Académique Documents
Professionnel Documents
Culture Documents
D’ANALYSE NUMERIQUE
ANALYSE D’ERREURS
1. Introduction
x = x x* (1)
2
x x* x x* x x x* x
ou on écrit parfois :
x x* x (3)
Définition 2
x 0,5 10 m
alors le chiffre correspondant à la m ième puissance de 10 est dit significatif et tous ceux à sa
gauche (correspondant aux puissances de 10 supérieures à m) le sont aussi.
Exemple 1
22
Soit x = et x* = = 3,142857
7
22
x 0 ,00126 0 ,126.10 2
7
le chiffre des centièmes (4) est significatif et on a en tout 3 chiffres significatifs. Donc la
valeur approchée de x est x* = 3,14 .
Exemple 2
x 3 ,1416 0 ,73.10 5
x 0,5.10 4
3
Remarque :
Inversement, si un nombre est donné avec n chiffres significatifs, cela signifie que l’erreur
absolue est inférieure à 0,5 fois la puissance de 10 correspondant au dernier chiffre
significatif.
3. Erreurs de troncature
Les erreurs de troncature constituent la principale catégorie d’erreurs. Nous aborderons tout le
long de ce cours les méthodes de résolution qui comportent des erreurs de troncature plus ou
moins importantes. L’ordre d’une méthode dépend du nombre de termes utilisés dans les
développements de Taylor appropriés. Il est donc essentiel de revoir en détail le
développement Taylor, car il constitue l’outil fondamental de l’analyse numérique.
f(x) pn(x
)
f(x0) p0(x)
p1(x)
x0
On se demande alors quel est le polynôme de degré n noté Pn(x) qui donne la meilleure
approximation d’une fonction f(x) donnée au voisinage de xo.
Définition
4
Pn f x0
x x0
f ' x0
x x 0 f " x x x0 f n x
2 n
0 0
1! 2! n! (4)
Théorème
Soit f(x), une fonction dont les dérivées jusqu’à l’ordre (n+1) existent au voisinage du
point x 0 . On a l’égalité suivante :
f ( x ) Pn ( x ) Rn ( x ) (5)
où Pn(x) est le polynôme de Taylor (4) et Rn(x) est l’erreur commise et donnée par la
relation :
Rn x
x x
0
n 1
f n 1 x
n 1!
(6)
Remarques :
1. L’équation (5) est une égalité et ne devient une approximation que lorsque le terme
d’erreur est négligé.
vertu du terme x x0
n 1
.
4. On sait que le point ( x ) existe et qu’il varie avec x, mais on ne connaît pas sa
valeur exacte. Il n’est donc pas possible d’évaluer le terme d’erreur exactement.
On peut tout au plus lui trouver une borne supérieure dans la plupart des cas.
5
5. On commet une erreur de troncature chaque fois que l’on utilise le développement
de Taylor et que l’on néglige le terme d’erreur (éq. 6).
Un cas particulier important du théorème précédent est le 1er théorème de la moyenne que
l’on obtient en posant n = 0 dans le développement de Taylor.
Corollaire
Soit f(x), une fonction dérivable dans l’intervalle x0 , x . Alors il existe dans l’intervalle
x 0
, x tel que :
f x f x0 f ' x x0
f x f x0 f ' x x0 (7)
Une forme plus pratique du développement de Taylor est obtenue en remplaçant x par
où :
h2 h3 hn
Pn h f x 0 + h f ' x 0 + f " x0 + f "' x 0 + + f (n)
x0 (9)
2! 3! n!
donc :
h n 1
Rn h f ( n 1 ) ( h ) (10)
n 1 !
pour un certain ( h ) compris entre x 0 et x 0 h .
Exercice :
6
3. Estimer les valeurs de e 0 ,1 en utilisant ce développement. Evaluer dans le cas h 0,1
l’erreur absolue, le terme d’erreur majorée et donner le nombre de chiffres significatifs
en faisant varier n de 0 à 3.
Solution :
1. Développement de Taylor
f x e x
f x f ' x f n x e x
f 0 f ' 0 f n 0 e 0 1
en posant x x0 h , il vient :
2 n
e Pn h 1 h
x0 h h h
e e
x h
2! n!
et le terme d' erreur
n 1
0 ( h ) h e0 e(h) e h
1 e (h) e h
donc e (h) e h
h n+1 (h) h n+1
il en résulte que : e eh
( n 1 )! ( n 1 )!
h n+1
Rn ( h ) eh
d’où : ( n 1 )! (11)
En prenant h 0,1 , on a :
7
Erreur absolue Nombre de Valeur majorée
chiffres pour le terme
n Pn(0,1) f ( 0,1 ) Pn ( 0,1 )
significatifs d’erreur
Remarque :
P3 ( 0,1 ) e 0 ,1 0,4245 10 5
Le rapport des erreurs absolues liées à 16 ,14
P3 ( 0,05 ) e 0 ,05 0,263 10 6
La valeur de ce rapport n’est pas fortuite. La définition suivante nous permet de comprendre
d’où provient cette valeur.
Définition
f (h)
n C
h
8
au voisinage de x0 0 .
Remarque :
Pour avoir une idée du comportement d’une fonction de type O h , il suffit de remarquer
n
explique le rapport 16,14 obtenu dans l’exercice précédent. En effet, on y trouve un polynôme
de Taylor de degré 3 dont le terme d’erreur est de type O h 3 1 O h . En passant de
4
h 0,1 à h 0,05 , on divise h par un facteur de 2, d’où une diminution selon un facteur de
2 4 16 de l’erreur. Bien sûr, le facteur de 16 est approximatif et n’est atteint qu’à des
valeurs de h très petites. Dans le cas général, on note :
f x 0 h Pn ( h ) O h n 1
Définition :
d’ordre n.
Suivant cette définition, le polynôme de Taylor de degré n (Pn) est généralement, mais pas
toujours, une approximation d’ordre (n+1) de f(x). Par exemple, le développement de Taylor
de degré n de e x autour de x0 0 est d’ordre (n+1).
Exercice
d’erreur.
9
Solution :
Pour le développement de Taylor utilisons les formules (8), (9) et (10). Pour
développer un polynôme d’ordre 5, il faut développer Pn ( h ) jusqu’au degré 4 et
ajouter Rn ( h ) :
f ( x ) sin x ; f ( 0 ) 0
f '( x ) cos x ; f '( 0 ) 1
f "( x ) sin x ; f "( 0 ) 0
f '"( x ) cos x ; f '"( 0 ) 1
f (4)
( x ) sin x ; f (4)
(0 ) 0
f (5 )
( x ) cos x
f x 0 h f 0 h f h sinh
3 5
sinh h h h cos ( h ) pour 0, h
6 120
Rn ( h )
h3
P3 h h
6
L’erreur est :
5
R3 h h cos ( h ) pour 0, h
120
h5
(h) 0, h , on a : cos (h) 1 donc R 3 ( h )
120
10
Vérifier que cette approximation est réellement d’ordre 5 en prenant h 0,1 et h 0,2
.
P3 0,2 f 0,2
En calculant le rapport , on trouve :
P3 0,1 f 0,1
P3 0 ,2 f 0 ,2
31 ,97 2
5
P3 0 ,1 f 0 ,1
On peut reprendre ici le raisonnement analogue au précédent (cas d’une var.). On se limitera à
trois variables ici, le cas général étant similaire.
THEOREME
11
12
Exercice
x x* x
y y* y
Quelle sera la précision d’une fonction d’une variable f ( x*) ou de la fonction de deux variables
g( x*, y*) ?
Une quantité x inconnue est approchée par une valeur approximative x* avec une erreur absolue x.
On estime la valeur inconnue f(x) par l’approximation f(x*). L’erreur absolue liée à ce résultat est :
f f ( x ) f ( x*)
On a de plus :
f x f x x f x* x f ' x* O x 2
En négligeant les termes d’ordre plus grand ou égal à 2, on obtient :
f f ' x* x
13
f x f x * f ' x * x
Exercice
On mesure un côté d’une boîte cubique qui donne l* 10,2cm avec une précision de l’ordre
Solution :
l* 10 ,2cm et l 0 ,1cm
Posons v f ( l ) l 3
l' erreur absolue liéeau volume est : v f ' l * l
v f ( l ) l 3 f '( l ) 3l 2
donc v 3( l*) 2 l
3 ( 10 ,2 ) 2 0 ,1
31,212
v 0 ,31212.10 2 0 ,5.10 2
La valeur approchée du volume est :
v* = l* 10,2 3 1061,208cm 3
3
THEOREME
Soit f ( x, y,z ) une fonction de trois variables x, y et z dont on estime les valeurs par
x*, y* et z* avec une précision de x, y et z respectivement. L’erreur absolue f est
donnée par :
f ( x*, y*, z*) f ( x*, y*, z*) f ( x*, y*, z*)
f x y z (12)
x y z
Exercice
V As i n ( wt )
14
exactement et que * et t* possèdent respectivement 2 et 1 chiffres significatifs, évaluer
l’erreur absolue liée à V ainsi que le nombre de chiffres significatifs.
Solution
A A* A 0
w w* w 0
P a r a i l l e u r s t 0 ,5 . 1 0 3 t* 0 ,0 0 1s
0 ,5 . 1 0 2
V t* , * V t* , *
V t
t
A* w* c o s w* t * * t A* c o s w* t * *
2 5 6 ,2 2 6 6 6 2 3 5 0 ,5 . 1 0 3 8 5 ,4 0 8 8 7 4 5 0 ,5 . 1 0 2
V 0 ,5 5 5 1 5 7 6 8 4
V* A* s i n w* t * * 5 2,0 1 2 7 3 0 7 1
Soit f ( x, y ) une fonction à deux variables, x et y . On peut effectuer les opérations suivantes :
1 ) x y x y
2 ) x y x y
3 ) x y y x x y
x y x x y
4)
y2
y
y 0
15
CHAPITRE 2
RESOLUTION DES EQUATIONS NON LINEAIRES
1. Introduction
La résolution des problèmes de l’ingénieur débouche souvent sur deux types de recherche de
solutions d’une équation à une variable :
1.) recherche d’une racine de l’équation f ( x ) 0 où est une fonction transcendante ou
numérique de x.
Les méthodes numériques que nous présenterons dans ce chapitre conduiront (sous certaines
conditions) à l’approximation d’une racine de l’équation f( x)0.
Pour l’ingénieur, la recherche des racines complexes de f ( x ) 0 est relativement peu courante
sauf en commande des processus. C’est pourquoi la méthode dite de Newton est généralement
présentée pour rechercher les racines complexes de :
f x 0 (1)
2.) Recherche de plusieurs ou toutes les racines de Pn ( x ) 0 où Pn ( x ) est un polynôme
de degré n en x . Ce problème est un cas particulier du premier ; il pourrait donc être résolu
par la méthode précédente.
f x
r
x1 xm x2
16
Soit x1 , x2 un intervalle ayant un changement de signe de f x c à d :
f x1 f x2 0
(2)
On pose :
x x2
xm 1
2
x1 x 2
3. Poser : xm
2
x 2 x1
4. Si :
2 xm
Convergence atteinte ;
Ecrire la racine xm ;
Ecrire f xm ;
Arrêt.
5. Ecrire x1 , x2 , xm , f x1 , f x2 , f xm ;
6. Si f x1 f xm 0 alors x2 xm ;
7. Si f xm f x2 0 alors x1 xm ;
Remarque
1. L’expression :
x 2 x1
2 xm
longueur :
x2 x1
2
ce qui constitue une borne supérieure de l’erreur absolue. Ainsi, en divisant par xm , on obtient
2. Prendre garde au cas où la racine recherchée est 0 car il y a risque de division par 0 au cours
de l’évaluation de l’erreur relative. Ce cas est toutefois rare en pratique.
3. Il est parfois utile d’introduire un test d’arrêt sur la valeur de f x qui doit tendre
également vers 0.
E {précision souhaitée}
f(x) {fonction}
Calculs :
x2 x1
ln
N partie entière E 1
ln 2
18
y1 f x1
pour i 1 à N
x1 x2 ; y f x
xm
2 m m
si y1 ym 0 alors x2 xm
sinon x1 xm ; y1 ym
écrire xm
Exercice :
Solution
Calculons d’abord le nombre d’itérations nécessaires pour obtenir la précision de
E 10 3 .
Nous avons :
x2 x1 21
ln ln
3
N INT E 1 INT 10 1
ln 2 ln 2
INT ( 10 ,966 ) 10
19
x 2 x 2 2 0; f ( x ) x 2 2 0
y1 f x1 f 1 1 2 1
y2 f x 2 f 2 4 2 2
On commence les calculs itératifs
1ère itération
x x2 1 2
xm 1 1,5
2 2
ym f xm 1,5 2 2 0 ,25
y1 ym 0 donc on sélectionne l'intervalle x1 , xm (en prenant
x2 xm ) et ainsi de suite.
x1 x2 xm ym
1 1 2 1,5 0,25
20
Exercice :
Solution
f ( 1 ) 4,0; f ( 2 ) 3,0
f ( 1 ) f ( 2 ) 4 3 12 0
1 2
Le point milieu de 1, 2 est : xm 1,5
2
f xm f ( 1,5 ) 1,875
21
Erreur absolue
n x1 x2 xm f ( x1 ) f ( x2 ) f ( xm ) liée à xm
1
x x1
2 2
On remarque aisément que la longueur de l’intervalle entourant la racine est divisée par 2 à chaque
itération. Cette constatation permet de déterminer à l’avance le nombre d’itérations nécessaires
pour obtenir une certaine erreur absolue ∆r sur la racine r.
Soit par exemple L x2 x1 la longueur de l’intervalle de départ, après une itération le nouvel
L
intervalle est de longueur et après N itérations la longueur de l’intervalle est :
2
L
2N
22
L
N
r
2
L
ln
N r
ln 2
Il est clair que sur le plan pratique on doit prendre pour valeur de N le plus petit entier vérifiant
cette condition là.
