CMN Resume

Cours Méthodes Numériques (Résumé)
Mohamed Ayoubi
Department of Mathematics,
E.N.S.A.M, Moulay Ismail University,
B.P. 15290 Al Mansour, Meknes,
Morocco
June 15, 2022

Plan
Chapter 1 : Interpolation polynomiale

Chapter 2 : Résolution numérique des équations non linéaires
Chapter 3 : Dérivation et intégration numériques
Mohamed Ayoubi (ENSAM/UMI) Cours Méthodes Numériques (Résumé) June 15, 2022 2 / 19
Chap 1 | Position du problème
Étant donné un nuage de points (xi , fi )06i6n où les xi sont distincts,

déterminer un polynôme p qui vérifie :
(
deg(p) 6 n,
(P) :
p(xi ) = fi for i = 0, 1, · · · , n.
Theorem (Existence and uniqueness)

Le problème d’interpolation (P) admet une unique solution.
Definition (Polynôme d’interpolation)

Soient f : [a, b] → R et n + 1 nœuds (xi )06i6n deux à deux distincts. We
put fi := f (xi ) for i = 0, 1, · · · , n. La solution (unique) du problème (P),
est appelée polynôme d’interpolation de f aux nœuds (xi )06i6n : ce
polynôme est noté Pn (f ).
Chap 1 | Interpolation de Lagrange
For each j ∈ {0, 1, · · · , n} we define :
n
(n) Y x − xi
Lj (x ) := .
i=0,i6=j
xj − xi
La méthode d’interpolation de Lagrange consiste à écrire Pn (f ) sur la base
de Lagrange.
Theorem (Interpolation de Lagrange)
Soient f : [a, b] → R et n + 1 nœuds (xi )06i6n deux à deux distincts. Le
polynôme d’interpolation de f aux nœuds (xi )06i6n s’écrit alors :
n
X (n)
Pn (f )(x ) = f (xj )Lj (x ).
j=0
,→ Le principal inconvénient de cette méthode est que le fait de rajouter un nœud

change complètement les interpolants de base de Lagrange et on doit donc
recalculer entièrement le polynóme Pn (f ).
Chap 1 | Différences divisées
Soient f : [a, b] → R et n + 1 nœuds (xi )06i6n deux à deux distincts.
Furthermore we let f [xk ] := f (xk ) for all k ∈ {0, 1, · · · , n}.
Definition (Différences divisées)

The k-th divided difference relative to xi , · · · , xi+k is given by
f [xi+1 , · · · , xi+k ] − f [xi , · · · , xi+k−1 ]

f [xi , · · · , xi+k ] := .
xi+k − xi
We use the following notation:

ak := f [x0 , x1 , · · · , xk ] for all k ∈ {0, 1, · · · , n} .
Chap 1 | Interpolation de type Newton
La méthode d’interpolation de type Newton consiste à écrire Pn (f ) sur la
base de Newton.
Theorem (Interpolation de type Newton)
Soient f : [a, b] → R et n + 1 nœuds (xi )06i6n deux à deux distincts. Le
polynôme d’interpolation de f aux nœuds (xi )06i6n s’écrit alors :
Pn (f )(x ) = f [x0 ] + (x − x0 )f [x0 , x1 ] + (x − x0 )(x − x1 )f [x0 , x1 , x2 ]

+ (x − x0 )(x − x1 )(x − x2 )f [x0 , x1 , x2 , x3 ]
+ · · · + (x − x0 )(x − x1 ) · · · (x − xn−1 )f [x0 , x1 , · · · , xn ].
,→ From this theorem we see that :
Pn (f )(x ) = Pn−1 (f )(x )+(x −x0 )(x −x1 ) · · · (x −xn−1 )f [x0 , x1 , · · · , xn ].
Cette formule montre que si l’on écrit le polynôme d’interpolation sur

la base de Newton, alors il est facile de rajouter un point.
Chap 1 | Erreur d’interpolation
On va maintenant estimer l’erreur ponctuelle En (x ) := f (x ) − Pn(f )(x ).
Theorem (Erreur d’interpolation)

