TD Méthode Numérique 1 2 3 4 5 6 2022

T D Méthodes numériques/ 2ieme TEC, ELT, AUT et GP Proposé par Dr. A.
Beddiaf
Série d’exercices N°1
Exercice 1 :
Considérons l'équation f(x)=x6-x-1=0, avec x 1, 2 et   0, 01 , trouver la solution
approchée x de f(x)=0 par la méthode de Bissection.

Exercice 2 :
Résoudre l'équation x3+x-2=0 par la méthode des approximations successives,

avec x  0, 2 .
Exercice 3 :
Soit la fonction f(x)=x3+x-2, tel que x  0.5, 2 . Vérifier les conditions de
convergence de la méthode de Newton, puis résoudre l'équation f(x)=0 par cette méthode,
avec   103 et x0=1,5.
Exercice 4
Soit l'équation 1  log( x)  0 x>0 ( f ( x)  1  log( x) ), avec   103 .
a) Localiser graphiquement la racine de cette équation.
b) Choisir un intervalle très réduit de la racine.
c) Vérifier que la racine choisie est contenue dans l'intervalle obtenu.
d) Estimer une valeur initiale x0 de la racine.
e) Résoudre cette équation par la méthode de Newton.
Exercice 5 :
Soit la fonction : f ( x)  x3  18 , tel que x  R .
1. Localiser graphiquement la racine de l'équation x3  18  0 , en choisissant un

intervalle très réduit.
2. Vérifier que l'intervalle obtenu contient bien la racine.
3. Résoudre cette équation par la méthode des points fixes, sachant que : x  1, 3 , x0=2
et   103 .
Université Abbas Laghrour Khenchela - Faculté de sciences et technologie - Département de génie industriel
T D Méthodes numériques/ 2ieme TEC, ELT, AUT et GP Proposé par Dr. A. Beddiaf
Solution
Exercice 1
Vérifiant tout d'abord l'existence de la racine x dans cet intervalle, en appliquant le
théorème des valeurs intermédiaires. Pour cela on a :
 f (1)  1
 , donc f (2). f (1)  0 d'après le théorème des valeurs intermédiaires,
 f (2)  61
l'équation x6-x-1=0 admet au moins une racine dans l'intervalle [1, 2], comme f est strictement
croissante la racine de f(x)=0 est unique dans cet intervalle.
ba
ln
On calcule le nombre de points n à partir de l'expression n  2*  =5,64, on prend
ln 2
an  bn
n=6. La solution par la méthode de Bissection est : xn  où n=1,2,..6. On construit
2
ensuite le tableau suivant :
i ai xi bi f(xi)
1 Θ1  1.5 2 8.8906
2 Θ1  1.25  1.5 1.25
3 Θ1 Θ1.125  1.25 -0.0977
4 Θ1.125  1.1875  1.25 0.6167
5 Θ1.125  1.1563  1.1875 0.2333
6 Θ1.125  1.1406  1.1563 0.0618
Pour   10 2 , on retient la solution x =x6=1.1406.

Exercice 2 :
Il est possible de transformer l'équation précédente en plusieurs formes de x=g(x).
 x3  6 x  2
Nous allons choisir l'une de ces formes, qui est x  g ( x)  , vérifiant maintenant
7
1
la condition de convergence de la méthode utilisée. On a : g ( x) 
'
 3* x 2  6  , donc
7
3
K  max g ' ( x)   1 alors le procédé converge de x0 valeur initiale vers l'unique point
1,2 7
fixe x de la fonction. On construit la suite xn+1=g(xn) et on procède comme suit :
x0=1.2,   103
n=0, x1=g(x0)= 1.0674
n=1, x2=g(x1)= 1.0269
n=2, x3=g(x2)= 1.0112
n=3, x4=g(x3)= 1.0112
Pour une précision   103 on retient la solution x =x4=1.0112
Exercice 3 :
f ' ( x)  3x 2  1
On a   0, x   0.5, 2 et positives, alors la condition de
f '' ( x)  6 x 
convergence de la méthode est satisfaite. Nous rappelons que l'expression de Newton est :
f ( xn )
xn 1  xn 
f ' ( xn )
Après les calculs on obtient :
f ( x0 )
n=0, x1  x0  = 1.1290
f ' ( x0 )
f ( x1 )
n=1, x2  x1  = 1.0112
f ' ( x1 )
f ( x2 )
n=2, x3  x2  = 1.0001
f ' ( x2 )
f ( x3 )
n=3, x4  x3  = 1.0000
f ' ( x3 )
Exercice 4
a). Localisation graphique la racine (solution graphique de l'équation).
 y1  1

on a :  y2  log( x)
y  y
 1 2
Afin de déterminer l'intervalle contenant la racine, nous allons tracer les courbes des deux
fonctions y1 et y2 sur le même graphe en utilisant Matlab.
1.4
y
y2=log(x)
1.2 y1=1
0.8
0.6
0.4
0.2
0
1 1.5 2 2.5 3 3.5 4
x x
b). Détermination de l'intervalle contenant la racine.