Exercice :
Solution :
r 0 ,5.10 2
L 211
en appliquant
L
ln
N r
ln 2
il vient :
1,0
ln 2
N
0 ,5 10
ln 2
N 7 ,64
N 8 itérations
23
3. Méthode de Newton (ou de Newton-Raphson)
3.1. Principe
f( x)0
f x* f ( xn ) x* xn f ' xn
x* xn f " xn
2
(1)
2
Sachant que f x 0 , on obtient la relation approximative :
*
f xn x* xn f ' xn 0 (2)
f xn
en
f ' xn (3)
xn 1 xn en (4)
f xn
xn 1 xn ; n=0,1, ,nmax
f ' xn
formule de Newton-Raphson
24
3.2. Algorithme
4. Effectuer :
f xn
x n 1 xn
f ' xn
xn 1 xn
5. Si :
xn 1
convergence atteinte ;
écrire la solution xn 1 ;
arrêt.
6. Si le nombre maximal d’itérations N est atteint :
convergence non atteinte en N itérations ;
arrêt.
7. Retour à l’étape 4.
f x0
f x1
x1 x0
25
Considérons la courbe (C) représentative de la fonction f et le point initial x0 , f x0 .
La tangente à (C) au point x0 , f x0 a pour pente f ' x0 et pour équation ce qui suit :
f x0
f x0 x0 x1 f ' x0 x1 x0
f ' x0
f x1
M 1 x1 , f x1 : f x1 x1 x2 f ' x1 x2 x1
f ' x1
f x2
M 2 x2 , f x2 : f x2 x2 x3 f ' x2 x 3 x 2
f ' x2
. . .
. . .
f xn
xn , f xn : f xn xn 1 xn f ' xn xn 1 xn
f ' xn
f xn
xn 1 xn
On a : f ' xn (5)
D’une manière générale, la dérivée seconde joue un rôle important dans la convergence de la
méthode de Newton. On montre le théorème suivant :
THEOREME
26
x a,b , f '( x ) 0
x a,b , f ''( x ) 0
Alors f ( x ) 0 possède une seule racine dans cet intervalle a ,b et x a,b , la
suite (5) converge quadratiquement.
Remarque
Le choix du point de départ dans cette méthode est crucial. Pour assurer la convergence, on choisira
un point x0 tel que la condition
f " x0 f x0 0
soit vérifiée.
f en
en 1 en
f ' en
(6)
f x* f xn x* xn f ' xn
0
f x* f xn en f ' xn
f x* f xn x* xn f ' xn
x* xn 2
f " xn
2
0
27
en2
f x f x n en f ' x n f '' a 0 avec a xn , x
* 2 *
f xn en2 f '' a
en
f ' xn 2 f ' xn
(6) devient :
f en
e n 1 en
f ' en
en2 f " a
donc en 1 en en
2 f ' en
en2 f "( a )
en 1
2 f ' xn
e n 1 1 f " a
f "( x ) 0 alors lim 0
2 f ' xn
Si lim
n e n2 n
Il en résulte que la méthode est d’ordre 2. On dit encore qu’elle a une convergence quadratique.
ALGORITHME PRATIQUE
f x
mx x
f ' x
écrire i, xm
si x x , on arrête les calculs
m
sinon x xm
28
ORGANIGRAMME :
x , , f ( x ), f '( x )
n = 50
Pour i = 1 à n
f xn
x n 1 xn
f ' xn
Ecrire i, xm
x xm
x xm
FIN
Exercice 1
x
Résoudre l’équation f ( x ) e x 0 par la méthode de Newton-Raphson, sachant que
x0 0 est la valeur initiale de la solution.
Solution
f ( x ) e x x 0 ; f '( x ) e x 1
29
L’algorithme se résume à :
f xn e x n xn
xn 1 xn xn
f ' xn e x n xn
e x0 x0
n 1, x1 x0
e x0 x0
e x0 x0
L’erreur absolue est : e0 x1 x0
1 e x0
en 1
n xn en en
0 0,0 0,5671.100 0,1183.100
1 0,500 0,6714.10-1 0,1239.10-1
2 0,5 663 110 0,8323.10-3 0,1501.10-3
3 0,5 671 432 0,1250.10-6 0
4 0,5 671 433 0,4097.10-9 -
Solution
f xn xn2 2 f ' xn 2 xn f xn
x n 1 xn
n xn f ' xn
1 1 -1 2 1,5
2 1,5 0,25 3 1,416667
3 1,416667 6,9444418.10-3 2,833333 1,414216
4 1,414216 5,960465.10-6 2,828431 1,414214
5 1,4144214 0 2,818427 1,414214
30
La convergence est atteinte à n 5 , f xn 0 la précision est 10 6 donc au niveau de
La valeur exacte à 10 6 près étant obtenue dès la quatrième itération, cette méthode est
beaucoup plus rapide que celle de la bissection.
4. Méthode de la sécante
La méthode de Newton possède de grands avantages mais elle nécessite le calcul de la dérivée de
f x . Si la fonction f x est compliquée, cette dérivée peut être difficile à calculer et peut
résulter en une équation compliquée. On contourne cette difficulté en remplaçant le calcul de la
pente f ' xn de la droite tangente à la courbe par l’expression suivante :
f xn f xn 1
f ' xn
xn xn 1
f x0
f x1
r
x0 x2
x1
31
Algorithme
4. Effectuer :
f xn xn xn 1
xn 1 xn
f xn f xn 1
xn 1 xn
5. Si
xn 1
Convergence atteinte ;
Ecrire la solution xn 1 ;
Arrêt.
6. Si le nombre maximal d’itérations N est atteint :
Remarques
1. La dérivée f ' xn n’apparaît plus dans l’algorithme.
2. Il faut fournir au départ deux valeurs initiales de la solution : c’est ce qu’on appelle un
algorithme à deux pas.
3. On choisit les valeurs initiales le plus près possible de la racine recherchée. Il n’est
cependant pas nécessaire qu’il y ait un changement de signe dans l’intervalle fermé
x 0 , x 1 comme c’est le cas dans la méthode de la bissection.
4. L’analyse de la convergence de cette méthode est plus délicate que celle de la méthode de
Newton. En effet, on montre que :
32
1 5
1 ,618033...
e n 1 C e n 2 C en
x
Exercice I : Résoudre par la méthode de la sécante l’équation e x 0 sachant que les
deux valeurs initiales de la solution sont x0 0 et x 1 1 .
Algorithme simplifié
Donnée : x1 , x2 , e , f x
Calculs de N
y1 f x1 ; y2 f x2
Pour i 1 à N
y 2 x 2 x1
y 2 y1
x
3 x 2
écrire i , x
3
si x 3 x 2 , on arrête les calculs
sinon x x ; x x ;
1 2 2 3
y1 y 2 ; y 2 f x 3
33
CHAPITRE 3
Introduction
Dans la pratique scientifique, l’ingénieur se trouve souvent confronter à des problèmes dont la
résolution passe souvent par celle d’un système d’équations qui modélisent divers éléments en
ingénierie. On distingue deux principales méthodes. Les méthodes directes et les méthodes
itératives. Dans ce chap., nous verrons les principales méthodes directes utilisées pour la
résolution de tels systèmes d’équations.
Systèmes linéaires
De façon générale, la résolution d’un système d’équations linéaires consiste à trouver un vecteur
x1
x2 T
x x3 ou x x1 x2 x3 xn (T signifiant transposée) solution de :
xn
On utilisera la notation matricielle qui est beaucoup plus pratique et surtout plus compacte. Alors on
écrit le système précédent sous la forme :
Ax b (2)
où :
34
a11 a12 a13 a1n
b1
a21 a22 a23 a2n b2
A a31 a32 a33 a3n
et b b3
bn
an1 an2 an3 ann
Remarque 1
Dans la plupart des cas, on traitera des matrices non singulières ou inversibles c à d les matrices
dont les matrices inverses existent. Ainsi la solution de l’équation (2) s’écrit comme suit :
x A1 b
Le calcul de la matrice inverse A1 sera l’objet des principales méthodes que nous allons exposer
dans ce chapitre.
2 x1 3 x2 8
3 x1 4 x2 11
Solution
8 3x2
x1
2
8 3 x2 9
3 4 x2 11 12 2 x2 4 x2 12 0 ,5 x 2 11
2
x2 2
x1 1
Remarque 2 :
35
Il est théoriquement possible d’étendre la substitution successive à des systèmes de grande taille.
Cependant, la transcription sous forme d’algorithme pouvant être programmé dans un langage
informatique s’avère difficile. Il faudra recourir à d’autres méthodes pour simplifier le système
d’équations.
1. Systèmes diagonaux
D’abord on a les systèmes diagonaux dont la matrice A n’a de coefficients non nuls que sur la
diagonale et ils sont très faciles à résoudre.
1 0 0 x1 2
Exercice 2 : résoudre le système suivant : 0 2 0 x 2 2
0 0 3 x3 9
Solution
Ce système est très facile à résoudre. Il suffit de considérer séparément chaque ligne et on a :
1.x1 2 x1 2
2.x2 2 x2 1
3.x3 9 x3 3
On voit tout de suite comment résoudre le cas général. La solution générale qui en découle est :
bi
xi pour i 1,2, ,n
aii
2. Systèmes triangulaires
Le second type de système simple est le système triangulaire inférieur ou supérieur.
Définition 1 :
Une matrice est dite triangulaire inférieure (ou supérieure) si tous les aij (ou tous les a ji ) sont nuls
36
a11 0 0 0 0
a21 a22 0 0 0
a31 a32 a33 0 0
a a a an 1 n-1 0
an 1 1 an 1 2 an 1 3 ann
n1 n2 n3 an n-1
Une matrice triangulaire supérieure est tout simplement la transposée d’une matrice triangulaire
inférieure c à d du type que voici :
Les systèmes triangulaires sont également faciles à résoudre. En effet, il suffit de commencer la
résolution par l’équation qui se trouve à la pointe du triangule (la première pour une matrice
triangulaire inférieure et la dernière pour une matrice triangulaire supérieure) et de résoudre ensuite
une à une les équations du système. On parle de descente triangulaire ou de remontée triangulaire,
selon le cas.
3 0 0 x1 9
1 2 0 x2 7
3 2 1 x3 14
Solution :
On a ici une matrice triangulaire inférieure, donc la résolution va nécessiter une descente
triangulaire qui consiste à résoudre la 1ère équation du système.
En se rappelant (2), on a :
b
a11 x1 b1 3x1 9 x1 a 1 9 3
11 3
b2 a21 x1 7 1 3
x2 2
a22 2
37
La dernière équation permet de trouver x 3 qui s’écrit comme suit :
b3 a31 x1 a32 x2 14 3 3 2 2
x3 a33 1
1
Conclusion :
De l’exemple précédent (ex. 3), on peut rapidement déduire le cas général pour la descente
triangulaire :
b1
x1
a11
(3)
i 1
bi aik xk
xi k 1 pour i 1,2, ,n
aii
bn
xn
ann
(4)
n
i
b aik xk
xi k i 1 pour i n 1,n 2, ,2,1
aii
Remarque 3 :
Les équations (3) et (4) sont valables si les aii sont tous non nuls. Dans le cas contraire la matrice
n’est pas inversible et donc le système Ax b n’a pas une solution unique. En effet, on rappelle
que le déterminant d’une matrice triangulaire est tel que :
n
détAtriangulaire aii (5)
i 1
En d’autres termes, le déterminant est le produit des éléments de la diagonale de A. Le produit est
donc non nul si et seulement si aucun des aii n’est nul.
38
Conclusion
Les matrices triangulaires sont primordiales pour la résolution des systèmes linéaires. Dans la suite
de ce chap. consacré aux méthodes directes, on essaiera de ramener un système linéaire quelconque
à un ou plusieurs systèmes triangulaires.
Méthodes directes
Définition
Une méthode de résolution d’un système linéaire est dite directe si la solution du système peut être
obtenue par cette méthode en un nombre fini et prédéterminé d’opérations. Les deux principales
méthodes directes sont :
la méthode d’élimination de Gauss ;
la méthode de la décomposition L U.
En fait, il s’agit d’une seule et même méthode puisque la première est un cas particulier de la
deuxième. La stratégie de résolution est basée sur la question suivante : quelles opérations sont
permises sur les lignes du système (1) pour le ramener à un système triangulaire ?
Pour transformer un système linéaire quelconque en un système triangulaire, il suffit d’utiliser trois
opérations élémentaires sur les lignes de la matrice ; ces trois opérations élémentaires correspondent
à trois types de matrices W différentes. C’est la base de la méthode d’élimination de Gauss.
Soit l i la ligne i de la matrice A. Les trois opérations élémentaires sont les suivantes :
1. opération l i l i : remplacer la ligne i par un multiple d’elle-même R ;
3. opération l i l i l j : remplacer la ligne i par la ligne i plus un multiple de la ligne
j.
39
Ces trois opératins élémentaires sont permises car elles équivalent à multiplier le système (6) par
une matrice inversible.
système linéaire (6) par une matrice inversible W M l i l i dont tous les éléments
ie
1 colonne
1
W M
1
ie
1 ligne
Remarques 4 : aii
inversible si 0 .
M 1 l i 1 l i
c à d qu’on doit avoir ce qui suit :
M 1 l i 1 l i M l i 1 l i (7)
Exercice
Etant donné le système suivant :
3 1 2 x1 6
6 4 1 x2 11 (8)
5 4 1 x3 10
Solution
Ceci revient à multiplier le système par la matrice suivante :
2e
1 0ligne
0
M l 2 3l 2 0 3 0 2e
0 0 1 ligne 40
On obtient ceci :
1 0 0 3 1 2 x1 1 0 0 6
0 3 0 6 4 1 x 0 3 0 11
2
0 0 1 5 4 1 x3 0 0 1 10
W A x W b
3 1 2 x1 6
18 12 3 x 33
2
5 4 1 x3 10
La solution de ce nouveau système reste la même que celle du système de départ puisque la
matrice M l 2 3l 2 est inversible et que son déterminant est 3.
L’opération élémentaire qui consiste à intervertir deux lignes l i l j est également connue sous
le nom de permutation de lignes. Cette opération est équivalente à la multiplication du système (6)
par une matrice inversible
W P li l j
qui contient des 1 sur la diagonale sauf à la ligne i où le ‘’1’’ est dans la colonne j et à la ligne j où
le ‘’1’’ est dans la colonne i, tous les autres termes sont nuls.
ie jecolonne
colonne
1
1
1
0 1 ie
ligne
1
W P li l j
1
1 0 jeligne
1
1
41
Exemple : intervertir la ligne 2 et la ligne 3 du système précédent
1 0 0
P l2 l3 0 0 1
0 1 0
1 0 0 3 1 2 x1 1 0 0 6
0 0 1 6 4 1 x 0 0 1 11
2
0 1 0 5 4 1 x3 0 1 0 10
Ce qui donne :
3 1 2 x1 6
5 4 1 x 10
2
6 4 1 x3 11
Remarques :
1. L’inverse de la matrice P l i l j est donc la matrice P l i l j elle-même
c à d que nous avons : P l i l j P 1 l i l j
2. On montre facilement que :
dét P l i l j 1
Lorsque l’on permute deux lignes le déterminant du système de départ change de signe.
