQUES ET PROGRAMMATION

CHAPITRE IV : RESOLUTION DES SYSTEMES LINEAIRES

I. INTRODUCTION

On note 𝑀𝑛 (𝑅), l’espace vectoriel des matrices carrées d’ordre n à coefficients réels. Soit A 𝜖
𝑀𝑛 (𝑅) et B 𝜖 𝑅𝑛 , on cherche le vecteur X 𝜖 𝑅𝑛 , solution du système linéaire AX = B . Ce
système admet une solution unique lorsque le déterminant de A est non nul, ce que nous
supposerons dans la suite (système inversible). Pour résoudre ce genre de système nous allons
dans un premier temps utiliser les méthodes directes (Gauss-Jordan, système triangulaire,
Factorisation LU, double balayage de Choleski) et en second temps utiliser les méthodes
interactives (Jacobi, Gauss-Seidel). Les méthodes directes calculent une solution théorique
exacte, en un nombre fini d’opérations, mais avec une accumulation d’erreurs d’arrondis qui
d’autant plus grandes que la dimension l’est. Par conséquent, pour des matrices de dimension
importante, il est préférable d’utiliser les méthodes itératives basées sur la construction d’une
suite convergente vers la solution du système

II. METHODES DIRECTES

1. Méthodes de Pivot (Gauss-Jordan)

Nous exposerons le principe de cette méthode à partir d’un système de trois équations à trois
inconnues qui suit :
a11 x1 + a12 x2 + a13 x3 = b1
{a21 x1 + a22 x2 + a23 x3 = b2
a31 x1 + a32 x2 + a33 x3 = b3
Qui peut s’écrire sous la forme matricielle :
𝐿1 𝑎11 𝑎12 𝑎13 𝑥1 𝑏1
{𝐿2 (𝑎21 𝑎22 𝑎23 ) (𝑥2 ) = (𝑏2 ) (1)
𝐿3 𝑎31 𝑎32 𝑎33 𝑥3 𝑏3

Le but principal étant donc de diagonaliser la matrice.

On choisit successivement chaque ligne comme ligne pivot ; Le pivot étant le premier élément
non nul de la ligne.

i) 1ere étape : On divise la première ligne de (1) par 𝑎11 ensuite on annule le premier terme
de chacune des autres lignes comme suit : 𝐿2 − 𝑎21 ∗ 𝐿1 → 𝐿2 (à la deuxième ligne on
retranche la première multipliée par 𝑎21 et on remet à la ligne 𝐿2 ) . A la troisième ligne on

26

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

retranche la première multipliée par 𝑎31 et on remet à la ligne 𝐿3 ie : 𝐿3 − 𝑎31 ∗ 𝐿1 → 𝐿3 .


On obtient à l’issue de cette première étape, le système :

𝐿11 1 𝑎1
1 𝑎12 13 𝑥1 𝑏11
{𝐿12 (0 𝑎22
1 𝑎 1 ) (𝑥 )
23 2 = (𝑏21) (2)
𝑥3
𝐿13 1 1
0 𝑎32 𝑎33 𝑏31

ii) 2ieme étape : La deuxième ligne 𝐿12 est considérée comme ligne pivot et 𝑎22
1
Comme
élément pivot.

On répète sur cette deuxième ligne les opérations précédemment faites sur la première ligne ;
on annule les autres termes de la deuxième colonne. Pour cela :
1
A la première ligne on retranche la deuxième multipliée par 𝑎12 et on remet à la ligne 𝐿11

𝐿11 − 𝑎12
1
𝐿12 → 𝐿11 et puis 𝐿13 − 𝑎32
1
𝐿12 → 𝐿13 ce qui donne le système :

𝐿21 2
1 0 𝑎13 𝑥1 𝑏12
{𝐿22 (0 1 𝑎23
2 ) (𝑥 )
2 = (𝑏22 ) (3)
𝑥3
𝐿23 2
0 0 𝑎33 𝑏32

2
iii) 3ieme étape On prend la troisième ligne comme ligne pivot et 𝑎33 comme élément pivot
et on répète les mêmes opérations effectuées sur les lignes précédentes :

𝐿21 − 𝑎13
2
𝐿23 → 𝐿21 𝐿22 − 𝑎23
2
𝐿23 → 𝐿22

1 0 0 𝑥1 𝑏13
(0 1 0) (𝑥2 ) = (𝑏 3 )
2
0 0 1 𝑥3 𝑏3 3
𝑥1 = 𝑏13
𝑑 ′ 𝑜ù {𝑥2 = 𝑏23 (5) (Ce sont les solutions recherchées)
𝑥3 = 𝑏33

2. Résolution d’un système triangulaire

La méthode de Gauss engendre un algorithme fini dont l’idée et de transformer le système


initial en système triangulaire (inférieur ou supérieur)

27

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

On donne ici l’algorithme de résolution d’un système triangulaire supérieur et inversible. Il se


fait en remontant les équations de la dernière ligne à la première.
Soit donc notre système AX = B, A étant la matrice dont les éléments 𝑎𝑖𝑗 𝑖, 𝑗 = 1, . . 𝑛 . Dans
ce cas, ∀ 𝑖, 𝑖 = 1, … . 𝑛 𝑎𝑖𝑗 ≠ 0 𝑐𝑎𝑟 det(𝐴) = ∏𝑛𝑖=1 𝑎𝑖𝑖 ≠ 0
𝑛
𝑏𝑛 1
𝑋𝑛 = 𝑒𝑡 𝑋𝑖 = (𝑏 − ∑ 𝑎𝑖𝑗 𝑥𝑗 ) ∀ 𝑖 = (𝑛 − 1), … . .1 (6)
𝑎𝑛𝑛 𝑎𝑖𝑖 𝑖
𝑗=𝑖+1

Cas d’un système triangulaire inférieur :


