Méthodes Numériques

MÉTHODES NUMÉRIQUES
A P P L I Q U É E S AU X S C I E N C E S D E L’ I N G É N I E U R
Pr. Hliwa Ghizlane Zineb

• Méthodes Numériques : Le but de ce cours est de fournir, les principes
de base des méthodes numériques les plus utilisées. Même si désormais le
premier contact avec les méthodes numériques se fait par l’utilisation
d’outils tels que Matlab, … permettant la manipulation de concepts
mathématiques évolués, il reste indispensable de connaître les fondements
des principales méthodes pour les utiliser de façon pertinente.
PLAN
• Introduction aux méthodes numériques

• Résolution des équations non linéaires
• Résolution des systèmes d’équations
• Interpolation
• Différenciation et Intégration numérique
• Equations différentielles (ordinaires et aux dérivées partielles)
CHAPITRE 1: INTRODUCTION AUX
Les sciences de l’ingénieur nécessitent la résolution de problèmes
de nature diverses dans les disciplines suivantes :
– Mécanique
– des solides rigides,
– des fluides,
– des solides déformables.
– Thermique.
– Vibrations
– Électromagnétisme
Solutions recherchées en Mécanique

Les problèmes sont généralement posés sous la forme de systèmes
d’équations aux dérivées partielles paramétrées par le temps. 4
Erreurs et Précision
Pour évaluer la précision d’un résultat, il faut connaître
parfaitement les erreurs commises.Voici deux exemples:
• Erreur de modélisation
- Le modèle distance=vitesse*temps (d = v*t) ne peut pas être

utilisé pour déterminer le temps total pour un voyage d’une ville
à une autre. Il faut aussi tenir compte des embouteillages, des
barrages, du fait que la vitesse v n’est pas constante. Un modèle
plus approprié doit tenir compte du fait que la vitesse varie avec
𝑡
le temps. Cela est possible avec la formule d = ‫׬‬0 𝑣 𝑡 𝑑𝑡. 5
Erreurs et Précision
• Erreur de troncature
Les erreurs de troncature sont liées à la précision de l’algorithme utilisé.

Elles peuvent être contrôlées par l’algorithme lui-même. On fait ce type
d’erreur lorsque:
-On prend un nombre fini de termes dans une série,
-On utilise un nombre fini d’itérations,
-On approxime une dérivée par un quotient aux différences.
Si une fonction est approchée par son développement de Taylor, l’erreur de

troncature sera obtenue par une évaluation du reste du développement.
6
T H É O R È M E D E TAY L O R
Soient n Є N, f(x) une fonction dérivable n+1 fois dans un voisinage de x = x0
et h Є R, alors il existe α Є R compris entre x0 et x0 + h tel que
Approximations des dérivées : posons h = x

Erreur
Approximation de f’(x0)
CHAPITRE II: RÉSOLUTION
D’ÉQUATIONS NON LINÉAIRES
-Méthode de la bissection (dichotomie)

-Méthode de la sécante
-Méthode de Newton
-Méthode du point fixe

CHAPITRE II: RÉSOLUTION
CHAPITRE II: RÉSOLUTION D’ÉQUATIONS NON LINÉAIRES:
MÉTHODE DE LA DICHOTOMIE
OBJECTIF : TROUVER LES

ZÉROS DE F O N C T I O N S
N O N LINÉAIRES.
MÉTHODE DE LA SÉCANTE
MÉTHODE DE NEWTON
Cette méthode s’applique à des équations pour lesquelles on peut calculer

la dérivée de f : f ’(x).
Soit x1 une valeur approchée de la racine s inconnue.
Posons : x2=x1+h, et cherchons l’accroissement h qu’il faut donner à x1, de façon à ce que :
Après développement en série de Taylor à l’ordre 2, on obtient :
ou au premier ordre : y
c’est à dire:
xn xn+1