3.
Opération l i l i l j
Cette opération est équivalente à la multiplication du système de départ par une matrice inversible
W telle que :
W T li li l j
qui vaut 1 sur toute la diagonale et 0 partout ailleurs sauf le terme aij qui vaut a ij
42
Colonne j
1
1
1
1
W
1 Ligne i
1
1
aij
Exercice :
En considérant le système précédant, remplacer la 2e ligne i 2 par la 2e ligne moins 2 fois
la 1ère ligne j 1 .
Solution :
W T l 2 l 2 2l 1 i 2, j 1
1 0 0
W 2 1 0
0 0 1
1 0 0 3 1 2 x1 1 0 0 6
2 1 0 6 4 1 x 2 1 0 11
2
0 0 1 5 4 1 x3 0 0 1 10
On trouve :
3 1 2 x1 6
0 2 3 x 1
2
5 4 1 x3 10
43
Remarques
1. La matrice T qui à l i l i l j est inversible. Pour obtenir son inverse, il suffit de
remplacer par c à d :
T 1 l i l i l j T l i l i l j (10)
cela signifie que pour revenir en arrière, il suffit de soustraire la ligne que l’on vient d’ajouter.
2. On montre que le déterminant de T l i l i l j est 1.
3. Des 3 opérations élémentaires, seule l’opération qui à l i l i l j (3e opération) n’a pas
d’effet sur le déterminant.
Maintenant, il suffit d’utiliser systématiquement les opérations élémentaires pour introduire des
zéros dans la matrice et obtenir ainsi un système triangulaire supérieur :
Ax b
A
La validité de la méthode d’élimination de Gauss repose sur le fait que les opérations élémentaires
consistent à multiplier le système de départ par une matrice inversible.
NB : En pratique, on ne multiplie jamais les systèmes considérés par les différentes matrices W car
ce serait trop long. Il faut cependant garder en tête que les opérations effectuées sont équivalentes à
cette multiplication.
La méthode d’élimination de Gauss consiste à éliminer tous les termes sous la diagonale de la
matrice A . Mais avant de poursuivre, il est nécessaire d’introduire la notion de matrice augmentée.
44
4.1. Matrice augmentée
Définition
La matrice augmentée du système linéaire (1) est la matrice de dimension n n 1 que l’on
La notation (11) est très utile puisque les opérations élémentaires doivent être effectuées à la fois
2 1 2 x1 10
6 4 0 x 26
2
8 5 1 x3 35
pivo
t 2 1 2 10
6 4 0 26
T1 l 2 l 2 6 2 l1
8 5 1 35 T l
2 3 l 3 8 2 l1
Il faut creuser la matrice A pour la rendre triangulaire supérieure en effectuant les transformations
suivantes :
Ligne 1 T 1 l 2 l 2 6 2 l1
T2 l 3 l 3 8 2 l1
45
Ligne 3
On a indiqué ci-dessous la matrice augmentée de même que les opérations élémentaires pour
éliminer les termes non nuls sous la diagonale de la 1ère colonne. Il est à noter que l’on divise par 2 (
a11 ) le coefficient qui multiplie la ligne 1 : on dit que 2 est le pivot. On obtient en effectuant les
opérations indiquées les résultats suivants :
2 1 2 10
0 1 6 4
0 1 7 5 T3 l 3 l 3 1 1 l 2
Pour produire une matrice triangulaire supérieure, il suffit d’introduire maintenant des zéros sous la
diagonale de la dernière colonne. L’opération est indiquée ci-dessous et le pivot est 1 puisque
maintenant a22 1 . On obtient donc ce qui suit :
2 1 2 10
0 1 6 4
0 0 1 1 (12)
1
x 3 1 x 3 1
1
4 ( 6 )( 1 )
x 2 6 x 3 4 x 2 2
1
10 ( 1 )( 2 ) 2( 1 )
2 x1 x2 2 x3 10 x1 3
2
On a construit la matrice triangulaire (12) en effectuant les opérations élémentaires directement sur
les lignes de la matrice. Si la matrice triangulaire obtenue est notée U , les opérations effectuées
pour obtenir U sont équivalent à multiplier le système de départ par une suite de matrice
inversibles. En fait, on a :
U T3 T2 T1 A
où les matrices Ti équivalent aux différentes opérations effectuées sur les lignes de la matrice. Plus
explicitement, on a :
46
2 1 2 1 0 0 1 0 0 1 0 0 2 1 2
0 1 6 0 1 0 0 1 0 3 1 0 6 4 0
0 0 1 0 1 1 4 0 1 0 0 1 8 5 1
U T3 T2 T1 A
si on poursuit le raisonnement, on a également A T11 T21 T31 U . Puisque l’on sait inverser les
2 1 2 1 0 0 1 0 0 1 0 0 2 1 2
6 4 0 3 1 0 0 1 0 0 1 0 0 1 6
8 5 1 0 0 1 4 0 1 0 1 1 0 0 1
A L U
1 0 0
A 3 1 0 U
4 1 1
L
Remarques
1. Les coefficients de la matrice triangulaire inférieure sont ceux qui ont permis d’éliminer les
termes de la matrice non nuls sous la diagonale de la matrice A . Tout revient à décomposer la
matrice A en un produit d’une matrice triangulaire inférieure notée L et d’une matrice
triangulaire supérieure U . C’est ce que l’on appelle une décomposition ou une factorisation
L U A.
3. Le déterminant de la matrice de départ est le même que celui de la matrice triangulaire (12),
puisqu’on n’a effectué que les opérations de la forme l i l i l j ce qui revient à multiplier le
système de départ par une matrice dont le déterminant est 1. On a donc :
détA ( 1 )( 1 )( 1 )( 2 )( 1 )( 1 )
2
47
détA détT11détT21détT31détU
5. Décomposition L U
A x b LU x b
En posant par exemple U x y , on obtient un système linéaire dont la résolution se fait en deux
étapes. Nous avons d’abord à résoudre :
L yb
et ensuite (13)
U x y
qui sont deux systèmes triangulaires. On utilisera d’abord une descente triangulaire sur la matrice
L pour obtenir y et par la suite une remontée triangulaire sur la matrice U pour obtenir la
solution recherchée x .
Notons que la décomposition L U n’est pas unique. Pour illustrer la non unicité de la
décomposition L U , voyons l’exemple suivant :
2 1 1 2 0 0 1 0 ,5 0 ,5
0 4 2 0 4 0 0 1 0 ,5
6 3 1 6 0 4 0 0 1
1 0 0 2 1 1
0 1 0 0 4 2
3 0 1 0 0 4
Remarque
La décomposition L U n’étant pas unique, il faut faire au préalable des choix arbitraires. Le choix
le plus courant consiste à imposer que la matrice U ait des ‘’1’’ sur sa diagonale, c’est ce qu’on
appelle décomposition de Crout.
48
5.2. Décomposition de Crout
Pour obtenir cette décomposition, considérons une matrice de dimensions 4 4 , le cas général étant
similaire. Il s’agira de déterminer les coefficients l ij et uij des matrices L et U de sorte que
Il suffit de procéder de façon systématique par identification des coefficients. On remarque qu’il y a
exactement 16 (n2 dans le cas général) inconnues à déterminer. On peut faire le produit des matrices
On obtient immédiatement :
l11 a11
l 21 a 21
l 31 a 31
l41 a41
On obtient :
a12
l11 u12 a12 u12
l11
a13
l11 u13 a13 u13 si l11 0
l11
a14
l11 u14 a14 u14
l11
49
On a donc la 1ère ligne de U.
a23 l 21 u13
l 21 u13 l 22 u23 a23 u23
l 22
a24 l 21u14
l 21 u14 l 22 u24 a24 u24
l 22
On a :
On a :
50
On a :
l41 u14 l42 u24 l43 u34 l44 a44 l44 a44 l41 u14 l42 u24 l43 u34
1ère ligne de U :
a1i
u1i pour i 2,3, ...,n (15)
l11
Pour i 2, 3, 4,..., n 1
Calcul du pivot :
i 1
lii aii lik uki (16)
k 1
Pour j i 1, i 2, ..., n :
Calcul de la ie colonne de L :
i-1
l ji a ji l jk uki (17)
k 1
Calcul de la ie ligne de U
i-1
aij lik ukj
k 1
uij (18)
lii
Calcul de
n-1
lnn : lnn ann lnk ukn (19)
k 1
51
b1
y1
l11
i-1
bi lik yk
k 1
Pour i 2, 3, 4 , ..., n : yi
lii
i-1
bi lik yk
k 1
i 2, 3, 4 , ..., n : yi (20)
lii
xn yn
n
Pour i ( n 1 ), ( n 2 ), ..., 1 : xi yi uik xk
k 1 1
n
i ( n 1 ), ( n 2 ), ..., 1 : xi yi uik xk (21)
k 1 1
Remarques :
1. L’algorithme précédent ne fonctionne que si les pivots l ii sont tous non nuls. Ce n’est pas
toujours le cas et il est possible qu’il faille permuter deux lignes pour éviter cette situation tout
comme pour l’élimination de Gauss. Les coefficients l ii sont encore appelés pivots.
2. Une fois utilisés, les coefficients de la matrice A ne servent plus à rien. Ils peuvent être
détruits au fur et à mesure que la décomposition progresse. De ce fait, on peut les remplacer par
les valeurs l ij ou uij selon le cas. C’est ce que l’on appelle la notation compacte qui permet
Définition
La notation compacte de la décomposition L U est la matrice de coefficients :
52
être tout de même pris en compte. De façon plus rigoureuse, la notation compacte revient à mettre
en mémoire la matrice L U I et à détruire la matrice A .
Exercice
Décomposer en un produit L U le système d’équation linéaire suivant :
3 1 2 x 1 12
1
2 3 x 2 11
2 2 1 x 3 2
et le résoudre.
Solution
Pour illustrer la notation compacte, on remplacera au fur et à mesure les coefficients a ij par
l ij ou uij ; les cases que nous allons mettre souligneront que les éléments a ij correspondant
1) 1ère colonne de L
C’est tout simplement la 1ère colonne de A
3 1 2
1 2 3
2 2 1
2) 1ère ligne de U
Le pivot de la 1ère ligne est 3. On divise donc la 1ère colonne de A par 3
3 1 / 3 2 3
1 2 3
2 2 1
3) 2e colonne de L
Pour trouver la 2e colonne de L, on a dans l’algorithme la relation (17)
53
1 7
l 22 a 22 l 21 u12 2 1
3 3
1 4
l 32 a 32 l 31 u12 2 3
3 3
3 1 / 3 2 3
1 7 3 3
2 4 3 1
4) 2e ligne de U
(18) donne :
a 23 l 21 u13 3 1( 2 / 3 )
u23 1
l 22 7/3
3 1 / 3 2 3
1 7 3 1
2 4 3 1
5) Calcul de l33
l 33 a 33 l 31 u13 l 32 u23
De (19)
1 2( 2 / 3 ) ( 4 / 3 )( 1 ) 1
3 1 / 3 2 3
1 7 3 1
2 4 3 1
54
3 0 0 1 1 3 2 3
A 1 7 3 0 0
1 0
2 4 3 1 0 0 1
L U
6) Résoudre L y b
La descente triangulaire donne :
b1 12
y1 4
l 11 3
b2 l 21 y1 11 1( 4 )
y2 3
l 22 7 3
b3 l 31 y1 l 32 y 2 2 2( 4 ) ( 4 / 3 )( 3 )
y3 2
l 33 1
y 4 3 2
T
7) Résolution de U x y
La remontée triangulaire donne :
x3 2
x 2 y 2 u23 x 3 3 1( 2 ) 1
x 1 y1 u12 x 2 u13 x 3
1 ( 1 / 3 )( 1 ) ( 2 / 3 )( 2 ) 3
3
x 1 est la solution recherchée
2
Comme on l’a déjà souligné, l’algorithme de décomposition L U exige que les pivots l ii soient
non nuls. Dans le cas contraire, il faut permuter deux lignes. Contrairement à la méthode
d’élimination de Gauss, la décomposition L U utilise le terme de droite b à la toute fin au
moment de la descente triangulaire L y b . Si l’on permute des lignes on doit garder la trace de
façon à effectuer les mêmes permutations sur b . A cette fin on introduit un vecteur O dit vecteur
de permutation qui contient tout simplement la numérotation des équations.
55
Remarque
Dans une décomposition L U , la permutation de ligne s’effectue toujours après le calcul de chaque
colonne de L . On place en position de pivot le plus grand terme en valeur absolue de cette colonne
(sous le pivot actuel) pour des raisons de précision.