If f ∈ C n+1 ([a, b]), then for all x ∈ [a, b] there exists ξx ∈ [a, b] such that
n
f (n+1) (ξx ) Y
En (x ) = (x − xi ).
(n + 1)! i=0
,→ On a vu par le phénomène de Runge (jette un coup d’œil à

l’exercice 4 du Tp2), qu’on ne peut pas garantir la convergence
uniforme du polynôme d’interpolation.
,→ La quantité maxx ∈[a,b] ni=0 |x − xi | est minimale pour les xi
Q
racines des polynômes de Tchebychev:

a+b b−a (2i + 1)π
xi = + cos , i = 0, · · · , n.
2 2 2n + 2
Chap 1 | Exercises
Ex1 : To whet the appetite let us start with this exercise:

Let f (x ) = x , x ∈ R and let g := f 2 .
(1) Compute P1 (f ) and P1 (g) for the points: x0 = −1, x1 = 1?
2
(2) Compare P1 (f ) and P1 (g)?
Indication : L’étudiant sage est celui qui cherche les idées d’abord !!
Ex2 : Pour l’interpolation (lagrange/Newton): Voir l’exercice 1 du TD1.
Ex3 : Consulter l’interpolation d’Hermite, en particulier l’exercice 3 du TD1.
Chap 2 | Position du problème
,→ On considère tout d’abord une fonction f : R → R d’une seule variable

réelle et on cherche à résoudre (numériquement) l’équation f (x ) = 0
c’est-à-dire trouver une valeur approchée x̃ d’un réel x̄ vérifiant f (x̄ ) = 0.
In this chapter, we will present the following methods :

(1) Méthode de dichotomie.
(2) Méthode du point fixe.
(3) Méthode de Newton.
(4) Méthode de la sécante.
Chap 2 | Définitions
Definition (Ordre de convergence)
La convergence de la suite (xn )n∈N vers x̄ est dite d’ordre p > 1 si
p
∃ C > 0 such that |xn+1 − x̄ | 6 C |xn − x̄ | for all n > n0 .
La convergence est dite linéaire si p = 1 (et C < 1) et quadratique si p = 2.
Definition (Convergence globale)

La convergence de la suite (xn )n∈N vers x̄ est dite globale si
lim xn = x̄ for all x0 ∈ [a, b].

n→+∞
Definition (Convergence locale)

La convergence de la suite (xn )n∈N vers x̄ est dite locale si
∃ > 0 such that lim xn = x̄ for all x0 ∈ [x̄ − , x̄ + ].

n→+∞
Chap 2 | Méthode de dichotomie
La méthode classique de dichotomie est une méthode de localisation des racines
d’une équation f (x ) = 0 basée sur le théorème des valeurs intermédiaires.
Theorem (Convergence)
Soient (an )n∈N et (bn )n∈N les suites définies par la méthode de dichotomie sur
[a, b]. On définit xn par xn := an +b
2 . Si on a :
n
f est continue sur [a, b] ,

f (a)f (b) 6 0 , and
f est strictement monotone sur [a, b].
Then: ∃! x̄ ∈ [a, b] such that f (x̄ ) = 0 and lim xn = x̄ . De plus,
n→+∞
b−a
|xn − x̄ | 6 2n+1 , ∀n ∈ N.
From this theorem we see that : ∀, ∀n > ln(b−a)−ln()

ln(2) − 1 we have |xn − x̄ | 6 .
,→ Le nombre minimum d’itérations
de laméthode de dichotomie nécessaire pour
ln(b−a)−ln()
approcher x̄ à près est : E ln(2) , where E désigne la partie entière.
Chap 2 | Méthode du point fixe
Soit g : R → R. On dit que α ∈ R est un point fixe de g si g(α) = α. Le principe de la
méthode du point fixe est d’associer à l’équation f (x ) = 0 une équation de point fixe
g(x ) = x de sorte que trouver une solution de f (x ) = 0 équivaut à trouver un point fixe
de g. We can choose g(x ) = x + f (x ).
Theorem (Convergence et ordre de convergence)