A partir de la solution graphique précédente, on peut prendre comme intervalle contenant la
solution x de l'équation  2.5, 3 .
c). Vérification de l'intervalle obtenu.

 f (2.5)  0.0837
On a :   f (2.5) f (3)0
 f (3)  -0.0986
D'après le théorème des valeurs intermédiaires l'équation f ( x)  0 admet au moins une racine
sur cet intervalle, et comme la fonction f continue et strictement croissante sur l'intervalle
 2.5,3 , alors la racine de l'équation 1  log( x)  0 est unique sur cet intervalle.
d.) L'estimation de la valeur initiale x0 de la racine

Compte tenu de la solution graphique, on choisit x0=2.7
e). Résolution de l'équation par la méthode de Newton
f ( xn )
On a : xn 1  xn 
f ' ( xn )
f ( x0 )
n=0, x1  x0  = 2.7182
f ' ( x0 )
f ( x1 )
n=1, x2  x1  = 2.7183
f ' ( x1 )
Comme x2  x1   on arrête le procédé itératif, donc la solution (précision   103 ) est
x  x2  2.7183 . Nous constatons que le choix judicieux de x0 nous a permet de réduire le

nombre d'itérations.
Exercice 5 :
1. Localisation graphique de la racine.
On a : f ( x)  x3  18 , on peut écrire f sous forme de différence de deux fonctions connues
comme suit : f(x)=h(x)-g(x), ou h(x) = x3 et g(x)=18. Puis on trace les deux fonctions.
y 140
120
100
80
60
40
20
-20 x
-2 -1 0 1 2 3 4 5
x
L'abscisse de l'intersection est bien la racine de l'éqt f(x)=0. Donc x  1, 3 .
2. Vérifiant cet intervalle.
 f (1)  7
on a :  d'aprés le theoréme des valeurs intermédiaires l'intervalle 1, 3 contient
 f (3)  9
bien la racine.
3. Résolution de l'équation par la méthode des points fixes.
On essaye d'ecrire l'equation f(x)=0 sous forme x=g(x), tel que : max1.5, 3 g ' ( x)  K 1
 x3  15 x  18
On a : x3  18  0  x3  15 x  18  15 x  x  g ( x)  .
15
Vérifions la condition de convergence de l'expression trouvée :
3x 2  15
On a : g ' ( x)  , donc g'(x) est maximale quand x=
15
12
3 max 1.5, 3 g ( x)  g (3) 
' '
1 , alors la forme trouvée est convergente, on construit donc la
15
 xn3  15 xn  18
. Sachant que :   10 et x0  2 alors :
3
suite xn 1  g ( xn ) 
15
 x  15 x0  18
3
 x 3  15 x1  18
x1  g ( x0 )  0  2.667 , x2  g ( x1 )  1  2.602 ,
15 15
x3  g ( x2 )  2.628 , x4  g ( x3 )  2.618 ,
x5  g ( x4 )  2.622 , x6  g ( x5 )  2.621 .
x6  x5   , donc la racine est : x  x6  2.621 .
Exercice 1 :
Composer le polynôme d'interpolation de Lagrange pour f aux point x0=0, x1=1 et
x2=2. En considérant x3=3 et f(x3) comme un quatrième point d'appuis, refaire le calcul (x en
radian).
2
Sachant que, la fonction f que nous venons de l'approximer est : f ( x)  cos( x) ,
3
Exercice 2 :
2
Construire le polynôme de Newton pour la fonction f ( x)  cos( x) aux x0=0,
3
x1=1, x2=2, x3=3 et x4=4, avec x en radian. Tracer la courbe de cette fonction ainsi que les
deux polynôme trouvés en les superposant.
Quel polynôme donnant une meilleure concordance.
Exercice 3 :
Soit la fonction f ( x)  1  log( x) donnée par le tableau suivant :

a). Construire le polynôme de Lagrange pour x0 x1 x2 x3
f x 2.5 2.6 2.7 2.8
b). Construire le polynôme de Newton pour f f(x) 0.0837 0.0445 0.0067 -0.0296
c). En utilisant le code de calcul Matlab tracer
f, P3L et P3N
Solution
Exercice 1 :
Le polynôme de Lagrange basé sur les trois premiers points est un polynôme d'ordre
2, il est calculé comme suit :
2
p2 ( x)   f ( xk )lk ( x)  f ( x 0 )l0 ( x)  f ( x 1 )l1 ( x)  f ( x 2 )l2 ( x)
k 0
p2 ( x)  l0 ( x)  0.5l1 ( x)  0.5l2 ( x)
 x  x1  x  x2   1 x 2  3x  2
l0 ( x) 
 x0  x1  x0  x2  2
 
l1 ( x) 
 x  x0  x  x2    x 2  2 x
 x1  x0  x1  x2 
 x  x0  x  x1   1 x 2  x
l2 ( x ) 
 x2  x0  x2  x1  2
 
Après développement de calcul on obtient le polynôme suivant :
p2 ( x)  0.75 x 2  2.25 x  1
Nous allons déterminer le polynôme d'interpolation en considérant le quatrième point.
p2 ( x)  f ( x 0 )l0 ( x)  f ( x 1 )l1 ( x)  f ( x 2 )l2 ( x)
p2 ( x)  l0 ( x)  0.5l1 ( x)  0.5l2 ( x)  l3 ( x)
 x  x1  x  x2  x  x3 
   x3  6 x 2  11x  6 
1
On a : l0 ( x) 
 x0  x1  x0  x2  x0  x3  6
 x  x0  x  x2  x  x3   1 x3  5 x 2  6 x
l1 ( x) 
 x1  x0  x1  x2  x1  x3  2
 
 x  x0  x  x1  x  x3    1 x3  4 x 2  3x
l2 ( x) 
 x2  x0  x2  x1  x2  x3  2
 
 x  x0  x  x1  x  x2   1 x3  3x 2  2 x
l3 ( x) 
 x3  x0  x3  x1  x3  x2  6
 
Après le calcul on obtient :

p3 ( x)  0.75 x 2  2.253x  1
Superposition de P2, P3 et f(x)