Solution :
0 2 1
Soit A 1 0 0 la matrice de départ et le vecteur de permutation O 1 2 3
T
3 0 1
1. 1ère colonne de L
Puisqu’il s’agit de la 1ère colonne de A, on a :
pivo 0 2 1 1
1 0 0
t O 2
3 0 1 3
et
Le vecteur de permutation n’est pas encore modifié mais on a un pivot nul. On effectue
l’opération l 1 l 3 . On aurait tout aussi bien pu permuter la ligne 1 et la ligne 2 mais on
choisit immédiatement le plus grand pivot possible en valeur absolue. Ainsi, le vecteur de
permutation O est alors modifié. On a :
pivot 3 0 1 3
1 0 0 O 2
0 2 1 1
56
2. 1ère ligne de U
Ici, il suffit de diviser cette ligne par le nouveau pivot 3
3 0 1 3 3
1 0 0
O 2
0 2 1 1
3. 2e colonne de L
l 22 a 22 l 21 u12 0 1( 0 ) 0
De (17) on tire
l 32 a 32 l 31 u12 2 0( 1 ) 2
Maintenant :
3 0 1 3 3
1 0 0 O 2
0 2 1 1
Et encore on a un pivot nul qui oblige à intervertir les lignes 2 et 3 et à modifier O en
conséquence. Donc on a :
3 0 1 3 3
0 2 1 O 1
1 0 0 2
4. Calcul de u23
a 23 l 21 u13 1 0( 1 / 3 ) 1
De (18) u 23
l 22 2 2
3 0 1 3 3
0 2 1 2 O 1
1 0 0 2
57
5. Calcul de l33
l 33 a 33 l 31 u13 l 32 u23
0 1( 1 / 3 ) 0( 1 / 2 ) 1 / 3
3 0 1 3 3
0 2 1 2 O 1
1 0 1 3 2
Remarquons que :
3 0 0 1 0 1 3 3 0 1
0 2 0 0 1 1 2 0 2 1
1 0 1 3 0 0 1 1 0 0
L U A perturbée suivant O
L’équation à résoudre est Ax b , et compte tenue de O on résout d’abord
2 3 0 0 y 1 2
L y 5 0 2 0 y 2 5
1 1 0 1 3 y 3 1
y 2 3 5 2 1
T
La descente triangulaire donne :
On résout ensuite :
1 0 1 3 x 1 2 3
U x y 0 1 1 2 x 2 5 2
0 0 1 x 3 1
x 1 2 1
T
58
Remarque
détA ( 1 )( 1 ) ( 3 )( 2 )( 1 3 )
2 permutatio ns
comme on a permuté deux lignes deux fois, le déterminant a changé de signe 2 fois cela nous amène
au théorème suivant :
THEOREME
Le calcul de la matrice inverse A 1 est rarement nécessaire. En effet, il est inutile de calculer A 1
pour résoudre un système linéaire. Cependant, si pour une raison ou pour une autre on souhaite
calculer cet inverse, il est important de suivre le bon cheminement afin d’éviter les calculs longs et
parfois inutiles.
x A 1 b
Pour déterminer la matrice inverse, il suffit de remarquer que le produit d’une matrice par le
vecteur e i dont toutes les composantes sont nulles sauf la ième qui vaut 1 donne la ième colonne de
la matrice A.
Exempe
Soit la matrice suivante :
1 2 3
A 4 5 6
7 8 9
59
En multipliant A par le vecteur e3 0 0 1T on a la 3e colonne de A, donc :
A e3 3 6 9
T
e 1 1 0 0 A e 1 1 4 7
T T
de A 1 on a :
Ci
A 1 A 1 e i C i ou ei AC i
AA e
1
i AC i
I e i AC i
e i AC i
e i AC i
(24)
La résolution de (24) donne la ième colonne de A 1 . On peut donc affirmer que le calcul de A 1 est
équivalent à la résolution de n systèmes linéaires (1 par colonne de A 1 ).
Remarque
Puisque le calcul de A 1 est équivalent à la résolution de n systèmes linéaires il est clair qu’il ne
faut jamais calculer A 1 pour résoudre un système linéaire. Il vaut mieux utiliser directement une
décomposition L U sans passer par l’inverse.
0 2 1
Exercice : Calculer l’inverse de la matrice suivante : A 1 0 0
3 0 1
Solution
La décomposition L U de A est déjà obtenue à partir de l’exemple précédent, soit on a :
60
3 0 0 1 0 1 3 3
0 2
0 0 1 1 2 O 1
1 0 1 3 0 0 1 2
L U
On aura recours encore une fois au vecteur de permutation O . Pour obtenir la matrice
inverse, on doit résoudre les trois systèmes linéaires suivants :
A C 1 e1 A C2 e 2 A C3 e3
A C1 e1 L U
C
1 e1
y
1
(1)
En posant :
U C1 y
1
(1) devient :
L y e1
1 (2)
0
e1 1
0
y
y y12
11
Si
1
y
13
(2) devient :
61
3 0 0 y 0
0 2 0 y11 1
12
1 0 1 / 3 y13 0
On va résoudre ensuite U C1 y
1
1 0 13 C 0
0 1 2 C12 1 2
11
1
0 0 1 C13 0
C 1 0 1 2 0
T
2.) La résolution du second système A C2 e2 donne :
C2 1 3 2 3
T
C3 0 1 2 1
T
0 1 0
A 1
1 2 3 2 1 2
0 3 1
62
5.1. Norme vectorielle
Une norme vectorielle est une application de R n dans R R n R qui associe à tout vecteur x
un scalaire noté x x x et qui vérifie les trois propriétés suivantes :
la norme d’un vecteur est toujours strictement positive sauf si le vecteur a toutes ses
composantes nulles c à d :
x 0 sauf si x 0 (25)
x x
(26)
x y x y
(27)
Toute application vérifiant ces trois propriétés est une norme vectorielle. La plus connue est la
norme euclidienne.
THEOREME
La norme Euclidienne vérifie les trois propriétés d’une norme vectorielle.
5.3. Norme l 1 et l
La norme l 1 est définie par :
n
x xi
1 i 1 (29)
63
Tandis que la norme l est définie par :
x max xi
1 i n
(30)
Solution
x x1 x 2 x 3
1
1 3 8 12
x max 1 , 3 , 8 8 8
x x 12 x 22 x 32
e
1 9 64 74
A 0 sauf si A O
(31)
A A
(32)
A B A B
(34)
64
Toute application qui vérifie ces quatre propriétés est une norme matricielle.
(consiste à sommer en valeur absolue chacune des colonnes de A et choisir la plus grande somme)
n
2. A max a ij
1 i n
j 1
c’est l’équation de la norme euclidienne des matrices, on l’appelle quelques fois la norme de
Frobénius.
1 2 5
1 5
Exercice : soit la matrice A 3
1 9 0
Déterminer A 1 , A , A 2 .
Solution :
A 1 max( 5 ,12 ,10 ) 12
A max( 8 ,9 ,10 ) 10
A 2 1 2 2 5 3 1 2 5 1 2 9 0 2
2 2 2 2 2
147
Lorsqu’on s’intéresse aux systèmes linéaires on doit souvent manipuler des produits de matrices par
des vecteurs d’où l’intérêt de la définition :
Définition :
Une norme vectorielle et une norme matricielle sont dites compatibles si la condition
Ax A x
(35)
65
Remarque
Les normes vectorielle et matricielle ne sont pas toutes compatibles entre elles. On démontre que :
x et A 1
1
x et A
x et A 2
e
1 2 5
A 3 1 5
1 9 0
Vérifier la compatibilité conditionnée par l’expression (35).
Résolution
- 33
A x 34
28
A 1 12 x 12
1
A 10 x 8
A 2
147 x 74
e
A x 33 34 28 95
1
norme l 1 : 95 12 12
66
norme l : 34 10 8
Remarques
1. Le conditionnement dépend de la norme matricielle utilisée. On utilise le plus souvent la
norme l A
1 CondA (37)
Le conditionnement est important pour déterminer la sensibilité d’une matrice aux erreurs
d’arrondie et de représentation sur ordinateur.
e x x*
67
r b Ax Ax Ax *
A
xx
* Ae
e
e A 1 r
(39)
r A e
r
on peut tirer e (40)
A
r
e A 1 r (41)
A
en faisant le même raisonnement avec les égalités Ax b et x A1 b , on trouve ce qui suit :
b
x A1 b
A
1 1 A
(42)
A 1 b x b
En multipliant les inégalités (41) et (42), on obtient le théorème fondamental suivant :
r e A1 A r
A A1 b x b
d’où
68
THEOREME
1 r e r
CondA (43)
CondA b x b
Remarques
e
1. Le terme du milieu représente l’erreur relative entre la solution exacte x et la solution
x
approchée x * .
2. Si le conditionnement de la matrice est près de 1, l’erreur relative est comprise entre deux
valeurs très près l’une de l’autre. Si la norme du résidu est petite, l’erreur relative est
également petite et la précision de la solution approximative toutes les chances d’être
satisfaisante.
3. Par contre si le conditionnement de la matrice A est grand, la valeur de l’erreur relative est
quelque part entre 0 et un nombre possiblement très grand. Il est donc à craindre que l’erreur
relative soit alors grande, donc que la solution approximative soit de faible précision et
même, dans certains cas complètement fausse.
4. Même si la norme du résidu est petite, il est possible que l’erreur relative liée à la solution
approximative soit quand même très grande.
5. Plus le conditionnement de la matrice A est grand, plus on doit être attentif à l’algorithme
de résolution utilisée.
6. Il importe de rappeler que même si une matrice est bien conditionnée, un mauvais
algorithme de résolution peut conduire à des résultats erronés.
On peut obtenir une autre inégalité qui illustre le rôle du conditionnement d’une matrice quant à la
précision de la solution numérique d’un système linéaire. Soit le système linéaire Ax b .
Lorsqu’on résout un tel système sur ordinateur où la représentation des nombres n’est pas toujours
exacte, on résout en fait le système suivant :
A E x b
où la matrice E représente une perturbation du système initial due par exemple aux erreurs de
représentation sur ordinateur des coefficients de A . La matrice E peut également représenter les
erreurs de mesure lorsque les coefficients de la matrice A sont obtenus expérimentalement, ce qui
x x* A1 E x *
A A 1 E x *
(34) et (35) x x * A 1 E x *
A
THEOREME
x x* E
CondA
x* A
Remarques
1. Le terme de gauche est une approximation de l’erreur relative entre la solution exacte et la
70
1. Calculer une approximation de CondA c à d le facteur de conditionnement de A . On
utilisera la norme
.
Sans résoudre le système linéaire, calculer une borne supérieure et une borne
X X*
inférieure de .
X
1. Calcul de CondA
C CondA A
A 1
6 0 ,49 2 ,94
49 ,0
74 ,0
X X* A B
1
24 ,0
49 ,0
On rappelle que :
1 R X X* R
C
C B X B
B
200
71
100 4 1 1 0 49 ,0 2
200 1 4 0 1 74 ,0 2
R B AX * R 2
0 1 0 4 1 24 ,0 2
100 0 1 1 4 49 ,0 2
1 R 1 2
0 ,00340
C B 2 ,94 200
R 2
C 2 ,94 0 ,0294
B
200
donc
X X*
0,00340 0 ,0294
X
3. Raffinement itératif
E E A 1 R
R A R E*
résidu erreur
49 ,0 0 ,98 49 ,98
74 ,0 0 ,98 74 ,98
X X * E*
24 ,0 0 ,98 24 ,98
49 ,0 0 ,98 49 ,98
72
CHAPITRE 4
I. Introduction
La résolution numérique des grands systèmes linéaires (grandes tailles) peut parfois nécessiter
l’emploi des méthodes autres que la décomposition L U . La raison principale est que la
décomposition L U requiert la mise en mémoire d’une matrice de très grande taille avec peu de
possibilité de comprimer cette information. Les méthodes itératives en revanche permettent de ne
placer en mémoire que les coefficients non nuls d’une matrice. Cela est particulièrement important
avec les matrices creuses dont une grande partie des coefficients sont nuls. La décomposition L U
ne permet pas cette possibilité puisque que le processus même de décomposition tend à remplir la
matrice. En effet, la plupart des coefficients nuls d’une matrice creuse deviennent non nuls au terme
de la décomposition.
Les méthodes itératives possèdent donc des avantages suffisamment importants pour justifier une
recherche active dans ce domaine. Une grande prudence est de mise donc. De plus, les méthodes
itératives, lorsqu’elles convergent ne deviennent vraiment avantageuses que pour les systèmes
linéaires de très grande taille.
Le polynôme p est de degré n et possède donc n racines réelles ou complexes conjuguées.
A I x 0 ou Ax Ix x (2)
possède des solutions non nulles. En effet, le système (2) possède toujours la solution x 0 . Si
est une valeur propre, il existe également d’autres solutions.
Une solution non nulle du système (2) est appelée vecteur propre de A associée à la valeur
propre .
p 2 3 6
p 2 3 6 0
9 24 15 15 i 2
3 i 15 3 i 15
1 2
2 2
A max i (3)
1 i n
74
où i est le module complexe de la valeur propre i de A .
1 4
Exercice : On donne la matrice A
2 3
Déterminer le rayon spectral de A .
Solution :
1 4
dét A I 2 4 5
2 3
p 2 4 5 0 1 5 2 1
1 5 2 1 1 5 et 2 1
A max 5 ; 1 5
THEOREME
lim An 0
n
(5)
75
Exemple :
1 2 0
A
1 3 1 4
1 2 0
dét A I 1 2 1 4 0 1 1 2 et 2 1 4
13 1 4
1 4 0
A2
1 4 1 16
0,97656 10 3 0,0
A10 2 6
0,13008 10 0,95367 10
0,88818 10 15 0,0
A
50
4
0,11842 10 0,788886 10 30
lim A n 0
n
a 31 x1 a 32 x 2 a 33 x 3 a 3 n x n b3
(7)
an 1 x1 a n 2 x 2 an 3 x 3 a nn xn bn
On suppose pour l’instant que tous les éléments de la diagonale sont non nuls aii 0 , i .
76
A partir d’une approximation initiale de la solution notée x x10
0
x20 x30 xn0 T
(comme
dans toute méthode itérative) on construit l’algorithme suivant :
1 n
x1k 1 b1 a1 j x kj
a11 j2
1 n
x 2k 1 b2
a 22
a2 j x kj (8)
j 1 , j 2
1 n
x 3k 1
a 33
b3 3j j
a x k
j1 , j 3
1 n 1
x nk 1 bn a nj x kj
a nn
j 1
qui consiste à isoler le coefficient de la diagonale de chaque ligne du système. C’est la méthode dite
de Jacobi.
