Eléments de Calcul Numérique - Mir - 1973

B. IL ÆEMHflOBHH n H. A.
MAPOH
OCHOBBI
BUHHCJIHTEJIBHO0
MATEMATHKH
H3flATEJIBCTB0 «HAYKA»
MOCKBA
ÉLÉMENTS DE CALCUL
NUMÉRIQUE
PAR
B. DÉMIDOVITCH et I. MARON
ÉDITIONS MIR • MOSCOU

CDU 5 1 8 .0 a40
TRADUIT DU RUSSE
par V A L E N T I N POLO N S K I
Ha (ppaMfy3CK0M st3UKe
^ 0224-255
041(01)-73 © Traduction française. Editions Mir. 1973
PRÉFACE
Les progrès impétueux des techniques nouvelles et l ’application

toujours plus poussée des mathématiques modernes à la recherche
ont rendu infiniment plus rigoureux les impératifs auxquels doit satis
faire la formation mathématique des ingénieurs et des chercheurs
se consacrant à des problèmes appliqués.
Les connaissances mathématiques nécessaires à un chercheur
dans le domaine technique ne peuvent déjà plus se borner aux élé
ments traditionnels de l ’analyse dite classique dont les branches
essentielles se sont constituées en principe vers le début du XXe
siècle. Un ingénieur travaillant dans un centre de recherches est
actuellement censé de connaître de nombreuses branches des mathé
matiques modernes et, en premier lieu, de posséder à fond les métho
des et procédés de calcul numérique, la résolution de la plupart
des problèmes imposant l ’obtention d’un résultat numérique.
Les techniques actuelles offrent de nouveaux moyens puissants
pour la réalisation effective des calculs. Dans de nombreux cas il
devient donc possible de remplacer les positions approchées des
problèmes appliqués par des formulations précises. Or cela implique
la mise en œuvre de théories mathématiques spéciales (équations
différentielles non linéaires, analyse fonctionnelle, méthodes varia
tionnelles, etc.).
L’utilisation raisonnable des machines à calculer modernes est
impensable sans la maîtrise des méthodes de calcul approché et
numérique. C’est ce qui explique l ’intérêt de plus en plus croissant
porté en U.R.S.S. et dans d’autres pays aux méthodes d’analyse
numérique.
Le présent ouvrage a surtout pour objet de donner un exposé
dans une certaine mesure systématique et mis à jour des plus impor
tants méthodes et procédés de calcul numérique sur la base d’un
cours général des mathématiques supérieures. Il est conçu dans sa
majeure partie comme un manuel de premier cycle d’étude de calcul
numérique à l ’usage des élèves des écoles techniques supé
rieures.
6 PRÉFACE
L'essor de l'économie nationale de l ’U.R.S.S. rend nécessaire

la formation en nombre toujours plus grand de spécialistes pour les
centres de calcul. Les programmes de divers cours de perfectionne
ment des ingénieurs et de la formation des candidats à la licence
réservent une grande place au calcul approché et numérique. C’est
la raison pour laquelle nous avons inclus dans ce livre des renseigne
ments supplémentaires sortant du cadre d’un cours d’école supé
rieure usuel. Cela ne rend pas pour autant plus difficile la lecture
de l ’ouvrage, le lecteur peut sans altérer la compréhension du texte
choisir les exposés nécessaires et omettre ceux qu’il considère comme
superflus. Pour rendre plus commode la manipulation du livre, les
chapitres pouvant être omis en première lecture sont affectés d’un
astérisque.
Les auteurs font largement appel aux principes du calcul matri
ciel. Les notions de vecteur, matrice, matrice inverse, valeur propre
et vecteur propre, etc., sont usuelles. L’application des matrices
présente plusieurs avantages, rendant plus facile la mise en évidence
des principes de nombreux calculs. Dans ce sens la démonstration
des théorèmes de convergence de divers processus numériques est
particulièrement suggestive. En outre, les machines à calculer
rapides actuelles réalisent sans peine les opérations matricielles
principales.
Pour l ’intelligence du texte le lecteur doit posséder un minimum
de connaissances dans le domaine de l ’algèbre linéaire et de la théorie
des espaces vectoriels. L’assimilation de ce minimum devient plus
facile grâce aux renseignements supplémentaires que les auteurs
ont cru nécessaire d’inclure afin d’éviter des références à de nom
breuses sources. Les chapitres respectifs sont indépendants du texte
principal et le lecteur initié peut les omettre sans inconvénient.
Le présent ouvrage traite surtout des sujets suivants : opérations
sur les nombres approchés ; calcul des valeurs d’une fonction à
l ’aide de séries et de processus itératifs; résolution approchée et
numérique des équations algébriques et transcendantes; méthodes
numériques de l'algèbre linéaire ; interpolation des fonctions ;
dérivation et intégration numérique des fonctions; méthode de
Monte-Carlo.
Les auteurs s’attachent à donner des méthodes commodes pour
évaluer les erreurs. Les théorèmes de convergence sont démontrés
pour la plupart des processus, l ’exposé rendant possible leur omis
sion pour se borner seulement à l ’aspect technique de la question.
Dans certains cas, pour rendre le texte plus direct et moins complexe,
les procédés de calcul sont présentés sous une forme schématisée.
Les méthodes principales sont poussées jusqu’à des applications
numériques exposées sous la forme d’exemples et de résolutions
détaillées. Pour une meilleure maîtrise des principes la majorité
des exemples est traitée sous une forme simplifiée donnée à titre
PRÉFACE 7
d ’illustration. Les références et la bibliographie supplémentaire

sont placées en fin de chaque chapitre.
Le présent ouvrage est un exposé des méthodes choisies de calcul
numérique et ne contient pas les textes relatifs aux formules empiri
ques, à l'approximation quadratique des fonctions, aux solutions
approchées des équations différentielles, etc. Les auteurs se pro
posent d’écrire à ce sujet un ouvrage spécial.
Ce livre ne traite pas non plus de programmation et de techni
ques de résolution des problèmes mathématiques sur les machines
à calculer.
Les auteurs tiennent à exprimer leur reconnaissance aux colla
borateurs de la chaire des mathématiques supérieures de l ’Académie
d ’Artillerie F. Dzerjinski, qui ont pris part à la discussion du manus
crit. Tout particulièrement nous remercions L. Lusternik, G. Tols-
tov, N. Bouslenko pour leurs remarques d’ordre général, E. Chouva-
lova qui a mis à notre disposition certaines données, D. Grobman
pour des conseils pratiques précieux et A. Iouchkévitch qui a revu
le chapitre XVII.
La reconnaissance des auteurs va également au professeur
K. Smolitski, au chargé de cours S. Frolov et à R. Chostak dont
les critiques ont permis d’améliorer le manuscrit.
Les Auteurs
INTRODUCTION
Généralités
La réalisation d’un grand nombre de calculs impose l ’obser
vation des règles bien simples élaborées par la pratique, qui facili
tent le travail du calculateur et rendent rationnelle l ’utilisation
des machines et des moyens auxiliaires.
Le calculateur doit dresser en premier lieu un schéma de calcul
qui indique exactement l ’ordre des opérations et qui permet d’obte
nir le résultat recherché par le moyen le plus simple et le plus rapide.
Cela importe surtout dans le cas des calculs de même type, car
alors un tel schéma, en rendant les calculs automatiques, permet
de les exécuter à une vitesse et avec une fiabilité plus grandes, ce
qui compense largement le temps nécessaire pour la composition
du schéma. Par ailleurs, un schéma de calcul détaillé permet de
confier le travail à des exécutants moins qualifiés.
Voici un exemple pour illustrer l ’établissement d’un schéma.
Supposons qu’il faille calculer les valeurs d’une fonction donnée
analytiquement
y = / (*)
pour les valeurs données de l ’argument x = xly x2, . . ., xn. Si
le nombre de ces valeurs est grand, il n’est pas raisonnable de cal
culer d’abord la valeur / (xj), puis la valeur / (x2), etc., réalisant
chaque fois l ’ensemble des opérations désignées par le symbole /.
Il est beaucoup plus avantageux, après avoir décomposé la fonction /
en o p é r a t i o n s é l é m e n t a i r e s
de réaliser les calculs par des opérations de même type:

Ui = fi (£j) (i = 1, 2, • • ., u) ;
Vi = f* (Ui) (i = 1, 2, . . ., n);
y = 1m {wd (i = 1, 2, . . ., n),
10 INTRODUCTION
en reprenant toujours la même opération fj (/ = 1 , 2, . . ., m)

pour t o u t e s les valeurs considérées de l ’argument. On peut
alors utiliser largement les tables des fonctions correspondantes et
les machines à calculer spécialisées. Les résultats des calculs doivent
être portés sur des cartes ou formulaires spéciaux, feuilles de papier
dûment réglées et portant les notations définies par le schéma de
calcul retenu. A mesure que les résultats des calculs intermédiaires
sont obtenus, on les inscrit sur ces cartes à l ’endroit bien déterminé,
ainsi que les résultats définitifs.,
Les cartes sont conçues en général de façon que les résultats de
chaque série des opérations de même type soient portés sur la même
colonne ou ligne, la disposition des écritures des résultats inter
médiaires devant être commode pour la réalisation des calculs ul
térieurs.
Ainsi, pour composer le tableau des valeurs de la fonction
“4” cos x . i i » §av
y = i +x2— hV l + sm* x, (1)
on peut recommander le formulaire représenté sur le tableau 1 .
Les calculs se font suivant les colonnes, le caractère des opé
rations de même type à réaliser étant suggéré par le formulaire lui-
même.
Tableau 1
On inscrit d’abord sur la colonne (1) les valeurs données de

l ’argument x. Ensuite tous les nombres de la colonne (1) sont élevés
au carré et portés sur la colonne (2). Puis pour chaque nombre de la
colonne (1) on définit d’après les tables les valeurs successives de
eXj sin x, cos x, inscrites respectivement sur les colonnes (3), (4), (5).
Les colonnes suivantes indiquent les résultats des opérations
intermédiaires. Par exemple, la colonne (6) donne la valeur de la
somme ex + cos x (schématiquement (3) + (5)), etc. Dans la der
nière colonne figurent les valeurs de la fonction cherchée y. Lorsque
INTRODUCTION 11
la forme de la carte est correcte; le calculateur ne recourt pas pendant