Dans les itérations, on a:
soit
MÉTHODE DE NEWTON
Convergence
La méthode ne converge
pas toujours vers la
solution. Dans
l’exemple ci-contre il y
existe un changement de
concavité qui amène à x1 x3 x2
une oscillation des
termes x(k) s
Critère(s) d’arrêt
CHAPITRE II: RÉSOLUTION D’ÉQUATIONS NON
LINÉAIRES:
MÉTHODE DU POINT FIXE
CHAPITRE III: RÉSOLUTION DES SYSTÈMES
D’ÉQUATIONS LINÉAIRES
D’ÉQUATIONS LINÉAIRES : PIVOT DE GAUSS
D’ÉQUATIONS LINÉAIRES : FACTORISATION LU
Exemple:
2 −1 2 1
Soit A = −6 0 −2 et b= 2 . A est inversible.
8 −1 5 1
Résolution du système AX= b par factorisation LU.
2 −1 2 1 0 0 𝑢11 𝑢12 𝑢13

A = −6 0 −2 = LU = 𝑙21 1 0 0 𝑢22 𝑢23
8 −1 5 𝑙31 𝑙32 1 0 0 𝑢33
1 0 0 2 −1 2
= −3 1 0 0 −3 4
4 −1 1 0 0 1
Exemple:
𝐿𝑌 = 𝑏
AX=b ↔ 𝐿𝑈𝑋 = 𝑏 ↔ ቊ
𝑈𝑋 = 𝑌
1 0 0 𝑦1 1
LY=b ↔ −3 1 0 𝑦2 = 2
4 −1 1 𝑦3 1
𝑦1 = 1 𝑦1 = 1
↔ ቐ −3𝑦1 + 𝑦2 = 2 ↔ ቐ𝑦2 = 5
4𝑦1 − 𝑦2 + 𝑦3 = 1 𝑦3 = 2
Exemple:
2 −1 2 𝑥1 1
UX=Y ↔ 0 −3 4 𝑥2 = 5
0 0 1 𝑥3 2
2𝑥1 − 𝑥2 + 2𝑥3 = 1 𝑥1 = −1
↔ ቐ −3𝑥2 + 4𝑥3 = 5 ↔ ቐ 𝑥2 = 1
𝑥3 = 2 𝑥3 = 2
−1
↔X= 1
2
CHAPITRE III: RÉSOLUTION DES SYSTÈMES D’ÉQUATIONS
LINÉAIRES : FACTORISATION DE CHOLESKY
Exemple:
1 −1 2 1
Soit A = −1 5 −4 et b= 3 . A est symétrique et définie positive.
2 −4 6 1
.
Résolution du système AX= b par factorisation de Cholesky.
1 −1 2 𝑟11 0 0 𝑟11 𝑟21 𝑟31

A = −1 5 −4 = R tR = 𝑟21 𝑟22 0 0 𝑟22 𝑟32
2 −4 6 𝑟31 𝑟32 𝑟33 0 0 𝑟33
1 0 0 1 −1 2
= −1 2 0 0 2 −1
2 −1 1 0 0 1
Exemple:
𝑅𝑌 = 𝑏
AX=b ↔ 𝑅𝑡𝑅𝑋 = 𝑏 ↔ ቊ𝑡
𝑅𝑋 = 𝑌
1 0 0 𝑦1 1
𝑅𝑌 = 𝑏 ↔ −1 2 0 𝑦2 = 3
2 −1 1 𝑦3 1
𝑦1 = 1 𝑦1 = 1
↔ ቐ −𝑦1 + 2𝑦2 = 3 ↔ ቐ𝑦2 = 2
2𝑦1 − 𝑦2 + 𝑦3 = 1 𝑦3 = 1
Exemple:
1 −1 2 𝑥1 1
𝑡𝑅X=Y ↔
0 2 −1 𝑥2 = 2
0 0 1 𝑥3 1
𝑥1 − 𝑥2 + 2𝑥3 = 1 𝑥1 = 1/2
↔ ቐ 2𝑥2 − 𝑥3 = 2 ↔ ቐ𝑥2 = 3/2
𝑥3 = 1 𝑥3 = 1
1/2
↔ X = 3/2
1
LINÉAIRES : FACTORISATION DE HOUSEHOLDER
Étape 1 : On considère le vecteur obtenu à partir de la première colonne de la matrice A