Si l’un des éléments diagonaux est nul, il est parfois possible de permuter certaines lignes pour
éviter cette situation. Plus généralement, on écrit :
1 n (9)
bi a ij x kj
x ik 1
a ii
j 1, j i
Exercice 1 : Résoudre le système suivant par la méthode de Jacobi
3 x1 x2 x3 2
x 1 5 x 2 2 x 3 17
2 x x 6 x 18
1 2 3
Solution :
i1 x1k 1
1
a11
1
b1 a12 x2k a13 x3k 2 a12 x2k a13 x3k
3
i2 x2k 1
1
a 22
1
b2 a21 x1k a23 x3k 17 x2k 2 x2k
5
i3 x3k 1
1
a33
1
b1 a12 x2k a12 x2k 18 2 x2k x2k
6
77
x 0 0
0
1
A partir de x x20 0 , on trouve :
x 0 0
3
1ère itération :
x11
1
3
3
2 x20 x30 2 0 0
1 2
3
1
x 21 17 x10 2 x 30
5
17
5
1
x 31 18 2 x10 x20 3
6
x 2 / 3 17 / 5 3T
1
2e itération
x 12
1
1
2 x 21 x 31 2
3
17 8
3
3 5 15
1
1 2
31
x 22 17 x 11 2 x 31 17 6
5
5 3 15
x 32
1
6
1
2 17
18 2 x 11 x 21 18 2
6
2 ,655556
3 15
x 8 / 15 31 / 15 2 ,655556
2 T
k x1k x 2k x 3k
78
1 2 3
A D Ti Ts (10)
où
a11
a 22
D
ann
Le système linéaire : Ax b
devient :
D Ti Ts x b
D x Ti Ts x b
x D 1 Ti Ts x D 1 b
x TJ x CJ
où TJ D 1 Ti Ts et CJ D 1 b
79
k 1 k
x TJ x CJ
matrice TJ est de grande taille, le calcul de TJ s’avère difficile. On contourne ce problème en
Définition
n
aii aij , i
j 1, j i
cette définition signifie que le terme diagonal a ii de la matrice A est nettement dominant puisque
sa valeur absolue est plus grande que la somme des valeurs absolues de tous les autres termes de la
ligne.
A A
(11)
THEOREME
80
n
xik 1
1 b k
aii i ij j
a x (12)
j 1, j i
qui peut aussi s’exprimer comme suit :
1 i 1 n
xik 1 bi aij x kj aij x kj
aii j 1 ji 1
1 i 1 n
xik 1 bi aij x kj 1 ij j
a x k
aii
j 1 ji 1 (13)
D 1 b Ti x TS x
k 1 k 1 k
x
ou encore
k 1
Ti Dx
k
b TS x
ou enfin
k 1
Ti D TS x Ti D b
1 k 1
x
TGS CGS
3 x1 x 2 x 3 2
x 1 5 x 2 2 x 3 17
2 x x 6 x 18
1 2 3
x 1k 1
1
a 11
b1 a 12 x 2k a 13 x 3k
x 1k 1
1
3
2 x 2k x 3k
81
x 2k 1
a 22
b2 a 21 x1k 1 a 23 x 3k
1
x 2k 1 17 x1k 1 2 x 3k
1
5
x 3k 1
1
a 33
b3 a 31 x1k 1 a 32 x 2k 1
x 3k 1 18 2 x1k 1 x 2k 1
1
6
Partant de x 0 0 0 T , on a :
0
1ère itération
x 11
1
2 0 0 2
3 3
1 2 49
x 21 17
5 3 15
1 2 49 241
x 31 18 2
6 3 15 90
D’où le tableau
k x 1k x 2k x 3k
82
On constate que pour un même nombre d’itérations, la solution approximative obtenue par la
méthode de Gauss-Seidel est plus précise. La méthode de Gauss-Seidel converge généralement plus
vite que la méthode de Jacobi mais pas toujours.
THEOREME
83
CHAPITRE 5
1. Introduction
Les phénomènes non linéaires sont extrêmement courants en pratique. Sans doute, ils sont plus
fréquents que les phénomènes linéaires. Dans ce chap. on examinera les systèmes non linéaires.
Les méthodes de résolution des systèmes non linéaires sont nombreuses et on ne présentera dans ce
chap. que la méthode la plus importante et la plus utilisée en pratique, la méthode dite de Newton.
2. Méthode de Newton
2.1. Principe
Le problème consiste à trouver le ou les vecteurs
x x1 x3 xn
T
x2
f 1 x1 , x 2 , x 3 , , x n 0
f 2 x1 , x 2 , x 3 , , x n 0
f 3 x1 , x 2 , x 3 , , x n 0
(1)
f n x1 , x 2 , x 3 , , x n 0
Contrairement au système linéaire, il n’y a pas de conditions simples associées aux systèmes non
linéaires qui permettent d’assurer l’existence et l’unicité de la solution. Le plus souvent, il existe
plusieurs solutions possibles et seul le contexte indique laquelle est bonne.
L’application de la méthode de Newton à un système de deux équations non linéaires est suffisante
pour illustrer le cas général.
f 1 x1 , x 2 0
f x , x 0
2 1 2
84
Soit x 10 , x 20 une approximation initiale de la solution de ce système ; cette approximation initiale
est cruciale et doit toujours être choisie avec soin. Le problème est de déterminer une correction
que nous appelons x 1 ,x 2 à x 10 , x 20 de telle sorte que :
f 1 x 10 x1 , x 20 x 2 0
f 2 x10 x1 , x 20 x 2 0
Pour déterminer x 1 ,x 2 il suffit de faire un développement de Taylor à deux variables pour
chacune des deux fonctions :
f 1 x 10 x 1 , x 20 x 2 f 1 x 10 , x 20
x 1 f 1 x 10 , x 20 x
f 1 x 10 , x 20
2
0
1! x 1 1! x 2
f 2 x 10 x 1 , x 20 x 2
f 2 x 10 , x 20
x 1 f 2 x 10 , x 20 x
f 2 x 10 , x 20
2
0
1! x 1 1! x 2
x 1
f 1 x 10 , x 20
x 2
f 1 x 10 , x 20
f 1 x 10 , x 20
x 1 x 2
x 1
f 2 x 10 , x 20
f x 0 , x 0
x 2 2 1 2 f 2 x 10 , x 20
x 1 x 2
f 1 x
f 1 x 10 , x 20 x 1
0
, x 20
x 1
1
x 2
f 1 x1 , x2
0 0
f 2 x 0
, x 20
f 2 x 10 , x 20
1
x 1 x 2 x 2 f 2 x 10 , x 20
J x 10 , x 20 x R x 10 , x 20
85
où J x 10 , x 20 désigne la matrice des dérivées partielles qu’on appelle matrice Jacobienne, évaluée
au point x 10 , x 20 ;
On pose ensuite :
x 11 x 10 x 1
1
x 2 x 2 x 2
0
qui est la nouvelle approximation de la solution du système non linéaire. On cherchera par la suite à
corriger x 11 , x 21 d’une nouvelle quantité x et ce jusqu’à convergence.
De manière plus générale, on pose :
i
f 1 x f 1 x i f 1 x i
x 1 x 2 x n
i
f 2 x f 2 x i f 2 x i
J x
x1 x 2
x n
f n x i f n x i f n x i
x x 2 x n
1
x i x 1i x 2i x ni
T
De plus, on pose :
86
i
f 1 x
x 1
i
f 2 x x 2
i
R x et x
x
f x i n
n
2.2. Algorithme
1. Etant donné un critère d’arrêt.
2. Etant donné N le nombre maxi d’itérations.
3. Etant donné x 0 x 10 x 20 x 30 x n0 T
une approximation initiale de la solution du
système
4. Résoudre le système linéaire :
J x x R x
i i
(3)
Poser :
x i 1 x x
i
x
5. Si et R x i 1 :
x i 1
convergence atteinte ;
écrire la solution x i 1 ;
arrêt.
6. Si le nombre maxi d’itérations N est atteint :
convergence non atteinte en N itérations ;
arrêt.
7. Retour à l’étape 4.
x 2 e x1 (1)
C O , R M x 1 , x 2 P / d O , M R
d O , M OM x 1 M x 1O 2 x 2 M x 2 O 2
x1 x 2 R
2 2
x1 x 2 R 2
2 2
(2)
x1
e x2 0
x12 x22 16
Le graphique des deux courbes montre que le système non linéaire a deux solutions.
x 0 2 ,8 2 ,8
T
e x1 1
J x1 , x 2
2 x 2 x 2
1
1ère itération :
88
Le système (3) devient :
e 2 ,8 1 x 1 e 2 ,8 2 ,8
2( 2 ,8 ) 2( 2 ,8 ) x 2
2 ,8 2 ,8 16
2 2
0 ,7789
x
0 ,83604
x 21 x 20 x 2 2 ,8 0 ,83604 3 ,63604
x 2 ,0211 3 ,63604
1 T
2e itération :
89
0 ,5048
Dont la solution est : x
0 ,10166
x 2 1 ,5163 3 ,7371
T
x 1 ,3281 3 ,7781
5 T
Remarques
0
1) La convergence de la méthode de Newton dépend de l’approximation initiale x de la
0
solution. Un mauvais choix du vecteur x peut résulter en un algorithme divergent.
2) On démontre que lorsqu’il y a convergence de l’algorithme, cette convergence est
généralement quadratique dans le sens suivant :
2
i 1
x x C x x i
90
CHAPITRE 6
INTERPOLATION - APPROXIMATION
1. Introduction
Le problème à résoudre ici est le suivant : à partir d’une fonction f x connue seulement en
de f x et ce pour tout x ?
Autrement dit, si on ne connaît que les points de collocation x i , f x i d’une fonction, peut-on
Il s’agit d’un problème d’interpolation dont la solution est relativement simple. Il suffit de
construire un polynôme de degré suffisamment élevé dont la courbe passe par les points de
collocation. On parle alors du polynôme de collocation ou polynôme d’interpolation.
THEOREME
Un polynôme de degré n dont la forme générale est :
pn x a0 a1 x a2 x 2 a3 x 3 an x n an 0
(1)
possède très exactement n racines qui peuvent être réelles ou complexes conjuguées (on
sait que r est une racine de pn x si pn r 0 )
CORROLAIRE
Remarque
Le polynôme d’interpolation passant par n 1 points donnés est unique. Il reste à en assurer
l’existence, en le construisant au moyen de méthodes diverses.
91
2. Matrice de VANDERMONDE
Une 1ère méthode de construction du polynôme d’interpolation consiste à déterminer les inconnues
a i du polynôme (1) en vérifiant directement les n 1 équations de collocation :
pn x i f x i pour i 0 ,1,2 , , n
ou encore
a0 a1 x i a 2 x i2 a 3 x i3 a n x in f x i
1 x0 x02 x0n a0 f x0
1 x1 x12 x1n a1 f x1
1 x2 x 22 x 2n a 2 f x 2
(2)
1
xn x n2 x nn a n f x n
Remarque
La matrice de ce système linéaire porte le nom de matrice de Vandermonde. On montre que le
conditionnement de cette matrice augmente fortement avec la taille n 1 du système. De plus,
comme on le verra plus loin dans ce chap., il n’est pas nécessaire de résoudre un système linéaire
pour calculer un polynôme d’interpolation. Cette méthode est donc rarement utilisée.
Exercice
Trouver le polynôme passant par les points (0, 1), (1, 2), (2, 9), (3, 28) par la méthode de
Vandermonde.
Solution : Etant donné ces 4 points, le polynôme recherché est tout au plus de degré 3. Ses
coefficients a i sont solution de :
1 0 0 0 a0 1
1 a
1 1 1 1 2
1 2 4 8 a 2 9
1 3 9 27 a 3 28
92
dont la solution (obtenue par la décomposition L U ) est 1 0 0 1 . Le polynôme
T
recherché est :
p3 x 1 0 x 0 x 2 1 x 3 1 x 3
3. Interpolation de LAGRANGE
C’est une façon simple et systématique de construire un polynôme de collocation. Etant donné
n 1 points x i , f x i pour i 0 ,1,2 , , n , on suppose que l’on sait construire n 1
polynômes Li x de degré n satisfaisant les conditions suivantes :
Li xi 1 ; i
Li x j 0 ; j i
Cela signifie que le polynôme Li x de degré n prend la valeur 1 en x i et s’annule à tous les
L x f x i Li x
n
i0
est un polynôme de degré n , car chacun des Li x est de degré n . De plus, ce polynôme passe par
Polynôme de degré 1
Il s’agit de déterminer le polynôme de degré 1 dont la courbe (une droite) passe par deux points
x0 , f x0 et x1 , f x1 . On doit donc construire deux polynômes L0 x et L1 x de degré 1
vérifiant :
L0 x 0 1 L1 x 0 0
L0 x 1 0 L1 x 1 1
93
Le polynôme L0 x doit s’annuler en x x 1 . On pense immédiatement au polynôme x x 1 qui
x x1
L0 x
x0 x1
x x0
L1 x
x1 x0
p1 x f x i Li x f x0 L0 x f x 1 L1 x
1
i0
Solution :
x0 2 f x0 3 , x1 5 f x 1 6
x x1 x x0
p1 x f x 0 f x1
x0 x1 x1 x0
x5 x2
3 6
25 52
p 1 x 3 x 9
Polynôme de degré 2
Pour trouver le polynôme de degré 2 passant par les trois points suivants x0 , f x0 ,
x1 , f x1 et x 2 , f x 2 , on doit construire les polynômes L0 x , L1 x et L2 x . Ces trois
x x1 x x 2
L0 x
x0 x1 x0 x 2
94
x x0 x x 2
L1 x
x 1 x0 x 1 x 2
x x0 x x1
L2 x
x 2 x0 x 2 x1
p2 x L0 x f x0 L1 x f x1 L2 x f x2
Exercice : Trouver l’équation de la parabole (polynôme de degré 2) passant par les points
1, 2 , 3 , 7 et 4 , 1 .
Solution :
p2 x 2
x 3 x 4 7 x 1 x 4 ( 1 ) x 1 x 3
1 3 1 4 3 13 4 4 11 3
p2 x
x 3 x 4 7 x 1 x 4 x 1 x 3
3 2 3
7 x 2 37
p2 x
34
x
2 2 2
Polynôme de degré n
On analyse le cas général de la même façon ; étant donné les points x i , f x i pour
i 0 ,1,2 , , n , le polynôme de degré n passant par ces points est donné par l’expression que
voici :
n
pn x f x L x
i 0
i i
Li x
x x0 x x1 x x i 1 x x i 1 x x n
x i x0 x i x1 x i x i 1 x i x i 1 x i x n
(3)
95
THEOREME
polynôme d’interpolation de degré n passant par tous ces points peut s’écrire :
n
p n x f x i Li x
i 0
Solution :
p3 x 1
x 1 x 2 x 3 2 x 0 x 2 x 3
0 10 2 0 3 1 0 1 2 1 3
9
x 0 x 1 x 3 28 x 0 x 1 x 2
2 0 2 12 3 3 0 3 13 2
p3 x x 3 1
Remarque :
La méthode d’interpolation de Lagrange présente l’inconvénient majeur de ne pas être récursive. En
effet, si on souhaite passer d’un polynôme de degré n à un polynôme de degré n 1 (en ajoutant
un point de collocation), on doit reprendre tout le processus à zéro. On corrigera cette situation en
étudiant dans le paragraphe suivant, la méthode d’interpolation de Newton.