le travail à la formule de calcul, en concentrant toute son attention
pour remplir les colonnes.
Notons que le schéma de calcul et la forme de la carte sont inti
mement liés aux appareils utilisés et aux tableaux auxiliaires.
Ainsi, dans certains cas, des résultats intermédiaires isolés ne sont
pas portés sur la carte étant conservés par la mémoire de la machine.
Parfois il est commode de considérer des ensembles standards des
opérations comme une opération isolée. Par exemple, avec une règle
à calcul la valeur numérique de l ’expression du type
ab
c
peut être calculée sans fixer le résultat intermédiaire et il ne faut
donc pas la décomposer en opérations élémentaires de multiplication
et de division. D’une façon analogue, lorsqu'on travaille sur des
calculateurs électriques, le calcul de la somme
n
est une opération unique. Dans de nombreux cas on a intérêt à

transformer les expressions données pour les ramener à une forme
singulière (par exemple, remplacer la division par la multiplication
par une grandeur inverse ou décomposer l ’expression en un produit
commode pour le calcul des logarithmes, etc.).
Le deuxième élément auquel il faut prêter attention c’est la
vérification des calculs. Sans cette vérification le calcul ne peut être
considéré comme terminé. La vérification peut être courante ou finale.
Les opérations supplémentaires de vérification courante permettent
d'établir avec une certitude plus ou moins grande que les résultats
intermédiaires obtenus sont valides. S'il n’en est pas ainsi, on
reprend les calculs du pas correspondant. La vérification finale
ne porte que sur le résultat définitif. Par exemple, si l ’on cherche
la racine d’une équation, la valeur obtenue peut être vérifiée par
substitution. Le bon sens suggère que lorsque les calculs sont nom
breux, il est trop risqué de remettre la vérification à la fin des opé
rations. C’est pourquoi il est plus avantageux de vérifier la validité
des calculs pas à pas. Dans des cas importants les calculs sont véri
fiés par exécution indépendante des opérations par deux calcula
teurs ou le calcul se fait par le même exécutant mais suivant deux
méthodes différentes.
Le troisième élément important est Y estimation de Verreur. Dans
la majorité des cas les calculs se font avec des nombres approchés,
le résultat obtenu étant aussi approché. C’est pourquoi même une
méthode exacte de résolution des problèmes donne lieu à des erreurs
générées (erreurs d'opération) et des erreurs d'arrondi. Si la méthode
12 INTRODUCTION
elle-même est approchée, à ces deux erreurs vient s’ajouter l'erreur

de la méthode. Dans des circonstances défavorables, l ’erreur résul
tante peut être si grande que le résultat obtenu n’aura qu’une valeur
illusoire. Les chapitres correspondants du présent ouvrage indi
quent les méthodes d’évaluation des erreurs pour les calculs prin
cipaux.
Dans une carte de calcul il est utile de prévoir des colonnes pour
les différences tabulées (cf. chapitre XIV, § 2) qu’on peut mettre
à profit pour la vérification des calculs. Notamment, si la validité
d’une partie du tableau des différences est compromise, il faut recal
culer les éléments correspondants du tableau ou révéler la cause de
la perturbation.
Il faut également veiller à ce que les inscriptions sur les cartes
soient soignées et bien nettes. La pratique atteste qu’une écriture
vague des chiffres conduit souvent à des fautes susceptibles de com
promettre un calcul bien organisé. Les fautes d’écriture des nombres
sont particulièrement graves si ces derniers comptent beaucoup de
zéros. Les nombres de ce type doivent être notés sous une forme
normale, en spécifiant la puissance entière de dix ; par exemple
0,00000345 = 3,45.10“6,
etc.
Dans ce livre, les auteurs traitent essentiellement des m é t h o
d e s d e c a l c u l s . Dans plusieurs cas les exemples numériques
sont simplifiés et les calculs intermédiaires souvent omis.
CHAPITRE PREMIER
NOMBRES APPROCHÉS
§ 1. Erreurs absolue et relative

Un nombre approché a est un nombre légèrement différent du
nombre exact A et qui dans les calculs remplace ce dernier. Si l ’on
sait que a < A , a est dit valeur approchée du nombre A par défaut ;
si a > A j a est une valeur approchée par excès. Par exemple, pour
V"2 le nombre 1,41 est une valeur approchée par défaut alors que
1,42 l ’est par excès car 1,41 < ] ^ 2 < 1 ,4 2 . Si a est une valeur
approchée du nombre A, on note a « A .
Il est d’usage d’entendre par erreur Aa d’un nombre approché
a la différence entre le nombre exact A correspondant et le nombre
approché donné
Aa = A — a *.
Si A > a, l ’erreur est positive: Aa > 0 ; mais si A < a , l ’erreur
est négative: Aa < 0 . Pour obtenir le nombre exact A, il faut ajou
ter au nombre approché a l ’erreur Aa
A = a + Aa.
Le nombre exact peut être ainsi considéré comme approché avec
une erreur nulle.
Dans de nombreux cas le signe de l ’erreur est inconnu. Il con
vient alors de recourir à Yerreur absolue du nombre approché
A = | Aa |.
D é f i n i t i o n 1. On appelle erreur absolue A d’un nombre
approché a la valeur absolue de la différence entre le nombre exact
correspondant A et le nombre a
A = | A — a |. (1)
Il convient alors de distinguer deux cas:
1) le nombre A est connu; l ’erreur absolue se détermine d’après
la formule (1) ;
* On appelle quelquefois erreur la différence a — A.
14 n om bres a ppr o c h é s [CH. I
2) le nombre A est inconnu, cas pratiquement le plus fréquent ;

par conséquent, nous ne pouvons pas déterminer Terreur absolue A
d’après la formule (1).
Dans ce cas, au lieu de Terreur absolue théorique À inconnue,
il est utile d’introduire sa limite supérieure dite borne supérieure
d'erreur absolue *.
D é f i n i t i o n 2. On désigne par le nom de borne supérieure
d'erreur absolue d’un nombre approché tout nombre supérieur ou
égal à Terreur absolue de ce nombre.
Ainsi, si Aa est une borne d’erreur absolue d’un nombre approché
a qui remplace le nombre exact A, on a
A = \A — a | < Aa. (2)
On en déduit que le nombre exact A est encadré comme suit
a — Aa ^ A ^ a + Aa. (3)
Par conséquent, a — Aa est une approche du nombre A par défaut
et a + Aa Test par excès.
Dans ce cas on fait appel à une écriture abrégée
A = a ± Aa.
E x e m p l e 1. Trouver la borne d’erreur absolue du nombre
a = 3,14 qui remplace le nombre n.
S o l u t i o n . Puisqu’on a l ’inégalité
3,14 < j i < 3 ,1 5 , il vient | a — n | < 0 ,0 1
et, par conséquent, on peut poser Aa = 0,01.
Si Ton tient compte de ce que
3,14 < ji < 3,142,
une meilleure estimation est Aa = 0,002.
Constatons que la notion de borne d’erreur absolue énoncée
dans ce qui précède est très large: par borne d'erreur absolue d'un
nombre approché a on entend un représentant quelconque de Vensemble
infini des nombres non négatifs Aa qui vérifient Vinégalité (2). Il
en résulte que tout nombre supérieur à une borne d’erreur absolue
du nombre approché donné peut s'appeler également borne d’erreur
absolue de ce nombre. En pratique il est commode de choisir pour
Aa le nombre le plus petit possible qui vérifie l ’inégalité (2).
L’écriture d’un nombre approché obtenu par mesure directe
traduit en général sa borne d’erreur absolue. Par exemple, si la
longueur d ’un segment est Z = 214 cm à 0,5 cm près, on écrit Z =
* Sauf mention expresse, on entend ici par borne d’erreur la borne d'erreur
supérieure (note du trad.).
§M E R R E U R S ABSOLUE E T RELA TIV E 15
= 214 cm ± 0,5 cm. Ici la borne d’erreur absolue A/ = 0,5 cm,

et la valeur exacte de la longueur l du segment est comprise entre
les limites 213,5 cm ^ Z^ 214,5 cm.
L’erreur absolue (ou la borne d’erreur absolue) ne suffit pas
pour caractériser le degré de précision de la mesure ou du calcul.
Ainsi, si en mesurant les longueurs de deux tiges on obtient Zt =
= 100,8 cm dh 0,1 cm et l2 = 5,2 cm ± 0,1 cm, bien que les bornes
d’erreur absolue coïncident, la première mesure est meilleure que
la deuxième. Pour la précision des données d’une mesure, le rôle
essentiel revient à l'erreur absolue par unité de longueur qui s’appelle
erreur relative.,
D é f i n i t i o n 3. L'erreur relative ô d’un nombre approché a
est le rapport de l'erreur absolue A de ce nombre et du module du
nombre exact correspondant A (A ^ 0)
D’où A = | A | ô.
Introduisons, de même que pour l'erreur absolue, la notion de
borne d'erreur relative.
D é f i n i t i o n A. La borne (supérieure) d'erreur relative ôa
d’un nombre approché a donné est un nombre quelconque supé
rieur ou égal à l ’erreur relative de ce nombre. Par définition :
ô < ôa, (5)
c’est-à-dire ^ ^ ôa, d’où A ^ | A | ôa.
Ainsi on peut prendre pour borne d’erreur absolue du nombre a
Aa = I A I ôa. (6)
Comme pratiquement A « a, au lieu de la formule (6) on utilise
souvent la formule
Aa = I a | ôa. (6')
Si l ’on connaît une borne d’erreur relative ôa, on en déduit un enca
drement du nombre exact. Voici la notation conventionnelle qui
traduit le fait que le nombre exact repose entre a (1 — Ôa) et
a (1 + ôa) :
A = a (1 ± ôa)-
Soient a un nombre approché qui remplace le nombre exact A
et Aa une borne d’erreur absolue du nombre a. Pour fixer les idées,
posons que A > 0, a > 0 et Aa < a. Alors
ô = AA ^^ Aq
a —Aa *
46 NOMBRES APPROCHÉS [CH. I
Par conséquent, on peut adopter comme borne d’erreur relative du

nombre a le nombre
D’une façon analogue on obtient A = A6 ^ (a + A) 6a ; d’où

aôa
Aa
1- ô a “
Si, comme d’ordinaire, Aa <£a et ôa <£ 1 (le sy m b o le^ se
lit « très inférieur »), on peut adopter d’une façon approchée
Ôa a
Ct
Aa « aôa.
E x e m p l e 2. Le poids de 1 dm3 d’eau à 0 °C est p =
= 999,847 gf ± 0,001 gf. Trouver la borne d’erreur relative du
résultat de la pesée.
S o 1 u t i o n. Il est clair que Ap = 0,001 gf et p = 999,846 gf.
Par conséquent,
0,001
9 9 9 ,8 4 6
10“4 %.
E x e m p l e 3. En recherchant la constante de gaz de l ’air
on a obtenu R = 29,25. L ’erreur relative de cette valeur étant
l%o, trouver les limites entre lesquelles est comprise R.
S o l u t i o n . On a ÔR = 0,001 ; donc AR = RàR « 0 ,0 3 .
Par suite, 29,22 ^ R ^ 29,28.
§ 2. Sources principales des erreurs