𝑖−1
𝑏1 1
𝑋1 = 𝑒𝑡 𝑋𝑖 = (𝑏 − ∑ 𝑎𝑖𝑗 𝑥𝑗 ) ∀ 𝑖 = 2, … . . 𝑛 (7)
𝑎11 𝑎𝑖𝑖 𝑖
𝑗=1

Expose de la méthode :
Soit le système suivant :
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 = 𝑏1 𝐿11
{𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑏2 𝐿12 (8)
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 = 𝑏3 𝐿13
Il faudra éliminer les termes 𝑎21 𝑥1 , 𝑎31 𝑥1 𝑒𝑡 𝑎32 𝑥2 . Pour cela
𝑎
On élimine 𝑎21 𝑥1 dans la ligne 𝐿12 grâce à la combinaison : 𝐿12 − 21 𝐿11 → 𝐿12 et le terme
𝑎11
𝑎31
𝑎31 𝑥1 dans la ligne 𝐿13 grâce à la combinaison : 𝐿13 − 𝐿11 → 𝐿13
𝑎11
Le nouveau système sera donc :
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 = 𝑏1 𝐿1
1
2 2
{0 𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑏22 𝐿2
2
2 2
0 𝑎32 𝑥2 + 𝑎33 𝑥3 = 𝑏32 𝐿2
3
2 𝑎
𝑎𝑖𝑗 = 𝑎𝑖𝑗 − 𝑖1 𝑎𝑖𝑗 𝑖 = 2, 3
𝑎11
Où { 2 𝑎𝑖1
𝑏𝑗 = 𝑏𝑗 − 𝑏1 𝑗 = 2, 3
𝑎11
2 2
Ensuite en supposant que 𝑎22 ≠ 0 , on annule le terme 𝑎32 𝑥2 de 𝐿23 grâce à la combinaison :
2
𝑎32
𝐿23 − 2 𝐿22 → 𝐿23 . On obtient le système 𝐴(3) 𝑋 = 𝐵(3) ie :
𝑎22
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 = 𝑏1
2 2 𝐿11
{0 𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑏22 𝐿22 (9) Ce système est bel et bien triangulaire supérieure
3
0 0 + 𝑎33 𝑥3 = 𝑏33 𝐿33

et on le résout grâce à l’algorithme en (6). Dans le système (9), on a :

28

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

2
𝑎32 2
𝑎32
3
𝑎33 2
= 𝑎33 − 2
2
𝑎23 et 𝑏33 = 𝑏32 − 2 𝑏22 (10)
𝑎22 𝑎22

3. Factorisation LU

L’étape de triangularisation de la méthode précédente revient à factoriser la matrice A en un


produit de deux matrices triangulaire l’une supérieure et l’autre inférieure. En effet, les
différentes étapes de la triangularisation peuvent s’écrire sous forme matricielle.
𝑎11 𝑎12 𝑎13
Posons 𝐴 = 𝐴1 = (𝑎21 𝑎22 𝑎23 ) matrice initiale.
𝑎31 𝑎32 𝑎33
Nous cherchons 𝐴2 la matrice du second système obtenue en multipliant 𝐴1 à gauche par 𝑀1 .

1 0 0
ie : 𝐴2 = 𝑀1 𝐴1 Avec 𝑀1 = (−𝑎𝑎21
11
1 0)
𝑎
− 31 0 1
𝑎11

0 0 1𝑎11 𝑎12 𝑎13


𝑎
𝐴2 = − 21 1 0 (𝑎21 𝑎22 𝑎23 )
𝑎11
𝑎31 𝑎31 𝑎32 𝑎33
( − 𝑎11 0 1 )
𝑎11 𝑎12 𝑎13
2
𝐴 = (0 𝑎 2 𝑎 2 )
22 23
2 2
0 𝑎32 𝑎33

De même la matrice 𝐴3 du troisième système vérifie 𝐴3 = 𝑀2 𝐴2

1 0 0
M2 = 0 1 0
a232
0− 2 1
( a22 )

𝑎11 𝑎12 𝑎13


𝐴3= (0 2
𝑎22 2 )
𝑎23 =𝑈
0 3
0 𝑎33

−1
𝐴3 = 𝑀2 𝐴2 = 𝑀2 𝑀1 𝐴1 ⇒ 𝐴1 = 𝐴 = (𝑀2 𝑀1 ) 𝐴3 Avec
L=(𝑀2 𝑀1 )−1 =(𝑀1 )−1 (𝑀2 )−1 et U= 𝐴3
29

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

1 0 0 1 0 0 1 0 0
𝑎21 0 1 0 = 𝑎 21
1 0 1 0 =𝐿
𝑎11 2 𝑎11
𝑎
𝑎31 0 322 1
2
𝑎31 𝑎32
0 1 ( 𝑎22 ) 1
( 𝑎11 ) 2
( 𝑎11 𝑎22 )

A peut alors s’écrire comme le produit des deux matrices L et U : 𝐴 = 𝐿𝑈. On obtient
finalement la solution 𝑋 du système initial 𝐴𝑋 = 𝐵 en résolvant successivement les deux
systèmes suivants :

𝐿𝑌 = 𝐵
(11)
𝑈𝑋 = 𝑌
Remarques :

R1) Pour une matrice A carré d’ordre n quelconque, la factorisation LU (sans pivot) existe et
est unique si et seulement si les sous-matrices principales 𝐴𝑖 de A d’ordre i, 𝑖 = 1. . 𝑛 − 1 ne
sont pas singulières. On appelle sous matrice principale d’ordre i de A la sous matrice 𝐴𝑖
formée à l’intersection des i premières lignes et i premières colonnes de A.
𝑘−1
R2) A chaque étape de calcul, le pivot 𝑎𝑘𝑘 𝑑𝑜𝑖𝑡 ê𝑡𝑟𝑒 ≠ 0 sinon une permutation de ligne ou
de colonne s’impose. Sur le plan numérique, si le pivot est trop petit (par rapport aux autres
coefficients de la matrice ou par rapport à la précision machine), le cumul des erreurs
numériques peut être important.