de (S), i.e., a1 = (2 1 2)T . Le but de cette étape est de trouver la matrice H correspondant à v = a1
de sorte qu’en multipliant la matrice A du système (S) à gauche par H on obtienne des zéros sous
le premier coefficient. Pour ceci, on introduit les vecteurs:
on considère la matrice élémentaire de Householder:
On a alors :
LINÉAIRES : MÉTHODES ITÉRATIVES
LINÉAIRES : MÉTHODE DE JACOBI
LINÉAIRES : MÉTHODE DE GAUSS-SEIDEL
LINÉAIRES : MÉTHODE DE GAUSS-SEIDEL
LINÉAIRES
Appliquer les méthodes de jacobi et de Gauss seidel sur le système suivant (méthode matricielle
et méthode d’itérations normale):
LINÉAIRES : MÉTHODE DE GAUSS-SEIDEL AVEC
RELAXATION
LINÉAIRES : MÉTHODE DE GAUSS-SEIDEL AVEC
RELAXATION
LINÉAIRES : MÉTHODE DU GRADIENT CONJUGUÉ
La méthode Newton peut s’appliquer à la résolution d’un système de plusieurs
équations non linéaires :
A partir d’un couple de valeurs approchées (x1,y1) d’une solution du système, on peut déterminer
deux accroissements h et k à donner à x1 et y1 de manière à ce que :
En développant en 1er ordre:
Avec:
Les quantités h et k s’obtiennent donc, en résolvant le système linéaire suivant :
avec :
Sous forme matricielle,

en posant J la matrice Jacobienne,
on arrive à:
Généralisation:
33
On peut noter de façon condensée (vectorielle):

CHAPITRE IV: INTERPOLATION
CHAPITRE IV: INTERPOLATION: DIFFERENCES
DIVISÉES ET FORMULE DE NEWTON
Le polynôme d’interpolation est alors donné par:
Erreur de l’interpolation
CHAPITRE IV: INTERPOLATION: POLYNÔMES DE
CHEBYSHEV
CHEBYSHEV
CHEBYSHEV
Une conséquence immédiate des propositions précédentes est que :

CHEBYSHEV
CHEBYSHEV
CHEBYSHEV
CHEBYSHEV
CHEBYSHEV
CHEBYSHEV
CHEBYSHEV
CHAPITRE IV: INTERPOLATION DE LAGRANGE
Théorème:
CHAPITRE V: DIFFÉRENCIATION ET
INTÉGRATION NUMÉRIQUE
Le contenu de ce chapitre prolonge celui sur l’interpolation. A peu de choses près, on y

manie les mêmes outils d’analyse. Dans le cas de l’interpolation, on cherchait à évaluer
une fonction f(x) connue seulement en quelques points. Dans le présent chapitre, le
problème consiste a obtenir des approximations des différentes dérivées de cette
fonction de même que de :
On parle alors de dérivation numérique et d’intégration numérique. On fait face à ce type de

problèmes lorsque, par exemple, on connait la position d’une particule à intervalles de temps
réguliers et que l’on souhaite obtenir sa vitesse. On doit alors effectuer la dérivée de la position
connue seulement en quelques points. De même, l’accélération de cette particule nécessite le calcul
de la dérivée seconde.
Si, à l’inverse, on connait la vitesse d’une particule à certains intervalles de temps, on obtient la
distance parcourue en intégrant la vitesse dans l’intervalle [x0 , xn].
Nous avons vu au chapitre précèdent que la fonction f(x) peut être convenablement
estimée à l’aide d’un polynôme de degré n avec une certaine erreur. En termes concis :
où En(x) est le terme d’erreur d’ordre (n + 1) donné par la relation:

1. Différenciation numérique
La différentiation numérique peut être abordée d’au moins deux façons. La

première approche consiste à utiliser le développement de Taylor et la seconde est
fondée sur l’erreur d’interpolation. Nous utiliserons un mélange des deux
approches, ce qui nous permettra d’avoir un portrait assez complet de la situation.
Commençons d’abord par l’équation précédente de l’erreur d’interpolation. Si l’on
dérive de chaque côté de l’égalité, on obtient successivement :
Dérivées d’ordre 1
Commençons par faire l’approximation des dérivées d’ordre 1. En dérivant

l’expression de l’erreur d’interpolation, tout en tenant compte de la dépendance de ξ
envers x, on obtient une relation pour la dérivée de l’erreur d’interpolation :
La dérivée du produit apparaissant dans le deuxième terme de droite est plus

délicate. Cette dérivée débouche sur une somme de produits ou, tour a tour, l’un des facteurs
(x-xi) est manquant.
Il est facile de se convaincre, en reprenant ce développement avec n = 2 par exemple, que l’on
obtient :
Approximations d’ordre 1
avec =
Dérivées d’ordre supérieur
I1. Intégration numérique
1I. Intégration numérique
II. Intégration numérique
Méthode des trapèzes
L’aire sous la courbe est approximativement égale