Les erreurs commises dans les problèmes mathématiques peuvent
être en principe classées en cinq catégories.
1. Erreurs dues à la position même du problème. Il est rare
que les formulations mathématiques présentent un modèle fidèle
du phénomène réel; généralement, ces modèles sont plus ou moins
idéalisés. Lors de l ’étude de tel ou tel phénomène de la nature, dans
les cas courants on est contraint, afin de simplifier le problème,
d’admettre certaines conditions, ce qui donne lieu à plusieurs erreurs
(<erreurs du problème).
Il arrive parfois qu’il soit difficile ou même impossible de ré
soudre un problème énoncé en termes exacts. On le remplace alors
par un problème approché dont les résultats se distinguent peu de
ceux du problème donné. On fait apparaître ainsi une erreur qu’on
peut appeler erreur de la méthode.
§ 3 .] NOTATOIN DÉCIMALE. CH IFFRES SIGNIFICATIFS 17
2. Erreurs associées en analyse mathématique aux processus

infinis. Les fonctions qui figurent dans les formules mathématiques
sont souvent données sous la forme de suites infinies ou de séries
(par exemple, sin x = x — fr + f] — . . . ) . Plus même, de nom
breuses équations mathématiques ne peuvent être résolues qu’en
décrivant des processus infinis dont les limites constituent précisé
ment les solutions cherchées. Un processus infini ne se terminant
pas en général en un nombre fini de pas, on est obligé d’y mettre
fin à un certain terme de la suite en le considérant comme une appro
ximation de la solution cherchée. On comprend que le processus
ainsi arrêté donne lieu à une erreur dite erreur de troncature.
3. Erreurs dues à la présence dans les formules mathématiques
des paramètres numériques dont les valeurs ne peuvent être déter
minées qu’approximativement. Telles sont, par exemple, toutes les
constantes physiques. Cette erreur est dite par convention initiale.
4. Erreurs associées au système de numération. Même des nom
bres rationnels notés dans le système décimal ou dans un autre
système positionnel peuvent comporter à droite de la virgule une
infinité de chiffres (un nombre décimal périodique, par exemple).
Il est évident que le calcul ne peut mettre en œuvre qu’un nombre
fini de ces chiffres. Ainsi apparaît Yerreur d'arrondi ou de chute.
En posant, par exemple, y = 0,333, on commet une erreur A «
« 3 -10”4. Il arrive également qu’il faut arrondir des nombres déci
maux à grand nombre de chiffres.
5. Erreur résultante d’une opération due aux erreurs des termes
initiaux (erreur propagée). Il est clair qu’en effectuant des calculs
sur des nombres approchés, les erreurs des données de départ sont
propagées en quelque sorte sur le résultat des calculs. Sous ce rap
port, les erreurs propagées sont i n s u r m o n t a b l e s .
Il va de soi que des erreurs de telle ou telle espèce n’interviennent
pas nécessairement dans la résolution des problèmes concrets ou
leur influence est négligeable. Mais généralement, pour une analyse
complète il faut prendre en considération toutes les erreurs. Dans
ce qui suit nous allons nous borner essentiellement au calcul des
erreurs générées et des erreurs de la méthode.
§ 3. Notation décimale des nombres approchés.
Chiffres significatifs. Nombre de chiffres exacts
On sait que tout nombre positif a peut être représenté sous la
forme d’un nombre décimal de développement limité ou illimité
a = a m10m-1- a m_110m“l + a m_210’"“*+ . . . + a m-»+110m~n+I (1)
où ai sont les chiffres du nombre a (a{ = 0, 1, 2, . . 9), le chiffre
de l ’ordre le plus élevé a m # 0 et m est un entier (rang supérieur
2 -0 1 0 7 2
du nombre a). Par exemple,

3141,59 . . . = 3-103 + 1 -102 + 4-101 + 1 -10° + 5 -10”1 +
+ 9.10-2 + . . .
Le poids d'une unité varie en fonction de sa position dans le
développement décimal (1) du nombre a. L’unité en première place
vaut 10m, en deuxième ÎO771-1, en n-ième 10m~n+1, etc.
Dans la pratique on n’utilise essentiellement que des nombres
approchés qui sont des nombres décimaux l i m i t é s
b = pm10m+ Pm-tlO"*-1+ . . . + Pm-»+ilOm- n+1 (Pm ¥= 0). (2)
Tous les chiffres conservés Pi (i = m, m — 1, . . ., m — n + 1)
s’appellent chiffres significatifs du nombre approché b. Il se peut
bien que certains d’entre eux (à l ’exception de pm) soient nuis. La
représentation positionnelle du nombre b dans le système de numé
ration décimale impose quelquefois l ’introduction des zéros au
début ou à la fin du nombre. Par exemple,
b = 7-10-3 + 0 -ÎO-4 + 1 «ÎO-6 + 0 -10“8 = 0l007010,
ou
b = 2-10® + (MO8 + 0-107 + 3-108 + 0-105 = 2 003 000 000.
Les zéros de ce type (soulignés dans nos exemples) ne sont pas con
sidérés comme des chiffres significatifs.
D é f i n i t i o n 1. On appelle chiffre significatif d’un nombre
approché tout chiffre dans sa représentation décimale différent
du zéro et un zéro s’il se trouve entre deux chiffres significatifs ou
s’il constitue un chiffce conservé. Tous les autres zéros faisant partie
du nombre approché et ne servant que pour désigner les rangs ne
sont pas chiffres significatifs.
Par exemple, dans le nombre 0,002 080 les trois premiers zéros
ne sont pas significatifs puisqu’ils ne servent qu’à indiquer les
rangs des autres chiffres. Quant aux deux zéros qui suivent, ils
sont significatifs, le premier étant placé entre les chiffres signifi
catifs 2 et 8 et le second, comme l ’indique la notation, traduit
le fait que le nombre approché a conservé la décimale 10”8. Si le
dernier chiffre du nombre 0,002 080 n’est pas significatif, ce nombre
se m ettrait sous la forme 0,002 08. Dans cette optique, les nombres
0,002 080 et 0,002 08 ne sont pas équivalents, le premier comptant
quatre chiffres significatifs et le second rien que trois.
Dans l ’écriture de grands nombres les zéros à droite peuvent
soit désigner les chiffres significatifs, soit définir le rang des cliiffres
restants. C’est pourquoi la notation usuelle des nombres peut donner
lieu à des confusions. Par exemple, nous ne pouvons pas juger d’a
près la forme du nombre 689 000 combien de chiffres significatifs
§ 13.1 1NOTATION DÉCIM ALE. CH IFFRES SIG NIFICATIFS 19
compte-t-il. On peut affirmer sèulement qu’il y en a au moins trois.

Pour lever cette indétermination il faut expliciter l ’ordre supérieur
du nombre et l ’écrire sous la forme 6,89 -106 s’il compte trois chiffres
significatifs, ou 6,8900 -106 s’il en compte cinq, etc. En général,
une écriture de ce type est commode pour les nombres qui compor
tent un grand nombre de zéros non significatifs, par exemple
0,000 000 120 = 1,20-10-7, etc.
Introduisons la notion de chiffres exacts d'un nombre décimal
approché.
D é f i n i t i o n 2. On dit que les n premiers chiffres signifi
catifs d’un nombre approché sont exacts si l ’erreur absolue de ce
nombre ne dépasse pas une demi-unité du rang du n-ième chiffre
significatif en comptant de gauche à droite.
Ainsi, si l ’on sait que pour un nombre approché a (1), qui rem
place le nombre exact A,
A = | 4 - a | < 1 . 1 0 m-n+l,
alors, par définition, les premiers n chiffres a m, a m„1, . . ., a m. n+1
de ce nombre sont exacts.
Par exemple, pour le nombre exact A = 35,97 le nombre a =
= 36,00 est une approximation avec trois chiffres exacts du fait
que | A — a | = 0,03 < ~ 0 , 1 .
Constatons que tous les chiffres significatifs des tables mathé
matiques sont exacts. Ainsi les tables de logarithmes à cinq déci
males assurent que l ’erreur absolue de la mantisse ne dépasse pas
-~ 1 0 ”5, etc.
Le terme « n chiffres exacts » ne doit pas être pris à la lettre,
c’est-à-dire au sens que les n premiers chiffres significatifs d’un
nombre approché a donné, qui compte n chiffres exacts, coïncident
avec les chiffres respectifs du nombre précis A. Par exemple, le
nombre approché a = 9,995 qui remplace le nombre précis A = 10
compte trois chiffres exacts, tous ces chiffres étant différents. Toute
fois, les cas sont nombreux où les chiffres exacts d’un nombre appro
ché sont précisément les mêmes que les chiffres respectifs du nombre
précis.
R e m a r q u e . Dans certains cas il est commode de dire que
le nombre a est une approximation du nombre précis A à n chiffres
exacts dans un sens lâche, en entendant par là que l ’erreur absolue
A = | A — a | ne dépasse pas une unité de rang du w-ième chiffre
du nombre approché.
Par exemple, pour le nombre précis A = 412,3567, le nombre
a = 412,356 est une approximation à six chiffres exacts dans un
sens lâche du fait que A = 0,0007 c l - 1 0 ”3.
Par la suite nous entendons, sauf mention du contraire, les

chiffres exacts d'un nombre approché dans le sens de la définition 2
(c’est-à-dire au sens strict).
§ 4. Arrondissement des nombres