4. Le double balayage de Choleski

Dans le cas d’une matrice tridiagonale on peut écrire le système sous la forme :

𝑏1 𝑐1 0 0 0
𝑎2 𝑏2 𝑐2 0 0 𝑥1 𝑦1
0 𝑎3 𝑏3 𝑐3 0 𝑥2 𝑦2
: : = : (12)
:
: :
𝑎𝑛 𝑏𝑛
: :
( )
(𝑥𝑛 ) (𝑦𝑛 )

30

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

Le passage d’une notation de double indice à une rotation à simple indice montre que la matrice
peut être écrite par 3n données.
{𝑎1 , 𝑎2 , … , 𝑎𝑛 }, {𝑏1 , 𝑏2 , … , 𝑏𝑛 }, {𝑐1 , 𝑐2 , … , 𝑐𝑛 } avec 𝑎1 = 𝑐𝑛 = 0 .

L’avantage principal d’une matrice bande est d’occuper une place mémoire bien plus réduite
qu’une matrice normale (ici nous avons un tableau à 3n dimensions au lieu de 𝑛2 ) ce qui est
un gain considérable pour les systèmes de grande taille.

Principe :

Partant de la première équation de (12) nous pouvons exprimer 𝑥1 en fonction de l’inconnue


𝑥2 . ie : 𝑏1 𝑥1 + 𝑐1 𝑥2 = 𝑦1
𝑦1 𝑐1
𝑥1 = − 𝑥2 (13) en portant cette valeur dans la seconde équation de (12) on obtient
𝑏1 𝑏1

𝑎2 𝑥1 + 𝑏2 𝑥2 + 𝑐2 𝑥3 = 𝑦2
𝑐2 𝑦1
(− 𝑎2 + 𝑏2 ) 𝑥2 = −𝑐2 𝑥3 + 𝑦2 − 𝑎2 (15) ; on a ainsi exprimé 𝑥2 = 𝑓(𝑥3 ) et ainsi
𝑏1 𝑏1
de suite, on exprimera chaque inconnue en fonction de la suivante.

Supposons avoir obtenu 𝑥𝑖−1 = 𝐴𝑖−1 𝑥𝑖 + 𝐵𝑖−1 (16) en portant cette valeur dans la ième
équation de (12), il vient :

𝑎𝑖 𝑥𝑖−1 + 𝑏𝑖 𝑥𝑖 + 𝑐𝑖 𝑥𝑖+1 = 𝑦𝑖
⇒ 𝑎𝑖 (𝐴𝑖−1 𝑥𝑖 + 𝐵𝑖−1 ) + 𝑏𝑖 𝑥𝑖 + 𝑐𝑖 𝑥𝑖+1 = 𝑦𝑖

𝑐𝑖 𝑦𝑖 − 𝑎𝑖 𝐵𝑖−1
𝑥𝑖 = − 𝑥𝑖+1 + ; (17)
𝑎𝑖 𝐴𝑖−1 + 𝑏𝑖 𝑎𝑖 𝐴𝑖−1 + 𝑏𝑖
𝑐𝑖 𝑦𝑖 −𝑎𝑖 𝐵𝑖−1
On peut donc écrire 𝑥𝑖 = 𝐴𝑖 𝑥𝑖+1 + 𝐵𝑖 où 𝐴𝑖 = − et 𝐵𝑖 = (18)
𝑎𝑖 𝐴𝑖−1 +𝑏𝑖 𝑎𝑖 𝐴𝑖−1 +𝑏𝑖

En prenant i=1 et en comparant avec (13) , on voit que 𝐴0 = 𝐵0 = 0 (19). Les équations
(18) et (19) permettent de calculer aisément de proche en proche les couples
(𝐴1 , 𝐵1 ), (𝐴2 , 𝐵2 ) …
Le calcul des coefficient 𝐴𝑖 , 𝐵𝑖 𝑝𝑜𝑢𝑟 𝑖 𝜖 {1, … . , 𝑛} a donc été rendu possible en utilisant un
premier balayage pour 𝑖 = 1, … 𝑛
Le second balayage pour 𝑖 allant de n à 1 de n va nous permettre de calculer les inconnues. A
cet effet, la dernière équation de (12) s’écrit
31

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

𝑎𝑛 𝑥𝑛−1 + 𝑏𝑛 𝑥𝑛 = 𝑦𝑛 ce qui s’écrit en remplaçant 𝑥𝑛−1 tirée de (16)


𝑎𝑛 [𝐴𝑛−1 𝑋𝑛 + 𝐵𝑛−1 ] + 𝑏𝑛 𝑥𝑛 = 𝑦𝑛 Avec 𝑥𝑛−1 = 𝐴𝑛−1 𝑋𝑛 + 𝐵𝑛−1
𝑦𝑛 −𝑎𝑛 𝐵𝑛−1
D’où 𝑥𝑛 = (19)
𝑎𝑛 𝐴𝑛−1 +𝑏𝑛

D’après (18)
pour i=n 𝑥𝑛 = 𝐵𝑛

pour i = n − 1 𝑥𝑛−1 = 𝐴𝑛−1 𝑥𝑛 + 𝐵𝑛−1 (20)


pour i = n − 2 𝑥𝑛−2 = 𝐴𝑛−2 𝑋𝑛−1 + 𝐵𝑛−2

:
:
Jusqu’à 𝑥1
Devoir : écrire un programme F90 qui implémente la méthode du double balayage de Choleski.