à la somme des aires des trapèzes.
Avec une partition régulière de [a,b] en n sous-intervalles, on obtient:

Erreur commise en utilisant la méthode des trapèzes

Méthode de Simpson
La méthode de Simpson consiste à grouper trois points

consécutifs de la courbe Mi, Mi+1 et Mi+2 et de
remplacer l'arc de courbe passant par ces trois points
par un arc de parabole.
Les paramètres m, p et q de la parabole cherchée sont
solutions du système :
Méthode de Simpson
h désignant le pas x3 - x2 = x2 - x1 = (b - a)/2 de la subdivision, l'intégrale de la fonction

mx2 + px + q entre x1 et x3 peut s'écrire :
Compte tenu du système ci-dessus, que l'on ne résout surtout pas, on fait apparaître y1 + y3 dans le
crochet et en remarquant que x1 = x2 - h et x3 = x2 + h, on obtient :
Méthode de Simpson
En généralisant le résultat précédent pour un nombre n de sous-intervalles et

en faisant la somme, on trouve la formule de Simpson:
où n est obligatoirement un nombre pair

Méthode de Simpson
Erreur commise en utilisant la méthode de Simpson

CHAPITRE VI: 1.ÉQUATIONS
DIFFÉRENTIELLES ORDINAIRES
Soit
CHAPITRE VI: II.ÉQUATIONS AUX DÉRIVÉES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES
PARTIELLES

Méthodes Numériques

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Méthodes Numériques

Transféré par

Droits d'auteur :

Formats disponibles

MÉTHODES NUMÉRIQUES

Pr. Hliwa Ghizlane Zineb

• Introduction aux méthodes numériques

Solutions recherchées en Mécanique

- Le modèle distance=vitesse*temps (d = v*t) ne peut pas être

Les erreurs de troncature sont liées à la précision de l’algorithme utilisé.

Si une fonction est approchée par son développement de Taylor, l’erreur de

Approximations des dérivées : posons h = x

-Méthode de la bissection (dichotomie)

-Méthode du point fixe

OBJECTIF : TROUVER LES

Cette méthode s’applique à des équations pour lesquelles on peut calculer

Après développement en série de Taylor à l’ordre 2, on obtient :

Dans les itérations, on a:

Résolution du système AX= b par factorisation LU.

2 −1 2 1 0 0 𝑢11 𝑢12 𝑢13

Résolution du système AX= b par factorisation LU.

Résolution du système AX= b par factorisation de Cholesky.

1 −1 2 𝑟11 0 0 𝑟11 𝑟21 𝑟31

Résolution du système AX= b par factorisation LU.

Étape 1 : On considère le vecteur obtenu à partir de la première colonne de la matrice A

on considère la matrice élémentaire de Householder:

En développant en 1er ordre:

Sous forme matricielle,

On peut noter de façon condensée (vectorielle):

Une conséquence immédiate des propositions précédentes est que :

Le contenu de ce chapitre prolonge celui sur l’interpolation. A peu de choses près, on y

On parle alors de dérivation numérique et d’intégration numérique. On fait face à ce type de

où En(x) est le terme d’erreur d’ordre (n + 1) donné par la relation:

La différentiation numérique peut être abordée d’au moins deux façons. La

Commençons par faire l’approximation des dérivées d’ordre 1. En dérivant

La dérivée du produit apparaissant dans le deuxième terme de droite est plus

L’aire sous la courbe est approximativement égale

Avec une partition régulière de [a,b] en n sous-intervalles, on obtient:

Erreur commise en utilisant la méthode des trapèzes

La méthode de Simpson consiste à grouper trois points

h désignant le pas x3 - x2 = x2 - x1 = (b - a)/2 de la subdivision, l'intégrale de la fonction

En généralisant le résultat précédent pour un nombre n de sous-intervalles et

où n est obligatoirement un nombre pair

Erreur commise en utilisant la méthode de Simpson

Vous aimerez peut-être aussi

- Le modèle distance=vitessetemps (d = vt) ne peut pas être