Considérons un nombre approché ou précis a écrit sous la forme
décimale. Il arrive souvent qu’il faut l'arrondir, c’est-à-dire le
remplacer par un nombre a! à plus petit nombre de chiffres signi
ficatifs. Le nombre a{ est choisi de façon à minimiser l'erreur d'arron
di | ax — a |.
Règle d’arrondissement (supplémentaire). Pour arrondir un
nombre jusqu’à n chiffres significatifs on rejette tous les chiffres
à droite du n-ième chiffre significatif ou, s’il faut conserver les
rangs, on les remplace par des zéros. Dans ces conditions:
1) si le premier des chiffres rejetés est inférieur à 5, les chiffres
restent inchangés;
2) si le premier des chiffres rejetés est supérieur à 5, on ajoute
une unité au dernier chiffre restant;
3) si le premier des chiffres rejetés est égal à 5 et si parmi les
autres chiffres rejetés il y en a des non nuis, le dernier chiffre restant
est augmenté de l ’unité ;
3a) mais si le premier des chiffres rejetés est égal à 5 alors que
tous les autres chiffres rejetés sont des zéros, le dernier chiffre con
servé reste sans changer s’il est pair ou on lui ajoute une unité s’il
est impair ( r è g l e d u c h i f f r e p a i r ) .
Autrement dit, si en arrondissant un nombre on rejette moins
d ’une demi-unité de dernier rang conservé, les chiffres de tous les
rangs conservés restent inchangés ; mais si la partie rejetée du nom
bre est supérieure à une demi-unité du dernier rang conservé, on
ajoute une unité au chiffre de ce rang. Dans des cas exceptionnels,
lorsque la partie supprimée est égale e x a c t e m e n t à une
demi-unité du dernier rang conservé, pour que les erreurs d’arrondi
se compensent, on fait appel à la règle du chiffre pair.
11 est évident qu’en appliquant la règle d’arrondissement l ’erreur
» 1
d ’arrondi ne dépasse pas y de l’unité du rang du dernier chiffre
significatif conservé.
Exemple 1. En arrondissant le nombre
n = 3,1415926535 . . .
jusqu’à cinq, quatre et trois chiffres significatifs, on obtient les
nombres approchés 3,1416 ; 3,142 ; 3,14 avec des erreurs absolues
inférieures à y '1 0 -4, y -1 0 -3 et y*10-2.
§ 5.] E R R E U R RELA TIV E ET LE NOMBRE DE CHIFFRES EXACTS 21
E x e m p l e 2. En arrondissant le nombre 1,2500 à deux

chiffres significatifs, on obtient le nombre approché 1,2 avec une
erreur absolue égale à —-«ÎO”1 = 0,05.
La précision du nombre approché dépend non pas du nombre de
chiffres significatifs, mais du nombre de c h i f f r e s s i g n i -
t i c a t i f s e x a c t s [1], [2]. Lorsqu’un nombre approché com
porte un nombre superflu de chiffres significatifs inexacts, on recourt
à l ’arrondissement. On se guide généralement sur la r è g l e p r a
t i q u e suivante : lors de Vexécution des calculs approchés, le nombre
de chiffres significatifs des résultats intermédiaires ne doit pas dépasser
de plus à!une ou de deux unités le nombre de chiffres exacts. Le résultat
définitif ne doit contenir plus d’un chiffre significatif excédentaire
par rapport aux chiffres exacts. Si dans ce cas l ’erreur absolue du
résultat ne dépasse pas deux unités du dernier rang conservé, le
chiffre excédentaire est dit douteux.
La règle énoncée permet, sans porter atteinte à la précision des
calculs, d ’éviter l ’écriture des chiffres superflus et de réduire nette
ment la durée du calcul. La raison de la conservation des chiffres
de réserve est que dans les cas courants, l ’estimation des erreurs
des résultats se fait pour les pires des variantes et l ’erreur réelle
peut être nettement inférieure à l ’erreur théorique maximale. Ainsi,
dans de nombreux cas les chiffres significatifs considérés comme
inexacts sont en fait exacts.
Conformément à la précision de l ’ensemble des calculs on est
également amené à arrondir les nombres précis dont le nombre de
chiffres significatifs est trop grand ou infini.
Notons que si le nombre précis A est arrondi d’après la règle
supplémentaire à n chiffres significatifs, le nombre approché a
ainsi obtenu compte n chiffres exacts (au sens strict).
Mais si un nombre approché a comptant n chiffres exacts est
arrondi à n chiffres significatifs, l ’approche aAnouvellement obtenue
n’aura, en général, n chiffres exacts qu’au sens lâche. En effet, en
vertu de l ’inégalité
\ A — ai | < \ A — a | + | a — a, |
la borne d’erreur absolue du nombre aj se compose de l ’erreur absolue
du nombre a et de l ’erreur d’arrondi.
§ 5. Relation entre l ’erreur relative d’un nombre approché

et le nombre de chiffres exacts
Démontrons le théorème qui met en liaison la valeur de l ’erreur
relative d’un nombre approché et le nombre de chiffres exacts de ce
nombre [31, [41.
22 NOMBRES APPROCHÉS [C H .fl
T h é o r è m e . Si un nombre approché positif a compte n chiffres

exacts au sens strict, son erreur relative 6 ne dépasse pas le quotient de
(ïï)) Par k premier chiffre significatif de ce nombre, c’est-à-dire
•< £ (* )-•
où a m est le premier chiffre significatif du nombre a.
D é m o n s t r a t i o n . Soit
®= *l" ®m-.10"* 1 + • • • + Œm_n+|10 n+* + . . .
(®m > 1)
une valeur approchée du nombre précis A , qui compte n chiffres
exacts. On a par définition:
A = | 4 - a | < - . 1 0 m-n+1 ;
d ’où l’on tire
10m- n+1.
Cette dernière inégalité devient encore plus forte si on remplace
le nombre a par un nombre inférieur a m10m
A > a m10m I0m-n+1 = 1.10°* (2am- - j ^ ) . (1)
Le deuxième membre de l ’inégalité (1) devient minimal avec n — l.
Par suite
A > ± - 1 0 m(2am—1), (2)
ou, puisque
2am— 1 = 0 im "H(0Cm 1) ^
on a
otm10m#
Par conséquent,
_iOm-n+l
2 n —1
ô
y a mlO™ «m ( é )
Donc,
n -1
ô< (3)
am (îo)
Le théorème est démontré.
§ 5 .] E R R E U R RELA TIV E ET LE NOMBRE DE CH IFFRES EXACTS 23
R e m a r q u e 1. En utilisant l'inégalité (2) on peut obtenir

une estimation plus précise de l ’erreur relative 6.
C o r o l l a i r e 1. On peut prendre comme borne d’erreur
relative du nombre a
(4 )
où a m est le premier chiffre significatif du nombre a.
C o r o l l a i r e 2. Si le nombre a compte au moins deux chif
fres exacts, c’est-à-dire si n ^ 2, il vérifie pratiquement la formule
1 / 1 \n -1
Ô« = 2a„ («y (5)
i
En effet, avec 2 le terme 10rt-i de l’inégalité (1) peut être
négligé. 11 vient
10m-2am= a m10m,
ce qxii entraîne
_ L . 10m -n+l
1 \n -l
Ô= 4A < - ---- ——
a m10"« - k t U)
Par conséquent,
1 \n -l
« -• s à r tè )
R e m a r q u e 2. Si le nombre approché a compte n chiffres
exacts au sens lâche, les estimations (4) et (5) doivent être doublées.
E x e m p l e 1. Quelle est la borne d’erreur relative si au lieu
du nombre n on prend le nombre a = 3,14?
S o l u t i o n . Dans le cas considéré a m = 3 et iïA= 3. Par
conséquent,
- M \ 3 - i __ L —i . %.
°° 2*3 VIO/ 6006
E x e m p l e 2. Avec combien de chiffres faut-il calculer ]f2Q
pour que l ’erreur ne dépasse pas‘0,1 %?
S o l u t i o n . Le premier chiffre étant 4, a m == 4, de plus,
ô = 0,001: On a < 0,001, d’où ÎO""1 > 250 et 4.
Le théorème énoncé permet d’obtenir l ’erreur relative ô d’un
nombre approché
a = a m •10m + a m_110m-1 + . . . ( 6)
d ’après le nombre de ses chiffres exacts.
24 NOMBRES APPRO CHES [CH. I
Pour résoudre le problème inverse qui consiste à définir le nom

bre n de chiffres exacts du nombre (6) si l ’on connaît son erreur
relative 6, on recourt généralement à la formule approchée
ô= A (a> 0 ),
où A est l'erreur absolue du nombre a. On en tire

A = ab. (7)
En tenant compte du rang supérieur du nombre A, on établit aisé
ment le nombre de chiffres exacts du nombre approché donné a.
En particulier, si
les formules (6) et (7) entraînent

A < (am + 1) 10m.10-n < 10m-n+\
c'est-à-dire le nombre a compte au moins n décimales exactes au
sens lâche. D'une façon analogue, si
1
2-10* ’
le nombre a compte n chiffres exacts au sens strict.
E x e m p l e 3. La précision relative du nombre approché
a = 24 253 est 1 %. Combien de chiffres exacts compte-t-il?
S o l u t i o n . On a
A = 24 253 -0,01 « 2 4 3 = 2,43 «102.
Par conséquent, seuls les deux premiers chiffres du nombre a sont
exacts (n = 2) ; le chiffre des centaines est douteux. D'après la
règle énoncée dans ce qui précède, il est préférable d'écrire le nombre
a sous la forme a = 2,43 -104.
R e m a r q u e . Le mode indiqué de détermination du nombre
de chiffres exacts est approché. L'évaluation précise des chiffres
exacts du nombre a doit être guidée par les inégalités
et
aà
A < 1 -6 (0<Ô <1)
TABLES 25
§ 6. Tables des valeurs de la borne d’erreur relative

en fonction du nombre de chiffres exacts
et tables inverses
Si un nombre approché s’écrit avec les chiffres exacts indiqués,
sa borne d'erreur relative se calcule sans peine. Le calcul de ce type
est très fréquent, on a donc intérêt à rationaliser cette opération.
Le tableau 2 [5] indique l ’erreur relative en pour cent du nombre
approché en fonction du nombre de chiffres exacts au sens lâche
et des deux premiers chiffres significatifs du nombre en comptant
de gauche à droite.
Soit, par exemple, le nombre approché 0,00354 à trois chiffres
exacts. Etant donné qu'ici n = 3 et le nombre 35 est contenu dans
l ’intervalle entre 35, . . ., 39 sur le tableau 2, nous trouvons 8 =
= 0,29 %.
Tableau 2
Erreur relative (en %) des nombres a n chiffres exacts
Deux prem iers n Deux premiers n
chiffres signi chiffres signi
ficatifs 2 3 4 ficatifs 2 3 4
10-11 10 1 0 ,1 35, ... .. 39 2 ,9 0 ,2 9 0 ,0 2 9