II. METHODES ITERATIVES

1) Méthode de Jacobi
Considérons un exemple d’un système de trois équations à trois inconnues
𝑦1 − 𝑎12 𝑥2 − 𝑎13 𝑥3
𝑥1 =
𝑎11
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 = 𝑦1 𝑦2 − 𝑎21 𝑥1 − 𝑎23 𝑥3
{𝑎21 𝑥1 + 𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑦2 (21) 𝑥2 = (22)
𝑎22
𝑎31 𝑥1 + 𝑎32 𝑥2 + 𝑎33 𝑥3 = 𝑦3 𝑦3 − 𝑎31 𝑥1 − 𝑎32 𝑥2
𝑥3 =
{ 𝑎33
0 0 0
Supposons donc connus les valeurs initiales (𝑥1 , 𝑥2 , 𝑥3 ), on les porte dans le second membre
de l’équation (22) ce qui nous donne :
𝑦1 −𝑎12 𝑥20 −𝑎13 𝑥30 𝑦1 −𝑎12 𝑥21 −𝑎13 𝑥31
𝑥11 = 𝑥12 =
𝑎11 𝑎11
𝑦2 −𝑎21 𝑥10 −𝑎23 𝑥30 𝑦2 −𝑎21 𝑥11 −𝑎23 𝑥31
1𝑒𝑟 𝑥21 = (23) 2𝑖𝑚𝑒 𝑥22 = 𝑎22
(24) etc..
𝑎22
1 𝑦3 −𝑎31 𝑥10 −𝑎32 𝑥20 2 𝑦3 −𝑎31 𝑥11 −𝑎32 𝑥21
{𝑥3 = 𝑎33 {𝑥3 = 𝑎33

32

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

De manière générale,

𝑦𝑖 − ∑𝑗=1 𝑎𝑖𝑗 𝑥𝑗𝑘


𝑗≠𝑖
𝑥𝑖𝑘+1 = 𝑖 = 1, . . , 𝑛
𝑎𝑖𝑖

2) Méthode de Gauss-Seidel

Comme dans la méthode de Jacobi, on choisit un ensemble de valeurs initiales (𝑥10 , 𝑥20 , 𝑥30 ),
et on va garder le même système d’équations à trois inconnus. 𝑥20 𝑒𝑡 𝑥30 sont introduits dans la
𝑦1 −𝑎12 𝑥20 −𝑎13 𝑥30
première équation de (23) ; ce qui donne 𝑥11 = et c’est cette nouvelle valeur
𝑎22
𝑥11 et non 𝑥10 qui est introduite dans la seconde équation de (23) ce qui donne
𝑦2 −𝑎21 𝑥11 −𝑎23 𝑥30
𝑥21 = et c’est ainsi cette nouvelle valeur de 𝑥21 qui sera introduite dans la
𝑎22
𝑦3 −𝑎31 𝑥11 −𝑎32 𝑥21
troisième équation du système (23) 𝑥31 = ainsi de suite…De manière
𝑎33
générale,
𝑦𝑖 − ∑𝑖−1 𝑘+1
𝑗=1 𝑎𝑖𝑗 𝑥𝑗 − ∑𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗𝑘
𝑥𝑖𝑘+1 = 𝑖 = 1, . . , 𝑛
𝑎𝑖𝑖

Dans la méthode de Gauss-Seidel lorsqu’une inconnue est utilisée, c’est automatiquement la


plus récente. Ceci assure une convergence bien plus rapide que celle de Jacobi.

On arrête les itérations lorsque deux valeurs successives de 𝑥𝑖 sont suffisamment voisines. On
peut utiliser deux critères: la convergence absolue ou la convergence relative.

Convergence absolue

|𝑥𝑖𝑘+1 − 𝑥𝑖𝑘 | ≤ 𝜀 ou ∑𝑛𝑖=1|𝑥𝑖𝑘+1 − 𝑥𝑖𝑘 | ≤ 𝜀

Convergence relative

𝑥𝑖𝑘+1 −𝑥𝑖𝑘 𝑥𝑖𝑘+1 −𝑥𝑖𝑘


| |≤𝜀 ou ∑𝑛𝑖=1 | |≤𝜀
𝑥𝑖𝑘+1 𝑥𝑖𝑘+1

La convergence du procédé ne dépend pas du choix des valeurs initiales mais seulement des
valeurs des coefficients 𝑎𝑖𝑗 .

33

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

Remarque : la convergence est assurée si on a pour chaque valeur de i (pour chaque ligne)
|𝑎𝑖𝑖 | ≥ ∑𝑗=1,|𝑎𝑖𝑗 |. En d’autres termes, il y a convergence lorsque chaque élément diagonale
𝑗≠1
est supérieur à la somme des valeurs absolues des autres éléments de sa ligne.

34

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

CHAPITRE V : RESOLUTION NUMERIQUES DES EQUATIONS


DIFFERENTIELLES.

I- INTRODUCTION

Soit I un intervalle de ℝ et f(. .) une application de : I x ℝ ⟶ ℝ et y(.) : I ⟶ ℝ, tel que


l’application dérivée existe sur I. La relation 𝑦 ′ (𝑥) = 𝑓(𝑥, 𝑦(𝑥)), ∀𝐼𝑥 (1) s’appelle EDO du
premier ordre.

On désire donc trouver une fonction 𝑦(𝑥) qui vérifie (1) et la condition suivante : 𝑦(𝑎) =
𝛼 (2) avec I = [a, b] ; a, b et ⍺ sont des réels donnés. La relation (2) est appelée condition
initiale ou condition de Cauchy. On comprend ainsi qu’une équation différentielle est une
équation dépendante d’une variable x et d’une fonction y(x) et qui contient les dérivées de y.
Elle peut s’écrire comme :
(1) (2) (𝑖) (𝑖)
𝑑 𝑖 𝑦(𝑥)
𝐹(𝑥, 𝑦(𝑥), 𝑦 (𝑥), 𝑦 (𝑥), … 𝑦 (𝑥) ) = 0 ⟺ 𝑦 (𝑥) = (3)
𝑑𝑥 𝑖
Par exemple pour i =2, l’équation (3) peut s’écrire sous la forme différentielle :
𝑑 𝑦1 𝑓
[𝑦 ] = 𝐟(𝐱, 𝐲(𝐱)) = [ 1 ] (4).
𝑑𝑥 2 𝑓2
L’existence d’une solution unique de l’équation différentielle est tributaire de l’imposition de
certaines conditions limites sur y(x) et ses dérivées.
Le résultat suivant (dû à Cauchy-Lipschitz) donne les conditions d’existence et d’unicité de la
solution du système ( (1) et (2) )
Théorème 1 (Cauchy-Lipschitz)
Si les conditions suivantes sont remplies alors le système ( (1)+(2) ) admet une solution
unique.
i) f continue dans I x ℝ
ii) Ǝ L > 0, ∀ x ϵ I, ∀ (Ɛ1, Ɛ2) ϵ IR2 on a |f(x, Ɛ1) – f(x, Ɛ2 ) |≤ L |Ɛ1 - Ɛ2|