4
y
3.5
3 f(x)=cos((2pi/3)x)
2.5 P2(x)
P3(x)
2
1.5
0.5
-0.5
-1
0 1 2 3 4
x
Exercice 2 :
Calcul des différences divisées.
Donc le polynôme de Newton d'ordre 4 pour cette fonction aux points donnés est :
y0 2 y0 3 y0 4 y0
P4 ( x )  y0  1 ( x  x0 )  2 ( x  x0 )( x  x1 )  3 ( x  x0 )( x  x1 )( x  x2 )  4 ( x  x0 )( x  x1 )( x  x2 )( x  x3 )
1! h 2! h 3! h 4! h
1.5 0 4.5
P4 ( x )  1  1.5( x  0)  ( x  0)( x  1)  ( x  0)( x  1)( x  2)  ( x  0)( x  1)( x  2)( x  3)
2 6 24
P4 ( x )  11.5 x  0.75 x ( x  1)  0.1875 x ( x  1)( x  2)( x  3)

P1 ( x )
P2 ( x )  P3 ( x )
P4 ( x )
Apres simplification, on obtient l'expression de P4(x) suivante :
4 3 2
P4 ( x )  0.188 x  1.128 x  1.318 x  1.122 x  1
A partir de la superposition de la courbe de f avec celles de [P1(x), P2(x), P3(x) et

P4(x)], on peut constater que, plus le nombre de points d'interpolation augmente plus on
s'approche de la fonction réelle (meilleure approximation).
Superposition de P1 et f(x) Superposition de P2, P3 et f(x)

1 4
y
y
3.5
0 3
f(x)=cos((2pi/3)x)
2.5 P2(x)=P3(x)
f(x)=cos((2pi/3)x)
-1 2
P1(x)
1.5
-2
1
0.5
-3
0
-4 -0.5
-1
0 1 2 3 4
-5 x
0 1 2 3 4
x
Superposition de P4 et f(x)
1.5
y
P4(x)
0.5
-0.5
-1
0 1 2 3 4
x
On peut constater sur la figure suivante que, le polynôme d'ordre 4 a une bonne
concordance avec la courbe réelle, donc plus le nombre de points d'interpolation augmente
plus l'approximation est meilleure.
Superposition de P1, P2, P3, P4 et f(x)

4
y
f(x)=cos((2pi/3)x)
3 P1(x)
P2(x)=P3(x)
2
P4(x)
1
-1
-2
-3
-4
-5
0 1 2 3 4
x
A partir de la superposition ci-dessous, les courbes des polynômes d'ordre 3, issues

de l'interpolation de Lagrange et de celui de Newton, on peut constater leurs concordance
(identique). Ce qui conforme bien au théorème qui dit, que le polynôme d'interpolation s'il
existe, il est unique.  p

 L3
( x)  0.75 x 2  2.253 x  1

P ( x )  0.75 x 2  2.25 x  1
 N3
Superposition de PL3, PN3 et f(x)
4
y
3.5
2.5 PN3(x)
PL3(x)
2
1.5
0.5
-0.5
-1
0 1 2 3 4
x
Exercice 3 :
a) Le polynôme d'interpolation de Lagrange est :
 x  2.6 x  2.7 x  2.8  x  2.5 x  2.7 x  2.8  x  2.5 x  2.6 x  2.8  x  2.5 x  2.6 x  2.8
P ( x)  0.0837  0.0445  0.0067  0.0296
3  2.5  2.6 2.5  2.7 2.5  2.8  2.6  2.5 2.6  2.7 2.6  2.8  2.7  2.5 2.7  2.6 2.7  2.8  2.8  2.5 2.8  2.6 2.8  2.7
b) Le polynôme de Newton pour la fonction f .
Alors le polynôme de Newton d'ordre 3 pour cette fonction aux points donnés est :
P3 ( x)  0.0837  0.392( x  2.5)  0.07( x  2.5)( x  2.6)  0.016( x  2.5)( x  2.6)( x  2.7)
c) Voir le support de cours.
Exercice 1 :
2
1
Approximer l’intégrale I   dx par la méthode :
0
1  x 2
a. des trapèzes n=1
b. de Simpson n=2
c. des trapèzes, forme générale, pour n=3
d. de Simpson, forme générale, pour n=4
Evaluer l'ordre de l'erreur commise dans les deux cas c et d.
Exercice 2 :
Déterminer le nombre de points n (nombre de trapèzes) qu’il faut utiliser dans la méthode
2
des trapèzes, forme générale, pour approximer l’intégrale I   e dx avec une précision de
x 2
10-3 (ε=10-3).
Exercice 3 :
Déterminer le nombre de point n (nombre de sous intervalles) qu’il faut utiliser dans la
2
méthode de Simpson, forme générale, pour approximer l’intégrale I   x ln xdx avec une
1
précision de 10-3 (ε=10-3).
Solution
Exercice 1
2
1
Approximation de l’intégrale I   dx par la méthode :
0
1  x2
a. Des trapèzes n=1.
Le pas d’intégration est : h  b  a  2