1 2 -13 8 ,3 0 ,8 3 0 ,0 8 3 40, .,... 44 2 ,5 0 ,2 5 0 ,0 2 5
14......... , 16 7 ,1 0 ,7 1 0 ,0 7 1 45, .. 49 2 ,2 0 ,2 2 0 ,0 2 2
17......... , 19 5 ,9 0 ,5 9 0 ,0 5 9 50, .. 59 2 0 ,2 0 ,0 2
2 0 ......... , 22 5 0 ,5 0 ,0 5 60, .. 69 1 ,7 0 ,1 7 0 ,0 1 7
2 3 ......... , 25 4 ,3 0 ,4 3 0 ,0 4 3 70, .. 79 1 ,4 0 ,1 4 0 ,0 1 4
2 6 ......... , 29 3 ,8 0 ,3 8 0 ,0 3 8 80, .. 89 1 ,2 0 ,1 2 0 ,0 1 2
30, , 34 3 ,3 0 ,3 3 0 ,0 3 3 90, .. 99 1 ,1 0 ,1 1 0,011
Si l ’on ne connaît que le premier chiffre du nombre, 4 par exemple,

on prend évidemment le plus grand des nombres 2,5 et 2,2 qui cor
respondent aux variantes possibles 40, . . ., 44 et 45, . . ., 49
(avec n = 2). Si l ’on ne connaît non plus le premier chiffre, on
prend les nombres de la première ligne (10 % ; 1 % ; 0,1 %) comme
les plus grands. Le tableau montre que trois chiffres exacts assurent
une précision relative (au moins 1 %) suffisante pour la plupart des
calculs techniques. Constatons que si le nombre approché compte
deux, trois ou quatre chiffres exacts au sens strict, tous les nombres
du tableau sont à diviser par deux.
Le tableau 3 [5] donne les bornes supérieures des erreurs relatives
(en %) qui assurent à la valeur approchée donnée tel ou tel nombre
de chiffres exacts au sens lâche en fonction de ses deux premiers
chiffres.
Montrons sur un exemple comment il faut utiliser le tableau 3.
Soit le nombre approché a = 5,297 d’erreur relative 6 = 0,5 %.
26 NOMBRES APPROCHÉS [CH. t
Tableau 3
Nombre de chiffres exacts d'un nombre approché en fonction
de la borne d’erreur relative (en %)
Deux premiers n Deux premiers n
chiffres signi chiffres signi
ficatifs 2 3 4 ficatifs 4
2 1 3 1
10-11 4 ,2 0 ,4 2 0 ,0 4 2 35, . ., 39 1 ,2 0 ,1 2 0 ,0 1 2
1 2 -1 3 3 ,6 0 ,3 6 0 ,0 3 6 40, . ., 44 1 ,1 0 ,1 1 0 ,0 1 1
14......... , 16 2 ,9 - 0 ,2 9 0 ,0 2 9 45, . ., 49 1 0 ,1 0 ,0 1
17......... , 19 2 ,5 0 ,2 5 0 ,0 2 5 50, . -, 54 0 ,9 0 ,0 9 0 ,0 0 9
20, , 22 2 ,2 0 ,2 2 0 ,0 2 2 55, . ., 59 0 ,8 0 ,0 8 0 ,0 0 8
2 3 ......... , 25 1 ,9 0 ,1 9 0 ,0 1 9 60, . ., 69 0 ,7 0 ,0 7 0 ,0 0 7
26, , 29 1 ,7 0 ,1 7 0 ,0 1 7 70, . ., 79 0 ,6 0 ,0 6 0 ,0 0 6
30, , 34 1 ,4 0 ,1 4 0 ,0 1 4 80, . ., 99 0 ,5 0 ,0 5 0 ,0 0 5
Les deux premiers chiffres significatifs sont 5 et 2 ; le nombre formé

par ces chiffres est compris entre 50 et 54 ; de plus, les erreurs rela
tives associées à ces derniers en fonction du nombre de chiffres exacts
sont 0,9 % ; 0,09 % ; 0,009 %, etc. Etant donné que 6 = 0,5 % <
< 0 ,9 % et que l ’erreur relative d’un nombre ne dépend pas des
rangs des chiffres de ce nombre, le nombre a = 5,297 compte deux
chiffres exacts au sens lâche.
E x e m p l e s . 1. En posant n = 3,142; VT = 2,65; e =
= 2,718; lg 5 = 0,699; sin 1° = 0,0174, trouvons dans le tableau 2
les erreurs relatives correspondantes:
ô = 0,033 % ; ô = 0,19 % ; 6 = 0,019 % ;
8 = 0 , 1 7 % ; 6 = 0,59%.
2. Le module de Young E = 2212 . . . tf/cm2 est calculé à 2 %
près d’après la flèche d’une tige d’acier. Quel est le nombre de chif
fres exacts de la valeur obtenue? Le tableau 3 donne n = 2. Par
conséquent, E = 22-102 tf/cm2.
3. La constante de gaz R = 31,5 . . . du mélange carburant
d’un moteur à gaz est calculée avec une erreur relative 6 = 1 % .
Trouver le nombre de chiffres exacts. D’après le tableau 3, n = 2.
Donc, R = 32.
§ 7. Erreur d’une somme
T h é o r è m e 1. Verreur absolue d'une somme algébrique de
plusieurs nombres approchés ne dépasse pas la somme des erreurs absolues
de ces nombres.
D é m o n s t r a t i o n . Soient xlt x2, • . ., xn des nombres
approchés donnés. Considérons leur somme algébrique
U = ±X \ ± Ï2 ± • • • ± x rf
$ 7 .] ERREUR D ’UNE SOMME 27
Il est clair que

Au = ± Axj ± Ax2 ± . . - ± Axn
et, par conséquent,
| Au | < | Axj | + | Ax2 | + • • • + I Axn |. (1)
C o r o l l a i r e . On peut adopter que la borne d’erreur absolue
d'une somme algébrique est la somme des bornes d’erreurs absolues
des termes de la somme
Au = A.xj "T"A*a“f“• • • “1“ Axn* (2)
La formule (2) entraîne que la borne d’erreur absolue d’une
somme ne peut être inférieure a la borne d’erreur absolue du terme
le moins précis (en erreur absolue), c’est-à-dire du terme dont l’erreur
absolue est maximale. Par conséquent, quel que soit le degré de
précision de la détermination des autres termes ils ne peuvent pas
apporter une contribution essentielle à la précision de la somme.
Il s’ensuit qu’il n’y a aucune raison de conserver les chiffres super
flus dans les termes plus précis. On en déduit une règle pratique
d’addition des nombres approchés.
R è g l e . Pour additionner les nombres de précision absolue
différente il faut:
1) souligner les nombres dont le développement décimal s’arrête
avant celui des autres et les laisser sans changer;
2) arrondir les autres nombres conformément aux nombres sou
lignés en conservant un ou deux chiffres de réserve ;
3) additionner les nombres en tenant compte de tous les chiffres
conservés ;
4) arrondir d’un chiffre le résultat obtenu.
Si l ’on applique la règle supplémentaire pour arrondir les termes
de la somme
U = Xi + X2 + . . . + xn
au rang m, l ’erreur d’arrondi de la somme ne dépasse pas dans le

pire des cas la valeur
' Aar< r a . l - 10m- (3)
Un calcul plus précis de l ’erreur d’arrondi d’une somme s’obtient
si l ’on tient compte des signes des erreurs d’arrondi des termes addi
tionnés. <
E x e m p l e . Chercher la somme des nombres approchés :
0,348 ; 0,1834 ; 345,4; 235,2; 11,75; 9,27; 0,0849; 0,0214; 0,000354
dont tous les chiffres sont significatifs (au sens lâche).
S o l u t i o n . Ecrivons les nombres les moins exacts 345,4
et 235,2, dont l ’erreur absolue peut atteindre 0,1. En arrondissant
28 NOMBRES APPROCHES [CH. I
les autres nombres à 0,01 près, on a

345,4
235,2
11,75
9,27
0,35
0,18
0,08
0,02
0,00
602,25
En arrondissant le résultat à 0,1 près d’après la règle du chiffre
pair, la valeur approchée obtenue de la somme est 602,2.
L ’erreur totale A du résultat se compose de trois termes dont
1) la somme des bornes d’erreur des données de départ
A, = ÎO"3 + 10-4 + ÎO"1 + 10-1 + 10"* + 10-* + 10-4 +
+ 10"4 + 10-* = 0,221 301 <0,222;
2) la valeur absolue de la somme des erreurs d’arrondi (compte
tenu de leurs signes) des termes
A2 = | -0,002 + 0,0034 + 0,0049 + 0,0014 + 0,0003541 =
= 0,008054 < 0,009;
3) l ’erreur de l ’arrondissement final
As = 0,050.
Par conséquent,
A = A, + A2 + As < 0,222 + 0,009 + 0,050 = 0,281 < 0 ,3 ;
et la somme cherchée est donc 602,2 ± 0,3.
T h é o r è m e 2. Si les termes d'une somme sont du même signe,
sa borne d’erreur relative ne dépasse pas la borne d'erreur relative
maximale de ses termes.
D é m o n s t r a t i o n . Soit u = x1 + x2 + . . . + x„, où, pour
fixer les idées, x t > 0 (i = 1, 2, . . ., n).
Désignons par A i (Ai > 0 ; i = 1, 2, . . ., n) les valeurs
exactes des termes x4 et par A = Ai + Â 2 + . . . + A n l& valeur
exacte de la somme u. Alors on peut prendre comme borne d’erreur
relative de la somme
c — — A* l+ A* t+ ’- - + A*n (4)
u A ^1 + ^2+ • • • +^tn
I 8.1 E R R E U R D ’UNE DIFFÉREN CE 29
Puisque
(i = 1, 2, . . n),
on a
Ax< = i4iôSj. (*')
En portant cette expression dans la formule (4), on obtient:
e Alàxi + A2ôX2+ ... +i4nôXn
A%+ Az+ . . . + A n
Soit 6 la plus grande des erreurs relatives ôXi, c’est-à-dire ôXi^ ô .
Il vient
à (Ai+ ^2 + «+^n) = 6.
Ô u<
«^1+^2 + • + An
Par conséquent, ôu< ô , soit
ôu max (ô x, ÔX2ï • • • i ^xn)-
§ 8. Erreur d’une différence
Considérons la différence de deux nombres approchés u =
=3 x, — x2.
D’après la formule (2) du § 7, la borne d’erreur absolue Au de
la différence
Au = Axi Ax2»
c ’est-à-dire la borne d'erreur absolue d'une différence est égale à la
somme des bornes d'erreurs absolues de ses termes.
On en tire la borne d’erreur relative
m
où A est la valeur exacte de la valeur absolue de la différence des
nombres xt et x2.
R e m a r q u e s u r l ’a I t é r a t i o n d e l a p r é c i
s i o n d a n s le c a s de s o u s t r a c t i o n d e s n o m
b r e s v o i s i n s. Si les nombres approchés Xj et x2 sont assez
proches l ’un de l ’autre et si leurs erreurs absolues sont petites, le
nombre A est petit. La formule (1) entraîne que dans ce cas la borne
d’erreur relative peut être très grande alors que les erreurs relatives
des termes de la différence restent faibles, c’est-à-dire on est en
présence d’une perte de (précision.
Calculons, par exemple, la différence de deux nombres Xj =
= 47,132 et x2 = 47;Tll dont chacun compte cinq chiffres signi
ficatifs exacts. En retranchant on obtient u = 47,132 — 47,111 =
= 0,021.
30 NOMBRES APPROCHÉS (CH. I
La différence u ne comporte ainsi que deux chiffres significatifs