Soit g une application strictement contractante sur un intervalle [a, b] de
constante de Lipschitz γ. Assume that g([a, b]) ⊆ [a, b]. Alors g admet un
unique point fixe x̄ ∈ [a, b] et la suite définie par xn+1 = g(xn ) converge
linéairement de facteur γ vers x̄ pour tout point initial x0 ∈ [a, b]. De plus,
γn
∀n ∈ N, |xn − x̄ | 6 1−γ |x1 − x0 |.
Si maxx ∈[a,b] |g 0 (x )| < 1, alors g est strictement contractante sur [a, b].
Soit x̄ ∈ [a, b] un point fixe de g ∈ C 1 ([a, b]). Si |g 0 (x̄ )| < 1, alors x̄ est attractif,
d’où il existe un intervalle [α, β] ⊆ [a, b] contenant x̄ pour lequel la suite définie
par x0 ∈ [α, β] et xn+1 = g(xn ) converge vers x̄ (la convergence donc est locale).
Soit α tel que f (α) = 0. Si xn+1 = g(xn ) et g(α) = α on dit que g est une
fonction d’itération de l’équation f (x ) = 0 (cette définition doit être vérifiée !!).
Chap 2 | Méthode de Newton
La fonction d’itération de Newton associée à l’équation f (x ) = 0 sur [a, b] est :
(
[a, b] → R
N:
x 7→ N (x ) = x − ff0(x(x)) .
Cette fonction est définie pour f dérivable sur [a, b] et telle que f 0 ne s’annule pas
sur [a, b].

Soit f ∈ C 2 ([a, b]). On suppose qu’il existe x̄ ∈ [a, b] tel que f (x̄ ) = 0 et
f 0 (x̄ ) 6= 0. Alors il existe > 0, tel que pour tout x0 ∈ [x̄ − , x̄ + ], la suite des
itérés de Newton donnée par xn+1 = N (xn ) pour n > 1 est bien définie, reste
dans [x̄ − , x̄ + ] et converge vers x̄ quand n tend vers l’infini. De plus, cette
convergence est (au moins) quadratique.
La méthode de Newton présente l’inconvénient de la convergence locale. Une des

solutions pour palier ce problème est d’utiliser la méthode de dichotomie pour
localiser assez grossièrement x0 avant d’appliquer la méthode de Newton.
Chap 2 | Méthode de la sécante
La méthode de Newton présente aussi le désavantage de nécessiter le calcul de la
dérivée de la fonction f qui peut s’avérer difficile. Partant de ce constat, l’idée de
la méthode de la sécante est de remplacer la dérivée f 0 de f qui apparait dans la
méthode de Newton par une différence divisée. La méthode de la sécante est
alors donnée par l’itération suivante:
f (xn )
xn+1 = xn − . (1)
f [xn−1 , xn ]
We recall the notation f [xn−1 , xn ] := f (xxnn)−f (xn−1 )
−xn−1 . Cette méthode doit alors être
initialisée par deux points x0 et x1 à partir desquels on peut utiliser la formule
précédente pour calculer x2 et les itérés suivants.
Soit f ∈ C 2 ([a, b]). On suppose qu’il existe x̄ ∈ [a, b] tel que f (x̄ ) = 0 et
f 0 (x̄ ) 6= 0. Alors il existe > 0, tel que pour tout x0 , x1 ∈ [x̄ − , x̄ + ], la suite
des itérés de la méthode de la sécante donnée par (1) pour n > 2 est bien définie,
reste dans [x̄ − , x̄ + ] et converge vers√
x̄ quand n tend vers l’infini. De plus,
cette convergence est d’ordre p = 1+2 5 (nombre d’or).
Chap 2 | Tests d’arrêt
Tout calcul machine conduit à des erreurs (arrondis, troncatures) qu’il