2 2
1 h h
I   f ( x)dx   dx   f (a)  f (b)    f (0)  f (2)   1.2
0 0
1 x 2
2 2
b. De Simpson n=2.
ba
Le pas d’intégration est : h  1
n
x x
2 2
1 h
I   f ( x)dx   dx   f ( x0 )  4 f ( x1 )  f ( x2 )  , avec x1  0 2  1
0 0
1 x 2
3 2
x0  0, x1  1, et x2  2
2 2
1 h 1
I   f ( x)dx   dx   f ( x0 )  4 f ( x1 )  f ( x2 )    f (0)  4 f (1)  f (2)   1.1
0 0
1 x 2
3 3
c. Méthode trapèzes, forme générale, pour n=3
ba
Le pas d’intégration dans ce cas est : h   0.67
3
x0  0, x1  x0  h, x2  x1  h et x3  2
2
1 h
I  dx   f ( x0 )  f ( x3 )  2  f ( x1 )  f ( x2 )    1.1016
0
1 x 2
2
d. Méthode Simpson, forme générale, pour n=4
ba
Le pas d’intégration dans ce cas est : h   0.5
4
x0  0, x1  x0  h, x2  x1  h, x3  x2  h et x4  2
2
1 h
I  dx   f ( x0 )  f ( x4 )  4  f ( x1 )  f ( x3 )   2 f ( x2 )  =1.1051
0
1 x 2
3
Evaluation de la majoration de l'erreur commise par :
b a 3
La méthode des trapèzes n=3, il suffit de faire la majoration : M2  avec
12 n2
M 2  max x[0,2]
f ( 2) ( x ) , on obtient donc une erreur   0.0055
b a 5
La méthode Simpson n=4, est obtenue grace à la majoration : M4  avec
180 n4
M 4  max x[0,2]
f ( 4) ( x ) , dans ce cas l'erreur est :   0.0020
On remarque bien que la méthode de Simpson est plus précise que celle des trapèzes .
Notons que l'intégrale exacte de cette fonction est :
2
1
I  dx  arctan( x) 0  arctan(2)  arctan(0)  1.1071
2
0
1 x 2
On peut également se servir de ce résultat pour obtenir une majoration de l'erreur commise.
Exercice 2 :
b a 3
On choisit le nombre de n de trapèzes grace à la majoration M2  .
12 n2
2
Avec : M 2  max x[1,2]
f ( 2) ( x )  max (4 x2 2) e x
x[1,2]
(2)
Pour trouver le max de la dérivé seconde de f il faut étudier la variation de f ( x) .
Pour cela on a :

 f ( x)  (4 x  2)e  g ( x)
x 2
(2) 2
 (3)  x2

 f ( x )  4 x (3  2 x )e  g ' ( x)
D'apres ce tableau de variation, la dérivé seconde est une fonction décroissante sur
l'intervalle [1, 2], donc son max est obtenu au points x=1.
(4(1)2  2)e (1)  0.74

2
M 2  max x[1,2]
f ( 2) ( x )  f ( 2) (1) 
 b  a 3 ba 1
Alors : n  ( M 2 12  7.85) , on prend n=8. Donc le pas h   0.125
n 8
Afin qu'on puisse intégrer numériquement la fonction f , on doit l'écrire sous la forme
tabulaire comme suit :
x0 x1 x2 x3 x4 x5 x6 x7 x8
xi 1 1.125 1.25 1.375 1.5 1.625 1.75 1.875 2
f(xi) 0.3679 0.2821 0.2096 0.1510 0.1054 0.0713 0.0468 0.0297 0.0183
h n 1

2 2
I   f ( x)dx   e  x dx    
2
 f ( x0 ) f ( xn ) 2 f ( xi ) 
1 1
2 i 1 
h
  f ( x0 )  f ( x8 )  2  f ( x1 )  f ( x2 )  f ( x3 )  f ( x4 )  f ( x5 )  f ( x6 )  f ( x7 )  
2
0.125
 0.3679  0.0183  2(0.2821  0.2096  0.1510  0.1054  0.0713  0.0468  0.0297)
2
 0.1361
Exercice 3 :
b a 5
On choisit le nombre de sous intervalles n grace à la majoration : M4  avec
180 n4
 
4 M 
ba
5
2 2  
M 4  max f ( 4)
( x )  max  2 n  =1.8257
x[1,2]
x3 1 , donc  4
180  
x[1,2]  
On prend n=2 .
ba
Le pas d’intégration est : h   0.5
n
On applique directement la formule de Simpson pour n=2
x x
2 2
h
I   f ( x)dx   x ln( x)dx   f ( x0 )  4 f ( x1 )  f ( x2 ) , avec x1  0 2  1.5
1 1
3 2
2 2
h
I   f ( x)dx   x ln( x)dx   f ( x0 )  4 f ( x1 )  f ( x2 )  0.6365
1 1
3
Notons qu'on peut intégrer cette fonction en utilisant l'intégrale par partie.
2
2
 x 2 ln( x) x 2 
I   x ln( x)dx      0.6363 .
1  2 4 1
Exercice 1 :
On considère le système d'équation suivant :
 
5

3 2   x1  5 
 
9 6 7   x2  = 8 


11 1 −1   x  
13

 3
Résoudre ce système par la méthode de Gauss

Exercice 2 :
5 3 2  x1  5 
9 6 7   x  = 8 
On considère le système précédent 11   2  
 1 −1   x3  13
Résoudre ce système par de la méthode de Gauss avec pivotation totale

Exercice 3 :
11 1 − 1   x1   13
Résoudre le système suivant par la méthode de Jordon 9 6 7   x2  =  8 
    