Exemple Soit le système


1 𝑦(𝑥)
𝑦 ′ (𝑥) = −
{ ln(𝑥) 𝑥𝑙𝑛(𝑥) (∗) ∀ x ϵ [e 5]
𝑦(𝑒) = 𝑒
35

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

1 𝑦(𝑥)
Ici 𝑓(𝑥, 𝑦(𝑥)) = − . 𝑓(𝑥, 𝑦(𝑥)) est continue dans I x ℝ (i) est donc vérifié)
ln(𝑥) 𝑥𝑙𝑛(𝑥)

(Ɛ2 − Ɛ1 ) Ɛ2 − Ɛ1
f(x, Ɛ1) – f(x, Ɛ2 ) = ≤ ≤ 𝐿|Ɛ2 − Ɛ1| avec L= 1/e. La condition de Cauchy
𝑥𝑙𝑛(𝑥) 𝑒
par rapport à la 2ème variable est satisfaite pour 1/e et f ϵ I xIR dans [e 5] x IR et il en résulte
que le système (*) admet une solution unique.
Théorème 2 (condition suffisante pour que ii) du théo 1 soit vérifiée)
𝑑𝑓
Si la dérivée partielle de f par rapport à y ( ⁄𝑑𝑦) est continue et bornée sur [a, b] x IR alors
f est Lipschitzienne par rapport à la 2ème variable y.

II. Méthodes à un pas


Ces méthodes sont basées sur un développement en série de Taylor suivant un ordre plus ou
moins élevé. Elles sont qualifiées à un pas car le calcul de yi+1 ne réclame que celle de yi à
l’instant précédent. Une méthode à deux pas utilisera à la fois yi et yi-1.
Les schémas numériques des méthodes :
- D’Euler explicite (et implicite)
- De Heun (Euler amélioré, Runge-Kutta d’ordre 2)
- Runge-Kutta d’ordre 4 (RK4)

sont données dans ce qui suit :


1-Méthode d’Euler
Afin d’atteindre la solution y(x) sur l’intervalle x ϵ [a, b] on choisit (n+1) points dissemblables
𝑥0 , 𝑥1 , … , 𝑥𝑛 avec 𝑥0 = 𝑎 et 𝑥𝑛 = 𝑏 et le pas h = (b-a)/n. La solution à estimer peut être
approchée par un développement limité de Taylor d’ordre 1 de y(xi+ h).
𝜕𝑦(xi)
y(xi+ h) = y(xi) + (xi+1-xi)
𝜕𝑥
𝜕𝑦(𝑥)
Puisque = y’(x) = f(x, y(x)), alors
𝜕𝑥

𝑦 = 𝑦𝑖 + ℎ𝑓(𝑥𝑖 , 𝑦𝑖 )
{ 𝑖+1 ; 𝑖 = 0,1, … 𝑛 − 1 (5)
𝑦0 = 𝑦(0) = 𝛼
On peut aussi obtenir le schéma (5) par intégration via la méthode des rectangles à gauche. On
peut également obtenir le schéma d’Euler implicite, par intégration via la méthode des
rectangles à droite ie :
36

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

𝑑𝑦 𝑥 𝑥
𝑦 ′ (𝑥) = 𝑓(𝑥, 𝑦(𝑥)) ⟺ = 𝑓(𝑥, 𝑦(𝑥)) ⟹ ∫𝑥 𝑖+1 𝑑𝑦 = ∫𝑥 𝑖+1 𝑓(𝑥𝑖+1 , 𝑦(𝑥𝑖+1 ))𝑑𝑥
𝑑𝑥 𝑖 𝑖

D’où
𝑦 = 𝑦𝑖 + ℎ𝑓(𝑥𝑖+1 , 𝑦𝑖+1 )
{ 𝑖+1 ; 𝑖 = 0,1, … 𝑛 − 1 (5′)
𝑦0 = 𝑦(0) = 𝛼
L’avantage de la méthode d’Euler tire son origine du fait qu’elle réclame uniquement
l’évaluation de la fonction f pour chaque pas d’intégration. Cependant, elle est de l’ordre 1
c'est-à-dire que l’erreur est proportionnelle à h2. Il faut donc l’améliorer.
2-Méthode de Heun
Elle est une version améliorée de celle d’Euler. L’erreur sur le résultat généré par cette
méthode est proportionnelle à h3, meilleur que celle de la méthode d’Euler. Néanmoins, la
méthode de Heun réclame une double évaluation de la fonction f.
En approchant l’équation (1) par la méthode d’intégration par trapèze on obtient :

𝑦𝑖+1 = 𝑦𝑖 + {𝑓(𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦̃𝑖+1 )} (6)
2

Pour rendre (6) explicite on remplace 𝑦̃𝑖+1 par 𝑦̃𝑖+1 = 𝑦𝑖 + ℎ𝑓(𝑥𝑖 , 𝑦𝑖 ) ce qui donne le
schéma de Heun suivant

𝑦 = 𝑦𝑖 + {𝑓 (𝑥𝑖 , 𝑦𝑖 ) + 𝑓(𝑥𝑖+1 , 𝑦𝑖 + ℎ𝑓(𝑥𝑖 , 𝑦𝑖 ))}
{ 𝑖+1 2 (6′)
𝑦0 = 𝑦(0) = 𝛼
La méthode de Heun fait partie des méthodes de Runge-Kutta explicites d’ordre 2.