dont le dernier est douteux, la borne d’erreur absolue de la diffé
rence étant
Au = 0,0005 + 0,0005 = 0,001.
Les bornes d’erreurs relatives du nombre à soustraire, du plus
grand nombre et de la différence sont respectivement
. 0 ,0 0 0 5
(* 1 — 4 7 ,1 3 2
0,00001 ;
0 ,0 0 0 5
'* * “ 4 7 ,1 1 1
0,00001 ;
a _ 0,001^ 0,05.
La borne d’erreur relative de la différence est ici 5 000 fois

environ plus grande que les bornes d’erreurs relatives des données
initiales.
Pour cette raison dans les calculs approchés il est utile de trans
former les expressions qui conduisent à la soustraction des nombres
voisins.
E x e m p l e . Trouver la différence
u = V 2 ,Q Ï - V 2 (2)
avec trois chiffres exacts.
S o l u t i o n . Etant donné que
Y ^ f i î = 1,41774469 . . .
et
Y~2 =4,41421356 . . . .
le résultat cherché est
u = 0,00353 = 3,53-ÎO"3.
Le même résultat s’obtient si l ’expression (2) se met sous la
forme
0,01
V 2 ^ ï+ V 2
et si l’on limite les racines Y 2,01 et Y 2 aux trois chiffres exacts.
En effet,
0,01
1 ,4 2 + 1 ,4 1 Z|Oo
= 10"a -3,53 • 10-» = 3,53.10"3.
Les considérations précédentes permettent d’énoncer la règle

pratique suivante: dans le calcul approché il convient d’éviter au
§ 9.1 ERREUR D ’UN PR O D U IT 31
possible la soustraction de deux nombres approchés à peu près

égaux ; mais si une telle soustraction s'impose, les termes de la
différence doivent être pris avec un nombre suffisant de chiffres
exacts de réserve (si cela est possible). Par exemple, si l'on sait
qu'en retranchant x2 de on fait disparaître les premiers m chiffres
significatifs alors que le résultat à obtenir doit compter n chiffres
significatifs exacts, x t et x2 doivent être pris avec m + n chiffres
significatifs exacts.
§ 9. Erreur d’un produit

T h é o r è m e . L'erreur relative d'un produit de plusieurs nom
bres approchés différents du zéro ne dépasse pas la somme des erreurs
relatives de ces nombres.
D é m o n s t r a t i o n . Soit u = xtx2 . . . xn.
Supposons pour simplifier que les nombres approchés xu x 2, . . .
. . ., xn soient positifs; on a
ln u = ln xt + ln x2 + . . . + ln xn.
D’où, en utilisant la formule approchée A ln x « d ln x = , on a
Au __Axj . Asa . Axn
* *i ^ x2 ‘ xn
L’évaluation de cette dernière expression en valeur absolue donne
i £ L + | A î l | + . . . + |Afn. .
*\ I *2 I |
Si Ai (i = 1, 2, . . ., n) désignent les valeurs exactes des facteurs
Xi et si | AXi |, comme il en est dans les cas courants, sont petits
par rapport à on peut poser approximativement:
A*i A*i
----
Xi 1^ Ai
et
où les 6i sont les erreurs relatives des facteurs x t (i = 1, 2, . . ., n)

et 6 est l ’erreur relative du produit.
Par conséquent,
S^ + 62 + • • • + S/i- (1)
La formule (1) reste évidemment valide si les signes des facteurs
Xi (i = 1, 2, . . n) sont différents. r
C o r o l l a i r e . La borne d’erreui^. relative du produit est
égale à la somme des bornes d’erreurs relatives des facteurs, c’est-
32 NOMBRES APPROGHSS [CH. I
à-dire
6U = 8xi + + • • • + 8*n* (2 )
Si tous les facteurs du produit u, sauf un, sont très précis, la

formule (2) entraîne que la borne d’erreur relative du produit coïn
cide pratiquement avec la borne d’erreur relative du facteur le moins
précis. Dans le cas particulier où seul le facteur x{ est approché,
on a simplement
Ôu = ôxj.
Si l'on connaît la borne d’erreur relative ôu du produit uf on
peut définir sa borne d’erreur absolue Au d’après la formule
A y --- | U |
E x e m p l e 1. Déterminer le produit u des nombres approchés

x x = 12,2 et x 2 = 73,56 et le nombre de ses chiffres exacts, si tous
les chiffres écrits des facteurs sont exacts*
S o l u t i o n . On a Axl = 0,05 et Ax2 = 0,005. Il en résulte
A 0*05 , 0 ,0 0 5
° t t ~ 1 2 ,2 + 7 3 ,5 6
0,0042.
Le produit de ces nombres étant u = 897,432, Att = u8u =s

= 897 -0,004 = 3,6 (approximativement).
u ne compte donc que deux chiffres exacts et le résultat doit
s’écrire :
u = 897 ± 4.
Signalons le cas particulier
u = kx
où k est un facteur exact différent du zéro. On a:
ÔB = 6*
et
Att = I k |
c’est-à-dire lorsqu'on multiplie un nombre approché par un nombre
exact k , la borne d'erreur relative ne change pas, alors que la borne
d'erreur absolue devient \ k | fois plus grande.
E x e m p l e 2. La borne d’erreur angulaire du pointage d’une
fusée est e = 1'. Quel est, sur une distance de 2 000 km, l ’écart
possible Au de la fusée par rapport au but si une correction n’inter
vient pas?
S o l u t i o n . Ici
Au = î gjjVgQ-2000 km « 5 8 0 m.
§ 10.1 NOMBRE DE C H IFFRES EXACTS D ’UN PRO D U IT 33
Il est évident que l ’erreur relative du produit ne peut pas être

inférieure à l ’erreur relative du facteur le moins précis. C’est pour
quoi, de même que dans le cas de la somme, aucune raison n’est
de conserver des chiffres exacts excédentaires des facteurs plus
précis.
Il est utile de se guider sur la règle suivante : pour trouver le
produit de plusieurs nombres approchés de nombres différents de
chiffres significatifs exacts, il suffit:
1) de les arrondir de façon que chacun d’eux compte un ou deux
chiffres significatifs de plus que le nombre de chiffres exacts du
facteur le moins précis;
2) de conserver après multiplication autant de chiffres signifi
catifs qu’il y a de chiffres exacts dans le facteur le moins précis
(ou retenir un chiffre de réserve en plus).
E x e m p l e 3. Chercher le produit des nombres approchés
xx = 2,5 et x2 = 72,397 si les chiffres écrits sont exacts.
S o l u t i o n . En appliquant la règle, on a après l ’arrondisse
ment : xt = 2,5 ; x 2 = 72,4, ce qui donne xtx2 = 2,5 *72,4 = 181 «
« 1 ,8 -102.
§ 10. Nombre de chiffres exacts d’un produit

Soit un produit de n facteurs (n ^ 1 0 ) u = x tx2 . . . xn dont
chacun compte au moins m (m > 1) chiffres exacts. Soit, ensuite,
a lf a 2, . . ., an les premiers chiffres significatifs du développement
décimal des facteurs:
xt = ailOPl + p/10P< 1 + . . . ( £=1, 2, . . . , n).
La formule (5) du § 5 amène alors
et, par conséquent.
Etant donné que Otj <X2 • • • + - ÔLn- < 1 0 , on a 2. (iTi)”

\ 1U/ 2-
Par conséquent, même dans le pire des cas, le produit u compte
m — 2 chiffres exacts.
R è g l e . Si tous les facteurs comptent m décimales exactes et
si leur nombre est inférieur ou égal à 10, le nombre de chiffres exacts
(au sens lâche) d’un produit est d’une ou de deux urfités inférieur
à m.
3—01072
Donc, si un produit doit contenir m chiffres exacts, les facteurs

doivent être pris avec un ou deux chiffres de réserve.
Si la précision des facteurs est différente, il faut entendre par m
le nombre de chiffres exacts du facteur le moins précis. Ainsi, le
nombre de chiffres exacts du produit d'un petit nombre de facteurs (de
Vordre de dix) peut être d'une ou de deux unités inférieur au nombre
de chiffres exacts du facteur le moins précis.
E x e m p l e 1. Déterminer l ’erreur relative et le nombre de
chiffres exacts du produit u = 93,87 • 9,236.
S o l u t i o n . La formule (1) donne
s* = t ( i + i ) - è - = f 10' , < T * 10' 1-

Par conséquent, le produit u compte au moins trois chiffres
exacts (cf. § 5).
E x e m p l e 2. Trouver l ’erreur relative et le nombre de chif
fres exacts du produit u = 17,63-14,285.
Solution.
6“ - 2 ( 1 + 1 ) 1(P = 1' 10 3*
Par conséquent, le produit compte au moins trois chiffres exacts
(au sens lâche).
§ 11. Erreur d’un quotient
Si u = — , on a ln u = ln x — ln y et
y *
A u _ Ax Ay
u x y
Il en résulte
Cette dernière formule implique que le théorème du § 9 s’étend

à un quotient.
T h é o r è m e . L ’erreur relative d'un quotient ne dépasse pas
la somme des erreurs relatives du dividende et du diviseur.
Corollaire. Si u = •—, on a ôtt = 6X + ôy.
E x e m p l e . Chercher le nombre de chiffres exacts du quotient
u = 25,7: 3,6 si tous les chiffres écrits du dividende et du diviseur
sont exacts.
5 14. ] ERREUR RELATIVE D’UNE RACINE 35
ôu = - ^ + — = 0,002 + 0,014 = 0.016.
Comme u = 7,14, Au = 0,016-7,14 = 0,11. Pour cette raison
le quotient u comporte deux chiffres exacts au sens lâche, c’est-
à-dire u = 7,1 ou, plus précisément,
u = 7,14 ± 0,11.
§ 12. Nombre de chiffres exacts d’un quotient