5 3 2   x3   5 
Exercice 4 :
On considère la courbe d'un polynôme du 14
y
second degré représenté sur la figure ci- 13
après dont les coefficients sont a, b et c. A 12
partir des points indiqués sur cette courbe, 11
composer un système de trois équations 10
(comme inconnus on a : a, b et c). Trouver 9
les coefficients a, b et c par la méthode de 8
7
Gauss puis par celle de Choeleski. -4 -3.5 -3 -2.5 -2 -1.5 -1 -0.5 0 0.5 1
Exercice 5 :
 4 x1 − 2 x2 − x3 = −4
Soit le système d'équation suivant : 
 − x1 + 3 x2 − x3 = 6
 x + 2 x − 5 x = −3
 1 2 3
a) Ecrire le système sous sa forme matricielle

b) Résoudre ce système par la méthode de Jordon
Solution
Exercice 1 :
La résolution du système par la méthode Gauss
5 3 2  5 
 
= 9 6 7  , B = 8 
(0) (0) (0)
Première étape k=1 , ( a11  0 ) on met : A
11 1 − 1  13
(1 ) = (1 )
iére (1) iére (0)
On a : ligne ligne
a11(1) = 5, a12(1) = 3, a13(1) = 2, b1(1) = 5.
Les éléments des autres lignes sont calculés comme suit :
an( 1)
( niémeligne)( ) = ( niémeligne) ( 0)
0
( )
1 (0)
− ( 0) niémeligne ; n = 2 et 3
a11
( )
0
(1) ( 0) a21 ( 0)
a 21 = a 21 − ( )
0 a11 = 0
a11
( )
0
(1) ( 0) a21 ( 0) 3
a 22 = a 22 − ( 0) a12 = 5
a11
( )
0
(1) ( 0) a21 ( 0) 17
a 23 = a 23 − ( 0) a13 = 5
a11
( ) 0
(1) ( 0) a21 ( 0)
b2 = b2 − ( 0) b1 = −1
a11
( ) 0
(1) ( 0) a31 ( 0)
a31 = a31 − ( 0 ) a11 = 0
a11
( ) 0
(1) ( 0) a31 ( 0) 28
a 32 = a 32 − ( ) 0 a12 = −
a11 5
( ) 0
(1) ( 0) a31 ( 0) 27
a33 = a33 − ( 0) a13 = − 5
a 11
( ) 0
(1) ( 0) a31 ( 0)
b3 = b3 − ( ) 0 b1 = 2
a11
 
5 3 2 
  5
=  −1
(1) 3 17  (1)
A = 0 ; B
 5 5   2
 28 27   
 0 − 5 −
5 
(n ligne ) = ( niemeligne )
(1) (k ) ( k −1)
Deuxième étape k=2 ( a11  0 ),
ieme
; n = 1,..., k
( ) 1
( 2) (1) a32 (1)
a31 = a31 − (1) a 21 = 0
a22
( ) 1
( 2) (1) a32 (1)
a 32 = a 32 − (1) a 22 = 0
a22
( ) 1
( 2) (1) a32 (1) 79
a33 = a33 − (1) a 23 = 3
a22
( ) 1
( 2) (1) a32 (1) 22
b3 = a34 − (1) b2 = −
a22 3
 
5  
 3 2   
(2) 3 17  (2) 5 
A = 0 ; B =  −1 
 5 5 
 79  − 
22
0 0   3 
3 
 
5  
 3 2  x   
5
0 3 17   x1  =  −1 
 5 5  x2   
Donc le système après transformation devient :  79   3  − 22 
0 0  3 
3 
 92 
 
22 7 92 
 7
79 

Par substitution en arrière on trouve : x3 = − 79 , x2 = − 79 , x1 = 79 ; X = −
 79


− 22 

 79 

Exercice 2 :
(1)
Première étape k=1 : max i , j1,3 a = 11 , on permute la première ligne et la troisième, puis
ij
11 1 − 1  13
on pose : A (0)
= 9 6 7  , B = 8  , dans cette étape on à les mêmes résultats que
  (0)
5 3 2  5 
ceux de la pivotation partielle en première étape (voir cours).
On a :
   
11 1 −1   13 
   
57 86  , B(1) =  − 29 
A = 0
(1)
 11 11   11 
 28 27   10 
0  − 
 11 11   11 
(2) 86
Deuxième étape k=2 : max i , j2,3 a = , on permute la deuxième colonne et la troisième.
ij 11
Le système devient donc :
   
11 − 1 1   13 
   x1   
0 86 57   x3  =  − 29 
 11 11     11 
 27 28   x2   10 
0  − 
 11 11   11 
   
11 − 1 1   13 
   
86 57  , B(1) =  − 29 
A = 0
(1)
On pose :
 11 11   11 
 27 28   10 
0  − 
 11 11   11 
(n ligne ) = ( niemeligne )
(k ) ( k −1)
ieme
; n = 1,..., k
( k −1)
(k ) ( k −1)
)(
k −1)
Et : ( niémeligne ) (
= niémeligne ) ank
(
− ( k −1) niémeligne
akk
; n = k + 1,..., N
(1)
(2) (1) a32 (1) 79
a =a − a =
33 33 (1) 23 86
a
22
(1)
(2) (1) a32 (1) 7
b =b − b =−
3 3 (1) 2 86
a
22
   
11 − 1 1   13 
   
(2)  86 57  (2)  29 
A = 0 , B = −
 11 11   11 
 79   7 
0 0  − 
 86   86 
Le système après transformation est :
   