faut savoir estimer pour ne pas poser de tests d’arrêt irréalites.
Les tests ne peuvent pas faire intervenir l’erreur en := |xn − x̄ | qui reste
inconnue du fait de x̄ (que l’on cherche!). Les tests standards portent sur
|xn+1 − xn |
|xn+1 − xn |, or |f (xn )| (test d’arrêt sur le résidu)
|xn |
quantité(s) que l’on rend inférieure(s) à un seuil tol > 0 fixé (10−5 , par
exemple).
Chap 3 | Dérivation numérique
Position du problème : Étant donnée une fonction f , on veut estimer la
dérivée f 0 de f .
f (x +h)−f (x )
,→ Différence décentrée à droite : f 0 (x ) ≈ h (l’ordre est 1).
0 f (x )−f (x −h)
,→ Différence décentrée à gauche : f (x ) ≈ h (l’ordre is 1).
(x −h)
,→ Différence centrée : f 0 (x ) ≈ f (x +h)−f
2h (l’ordre est 2).
0 0 p
Ordre de précision : D(h) ≈ f , |D(h)(x ) − f (x )| 6 Ch —> l’ordre = p.
Examen ordinaire : 2020-2021 | Question 3 :
Using Taylor’s formula, we get :
2 3
f (x − h) = f (x ) − hf 0 (x ) + h2 f 00 (x ) − h6 f (3) (x ) + O(h4 ).
3
f (x − 2h) = f (x ) − 2hf 0 (x ) + 2h2 f 00 (x ) − 8h6 f (3) (x ) + O(h4 ).
Simple computations reveal that :
(4+7λ)h2 (3)
D(h) = f 0 (x ) + 3λh 00
2(2−λ) f (x ) − 6(2−λ) f (x ) + O(h3 ).
,→ The order k of the approximation D(h) in terms of λ :
If λ = 0, then k = 2. If λ 6= 0, then k = 1.
Chap 3 | Intégration numérique : Position du problème
Rb
Comment approcher numériquement I(f ) = a
f (x ) dx ?
Idea : Soit Pn (f ) le polynôme d’interpolation de f . We have seen
Rb Rb
f = Pn (f ) + En hence I(f ) = a Pn (f )(x ) dx + a En (x ) dx , which says that :
Xn Z b Xn
I(f ) = f (xi ) Li (x ) dx + EI (f ) = Ai f (xi ) + EI (f ).
i=0 a i=0
,→ Les xi sont les nœuds de la formule d’intégration et les Ai sont les poids.
Pn
,→ i=0 Ai f (xi ) représente la valeur approchée de l’intégrale.
,→ EI (f ) est l’expression de l’erreur d’intégration donnée par :
R b (n+1) (ξx ) Qn
EI (f ) = a f (n+1)! i=0
(x − xi ) dx .
,→ Calcul pratique : les
PA i sont déterminés de telle sorte que :
n
I(p) = i=0 Ai p(xi ) ∀p ∈ Rn [X ].
Pn
Soit une formule de quadrature : I(f ) = i=0 wi f (xi ). Les formules de
Newton-Cotes fixent les nœuds xi . L’idée des formules de Gauss est de
choisir les nœuds pour que le degré de précision de la formule soit le plus
élevé possible.
Chap 3 | Intégration numérique : Formules d’intégration
With the help of the formula of the mean, we find from Newton-Cotes that :
Formule des rectangles à gauche (n = 0 et x0 = a) :
Rb 2
a
f (x ) dx = (b − a)f (a) + (b−a)
2 f 0 (c).
Formule des rectangles à droite (n = 0 et x0 = b) :
Rb 2
a
f (x ) dx = (b − a)f (b) − (b−a)
2 f 0 (c).
Formule du point milieu (n = 0 et x0 = a+b2 ):
Rb 3
(b−a) 00
a
f (x ) dx = (b − a)f ( a+b
2 )+ 24 f (c).
Formule des trapèzes (n = 1, x0 = a et x1 = b) :

Rb (b−a)3 00
a
f (x ) dx = b−a
2 (f (a) + f (b)) − 12 f (c).
Formule de Simpson (n = 2, x0 = a, x1 = a+b 2 et x2 = b) :