4. Polynôme de NEWTON
En dépit de la forme la plus utilisée (1) d’un polynôme, il en existe d’autres qui sont plus
appropriées au cas de l’interpolation.
Par exemple : pn x a0
a 1 x x0
a 2 x x0 x x 1
a 3 x x0 x x1 x x 2
an 1 x x0 x x1 x x 2 x xn 2
an x x0 x x1 x x 2 x x n 2 x x n 1 (4)
96
Définition 1 :
f x i1 f x i
f x i , x i 1
x i 1 x i (5)
ères
1 différences divisées
Remarque :
p1 x f x0 f x0 , x1 x x0
Définition 2 :
Les deuxièmes différences divisées de la fonction f x sont définies à partir des 1ères
différences divisées par la relation :
f xi 1 , xi 2 f xi , xi 1
f xi , xi 1 , xi 2
xi 2 xi
2 e différences divisées de f x (6)
De même, les nièmes différences divisées de la fonction f x sont définies à partir des n 1 ièmes
différences divisées de la façon suivante :
Notons que les toutes 1ères différences divisées de f x (soient les 0ièmes différences divisées) sont
Remarque :
On démontre que :
97
p2 x f x 0 f x 0 , x 1 x x 0 f x 0 , x 1 , x 2 x x 0 x x 1
p1 ( x )
passe par les trois premiers points de collocation. De plus, on remarque que ce polynôme de degré 2
s’obtient uniquement par l’ajout d’un terme de degré 2 au polynôme p1 x déjà calculé. En raison
de cette propriété, cette méthode est dite récursive.
THEOREME
pour i 0 ,1,2 , , n peut s’écrire selon la formule de Newton (4) ou encore sous la forme
récursive (8) :
Remarques :
Une fois les coefficients a i connus, on peut évaluer le polynôme de Newton au moyen d’un
algorithme similaire au schéma de Horner. On écrit le polynôme (4) sous la forme :
pn x a0 x x0 a1 x x1 a 2 x x 2 a 3
98
TABLE DES DIFFERENCES DIVISEES
xi f xi f x i , x i 1 f x i , x i 1 , x i 2 f x i , x i 1 , x i 2 , x i 3
x0 f x0
f x0 , x 1
x1 f x1 f x0 , x 1 , x 2
f x1 , x 2 f x0 , x 1 , x 2 , x 3
x2 f x2 f x 1 , x 2 , x 3
f x 2 , x 3
x3 f x3
La construction de cette table est simple ; on s’est arrêté aux 3ièmes différences divisées. Les 1ères
différences divisées découlent de la définition simple à savoir que :
f x 1 f x0
f x0 , x 1
x 1 x0 (10)
f x 1 , x 2 f x0 , x 1
f x0 , x 1 , x 2
x 2 x0
f x 1 , x 2 , x 3 f x0 , x 1 , x 2
f x0 , x 1 , x 2 , x 3
x 3 x0
99
La formule de Newton utilise la diagonale principale de cette table.
Exercice :
Trouver le polynôme d’interpolation de Newton passant par les points
0 , 1, 1, 2 , 2 , 9 et 3 , 28 .
Résolution :
xi f xi f x i , x i 1 f x i , x i 1 , x i 2 f x i , x i 1 , x i 2 , x i 3
a1 a2
0 1
a0
a3
1
1 2 3
7 1
2 9 6
19
3 28
p3 x a0
a 1 x x0
a 2 x x 0 x x 1
a 3 x x 0 x x 1 x x 2
on obtient :
p3 x 1 1 x 0 3 x 0 x 1 1 x 0 x 1 x 2
x3 1
100
Remarques :
5. Erreur d’interpolation
L’interpolation permet, à partir d’un certain nombre de données sur les valeurs d’une fonction,
de faire l’approximation de f ( x ) en tout point x . Toutefois, cette opération entraîne une erreur
d’interpolation qu’il convient d’étudier d’autant plus que les résultats serviront également dans
l’analyse de l’intégration et de la dérivation numériques.
On exprime l’erreur d’interpolation comme suit :
f ( x ) pn x E n x
ou
E n x f ( x ) pn x
E n x i 0 pour i 0 , 1, 2 , , n
et donc que l’erreur d’interpolation est nulle aux points de collocation puisque le polynôme passe
exactement par ces points.
Remarque :
On suppose que les données des points x i , f x i pour i 0 , 1, 2 , , n sont exactes, ce qui
n’est pas toujours le cas.
101
THEOREME : (FORTIN et PIERRE)
est définie dans l’intervalle x0 , x n et qu’elle est n 1 fois dérivable dans l’intervalle
x0 , x n . Alors, pour tout x compris dans l’intervalle x0 , x n , il existe un (x)
f n 1 ( x )
En x x x0 x x1 x xn
n 1 ! (11)
Remarques :
y a tout intérêt à choisir les points x i qui sont situés le plus près possible de x . Ce choix est
utile lorsqu’un grand nombre de points de collocation sont disponibles et qu’il n’est pas
nécessaire de construire un polynôme passant par tous les points. On retient alors seulement
les points de collocation les plus près de x de manière à minimiser l’erreur.
2. La fonction x x0 x x1 x xn est un polynôme de degré n 1 et possède donc
au point x 8 .
Solution :
102
xi f xi f x i , x i 1 f x i , x i 1 , x i 2 f x i , , xi 3 f x i , , xi 4
7 2,645751
0,177124
9 3,000000 - 0,00470299
0,158312 0,000206783
0,144463 0,000129243
13 3,605551 - 0,00268680
0,133716
15 3,872983
p1 x 2 ,645751 0 ,177124 x 7
or d’après (12) :
103
On constate que E 1 8 E 1 8
(1) (2)
p2 x p1 x 0 ,00470299 x 7 x 9
et
E 2 8 f 8 p2 8 0 ,000849135
p3 x p2 x 0 ,000206783 x 7 x 9 x 11
donc
E 3 8 f 8 p3 8 0 ,000228786
104
x x0
s ou encore x x0 s h
h
x xi x x0 ih x x0 ih sh ih s i h
xi (13)
THEOREME
f n 1 ( h )
En x s s 1s 2 s n h
n 1
n 1 ! (14)
pour un certain dans l’intervalle x0 , x n et pour s défini par l’équation (13).
Remarque :
On peut dès lors conclure que le polynôme d’interpolation pn x est une approximation d’ordre
n 1 de la fonction f x . Encore une fois, si on prend des points de collocation situés à une
distance h 2 les uns des autres, l’erreur d’interpolation est diminuée d’un facteur de 2 n 1 .
105
... ...
x0 x1 xi x n x0 nh
x i x0 i h, i entier
x x0 s h, s réel
x x i s i h pour i 0 , 1, 2 , , n
x x0
Pour x donné, s
h
pn x a0 a1 x x0 a 2 x x0 x x1 a n x x0 x x1 x x n1
où
a i y x 0 , , x n différences divisées
f x 0 , , x n i0
a0 f x0 y0
106
n y0
an où n y0 f x i , x i 1 , x i 2 , x i n
n! h n
y 0 2 y 0 3 y 0
pn x y 0 sh s h s 1 h s h s 1 h s 2 h
1! h 2! h 2 3! h 3
n y 0
s h s 1 h s n 1 h
n! h n
s s 1 2 s s 1s 2 3 s s 1 s n 1 n
pn x y 0 s y 0 y0 y0 y0
2! 3! n!
s s s s
pn x y0 y0 2 y0 3 y0 n y0
1 2 3 n
où
s s s 1s 2 s n 1
C ns
n n!
Remarques :
107
Exercice : on considère la table des différences divisées ci-dessous. Interpoler la fonction en
x 0 ,73 en utilisant les points d’abscisses 0 ,4 ; 0 ,6 ; 0 ,8 et 1 .
x y y 2y 3y 4y
0,203
0,2 0,203 0,017
0,220 0,024
x 0 0,4 0,423 0,041 0,020
0,261 0,044
x 1 0,6 0,684 0,085 0,052
x 0,346 0,096
x 2 0,8 1,030 0,181 0,211
0,527 0,307
x 3 1,0 1,557 0,488
1,015
1,2 2,572
Réponse :
x x0
s
h
s s s
h 0 ,2 et p 3 x y0 y0 2 y 0 3 y 0
x 0 ,73 1 2 3
x 0 0 ,4
s s 1 2 s s 1s 2 3
p 3 x y0 s y0 y0 y0
2! 3!
1 ,65 0 ,65
p 3 0 ,73 0 ,423 1 ,65 0 , 261 0 ,085 1,65 0 ,65 0 ,3 50 ,096
2 6
p3 0 ,73 0 ,89 3
108
CHAPITRE 7 :
DERIVATION NUMERIQUE
1. Introduction
Au chap. précédent, on sait qu’une fonction f x connue seulement en quelques points peut être
convenablement estimée à l’aide d’un polynôme de degré n avec une certaine erreur. Plus
précisément :
f x pn x En x (1)
f n 1 x
En x x x0 x x1 x xn
n 1! (1’)
La dérivation numérique peut être abordée de deux manières. La 1ère approche consiste à utiliser le
développement de Taylor et la seconde est fondée sur l’équation (1). Mais on utilise un mélange des
deux approches pour maîtriser le problème.
Ainsi, pour évaluer la dérivée d’une fonction connue aux points x i , f x i pour i 0 , 1, , n ,
il suffit de dériver le polynôme d’interpolation passant par ces points. De plus, le terme d’erreur
associé à cette approximation de la dérivée est tout simplement la dérivée de l’erreur
d’interpolation. Ceci est vrai quelque soit l’ordre de la dérivée.
109
Remarque :
Bien qu’en théorie on soit en mesure d’estimer les dérivées de tout ordre, sur le plan pratique, on
dépasse rarement l’ordre 4. Cela s’explique par le fait que la différentiation numérique est un
procédé numériquement instable.
2. Dérivées d’ordre 1
En dérivant (1’) tout en tenant compte de la dépendance de envers x , on obtient ce qui suit :
f n 2 x ' x
E n' x x x 0 x x 1 x x n
n 1!
'
f n 1 x
x x 0 x x 1 x x n
n 1! I
La dérivée du produit I est plus délicate. Cette dérivée débouche sur une somme de produits où
tour à tour l’un des facteurs x x i est manquant. Il est facile de se convaincre, en reprenant ce
f n 2 x ' x
E n' x x x0 x x1 x xn
n 1!
f n 1 x n
x x
n
n 1! k
j (3)
0 j 0 j k
On peut simplifier quelque peu cette expression complexe en choisissant l’un ou l’autre des points
d’interpolation. En effet, en x x i , le premier terme de droite s’annule faisant disparaître la
dérivée de x qui est inconnue. De la somme, il ne reste qu’un seul terme puisque les autres
f n 1 xi n
E n' x
xi x j
n 1! j 0 j i
xi 1 xi h
110
x i
x j i j h
on obtient :
f n 1 i hn n
E n' xi i j
n 1! j 0 j i
(4)
f n 1 0 h n n f
n 1 n n
0 h
E n' x 0 j j
n 1! j 0 j 0 n 1! j 1
en arrangeant, on a :
1 hn f n 1 0
n
En' x0
n 1! (5)
Remarque :
Définition
Aux points d’interpolation, on a :
le terme pn' x i de l’équation (6) est une formule aux différences finies ou plus simplement une
formule aux différences.
Exemple 1 :
111
p1 x a0 a1 x x0
f x0 f x0 , x 1 x x0
donc f x p x E 1 x
1
f x1 f x0 h f 2 0
f ' x0 pour 0 x0 , x1
h 2
f x0 , x1 (8)
c' est la différence avant d' ordre 1
De la même manière, si on veut évaluer l’équation (7) en x x 1 , la relation (4) avec i 1 donne :
f x1 f x0 f x 1 f x 0 h f 2 1 1
1
f ' x1 E' x 1 1 j
x 1 x0 h 2! j 0 , j 1
ou encore :
2
f x1 f x0 h f 1
f ' x1 pour 1 x0 , x 1
h 2
(9)
Différence arrière d' ordre 1
Remarque :
L’exemple précédent montre que la même différence divisée est une approximation de la dérivée à
la fois en x x0 et en x x 1 . On remarque cependant que le terme d’erreur est différent aux deux
endroits.
112
Exemple 2 :
x2 , f x 2 , on a :
p2 x f x0 f x0 , x1 x x0 f x0 , x1 , x 2 x x0 x x1
Lorsque x prend successivement les valeurs x 0 , x 1 et x 2 , il est facile de montrer que l’on
f x 2 4 f x 1 3 f x 0 h f "' 0
2
f ' x0
2h 3
f x 2 f x0 h f "' 1
2
f ' x1
2h 6
Différence centrée d' ordre 2
3 f x 2 4 f x 1 f x 0 h f "' 2
2
f ' x2
2h 3
Différence arrière d' ordre 2
Remarques :
1. Les termes d’erreurs aux différences finies découlent tous de la relation (7). Les points
0 , 1 , 2 sont situés quelque part dans l’intervalle x0 , x 2 et sont inconnus.
2. Toutes ces formules aux différences sont d’ordre 2. les mentions avant, centré et arrière
renvoient au point où on calcule la dérivée et aux points utilisés pour la calculer. Ainsi, la
différence avant est évaluée en x 0 sur la base des valeurs situées vers l’avant soit en x 1 et
x2 .