11 − 1 1   13 
   x1   
0 86 57   x  =  − 29 
 11     11 
3
11
  x 
79   2   7 
0 0  − 
 86   86 
7 22 92
Alors : x2 = − , x3 = − , x1 =
79 79 79
Exercice 3 :
11 1 − 1   13
(0)   (0)  
On pose : A = 9 6 7  , B =  8
5 3 2   5 
Première étape k=1

(0) (0) (0)
a a a
(1) 11 (1) 12 (1) 1j
a = = 1, a = ,...., a = , j = 1,..., N
11 (0) 12 (0) 1j (0)
a a a
11 11 11
(0)
(1) b
b = 1
1 (0)
a
11
(1) (1)
a =a =0
21 31
(1) (0) (0) (1) 57

a =a −a a =
22 22 21 12 11
(1) (0) (0) (1) 86

a =a −a a =
23 23 21 13 11
(1) (0) (0) (1) 29

b =b −a b =−
2 2 21 2 11
(1) (0) (0) (1) 28

a =a −a a =
32 32 31 12 11
(1) (0) (0) (1) 27

a =a −a a =
33 33 31 13 11
(1) (0) (0) (1) 10

b =b −a b =−
3 3 31 3 11
 1 1   13 
1 −   11 
11 11
   
On obtient : A(1) = 0 57 86  (1)  29 
,B = −
 11 11   11 
 
28 27   10 
0 − 
 11 11   11 
Deuxième étape k=2
(2) (2)
a =a =0
12 32
(2) (1) (0) (2) 70

b =b −a b =
1 1 12 1 57
(2) (1) (1) (2) 13

a =a −a a =−
13 13 12 23 57
(2) (1) (1) (2) 79

a =a −a a =−
33 33 32 23 57
(2) (1) (1) (2) 22

a =a −a a =
34 34 32 24 57
 13   70 
1 0 − 57   57 
   
(2)  86  (2)  29 
A = 0 1 ,B = −
 57   57 
   
 0 0 − 79   22 
 57   57 
Troisième étape k=3
(3) (3)
a =a =0
23 13
(3) (2) (2) (3) 92

b =b −a b =
1 1 13 1 79
(3) (2) (2) (3) 7

b =b −a b =−
2 2 13 2 79
 92 
 79 
1 0 0   
(3) 
= 0 1 0  , B
(3)  7 
A = −
 79 
0 0 1   
 − 22 
 79 
Alors la solution de notre système est exactement celle de celui ci :
 92   92 
 79   
1 0 0   x1     x 1   79 
0 1 0   x  =  − 7  Donc :    7
     79 
2  x2  =  − 
0 0 1   x3     x   79 
22  3   22 
− 
 79  − 79 
 
Exercice 4 : La détermination des coefficients conduit à la résolution du système suivant :
9 − 3 1   a  10
 4 − 2 1 b  =  8 
    
1 − 1 1 c   8 
a = 1 
 
Donc la solution de ce système est : b = 3 
c = 10 
 
Alors l'équation de ce polynôme est : y = x 2 + 3x + 10 .
Exercice 5 :
 4 − 2 −1   x1   −4 
    
a) La forme matricielle du système est :  −1 3 − 1   x2  =  6 
 1 2 − 5  x3   −3 
b) La résolution du système par la méthode de Jordon
Après transformations effectuées par cette méthode, on obtient :
 4 − 2 −1 − 4 1 0 0 1
 −1 3 − 1 6  → 0 1 0 3 

 1 2 −5 − 3  0 0 1 2 
1 0 0   x1  1 
Donc le système devient :
0
 1 0   x2  = 3 
0 0 1  x3   2 
I x = b'
 x1 = 1

Alors la solution est :  x2 = 3
x = 2
 3
Exercice 1 :
Soit le système d'équation suivant :
 4  2 1   x1   4 
 1 3  1   x    6 
  2  
 1 2  5  x3   3 
Résoudre ce système par la méthode itératif de Jacobi, on prend comme solution

1 
 
initiale : x (0)
 2  .
1 
 
Exercice 2 :
Refaire l'exercice précédent par la méthode de Gauss-Seidel, pour la même solution

initiale.
 4  2 1   x1   4 
 1 3  1   x    6  (0)  
1
   2    , x  2 
 1 2  5  x3   3  1 
 
Solution
Exercice 1 :
 (1) 1
 x1  4  4  2 x2  x3   0.2500
(0) (0)
 x1(0)  1  
     (1) 1
x (0)   x2(0)   2 ,  x2  6  x1  x3   2.6667
(0) (0)
 (0)  1   3
 x3     (1) 1
 x3  5 3  x1  2 x2   1.6000
(0) (0)
 (2) 1
 x1  4  4  2 x2  x3   0.7334
(1) (1)
 x1(1)  0.2500  
   (2) 1
x (1)   x2(1)  2.6667  ,  x2  6  x1  x3   2.6167
(1) (1)
 (1)   3
 x3  1.6000   (2) 1
 x3  5 3  x1  2 x2   1.7167
(1) (1)
 (3) 1
 x1  4  4  2 x2  x3   0.7375
(2) (2)
 x  0.7334 
(2)
1 
   (3) 1
  x2(2)  2.6167  ,  x2  6  x1  x3   2.8167
(2) (2) (2)
x
 (2)   3
 x3  1.7167   (3) 1
 x3  5 3  x1  2 x2   1.7934
(2) (2)
..............................................................................................................
 x1(29)  1 
 