3- Méthode de Runge–Kutta d’ordre 4


La méthode de Runge–Kutta (classique) d’ordre 4 est une méthode explicite très populaire.
Elle calcule la valeur de la fonction à 4 points intermédiaires selon le schéma suivant :

𝑦𝑖+1 = 𝑦𝑖 + (𝐾1 + 2(𝐾2 + 𝐾3 ) + 𝐾4 )
{ 6 (6′)
𝑦0 = 𝑦(0) = 𝛼
ℎ ℎ ℎ ℎ
𝐾1 = 𝑓(𝑥, 𝑦); 𝐾2 = 𝑓 (𝑥 + , 𝑦 + 𝐾1 ) ; 𝐾3 = 𝑓 (𝑥 + , 𝑦 + 𝐾2 ) ;
2 2 2 2

𝐾4 = 𝑓(𝑥 + ℎ, 𝑦 + ℎ𝐾3 ).
37

Dr. M. SILENOU
METHODES NUMERIQUES ET PROGRAMMATION

III- EDO d’ordre supérieur à un

Pour résoudre une EDO d’ordre supérieur à un, il suffit de la ramener à un système
différentiel de 1er ordre en faisant un changement de variable :
𝑧 = 𝑦 ′ = 𝑓(𝑥, 𝑦, 𝑧)
𝑦 ′′ = 𝑓(𝑥, 𝑦, 𝑦′)
𝑧 ′ = 𝑔(𝑥, 𝑦, 𝑧)
{ 𝑦(𝑎) = 𝛼 En posant On obtient ainsi une EDO de 1er ordre
𝑦(𝑎) = 𝛼
𝑦′(𝑎) = 𝛽
{ 𝑧(𝑎) = 𝛽
Exemple :

′′ ′ 𝑧 = 𝑦 ′ = 𝑓(𝑥, 𝑦, 𝑧)
𝑦 = 3𝑦 − 6𝑥 + 2
𝑧 ′ = 3𝑧 − 6𝑥 + 2 = 𝑔(𝑥, 𝑦, 𝑧)
𝑦(0) = 0 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑙𝑎 𝑟𝑎𝑚𝑒𝑛𝑒𝑟 à
𝑦(0) = 0
𝑦′(0) = 1
{ { 𝑧(0) = 1
RDV lors de la phase pratique où des sujets de TPE de programmation vous auront été remis
à l’avance.

38

Dr. M. SILENOU
Travaux dirigés

45
1

UNIVERSITE DE DOUALA FACULTE DES SCIENCES


Année académique 2019-2020 3ieme année : EEA-PFON-PMEC-PE

Travaux dirigés de la PHY 336 série I : Approximation et Interpolation


Exercice 1 :
1. Trouver le polynôme d’interpolation de Lagrange qui en −1 vaut 8, en 0 vaut 3 et en 1 vaut 6.
2. Construire le polynôme P qui interpole les points (0, 2), (1, 1), (2, 2) et (3, 3)

ue
Exercice 2 :
Les fonctions de Lagrange linéaires Li−1 (x) et Li (x) utilisées pour l’interpolation de Lagrange sur
l’intervalle[xi−1 , xi ] possèdent des propriétés bien connues.

go
1. Tracer sur un même graphique le graphe de Li−1 (x) et de Li (x) sur l’intervalle[xi−1 , xi ].
2. Vérifier, sur l’intervalle [xi−1 , xi ] que : Li−1 (x) +Li (x) = 1
3. Vérifier, sur l’intervalle [xi−1 , xi ] que : xi−1 Li−1 (x) +xi Li (x) = x

Exercice 3 : en
On donne une fonction f (x) définie par les valeurs fi qu’elle prend en xi , on remplace f (x) par un
polynôme P3 (x) de degré 3, passant par les points (xi , fi ). Trouver l’expression du polynôme P3 (x). On
M
donne :
i 0 1 2 3
xi 0 2 3 5
fi −1 2 9 85
u

Exercice 4 :
1. Trouver l’interpolant (interpolé de Lagrange) de f aux points−1, 0, et 1 avec f (x) = exp (x)
no

2. Calculer le polynôme d’interpolation de Lagrange de f (x) = cos (x) en les trois points xi = π2 i
(i = 0, ...2) ; puis en les quatre points xi = π2 i avec i = 0, ...3.

Exercice 5 :
le

Soit
f (x) = ln (x) ;
Si

estimer la valeur de ln (0, 60) avec :


x 0, 40 0, 50 0, 70 0, 80
f (x) −0, 916291 −0, 6993147 −0, 356675 −0, 223144
Comparer avec la valeur exacte obtenue à partir de votre calculatrice.

Exercice 6 :
Soit la fonction √
f (x) = x+2
1. Déterminer le polynôme P(x) de Lagrange basé sur les points d’abscisses : 0, 1 et 2
2. Calculer P(0, 1) et P(0, 9) et comparer aux valeurs ’exactes’. Evaluer l’erreur d’interpolation en
ces deux points. Commentaire ?
2

Exercice 7 :
Soit
1
f (x) = .
x2 + 1
Donner le polynôme d’interpolation de Lagrange pour les points d’appui d’abscisses : −2, -1, 0, 1, 2.
Discuter de l’erreur d’interpolation. (Application en x = 1/2)

Exercice 8 :
1. Construire le polynôme de Lagrange P(x) qui interpole les trois points (−1, e), (0, 1) et (1, e).
2. Sans faire de calculs, donner l’expression du polynôme de Lagrange R(x) qui interpole les trois
points (−1, −1), (0, 0) et (1, −1).

ue
3. Trouver le polynôme quadratique de l’espace vectoriel Vec{1,x,x2 } qui interpole les trois points
(−1, −1), (0, 0) et (1, −1).