On peut toujours chercher à évaluer la dérivée en x . Dans ce cas, on utilise les valeurs de f x h
et de f x 2h pour évaluer la différence avant et les valeurs de f x h et de f x h pour la
différence centrée. En ce qui concerne le terme d’erreur, on ne retient que son ordre. Ainsi :
113
f x h f x
f ' x O h
h
Différence avant d' ordre 1
f x f x h
f ' x O h
h
Différence arrière d' ordre 1
f x 2 h 4 f x h 3 f x
f ' x
2h
O h
2
f x h f x h
f ' x
2h
O h
2
3 f x 4 f x h f x 2 h
f ' x
2h
O h
2
f x 2 h 2 f x h f x
f " x O h
h2
Différence arrière d' ordre 1
114
f x 2 h 2 f x h f x
f" x O h
h2
Différence avant d' ordre 1
f x h 2 f x f x h
f" x
h 2
O h2
f x 2 h 16 f x h 30 f x 16 f x h f x 2 h
f " x
12 h 2
O h4
Différence centrée d' ordre 4
f x 2 h 4 f x h 6 f x 4 f x h f x 2 h
f "" x
h 4
O h2
On démontre que la différentiation est un procédé numériquement instable. Toutes les formules de
différences finies dépendent d’un paramètre h qui est la distance entre les points d’interpolation. On
peut croire de façon intuitive que la précision du résultat augmente à mesure que diminue la valeur
de h. Dans le cas de la différentiation numérique, il y a une limite aux valeurs de h qui peuvent être
utilisées. En effet, en prenant par exemple une différence centrée pour estimer la dérivée 1ère c à d :
f x 0 h f x 0 h
f ' x0
2h
On constate que lorsque h 0, le numérateur contient la soustraction de deux termes très proches
l’un de l’autre.
4. Extrapolation de RICHARDSON
La méthode de Richardson est valable non seulement pour la dérivation et l’intégration numérique
mais aussi pour l’interpolation et la résolution numérique des équations différentielles etc. Cette
115
technique permet d’augmenter la précision d’une méthode d’approximation par une technique
d’extrapolation qu’on verra ici.
Soit une approximation numérique initiale notée Qapp h d’une certaine quantité exacte Qexa
n n 1 n 2
h h h h
Qexa Qapp C n C n 1 C n 2
2 2 2 2 (13)
h
L’approximation Qapp est généralement plus précise que Qapp h . On peut cependant se servir
2
de ces deux approximations pour en obtenir une nouvelle, encore plus précise. L’idée consiste à
combiner les relations (12) et (13) de telle sorte que le terme d’ordre n C n h n disparaisse. Cela
est possible si on multiplie l’équation (13) par 2 n pour obtenir :
h h n 1 h n 2
2 n Qexa 2 n Qapp C n h n C n 1 C n 2
22
2 2
Qexa Qapp h C n h n C n 1 h n 1 C n 2 h n 2
__________________________________________________________
2 n
h
1 Qexa 2 n Qapp Qapp h C n 1 h n 1 C n 2 h n 2
1 3
2 2 4
116
d’où
h
2 n Qapp Qapp h C n 1 hn 1 C n 2 hn 2
1 3
2 2 4
Qexa (14)
2n 1
ou plus simplement :
h
2 n Qapp Qapp h
Qexa 2
O h n 1
2 1
n
Exemple :
pour h 0 ,1
e 0 h e 0 e 0 ,1 e 0
f ' 0 1 ,05170918 Qapp 0 ,1
h 0 ,1
pour h 0 ,05
e 0 ,05 e 0
f ' 0 1 ,0254219 Qapp 0 ,05
0 ,05
117
qui est une approximation d’ordre 2 et donc plus précise de f ' 0 . De même, si on utilise une
différence centrée d’ordre 2, on obtient :
pour h 0 ,05
0 ,05
e 0 ,05
f ' 0
e
1 ,0004167
2 0 ,05
pour h 0 ,025
e 0 ,025 e 0 ,025
f ' 0 1 ,00010418
2 0 ,025
f x h f x h f '" x h 2 f 5 x h 4
2h
f ' x
3!
5!
O h6
Remarque
Il vaut mieux éviter d’utiliser des valeurs de h très petites pour calculer une dérivée à l’aide d’une
formule de différence finie. Il est préférable de choisir une valeur de h pas trop petite et de faire
des extrapolations de Richardson.
118
CHAPITRE 8
INTEGRATION NUMERIQUE
1. Introduction
L’intégration numérique est basée principalement sur la relation :
x f x dx x pn x dx x En x dx
xn x
n x n
0 0 0 (1)
En faisant varier la valeur de n , on obtient les formules de Newton-Cotes. En principe, plus n est
élevé plus grande est la précision liée à la valeur de l’intégrale recherchée. En pratique, les
numériciens emploient des valeurs de n 5 .
Par ailleurs, l’extrapolation de Richardson alliée à l’une des formules de Newton-Cotes, conduit à la
méthode de Romberg, l’une des techniques d’intégration les plus précises.
x f x dx
x1
où f x est une fonction connue seulement en deux points ou encore une fonction n’ayant pas de
primitives. La 1ère idée consiste à remplacer f x par le polynôme de degré 1 passant par les points
x0 , f x0 et x1 , f x1
E1 x dx
x1
x
f x1 0
f x
f x0
x p1 x dx
x1
x0 x1
119
La valeur approximative de l’intégrale correspond à l’aire sous la courbe du polynôme qui donne
son nom à la méthode du trapèze. En effet, cette approximation est grossière et le résultat sera peu
précis.
p1 x a0 a1 x x0 f x0 f x0 , x1 x x0
et
f 2 x
E1 x x x0 x x1
2!
où x x0 , x1
on a :
f x0 f x0 , x1 x1 x0 d x
x1
x0
f 2 x
x x0 x x1 d x
x1
x0 2!
x x
f x0 f x1
x f x dx
x1
1 0
0 2
aire du trapèze
e
x 1 f " x (2)
x x0 x x1 d x
2
x0 !
erreur commise
x x0
s x x0 s h
h
et
120
x x i x x 0 ih x x0 ih
sh ih s i h
donc d x hds .
x1 x0 s h, h sh s 1
f " s
x x 0 x x 1 d x f " s s s 1 h 3d s
x1 1
x 0 2! 0 2!
Soit f 1 x une fonction continue dans l’intervalle a , b et f 2 x une fonction intégrable qui
a f1 x f2 x d x f1 a f2 x d x
b b
(3)
Conclusion :
f x d x
h
f x0 f x1 f " h3 pour x0 , x1
x1
x0 2 12 (4)
121
Exercice
2
Evaluer numériquement par la méthode du trapèze 0 sin x d x
Solution
Analytiquement, on a :
2 2
J sin x d x cos x 0
0
cos cos 0 0 1
2
J 1
J
h
f x0 f x1
2
h 0
2 2
h
J sin 0 sin 0 1
2 2 4
J 0 ,785398164
Qui est une piètre approximation de la valeur exacte J 1 . Ceci est dû au fait que l’on a
approché la fonction f x sin x dans l’intervalle 0 , 2 au moyen d’un polynôme de
degré 1.
Une stratégie intéressante consiste à décomposer l’intervalle où l’on doit faire l’intégration, soit
l’intervalle a , b en n sous-intervalles de longueur
ba
h
n (5)
122
x0 a x1 x2 x n 2 x n 1 xn b
Les différents points engendrés sont notés xi pour i 0 ,1, 2 , , n . Les valeurs aux extrémités
n 1 x n 1
f x d x x f x d x
h
f xi f xi 1
b
a
i 1
i 0 i
i 0 2
a f x d x 2 f x0 f x1 f x1 f x2
b h
f xn 2 f xn 1 f xn 1 f xn
On remarque que tous les termes f x i sont répétés deux fois sauf le premier et le dernier. On
conclut :
a f x dx 2 f x0 2 f x1 f x2 f xn1 f xn
b h
(6)
Remarque :
123
Le raisonnement précédent n’est pas parfaitement rigoureux même si le résultat final est juste. En
effet, dans chaque intervalle xi , xi 1 l’erreur liée à la méthode du trapèze simple devrait faire
intervenir la dérivée seconde en i f " i c à d une valeur de différente pour chaque sous-
intervalle. Un autre théorème de la moyenne est alors nécessaire pour conclure ; l’erreur globale est
donnée par :
ba
f " h a , b
2
pour
12 (7)
Exercice :
2
0 sin x d x
Solution
En prenant 4 sous-intervalles de longueur
h
20
0 /8 /4 3/8 /2
4 8
2 3
J sin x d x sin 0 2 sin sin sin sin
0 8 8 4 8 2
0 ,9871158
On constate une nette amélioration en comparant ce résultat avec celui obtenu pour un seul
intervalle.
En refaisant ce calcul avec 8 intervalles h , on trouve :
16
124
3 5 3 7
h , 2h , 3h , 4h , 5h , 6h ,7 h , 8h
16 8 16 4 16 8 8 2
2 16 3 5 3 7
0 sin x d x
2
sin 0 2 sin
16
sin sin
8 16
sin sin
4 16
sin
8
sin sin
16 2
0 ,9967852
0 ,01288
4 ,025 4 2 2
0 ,0032
Ce qui confirme que cette méthode est d’ordre 2. On peut améliorer le résultat en utilisant la
méthode de Richardson.
2 n Qapp h 2 Qapp
Qexa
2n 1
2 2 0 ,9967852 0 ,9871158
Qexa
22 1
Qexa 1 ,000000833
Remarques
1. La méthode du trapèze avec un seul intervalle est également connue sous le nom de méthode
du trapèze simple.
2. La méthode des trapèzes composée est d’ordre 2. La méthode du trapèze simple, bien que
d’ordre 3 est rarement utilisée car elle est trop imprécise.
3. La méthode des trapèzes composée donne un résultat exact si la fonction f x est un
polynôme de degré ≤ 1. Cela s’explique par la présence de la dérivée seconde de f x dans
le terme d’erreur : celle-ci s’annule dans le cas de polynôme de degré 1.
125
Définitions
p x f x0 f x0 , x1 x x0 f x0 , x1 , x2 x x0 x x1
2
et on a :
f x p2 x f x d x 2 p2 x d x
x2 x
x0 x0
et donc:
s
x x0
h
x xi s i h
Et on a la formule :
0 f x0 f x0 ,
x 1 h s f x 0 , x 1 , x 2 h 2 s s 1 h d s
2 h
f x0 4 f x 1 f x 2
3
où :
126
f x h f x
f x0 , x 1 1 2
et f x 2 2f hx f x
f x0 , x 1 , x 2 2
2
1 0
En résumé
x f x dx 3 f x0 4 f x1 f x 2
x2 h
0
qui est appelée formule de Simpson 1/3 simple ; cette terminologie est due au facteur 1/3 qui
multiplie h.
f 4 5
90
h avec x0 , x 2
d’où :
f 4 5
f x dx f x0 4 f x1 f x 2 h avec x0 , x2
x2 h
x 0 3 90 (8)
Remarque :
La valeur de h exprime toujours la distance entre les points x i , c à d qu’elle équivaut dans ce cas à
Exercice
Evaluer numériquement par la méthode de Simpson 1/3 simple l’intégrale
2
0 sin x d x
Résolution
Déterminons h
127
l 20 1
h et x0 0 , x1 , x2
2 2 4 2 2 4 2
x f x d x 3 f x0 4 f x1 f x 2
x2 h
0
4
x f x d x 3 sin 0 4 sin 4 sin 2
x2
1 ,0022799
Ce résultat est plus précis que l’approximation obtenue par la méthode de trapèze simple.
Mais il demeure peu satisfaisant.
2 f x2 n 2 4 f x2 n 1 f x2 n
b a f 4 h4 (9)
180
pour a , b
Remarques :
1. Tous les termes de rang impair sont multipliés par 4 tandis que ceux de rang pair sont
multipliés par 2, sauf le 1er f x0 et le dernier f x 2 n .
2. La méthode de Simpson 1/3 composée est une méthode d’ordre 4.
De plus en raison de la présence de la dérivée 4ème de f x , cette méthode est exacte dans le cas
des polynômes de degré 3. Le degré de précision de cette méthode est donc 3.
Exercice :
Evaluer par la méthode de Simpson 1/3 composée l’intégrale :
128
2
0 sin x d x
Résolution :
l 20
h
4 4 8
8 2 3
sin
2
0 sin xdx
3
sin 0 4 sin 2 sin
8 8
4 sin
8 2
1 ,0001346
2 16 3
0 sin xdx sin 0 4 sin 2 sin 4 sin
3 16 8
2 sin
16 4
5 3 7
4 sin 2 sin 4 sin sin 1 ,000008296
16 8 16 2
Extrapolation de Richardson
La plus grande précision de la méthode de Simpson composée vient du fait que cette méthode
est d’ordre 4.
2 4 1 ,000008296 1 ,0001346
Qexa 0 ,999999876
24 1
3. Méthode de ROMBERG
La méthode de Romberg est une méthode d’intégration qui permet d’atteindre des résultats très
précis. Elle est basée sur une utilisation astucieuse de la méthode des trapèzes composée (d’ordre 2)
et de la technique d’extrapolation de Richardson.
Soit T1 ,i le résultat obtenu à l’aide de la méthode des trapèzes composée avec 2 i 1 intervalles ; les
129
Pour passer de T1 ,i à T1 ,i 1 on doit doubler le nombre de sous-intervalles, ce qui revient à diviser la
2 2 T1 ,i 1 T1 ,i
T2 ,i (10)
22 1
2 4 T2 ,i 1 T2 ,i
T3 ,i
24 1
2 6 T3 ,i 1 T3 ,i
T4 ,i
26 1 (11)
2 8 T4 ,i 1 T4 ,i
T5 ,i
28 1
T1 ,1 T1 ,2 T1 ,3 T1 ,4 T1 ,5 T1 ,6 ordre 2
T2 ,1 T2 ,2 T2 ,3 T2 ,4 T2 ,5 ordre 4
T3 ,1 T3 ,2 T3 ,3 T3 ,4 ordre 6
T4 ,1 T4 ,2 T4 ,3 ordre 8
T5 ,1 T5 ,2 ordre 10
T6 ,1 ordre 12
Chaque ligne de ce triangle est de deux ordres de convergence plus précise que la précédente. La
1ère ligne est tout simplement constituée des approximations obtenues à l’aide de la méthode des
trapèzes composée avec 1, 2, 4, 8, 16, … intervalles. Pour passer d’une ligne à l’autre, on utilise
l’extrapolation de Richardson pour les relations (10) et (11).
Remarque
130
On montre que la 2nde ligne du triangle n’est autre que le résultat de la méthode de Simpson 1/3
avec respectivement 2, 4, 8, … intervalles. On pourrait donc éliminer la 1ère ligne et commencer
directement avec la méthode de Simpson.