x (29)   x2(29)  3 
 (29) 
 x3  2 
Exercice 2 :
 (1) 1
 x1  4  4  2 x2  x3   0.2500
(0) (0)
 x1(0)  1  
   (1) 1
x (0)   x2(0)  2  ,  x2   6  x1  x3   2.4167
(1) (0)
 (0)   3
 x3  1   (1) 1
 x3  5 3  x1  2 x2   1.6167
(1) (1)
 (2) 1
 x1  4  4  2 x2  x3   0.6125
(1) (1)
 x1(1)  0.2500  
   (2) 1
x (1)   x2(1)  2.4167  ,  x2  6  x1  x3   2.7431
(2) (1)
 (1)   3
 x3  1.6167   (2) 1
 x3  5 3  x1  2 x2   1.8197
(2) (2)
 (3) 1
 x1  4  4  2 x2  x3   0.8265
(2) (2)
 x1(2)  0.6125 
   (3) 1
x (2)   x2(2)  2.7431 ,  x2  6  x1  x3   2.8821
(3) (2)
 (2)   3
 x3  1.8197   (3) 1
 x3  5 3  x1  2 x2   1.9181
(3) (3)
.............................................................................................
 x1(15)  1 
 
x  x (15)   x2(15)  3 
 (15) 
 x3  2
La solution du système par la méthode de Jacobi est obtenue à la 29 ieme itérations, or

pour le même système la solution est déterminée à la 15ieme itérations par la méthode de
Gauss-Seidel, ce qui rend cette dérnière la plus optimale et précise que celle de Jacobi.
Exercice 1 :
On considère le problème suivant :
 2t  1
 y '(t )  y (t ) 
 2 y (t ) , t   0,1 , h  0.2
 y (0)  1

Trouver la solution approchée par la méthode d'Euler
Exercice 2 :
Soit le problème précédent :
 2t  1
 y '(t )  y (t ) 
 2 y (t ) , t   0,1 , h  0.2
 y (0)  1

Trouver la solution approchée par la méthode d'Euler améliorée.
Exercice 3 :
Refaire l'exercice précédent par la méthode Runge-Kutta :
 2t  1
 y '(t )  y (t ) 
 2 y (t ) , t   0,1 , h  0.2
 y (0)  1

Solution
Exercice 1 :
On a : y '(t )  f (t , y)  y '(ti )  f (ti , yi ) , alors yi 1  yi  hf (ti , yi )
 2t  1 
yi 1  yi  h  yi  i  , t0  0
 2 yi 
 2t  1 
i  0  y1  y0  h  y0  0  = 1.1000
 2 y0 
 2t  1 
i  1  y2  y1  h  y1  1  = 1.1927
 2 y1 
 2t  1 
i  2  y3  y2  h  y2  2  = 1.2803
 2 y2 
 2t  1 
i  3  y4  y3  h  y3  3  = 1.3645
 2 y3 
 2t  1 
i  4  y5  y4  h  y4  3  = 1.4469
 2 y4 
 2t  1 
i  5  y6  y5  h  y5  5  = 1.5289
 2 y5 
Remarque
Notons que la solution exacte est : y (t )  t  1 . Si par exemple on prend i=0, pour deux pas
 Solution exacte : y1  1

(h) différent, on a :  Si : h  0.1, y1 (0)  1.0500 , donc plus le pas est petit plus
 Si : h  0.2, y (0)  1.1000
 1
l'approximation est meilleure, or le temps de calcul augmente.
Exercice 2 :
 y (0)  1
 y '(t )  f (t , y )

On a :  y '(t )  f (t , y )
i i i
i 1 i 1 i 1

h
 y  y   f (t , y )  f (t , y ) 


i 1 i
2
i i i 1 i 1
 
Donc : yi 1  yi  h  yi  2ti  1    yi 1  2ti 1  1  
2  2 yi   2 yi 1  
  
  
h  2t  1    2ti  1  2ti 1  1 
yi 1  yi   yi  i   y  h  i
y    
2 yi    
i
2 
   2 y   2 t  1  
2  yi  h  yi  i
i
  
 
   2 y   
  i
  
  
h  2t  1    2t0  1  2t1  1   =1.0964
i  0  y1  y0   y0  0 
  0y  h  0
y    
2 

2 y0 
  2 y0    2t  1    
2  y0  h  y0  0  
 
   2 y0    
 
  
  
h  2t1  1    2t1  1  2t2  1   =1.1852
i  1  y2  y1   y1    y1  h  y1   
2  2 y1    2 y    
2t  1   
  1
2  y1  h  y1  1 



   2 y1    
  
  
h  2t2  1    2t2  1  2t3  1   =1.2682
i  2  y3  y2   y2     y2  h  y2   
2 

2 y2   2 y2    2t  1    
 2  y2  h  y2  2  



   2 y2    
  
  
h  2t3  1    2t3  1  2t4  1   =1.3467
i  3  y4  y3   y3     y3  h  y3   
2 

2 y3 
  2 y3    2t  1    
2  y3  h  y3  3  
 
   2 y3    
 
  
    =1.4217
h  2t  1    2t4  1  2t5  1 
i  4  y5  y4   y4  4   y  h  4
y    
2 y4    
4
2 
   2 y   
2t  1  
2  y4  h  y4  4
4
 



   2 y4    
On peut conclure que la méthode d'Euler modifiée est plus précise que sa première, et
l'augmentation du pas h offre une meilleure approximation à la solution, cependant cette
option nécessite un temps de calcul énorme.
 Solution exacte : y1  1  Solution exacte : y1  1