Exercice 9 :

go
On désigne par :

(
28 + 25x + 9x2 + x3 si −3 ≤ x ≤ −1;
s (x) =
10x + 21 en si −1 ≤ x ≤ 0,

une fonction qui passe par les points de coordonnées (−3, 7), (−1, 11)et (0, 21). Expliquer pourquoi la
fonction s (x) n’est pas une spline cubique.
M
u
no
le
Si
1

UNIVERSITE DE DOUALA FACULTE DES SCIENCES


Année académique 2019-2020 3ieme année : EEA-PFON-PMEC-PE

Travaux dirigés de la PHY 336 série II : Dérivation et Intégration numérique


Exercice 1 :

ue
´ 5/2
Estimer 0 f (x) dx à partir des données
x 0 1/2 1 3/2 2 5/2

f (x) 3/2 2 2 1.6364 1.2500 0.9565


en utilisant

go
1. La méthode des rectangles à gauche
2. La méthode des rectangles à droite
3. La méthode des trapèzes

Exercice 2 :

x 0 π/8 π/4
en 3π/8 π/2
´ π/2
Déterminer par la méthode des trapèzes puis par celle de Simpson 0 f (x) dx sur la base
du tableau suivant :
M
f (x) 0 0.382683 0.707107 0.923880 1
Ces points d’appui sont ceux donnant sin (x) , comparer alors les résultats obtenus avec la
valeur exacte.

Exercice 3 :
u

´π
sin x2 dx

A l’aide de la méthode des trapèzes, calculer l’intégrale I = 0
— avec n =5 puis n = 10 points d’appui.
no

Exercice 4 :
Trouver le nombre n de subdivisions nécessaires de l’intervalle d’intégration [−π, π], pour
évaluer à 0, 5.10−3 près, grâce à Simpson, l’intégrale :
le

ˆπ
I= cos (x) dx
Si

−π

Exercice 5 :_
On lance une fusée verticalement du sol et l’on mesure pendant les premières 80 secondes
l’accélération a (en m.s−2 ) :
t(s) 0 10 20 30 40 50 60 70 80
−2
a(m.s ) 30 31,63 33,44 35,45 37,75 40,33 43,29 46,70 50,67
Calculer la vitesse V de la fusée à l’instant t=80 s, par la méthode des trapèzes puis par celle
de Simpson. Prendre à l’instant initial V (0) = V0 = 0.
2

Exercice 6 :
Soit
ˆx
G(x) = cos2 (t) dt
0
1. En utilisant la méthode de Simpson, combien faut-il de subdivisions de [0, 1] pour éva-
luer G(1) à 10−3 près ?
2. Déterminer alors G(1) par la méthode de Simpson à 10−3 près.

ue
Exercice 7 :
´x
Soit F(x) = 0 te−t dt. Combien faut-il de subdivisions de [0, 1] pour évaluer F(1) à 10−8
près en utilisant

go
— La méthode des trapèzes
— La méthode de Simpson

Exercice 8 :
On considère l’intégrale

en I=
ˆ2
1
x
dx.
M
1

1. Evaluer numériquement cette intégrale par la méthode des trapèzes avec n = 3 sous-
intervalles et comparer le résultat ainsi obtenu avec la valeur ’exacte’. Pourquoi la valeur
numérique est-elle supérieure à la valeur exacte ? Est-ce vrai quel que soit n ?
2. Quel nombre de sous-intervalles n faut-il choisir pour avoir une erreur inférieure à 10−2
u

près ?
no
le
Si
1

UNIVERSITE DE DOUALA FACULTE DES SCIENCES


Année académique 2019-2020 3ieme année : EEA-PFON-PMEC-PE

Travaux dirigés de la PHY 336 série III : Résolution d’équations et systèmes non linéaires

ue
Exercice 1 :
Parmi les fonctions suivantes lesquelles sont contractantes et sur quel intervalle si celui-ci n’est pas indiqué.
Précisez à chaque fois que c’est possible le rapport de contraction.
a) g (x) = 1 − 15 sin (4x) x∈R
1
b) g (x) = 2 + 2 |x| x ∈ [−1, 1]

c) g (x) = x + 2

go
d) g (x) = 3 − 12 sin (3x)

Exercice 2 :
Dans cet exercice, il est demandé de trouver la racine de la fonction f1 (x) = x − cos (x), en utilisant la méthode
du point fixe (approximations successives).
1. Tracer la fonction f1 (x) sur l’intervalle [−1/2 3].

rations. en
2. Écrire un programme Fortran permettant l’implémentation du schéma numérique de cette méthode.
3. Afficher, sur le même graphe, la fonction f1 (x) et la solution approchée.
4. Afficher le graphe représentant le nombre d’approximations successives xn+1 en fonction du nombre d’ité-

Appliquez le même algorithme pour résoudre l’équation : f2 (x) = x + exp (x) + 1 avec x ∈ −2 32
 
M
On donne : tolérance = 10−6 , les valeurs initiales sont x0 = 0.8 pour f1 (x) et x0 = −1/5 pour f 2 (x).

Exercice3
On veut résoudre dans R?+ l’équation x = e1/x . En transformant cette équation de différentes manières, on arrive
à différentes formules de récurrence. En utilisant la méthode de Newton, calculer les 3 premiers itérés pour estimer
la valeur de la solution x dans chacun des cas suivant :
a) f (x) = x − e1/x
u

b) g (y) = 1 − yey , (où on a poser y = 1/x)


c) h (x) = 1 − x ln (x)
Prendre comme solution initiale x0 = 1, 8
no

Exercice 4 :
1. Décrire les méthodes de la dichotomie et de Lagrange et les utiliser pour calculer le zéro de la fonction

f (x) = x3 − 4x − 8, 95

dans l’intervalle [2, 3] avec une précision de 10−2


le

2. Ecrire les programmes Fortran permettant d’implémenter ces deux méthodes.

Exercice 5 :
Si

Soit f : [0, 1]→ R une fonction continue strictement décroissante telle que f (0) = 1 et f (1) = −1.
a) Sachant que f (0, 3) = 0, déterminer la suite des premiers quatre itérés de la méthode de la dichotomie dans
l’intervalle [0, 1] pour l’approximation du zéro de f . On pourra utiliser le tableau ci-dessous
k ak xk bk signe de f (ak ) signe de f (xk ) signe de f (bk )
0 0 1 + −
1
2
3
4
b) Combien d’itérations faut-il effectuer pour approcher le zéro de f à 2−5 près ?
2