Exercice : Soit une fonction f x connue seulement pour quelques valeurs de x . Evaluer
x f x
0,00 0,3989
0,25 0,3867
0,50 0,3521
0,75 0,3011
1,00 0,2420
Résolution :
Puisqu’il y a en tout 5 points, on peut utiliser la méthode des trapèzes composée avec 1, 2 et 4
intervalles seulement. On a :
T1 ,1
1
f 0 ,0 f 1 ,0 1 0 ,3989 0 ,2420 0 ,32045
2 2
T1 ,2
0 ,5
f 0 ,0 f 0 ,5 f 1 ,0 0 ,336275
2
T1 ,3
14
f 0 ,0 2 f 0 ,25 f 0 ,5 f 0 ,75 f 1 ,0 0 ,3400875
2
T1 ,1 T1 ,2 T1 ,3 ordre 2
T2 ,1 T2 ,2 ordre 4
T3 ,1 ordre 6
131
2 2 T1 ,2 T1 ,1 2 2 0 ,336275 0 ,32015
T2 ,1
22 1 22 1
T2 ,1 0 ,34155
2 2 T1 ,3 T1 ,2 2 2 0 ,3400875 0 ,336275
T2 ,2
22 1 22 1
T2 ,2 0 ,3413583
2 4 T2 ,2 T2 ,1
T3 ,1 0 ,3413456
24 1
0 f x d x T3 ,1 0 ,3413456
1
ordre 6
Remarque
Dans le cas d’une fonction connue seulement en certains points, le nombre de points doit être de la
forme 2 n 1 pour que la méthode de Romberg puisse s’appliquer. En effet, il faut que le nombre
de sous-intervalles soit une puissance de 2. Dans l’exercice précédent, on a 2 2 1 points et 4 sous-
intervalles.
132
CHAPITRE 9
RESOLUTION NUMERIQUE DES EQUATIONS DIFFERENTIELLES
1. Introduction
La résolution numérique des équations différentielles est probablement le domaine de l’analyse
numérique où les applications sont les plus nombreuses.
Soit une équation différentielle d’ordre 1 avec condition initiale. Le problème consiste à déterminer
une fonction y t solution de :
y' t f t , y( t )
y t 0 y0 (1)
La variable indépendante t représente très souvent, mais pas toujours, le temps. La variable
dépendante est notée y et est fonction de t . La fonction f est ici une fonction quelconque de
deux variables, suffisamment différentiable. La condition y t0 y0 est la condition initiale. Il
yt , si on utilise une méthode numérique. L’objectif dans ce chap. est de présenter les méthodes
numériques de résolution des équations différentielles. A cet égard, on étudiera la notion d’erreur
de troncature locale qui indique l’ordre de la précision de la méthode utilisée.
Avec les outils numériques de résolution des équations différentielles, il n’est plus possible
d’obtenir une solution pour toutes les valeurs de la variable indépendante t . On obtient plutôt une
approximation de la solution analytique seulement à certaines valeurs de t notées t i et distancées
d’une valeur hi t i 1 t i .
Dans la plupart des méthodes présentées ici, cette distance est constante pour tout i et est notée h ;
h est appelée le pas de temps.
Remarque :
On note y t i la solution analytique de l’équation différentielle (1) en t t i .
133
2. Méthode d’EULER
1. Principe
Bien que relativement simple et d’usage facile, la méthode d’Euler est peu utilisée en raison de sa
faible précision.
Soit ici l’équation différentielle (1) suivante :
y' t f t , y t
y t 0 y0
(1)
écrire :
y' t0 f t0 ,
y t0 f t0 , y0
L’équation de la droite d0 t passant par t0 ,
y0 et de pente f t0 ,
y0 s’écrit :
d0 t y0 f t0 ,
y0 t t0
en t t1 , on a :
d 0 t 1 y0 f t 0 , y0 t 1 t 0
y0 h f t 0 , y0 y1
En d’autres termes d0 t1 est proche de la solution analytique y t1 c à d :
y t 1 y 1 d 0 t 1 y0 h f t 0 , y0
le plus souvent, y1 y t1
A la 2nde itération, puisque la pente de la solution analytique en t t1 est : y' t1 f t1 ,
y t1 , on
a:
y' t1 f t1 ,
y t1 f t1 , y1
et la construction de la droite d’équation :
d1 t y1 f t1 ,
y1 t t1
134
permet d’estimer y t 2 ; il vient :
y t 2 y2 d1 t 2 y1 h f t1 , y1
Remarque
L’erreur introduite à la 1ère itération a des répercussions sur les calculs de la 2nde itération, ce qui
signifie que les erreurs se propagent d’une itération à l’autre. Il en résulte que, de façon générale
l’erreur y t i yi augmente légèrement avec i . On arrive à l’algorithme suivant :
2. Algorithme
1) Etant donné un pas de temps h , une condition initiale t0 ,
y0 et un nombre
maximal d’itérations N
2) Pour 0 n N
yn 1 yn h f tn , yn
tn 1 tn h
Ecrire tn 1 et yn 1
3) Arrêt
Exercice d’application :
Résoudre par la méthode d’Euler l’équation différentielle :
y' t y t t 1
y 0 1 ( condition initiale)
Résolution :
f t , y y t 1 car y' t f t , y
135
La 1ère itération donne :
y1 y0 h f t0 , y0
y1 1 0 ,1 f 0 , 1 1 0 ,1 1 0 1
y1 1
y3 y2 h f t2 , y2
y3 1 ,01 0 ,1 f 0 ,2 , 1 ,01 1 ,01 0 ,1 1 ,01 0 ,2 1
y3 1 ,029
y4 y3 h f t3 , y3
y4 1 ,029 0 ,1 f 0 ,3 , 1 ,029 1 ,029 0 ,1 1 ,029 0 ,3 1
y4 1 ,056100
y5 y4 h f t4 , y4
y5 1 ,0561 0 ,1 f 0 ,4 , 1 ,0561 1 ,0561 0 ,1 1 ,0561 0 ,4 1
y5 1 ,09049
y6 y5 h f t5 , y5
y6 1 ,09049 0 ,1 f 0 ,5 , 1 ,09049 1 ,09049 0 ,1 1 ,09049 0 ,5 1
y6 1 ,131441
y7 y6 h f t6 , y6
y7 1 ,131441 0 ,1 f 0 ,6 , 1 ,131441 1 ,131441 0 ,1 1 ,131441 0 ,6 1
y7 1 ,178297
136
y8 y7 h f t7 , y7
y8 1 ,178297 0 ,1 f 0 ,7 , 1 ,178297 1 ,178297 0 ,1 1 ,178297 0 ,7 1
y8 1 ,230467
y9 y8 h f t8 , y8
y9 1 ,230467 0 ,1 f 0 ,8 , 1 ,230467 1 ,230467 0 ,1 1 ,230467 0 ,8 1
y9 1 ,287420
y10 y9 h f t9 , y9
y10 1 ,287420 0 ,1 f 0 ,9 , 1 ,287420 1 ,287420 0 ,1 1 ,287420 0 ,9 1
y10 1 ,348678
ti
y ti yi
y t i yi
3. Définition 1
Une méthode de résolution d’équations différentielles est dite à un pas si elle est de la forme :
y n 1 yn h t n , yn (2)
où est une fonction quelconque. Une telle relation est appelée équation aux différences.
137
La méthode est à un pas si, pour obtenir la solution en t t n 1 , on doit utiliser la solution
numérique au temps t n seulement. On désigne par méthode à pas multiples les méthodes qui
t , y f t , y
4. Définition 2
L’erreur de troncature locale au temps t t n est définie par :
n 1 h
y t n 1 y t n
tn , y tn
h (3)
L’erreur de troncature locale mesure la précision avec laquelle la solution analytique vérifie
l’équation aux différences (2).
Remarques
1. Dans la définition 2, la solution exacte est notée y t n et non y n . Cela s’explique par le fait
que l’on cherche à mesurer l’erreur introduite par l’équation aux différences à un pas donné, en
supposant que la méthode était exacte jusque là.
2. Il ne faut pas confondre l’ordre d’une équation différentielle avec l’ordre d’une méthode
numérique utilisée pour résoudre cette équation.
3. Méthodes de RUNGE-KUTTA
1. Méthode de Runge-Kutta d’ordre 2
Soit le développement de Taylor suivant :
y t n 1 y t n h f t n , y t n
h2 f
t t n , y t n yf t f t
, y tn
, y t n O h3 (4)
2 n n
Le but est de remplacer cette dernière relation (4) par une expression équivalente possédant le
même ordre de précision O h 3 . On propose la forme :
138
y t n 1 y t n a1h f t n ,
yn a 2 h f t n a 3 h ,
y t n a4 h
(5)
où on doit déterminer les paramètres a 1 , a 2 , a 3 , et a 4 de sorte que les expressions (4) et (5) aient
toutes deux une erreur en O h 3 . Pour y arriver, on a recours au développement de Taylor en deux
variables suivant :
f t n a 3 h , y t n a4 h f t n ,
y t n a3 h
f
t ,
t n
y tn
a4 h
f
t ,
y n
Oh
y tn 2
f
y t n 1 y t n a1 a 2 h f t n , y t n a 2 a 3 h 2 t n , y t n
t
a 2 a4 h2
f
y
t n ,
y t n O h 3 (6)
Les expressions (4) et (6) sont du même ordre. Pour déterminer les coefficients a i , il suffit de
coefficients respectifs de f tn , y tn :
h a1 a 2 h
coefficients respectifs de
f
t , y tn
t n
: h2
2
a2 a3 h2
coefficients respectifs de
f
t ,
y n
:
y tn
h2
2
f tn ,
y t n a 2 a4 h 2
1 a1 a 2
1
a a
2 2 3
f tn , y tn
a 2 a4
2 (7)
139
Le système (7) est sous-déterminé en ce sens qu’il y a moins d’équations que d’inconnues et donc il
n’a pas de solution unique. Cela permet la mise au point de plusieurs variantes de la méthode de
Runge-Kutta. Le choix le plus couramment utilisé est le suivant :
a a 1
1 2 2
a3 1
a4 f t n , y t n
On établit sans peine que ces coefficients satisfont aux trois équations du système non linéaire. Il
suffit de remplacer ces valeurs dans les équations (5). Pour ce faire, on doit négliger le terme en
O h3 et remplacer la valeur exacte y t n par son approximation y n . On obtient alors
l’algorithme :
Algorithme
maximal d’itérations N
2. Pour 0 n N
ŷ yn h f t n , yn prédiction
yn 1 yn
h
2
f tn ,
yn f t n 1 , ŷ
correction
(8)
t n 1 t n h
Ecrire t n 1 et yn 1
3. Arrêt
Remarque :
Pour faciliter les calculs, l’évaluation de yn 1 a été scindée en deux étapes. La variable temporaire
ŷ correspond tout simplement à une itération de la méthode d’Euler. On fait ainsi une prédiction ŷ
140
de la solution en t n 1 qui est corrigé (et amélioré) à la seconde étape de l’algorithme. On parle donc
de méthode de prédiction-correction.
Exercice d’application
Résoudre numériquement y' t yt t 1 avec comme condition initiale y0 1
Solution
yn 1 yn
h
2
f tn ,
yn f t n 1 , ŷ
y1 y0
h
2
f t0 ,
y0 f t1 , ŷ
y1 1
0 ,1
2
1 0 1 1 0 ,1 1 1 ,005
ŷ y1 h f t1 , y1
y 2 y1
h
f t1 , y1 f t 2 , ŷ
2
ŷ 1 ,005 0 ,1 1 ,005 0 ,1 1 1 ,0145
0 ,1
y 2 1 ,005 1 ,005 0 ,1 1 1 ,0145 0 ,2 1
2
1 ,019025
ŷ 1 ,0145 (prédiction)
y 2 1 ,019025 (correctio n)
141
1 f t n , yt n
a1 0 , a 2 1 , a 3 et a 4
2 2
Algorithme
maximal d’itérations N
2. Pour 0 n N
k1 h f t n , yn
h k1
yn 1 yn hf t n , yn
2 2
tn 1 tn h
Ecrire t n 1 et yn 1
3. Arrêt
Remarques
1. La fonction f t ,
y est évaluée au point milieu de l’intervalle tn , tn 1 , c’est pourquoi
142
Algorithme
d’itérations N
2. Pour 0 n N
k1 hf tn , yn
h k1
k2 h f t n , yn
2 2
h k2
k3 h f t n , yn
2 2
k4 h f t n h , yn k3
yn 1 yn
1
k 2 k 2 2 k 3 k4
6 1
tn 1 tn h
Ecrire t n 1 et yn 1
3. Arrêt
y' t y t t 1
y 0 1 ( condition initiale)
Solution :
On choisit un pas de temps h 0 ,1
k1 h f t0 , y0 0 ,1 1 0 1 0
k
k2 h f t0 , y0 1 0 ,1 f 0 ,05 , 1
h
2 2
143
k2
h
k 3 h f t0 , y0 0 ,1 f 0 0 ,1 , 1 0 ,005
2 2 2 2
k4 hf t0 h ,
y0 k3 0 ,1 f 0 ,1 , 1 ,00475
0 ,1 1 ,00475 0 ,1 1 0 ,009525
y1 y0
1
k 2 k 2 2 k 3 k4
6 1
1
1
6
0 2 0 ,005 2 0 ,00475 0 ,009525
1 ,0048375
Et ainsi de suite.
Exercice 2
d2x
dt 2
1 x2
dx
dt
x0
d2x
dt 2
1 x2
dx
dt
x0
Posons y dx x' t
dt
dy d 2 x
x' t
dx
y 2
dt dt dt
1
dx ydt x y 2 c
2
x 0 y 0 c 0 ,5 or y 0 x' 0 0
1 2
2
c 0 ,5
144
d2x
dt 2
1 x2
dx
dt
x f 1 t , x ,
dx
dt
dy
dt
1 x 2 y x f 2 t , x , y
dx
dt y f 1 t , x , y
dy
dt 1 x y x f 2 t , x , y
2
x 0 0 ,5 x0
x' 0 y0 0 y0
xn 1 xn h f 1 t n , xn ,
yn x n h yn
yn 1 yn h f t
2 n
, xn , y y
n n
h 1 xn2 yn xn
1ère itération n 0 :
x1 x0 hy0 0 ,5 0 ,1 0 0 ,5
y1 y0 h 1 x02 y0 x0
0 0 ,11 0 ,5 0 0 ,5 0 ,05
2
x 0 ,1 x1 0 ,5
x' 0 ,1 y1 0 ,05
1 dx
I 0 ,785398163
0 1 x 2 4
Calculer les valeurs approchées de I par la méthode de Romberg. Prendre 0 ,001 comme
critère d’arrêt.
145