 
 Euler améliorée : y1 (0)  1.0964   Euler améliorée : y1 (0)  1.0489 
 Euler :  avec : h  0.2   avec : h  0.1
 y1 (0)  1.1000   Euler : y1 (0)  1.0500 
Exercice 3 :
On a :
   
   
h    h h   h h h h    h h h h   

yi 1  yi  f ( ti , yi )  2 f  ti  , yi  f ( ti , yi )   f  ti  , yi   f ( ti  , yi  f ( ti , yi ))     f  ti  h , yi  hf  ti  , yi   f ( ti  , yi  f ( ti , yi ))   
6   2 2   2 3 2 2    2 3 2 2   
 f   
 1  ¨ f2 f3  f4 
   
En effectuant tous les calculs (i=0,...,5) on obtient :
i  0  y1  1.0935, i  1  y2  1.1787, i  2  y3  1.2569, i  3  y4  1.3287, i  4  y5  1.3943

Nous constatons que la solution la plus proche de celle de l'exacte est celle obtenue par la
méthode Runge-Kutta. Cette dernière est la mieux convenable pour l'approximation de
solution des équations différentielles.
 Euler : y1 (0)  1.1000   Euler : y1 (0)  1.0500

   
 Euler améliorée : y1 (0)  1.0964  , Avec h  0.2  Euler améliorée : y1 (0)  1.0489 , Avec h  0.1
   
 Runge  Kutta : y1 (0)  1.0935   Runge  Kutta : y1 (0)  1.0484
 Solution exacte : y (0)  1  Solution exacte : y (0)  1
 1  1

TD Méthode Numérique 1 2 3 4 5 6 2022

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

TD Méthode Numérique 1 2 3 4 5 6 2022

Transféré par

Droits d'auteur :

Formats disponibles

T D Méthodes numériques/ 2ieme TEC, ELT, AUT et GP Proposé par Dr. A.

Série d’exercices N°1

Considérons l'équation f(x)=x6-x-1=0, avec x 1, 2 et   0, 01 , trouver la solution

approchée x de f(x)=0 par la méthode de Bissection.

Résoudre l'équation x3+x-2=0 par la méthode des approximations successives,

Soit la fonction f(x)=x3+x-2, tel que x  0.5, 2 . Vérifier les conditions de

1. Localiser graphiquement la racine de l'équation x3  18  0 , en choisissant un

2 Θ1  1.25  1.5 1.25

3 Θ1 Θ1.125  1.25 -0.0977

4 Θ1.125  1.1875  1.25 0.6167

5 Θ1.125  1.1563  1.1875 0.2333

6 Θ1.125  1.1406  1.1563 0.0618

Pour   10 2 , on retient la solution x =x6=1.1406.

b). Détermination de l'intervalle contenant la racine.

c). Vérification de l'intervalle obtenu.

d.) L'estimation de la valeur initiale x0 de la racine

Comme x2  x1   on arrête le procédé itératif, donc la solution (précision   103 ) est

x  x2  2.7183 . Nous constatons que le choix judicieux de x0 nous a permet de réduire le

Série d’exercices N°2

Soit la fonction f ( x)  1  log( x) donnée par le tableau suivant :

Après développement de calcul on obtient le polynôme suivant :

Nous allons déterminer le polynôme d'interpolation en considérant le quatrième point.

p2 ( x)  f ( x 0 )l0 ( x)  f ( x 1 )l1 ( x)  f ( x 2 )l2 ( x)

Après le calcul on obtient :

Superposition de P2, P3 et f(x)

P4 ( x )  11.5 x  0.75 x ( x  1)  0.1875 x ( x  1)( x  2)( x  3)

Apres simplification, on obtient l'expression de P4(x) suivante :

A partir de la superposition de la courbe de f avec celles de [P1(x), P2(x), P3(x) et

Superposition de P1 et f(x) Superposition de P2, P3 et f(x)

Superposition de P1, P2, P3, P4 et f(x)

A partir de la superposition ci-dessous, les courbes des polynômes d'ordre 3, issues

existe, il est unique.  p

a) Le polynôme d'interpolation de Lagrange est :

Série d’exercices N°3

a. des trapèzes n=1

c. des trapèzes, forme générale, pour n=3

d. de Simpson, forme générale, pour n=4

Evaluer l'ordre de l'erreur commise dans les deux cas c et d.

précision de 10-3 (ε=10-3).

Le pas d’intégration est : h  b  a  2

c. Méthode trapèzes, forme générale, pour n=3

d. Méthode Simpson, forme générale, pour n=4

Evaluation de la majoration de l'erreur commise par :

(4(1)2  2)e (1)  0.74

xi 1 1.125 1.25 1.375 1.5 1.625 1.75 1.875 2

On applique directement la formule de Simpson pour n=2

Série d’exercices N°4

Résoudre ce système par la méthode de Gauss

Résoudre ce système par de la méthode de Gauss avec pivotation totale

second degré représenté sur la figure ci- 13

après dont les coefficients sont a, b et c. A 12

partir des points indiqués sur cette courbe, 11

composer un système de trois équations 10

(comme inconnus on a : a, b et c). Trouver 9

les coefficients a, b et c par la méthode de 8

a) Ecrire le système sous sa forme matricielle

a11(1) = 5, a12(1) = 3, a13(1) = 2, b1(1) = 5.

Les éléments des autres lignes sont calculés comme suit :

ceux de la pivotation partielle en première étape (voir cours).

Première étape k=1

(1) (0) (0) (1) 57

(1) (0) (0) (1) 86

(1) (0) (0) (1) 29