Exercice 6 :
Nous allons résoudre l’équation : f (x) = x+exp(x)+1. Nous choisissons x0 = −1/2 comme valeur initiale. Écrire
un code fortran, portant sur l’implémentation de la méthode de Newton, en suivant les étapes suivantes :
1. Faire un test si f ´(x) = 0 =⇒ arrêt du programme.
2. Le critère d’arrêt est : |xn+1 − xn | < ε, xn étant la solution approchée et ε, la tolérance considérée.
3. Afficher la solution approchée xn et afficher le nombre d’itérations conduisant à la solution approché.
4. Afficher sur le même graphe, la fonction f (x) et la solution approchée xn . (Prendre le nombre d’itérations

ue
maximal, Nmax = 100 et ε = 10−5 )
Appliquez le même algorithme pour résoudre l’équation : f (x) = 8x3 − 12x2 + 1

Exercice 7 :_
Voir si chacune des fonctions suivantes admet zéro, un ou plusieurs points fixes, puis donner pour chacun un

go
intervalle de séparation
a) g(x) = √1x
b) g(x) = x + (x − 2)2
c) g(x) = e−x

Exercice 8 :
Montrer que l’équation

admet une unique racine

Exercice 9 :
(x? )
en
x = w − ε sin (x)
dans l’intervalle [w − π, w + π] ; w ∈ R, et |ε| ≤ 1
M
On considère l’équation
x (1 + ex ) = ex
1. Montrer que cette équation admet une unique solution réelle x? dans [0, 1] .
2. Ecrire la méthode de Newton pour approcher la solution x? .
3. Proposer une autre itération de point fixe pour approcher x? . Montrer analytiquement que cette itération
converge vers x? pour tout x0 ∈ [0, 1] et faire l’étude graphique de la convergence.
u

Exercice 10 :
Le polynôme x3 + x2 − 2 possède une seule racine réelle r = 1. Pour trouver une approximation de cette racine,
no

on se propose d’utiliser une méthode de point fixe avec l’une des 3 fonctions suivantes :
— g1 (x) = −x 3 2
√ − x + 5x + 2 ;
— g2 (x) = q2 − x ; 3
2
— g3 (x) = 1+x .
Laquelle des fonctions serait la plus adéquate ? Pourquoi ?
le

Exercice 11 :
On considère le système non linéaire ci-dessous
(
x − y2 + xey = 2
Si

yey + x3 = 1
Utiliser 4 itérés de la méthode de Newton-Raphson pour estimer la solution exacte de ce système.
Partir des solutions initiales x0 = 2 et y0 = −2.
1

UNIVERSITE DE DOUALA FACULTE DES SCIENCES


Année académique 2019-2020 3ieme année : EEA-PFON-PMEC-PE

Travaux dirigés de la PHY 336 série IV : Résolution des systèmes linéaires

ue
Exercice 1 :
Soit
 le système linéaire suivant :
 3x1 − 2x2 + x3 = 2

2x1 + x2 + x3 = 7

go

4x1 − 3x2 + 2x3 = 4

1. Résoudre ce système par la méthode de Gauss (Triangularisation superieure).


2. Ecrire un programme Fortran qui implémente la méthode utilisée à la première question
3. Soit A la matrice de ce système. Factoriser A en produit LU où L est une matrice triangulaire
inférieure (avec des 1 sur la diagonale principale) et U la matrice triangulaire supérieure, puis
résoudre le système.

Exercice 2 :
Soit le système linéaire AX = B où :

2 3 −1

en 
x1
 
2

M
A =  4 4 −3  , X =  x2  , B= 0 
−2 3 −1 x3 −1
a) Factoriser la matrice A en produit LU puis résoudre le système.
b) Calculer A−1 (On rappelle que si M et N sont deux matrices (n, n) inversibles, alors (MN)−1 =
N M −1 )
−1
u

Exercice 3 :
Soit le système linéaire :
no

(
εx + y = 1
x+y = 2
Appliquer la méthode de Gauss pour résoudre ce système :
1. Directement
2. En permutant les deux lignes du système.
le

Application avec ε = 10−4 et un ordinateur fictif à trois chiffres décimaux significatifs. Qu’obtient-on
dans les deux cas ? expliquer ces résultats. Dans lequel des deux cas, les solutions (x, y) s’approchent des
solutions relles ?.
Si

Exercice 4 :
Soit le système linéaire :     
4 2 1 x 4
 −1 2 0   y  =  2 
2 1 4 z 9
1. Approcher la solution avec la méthode de Jacobi avec 4 itérations à partir de X (0) = (0, 0, 0)T
2. Approcher la solution avec la méthode de Gauss-Seidel avec 3 itérations à partir du même vecteur
initial X (0) = (0, 0, 0)T
2

Exercice 5 :
A) Donner une condition suffisante sur le coefficient λ pour avoir convergence des méthodes de
Jacobi et Gauss-Seidel pour la résolution d’un système linéaire associé à la matrice
 
λ 0 1
 0 λ 0 
1 0 λ

ue
B) Soit A une matrice, A ∈ Mn,n (R)
1. Rappeler la méthode de Jacobi pour la résolution du système AX = B, avec B∈ M n,1 (R) donné.
2. Soit la matrice A suivante :  
4 −1 −1
A =  −1 3 −1 

go
−1 −1 4
La méthode de Jacobi est-elle convergente pour cette matrice ?
3. Construire les matrices L et U de la factorisation LU pour la matrice A.

Exercice 6 :


2 4 1
 

en
Soit β un paramètre réel et soient les matrices Aβ , P et le vecteur ~B définis par

1 0 0
Aβ =  β −2 −1  , P =  0 0 1  , B =  −3/2  .
2 3 2 0 1 0
 
0

−1

M
1. A quelle condition sur β , la matrice Aβ est inversible ?
2. A quelle condition sur β , la matrice Aβ est admet-elle une décomposition LU(sans pivot) ?
3. Soit β = −1. Calculer, si elle existe, la décomposition LU de la matrice M = PAβ
4. Soit β = −1. Résoudre le système linéaire AX = B en résolvant le système MX = PB.
u
no
le
Si

Vous aimerez peut-être aussi