Soient le dividende x et le diviseur y comptant chacun au moins
m chiffres exacts. Si a et P sont leurs premiers chiffres significatifs,
on peut adopter que la borne d’erreur relative du quotient u est le
nombre
« -T ( W ) (* )■ "•
On en tire la règle suivante : 1) si a ^ 2 et P ^ 2, le quotient
u compte au moins m — 1 chiffres exacts; 2) si a = 1 ou P = 1,
le quotient compte au moins m — 2 chiffres exacts.
§ 13. Erreur relative d’une puissance

Soit u = xm (m étant un nombre naturel), alors ln u = m lu x,
donc
Aj
X
et on tombe sur
ôu = môx, (1)
c’est-à-dire la borne d'erreur relative de la m-ïeme puissance d'un
nombre est m fois plus grande que la borne d'erreur relative du nombre
lui-même.
§ 14. Erreur relative d’une racine
Soit maintenant u = alors um= x . Il vient
«u=~Ô *. (1)
c’est-à-dire la borne d'erreur relative de la m-iême racine est m fois
plus petite que la borne d'erreur relative du radicande.
E x e m p l e . Avec quelle erreur relative et avec combien
de chiffres exacts peut-on déterminer la mesure du côté a d’un carré
dont la surface s = 12,34 (à 0,01 près).
3*
S o l u t i o n . On a a — ^ = 3 ,5 1 2 8 . . . Puisque
— «O»0008,
on a ô0 = -jô j = 0,0004. Donc

Aa = 3,5128-0,0004 = 1,4-10-*.
On en tire que le nombre a compte à peu près quatre chiffres
exacts (au sens lâche) et, par conséquent, a = 3,513.
§ 15. Calculs sans estimation précise des erreurs

Dans les paragraphes précédents nous avons exposé les moyens
permettant d’évaluer la borne d’erreur absolue d’une opération.
Nous y avons supposé que les erreurs absolues des composantes se
renforcent réciproquement, circonstance qui se produit rarement en
pratique.
Dans le cas d’un très grand nombre de calculs, lorsqu’on ne tient
pas compte de l ’erreur de chaque résultat isolé, il est recommandé
d ’appliquer les règles suivantes d’établissement du nombre de
chiffres [61.
1. Dans l ’addition et la soustraction des nombres approchés,
le rang inférieur conservé du résultat doit être égal au plus fort
des rangs des derniers chiffres significatifs exacts des données ini
tiales.
2. Dans la multiplication et la division des nombres approchés,
il faut conserver dans le résultat autant de chiffres significatifs
qu’il y en a dans la donnée approchée au nombre inférieur de chiffres
significatifs exacts.
3. En élevant un nombre approché au carré ou au cube le résul
tat doit conserver autant de chiffres significatifs que compte de
chiffres significatifs exacts la base de la puissance.
4. Lors de l ’extraction d’une racine carrée ou cubique d’un
nombre approché, il faut prendre le résultat avec autant de chiffres
significatifs qu’il y a de chiffres exacts dans le radicande.
5. Tous les résultats intermédiaires doivent compter un chiffre
en plus de ceux recommandés par les règles précédentes. Ce chiffre
« de réserve » est à rejeter dans le résultat final.
6. Dans le cas du calcul à l ’aide des logarithmes, il est recom
mandé d’utiliser une table des logarithmes au nombre de décimales
d ’une unité supérieur par rapport au plus petit nombre de chiffres
significatifs exacts du nombre approché. Le dernier chiffre signi
ficatif du résultat est à rejeter.
7. Si les données peuvent être prises avec une précision arbi
traire, pour obtenir le résultat avec k chiffres exacts, les données
§ 16. ] PORMULE GÉNÉRALE DE L’ERREUR 37
de départ doivent être prises avec un nombre de chiffres tel qu’il

assure dans le résultat final d’après les règles précédentes k + 1
chiffres exacts.
Si certaines données comportent des rangs inférieurs excédentai
res (addition et soustraction) ou plus de chiffres significatifs que
d’autres données (multiplication, division, élévation à la puissance,
extraction de la racine), il faut les arrondir au préalable en conser
vant un chiffre de réserve.
§ 16. Formule générale de l ’erreur

Voici le problème principal de la théorie des erreurs: définir
l ’erreur de la fonction donnée de plusieurs grandeurs dont on connaît
les erreurs.
Soit la fonction dérivable donnée
U = / (Æj, #2, • • •» xn)
et soient | Az* | (i = 1, 2, . . ., n) les erreurs absolues des argu
ments de la fonction. L’erreur absolue de la fonction est alors
| Au | ^ | / (zt + Azt, x2 + Az2, . . .
• • •> xn + AZn) —/ (xli x 2j • • •» xn) I*
En pratique les |Az£ | sont généralement de petites grandeurs
dont les produits, carrés et puissances supérieures peuvent être
négligés. On peut donc poser:
df
| A u | « | d / ( x „ x2, . . . , x „ ) | = 2 ~ S r l AXil
i=l i=l
si grad / (xlt x2, . . . , x„) 0.
Ainsi
dxi
|au| < 2 (1)
1=1
On en tire, en désignant par A*, (i = 1, 2, . . n) les bornes
d’erreurs absolues des arguments z* et par Au la borne d’erreur de
la fonction u, pour des Az* petits :
(2)
î=i
Après avoir divisé par u les deux membres de l ’inégalité (1)
on obtient l ’estimation de l ’erreur relative de la fonction u
àf
dxi
ô< 2 |A*i| = 2 •••> Xn)|lAx*l- (3)
i=l i=1
Par conséquent, on peut prendre comme borne d’erreur relative

de la fonction u
n
ô“ = 2 | - S r ln B | A*i* (4)
i-l
E x e m p l e 1. Chercher les bornes d’erreurs absolue et relative
du volume d’une sphère V = --- Jid3, si le diamètre d= 3,7 cm ±
=fc 0,05 cm et n « 3,14.
S o l u t i o n . En considérant n et d comme des grandeurs va
riables, calculons les dérivées partielles
ov
dx = 4 * = 8,44;
dV
dd = = 21,5.
En vertu de la formule (2), la borne d ’erreur absolue du volume

Av = ■Jjj-||An| + |i j - ||A d | = 8,44-0,0016 + 21,5.0,05 =
= 0,013 + 1,075 = 1,088 cm8 « 1 ,1 cm3.
Par suite
V = -r-jtd3 « 27,4 cm3 ± 1 ,1 cm3 (5)
Il en résulte la borne d’erreur relative du volume

1.088 cm3
ôr 27,4 cm3
0,0397 4 %.
E x e m p l e 2. Pour définir le module de Young E d ’après

la flèche d’une tige de section rectangulaire on emploie la formule
F 1 J-E-
a 4 * a3bs ’
où l est la longueur de la tige, a et b les mesures de sa section trans

versale, s la flèche et p la charge.
Calculer la borne d'erreur relative de la détermination du module
de Young E si p = 20 kgf ; ôp = 0,1 % ; a = 3 mm ; ôfl = 1 % ;
b — 44 mm ; 6b = 1 % ; l — 50 cm ; ôt = 1 % ; s = 2,5 cm ;
ôs = 1 %.
Solution. l n £ = 3 1 n f + l n p — 3 1na — l n 6 — 1ns —
- l n 4.
? 17.] PROBLÈME INVERSE DE LA THÉORIE DES ERREURS 39
En remplaçant les accroissêments par les différentielles, on a

AE 0 A/ , Ap Q Aa Ab As
/ ‘ p 6 a b s
Donc,
ÔB = 38, + 6P + 38a + ô6 + 8, = 3-0,01 + 0,001 +
+ 3-0,01 + 0,01 + 0,01 = 0,081.
Ainsi la borne d’erreur relative est 0,081, c’est-à-dire elle cons
titue S % environ de la grandeur mesurée.
Les calculs numériques nous conduisent à
E = 2,10 ± 0 ,1 7 ) 10* M - .
§ 1 7 . Problème inverse de la théorie des erreurs

L’intérêt du problème inverse est également grand pour la pra
tique : ce problème consiste à chercher les erreurs absolues des argu
ments d’une fonction telles que l ’erreur absolue de cette fonction
ne dépasse pas la valeur imposée.
Ce problème est mathématiquement indéterminé puisque la même
borne d erreur donnée Au de la fonction u = / (xlf x2, . . ., xn)
peut s’obtenir à partir de plusieurs combinaisons de bornes d’erreurs
absolues AX| de ses arguments.
La solution la plus simple du problème inverse est donnée par
ce qu’on appelle le principe d'égalité des effets. D’après ce principe
on suppose que la contribution de toutes les différentielles partielles
(1 = 1, 2, n)
est la même dans la formation de l ’erreur absolue Au de la fonction
M = / (x ,, X2, • • •» ^n)- f
Soit la valeur de la borne d erreur absolue Au. La formule (2)
du § 16 amène alors
du
Au —2 Oxi (O
i= l
En supposant que tous les termes soient égaux entre eux, on a
Il en résulte
40 NOMBRES APPROCHES [CH. I
E x e m p l e 1. Le rayon de la base d’un cylindre est R « 2 m ;

la hauteur du cylindre H tu 3 m. Quelles sont les erreurs absolues
de la détermination de R et de H pour que son volume V soit cal
culé à 0,1 m3 près?
S o l u t i o n . On a V = n R 2H et Av = 0,1 ms.
En posant R = 2 m; H = 3 m; n = 3,14; on obtient appro
ximativement :
•îrr—
du = R ZH — 12 ’;
~ = 2n/?tf = 37,7;
= 12,6 .
Puisque n = 3, on en tire (d’après la formule (2))
A„ = ^ < °,0° 3 ;
A* - 5 T O < W I0 1 i
4 » “ 5 ^ 6 < 0 '003-
Exemple 2. Chercher la valeur de la fonction
u = 6x® (lg x — sin 2y)
avec deux décimales exactes (après la virgule), les valeurs approchées
de x et de y étant respectivement égales à 15,2 et 57°. Trouver l ’erreur
absolue admissible de ces grandeurs.
u = 6X2 (lg x — sin 2y) = 6 (15,2)a (lg 15,2 — sin 114°) » 371,9 ;
= 12x (lg x —sin 2y , 6xAf —88,54,
où A/ = lge = 0,43429;
— = - 12x2 cos 2y = +1127,7.
Pour que le résultat soit exact avec deux décimales, il faut que
l ’égalité Au = 0,005 soit vérifiée. Le principe d’égalité des effets
entraîne alors
Au 0,005
a —
du 2-88,54“
0,000028 ;
2
Ox
Au 0,005
A —
du 1 2-1127,7
= 0 0000022 rd = 0",45.
9
ày |
§ 17.] PROBLÈME INVERSE DE LA THÉORIE DES ERREURS 41
Il est fréquent qu'en résolvant un problème inverse à l'aide du

principe d'égalité des effets les bornes d’erreurs absolues des varia
bles indépendantes isolées définies d’après la formule (2) sont si
petites que lors de la mesure de ces grandeurs il est pratiquement
impossible d’obtenir la précision imposée. Dans ces cas il convient
de renoncer au principe d’égalité des effets et en diminuant raison
nablement les erreurs d’une partie des variables les augmenter pour
les variables de l'autre partie.
E x e m p l e 3. Quels doivent être la précision de la mesure
du rayon d’un cercle R = 30,5 cm et le nombre de chiffres de ji
pour obtenir la surface du cercle à 0,1 % près?
S o l u t i o n . On a s = ji R 2 et ln s = ln ji + 2 ln R. Il vient
T ' - T T + T 5 " 0-001-