Rb (b−a)5 (4)
a
f (x ) dx = b−a a+b
6 (f (a) + 4f ( 2 ) + f (b)) − 2880 f (c).
Pn−1 R xk +1
Formules composites: Using I(f ) = k=0 xk f (x ) dx + Formules élémentaires
Pn−1
+ The fact that k=0 f (d) (θk ) = nf (d) (θ).
Chap 3 | Intégration numérique : Degré de précision
,→ Le degré d’exactitude ou encore le degré de précision d’une formule de
quadrature est le plus grand entier r pour lequel la formule de quadrature est
exacte pour tout
Pnpolynôme de degré inférieur ou égal à r i.e.,
I(p) = i=0 wi p(xi ) for all p ∈ RPr [X ], and
n
∃ q ∈ Rr +1 [X ] such that I(q) 6= i=0 wi q(xi ) .
Ex : Déterminer les poids d’intégration w1 et w2 , ainsi que le point d’intégration
t2 de sorte que la formule
√
de quadrature suivante :
R1 3
−1
f (t) dt ≈ w1 f (− 3 ) + w2 f (t2 ) soit de précision le plus élevé possible.
Answer :
R1
For f (t) = 1 : −1 f (t) dt = 2 = w1 + w2 . (1)
R1 √
For f (t) = t : −1 f (t) dt = 0 = − 33 w1 + t2 w2 . (2)
R1
For f (t) = t 2 : −1 f (t) dt = 23 = 13 w1 + t22 w2 . (3)
√
(1), (2) and (3) gives us that : w1 = w2 = 1 and t2 = 33 .
R1 √ √
For f (t) = t 3 : we see that also −1 f (t) dt = 0 = f (− 33 ) + f ( 33 ).
R1 √ √
For f (t) = t 4 : −1 f (t) dt = 52 , but f (− 33 ) + f ( 33 ) = 92 .
,→ So the order of precision is : 3.

CMN Resume

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

CMN Resume

Transféré par

Droits d'auteur :

Formats disponibles

Cours Méthodes Numériques (Résumé)

June 15, 2022

Chapter 1 : Interpolation polynomiale

Étant donné un nuage de points (xi , fi )06i6n où les xi sont distincts,

Theorem (Existence and uniqueness)

Definition (Polynôme d’interpolation)

,→ Le principal inconvénient de cette méthode est que le fait de rajouter un nœud

Definition (Différences divisées)

f [xi+1 , · · · , xi+k ] − f [xi , · · · , xi+k−1 ]

We use the following notation:

Pn (f )(x ) = f [x0 ] + (x − x0 )f [x0 , x1 ] + (x − x0 )(x − x1 )f [x0 , x1 , x2 ]

,→ From this theorem we see that :

Pn (f )(x ) = Pn−1 (f )(x )+(x −x0 )(x −x1 ) · · · (x −xn−1 )f [x0 , x1 , · · · , xn ].

Cette formule montre que si l’on écrit le polynôme d’interpolation sur

Theorem (Erreur d’interpolation)

,→ On a vu par le phénomène de Runge (jette un coup d’œil à

racines des polynômes de Tchebychev:

Ex1 : To whet the appetite let us start with this exercise:

Ex2 : Pour l’interpolation (lagrange/Newton): Voir l’exercice 1 du TD1.

Ex3 : Consulter l’interpolation d’Hermite, en particulier l’exercice 3 du TD1.

,→ On considère tout d’abord une fonction f : R → R d’une seule variable

In this chapter, we will present the following methods :

La convergence est dite linéaire si p = 1 (et C < 1) et quadratique si p = 2.

Definition (Convergence globale)

lim xn = x̄ for all x0 ∈ [a, b].

Definition (Convergence locale)

∃  > 0 such that lim xn = x̄ for all x0 ∈ [x̄ − , x̄ + ].

f est continue sur [a, b] ,

From this theorem we see that : ∀, ∀n > ln(b−a)−ln()

Theorem (Convergence et ordre de convergence)

Theorem (Convergence et ordre de convergence)

La méthode de Newton présente l’inconvénient de la convergence locale. Une des

Tout calcul machine conduit à des erreurs (arrondis, troncatures) qu’il

Formule des trapèzes (n = 1, x0 = a et x1 = b) :

Formule de Simpson (n = 2, x0 = a, x1 = a+b 2 et x2 = b) :

Vous aimerez peut-être aussi

∃ > 0 such that lim xn = x̄ for all x0 ∈ [x̄ − , x̄ + ].

From this theorem we see that : ∀, ∀n > ln(b−a)−ln()