D’après le principe d’égalité des effets il faut poser
^J2I -= 0,0005; A
= 0,0005.
Il en résulte A„ ^ 0,0016 et AH ^ 0,000257? = 0,0076 cm.
Ainsi il faudrait prendre n = 3,14 et mesurer 7? à un millième
de centimètre près. Cette précision est évidemment difficile à réaliser
en pratique. C’est pourquoi il est plus avantageux de procéder de
la façon suivante : prendre n = 3,142 ; d’où = 0,00013 ; alors
= 0,001 — 0,00013 = 0,00087 et AB ^ 0,013 cm. Cette pré
cision s’obtient sans peine.
On admet parfois que la borne d’erreur absolue de tous les argu
ments xt (i = 1, 2, . . ., n) est la même. Alors en posant
A«i = A. 2 = . . . =Ax
la formule (1) amène 4
Au
A*. = - (i —1» 2; . . . , w).
du
dxi
i-1
Enfin on peut supposer que la précision de la mesure de tous
les arguments x t (i = 1, 2, . . ., n) soit la même, c'est-à-diie que
les bornes d’erreurs relatives 6Xi (i = 1, 2, . . ., n) des arguments
soient égales entre elles:
6^ = 6. 2
On a donc
»
où k est la valeur commune des rapports.

Par conséquent,
= A: | x, (i = 1. 2| • • ti)*
En portant ces valeurs dans la formule (1)9 on a
n
du
A = X i-
dXi
i=l
et
du
2 b**,
i=i
Finalement on obtient:
1xl | (* = 1, 2, •9 n)
du
dxj
3— 1
On peut également utiliser d'autres variantes.

D’une façon analogue on résout le deuxième problème inverse
de la théorie des erreurs lorsqu’on connaît la borne d’erreur relative
de la fonction et qu’il faut chercher les bornes d’erreurs relative et
absolue des arguments.
Quelquefois la formulation même du problème contient des
conditions interdisant l ’application du principe d’égalité des effets.
E x e m p l e 4. Les côtés d’un rectangle sont a « 5 m et b æ
æ 200 m. Quelle doit être la borne d’erreur absolue admissible
de la mesure, la même pour les deux côtés, pour que la surface S
du rectangle soit définie avec une borne d’erreur absolue As = 1 m2?
S o l u t i o n * Etant donné que
S = ab,
on a
AS « bAa + aAb
et
As = bAa + aAft.
Par condition
Aa = Abf
donc
Aa -4
fl -prrO= -1-
ZUO« 0,005 m = 5 mm.
S 18.] PRÉCISION DE LA DÉTERMINATION DE L’ARGUMENT 43
§ 18. Précision de la détermination de l'argument

d'une fonction tabulée
Il arrive souvent en pratique que l’argument doive être déter
miné d’après la valeur tabulée de la fonction. Ainsi il est très fré
quent qu’on se trouve devant la nécessité de chercher un nombre
d après son logarithme tabulé ou un angle d’après la valeur tabulée
d’une quelconque de ses fonctions trigonométriques, etc. Une erreur
de la fonction entraîne évidemment une erreur dans la détermination
de l ’argument.
Soit la table à une entrée de la fonction y = f (x).
Si la fonction / (x) est dérivable, on a pour les valeurs de | Ax |
suffisamment petites:
| A z , | = | / ' (x) 11 Ax |.
On en tire
m
ou
Appliquons la formule (1) à certaines fonctions tabulées les

plus employées.
A. F o n c t i o n s l o g a r i t h m i q u e s
Soit y = ln x, alors y' = - j .
Il en résulte
A , = xA„. (2)
Mais si y = lg x, alors y' — - , où M = 0,43429 ;
Ax = xA„ = 2,30xAy. (2')

On en déduit notamment que ôx = 2,30Ay, c’est-à-dire la borne
d’erreur relative d’un nombre dans la table des logarithmes déci
maux est égale environ à 2,5 bornes d’erreur absolue du logarithme
de ce nombre.
B. F o n c t i o n s t r i g o n o m é t r i q u e s
1. Si y = sinx (û <L% » alorsy' = cos x et, par consé-
quent,
Ax = Ay sec x rd. (3)
2. Pour la fonction
z/ = tgx (O < * < - —)
44 NOMBRES APPROCHÉS [CH. 1
on a
y' = sec2 x
et
Ax = Ay cos2 x rd . (4)
3. Si t/ = lg(sinx) ( o < x < - —J ,
y = M cotg i et Ax = 2,30 tg x k y rd. (5)
4. Posons y = Ig(tgx) ( o < x < - ? r ) ; il vient
= sïïTST et Ax = l,15sin2xA , rd. (6)
Puisqu’il est clair que < tg x pour 0 < £ < - £ » les

formules (5) et (6) entraînent que, d’après la table des logarithmes
des tangentes, l ’angle x est établi avec une meilleure précision que
d’après la table des logarithmes des sinus.
C. F o n c t i o n e x p o n e n t i e l l e
Si y = ex, y' = ex et
ou
E x e m p l e 1. Avec quelle précision peut-on déterminer le

nombre x « 5000 si l ’on utilise la table des logarithmes décimaux
à quatre décimales?
S o l u t i o n . La formule (2') amène
A* - 2,30- 5000- - • ÎO"4 « 0,6,
c’est-à-dire le nombre x compte environ quatre chiffres exacts.

E x e m p l e 2. Trouver l ’erreur de la définition de l ’angle
x æ 60°:
a) d après la table des logarithmes des sinus à cinq décimales ;
b) d’après la table des logarithmes des tangentes à cinq déci
males.
S o l u t i o n . Pour le premier cas on a d’après la formule (5) i
Ax = 2 30- y ü 1.10-* rd = 0,00002 rd » 4 \
S 19.] METHODE D’ENCADREMENT 45
Dans le deuxième cas la formule (6) conduit à

Ax = 1,15‘V"3»-j *10"# rd «0,000005 rd æ 1',
c’est-à-dire l ’erreur est quatre fois plus petite.
§ 19. Méthode d’encadrement

Dans les cas courants l ’erreur d’une fonction (§ 16, formule (2))
est évaluée approximativement parce que l ’on néglige les produits
des erreurs. Dans certains cas il faut connaître les b o r n e s
e x a c t e s de la valeur cherchée de la fonction si l ’on connaît
les limites de la variation de ses arguments. Pour l ’obtenir, le plus
simple est de faire appel à la méthode d’encadrement.
Soit
U = / (X j, X 2, • • •, x n)
une fonction continûment dérivable, monotone par rapport à tout

argument x<v(i = 1, 2, . . ., n). Pour l ’obtenir, il suffit de supposer
que les dérivées ^ (i = 1, 2, . . ., n) conservent leur signe dans
le domaine considéré co de variation des arguments. Supposons que
x tC x iC x i (î = l, 2, . . . , n), (1)
et que le parallélépipède (1) soit contenu complètement dans le
domaine <0.
Posons que xi = x *, x* = Xi si la fonction / est croissante en xi
et xi = xty Xi = xi si la fonction / est décroissante en x t.
Il devient alors clair que
u<u<u, (2)
où
U — / (Xj, X2, • • • 1 ^n)
et
U—f (Xj, X2, • • •, Xn).
Constatons que les variables x t (i = 1, 2, . . ., n) et le résultat
des opérations / sur ces variables ne peuvent être arrondis que dans
le sens de décroissance de la grandeur u, alors que les variables xt
(i = 1, 2, . . ., n) et le résultat des opérations / sur ces variables
ne peuvent être arrondis que dans le sens de croissance de la grandeur
u. Si l ’on remplit ces conditions, l ’inégalité (2) est alors strictement
observée. Dans le cas particulier d’une fonction / monotone crois
sante par rapport à tout argument x t (i = 1, 2. . . ., n), on a sim-
46 NOMERES APPROCHÉS [CH. I
plement
/ (^1» ^2* • • • » ^n) ^ / (3*1» *^2> • • • t %n)• (3)
E x e m p l e . Un cylindre d'aluminium de diamètre de base
d = 2 cm dz 0,01 cm et de hauteur h = 11 cm db 0,02 cm pèse
p = 93,4 gf ± 0,001 gf. Trouver le poids spécifique y de l ’alumi
nium et évaluer sa borne d’erreur absolue.
S o l u t i o n . Le volume du cylindre
jcd2 ,
v = — h\
d’où
__ _P _ 4p
v ncPh * ^
La formule (4) entraîne que dans le domaine p > 0, d > 0, h > 0
la fonction y est croissante par rapport à l ’argument p et décrois
sante par rapport aux arguments d et h. Par condition:
1,99 cm ^ d ^ 2,01 cm ;
10,98 cm ^ h ^ 11,02 cm ;
93,399 gf < p < 93,401 gf.
Par ailleurs
3,14159 < ji <3,1416.
C’est pourquoi
4• 931399____ 9 rîy a gf
V 3 ,1 4 1lf6i..2
9 ,0n1i22.-1
< H1 ,0H9
2 ~ *U ' A c m 3
( pa r d é f a u t ) et
= 2,735 cmgf3
4 -9 3 ,4 0 1
Ÿ= 3 ,1 4 1 5 9 .1 ,9 9 2 .1 0 ,9 8
( pa r excès ) . En prenant la moyenne arithmétique, on a :

V - 2-7M ^ ± 0,027 J L (5)
et, après l’arrondissement,
7 “ 2 .™ ^ ± 0 ,0 3 J L .
A titre de comparaison voici une approximation de l ’erreur. En
utilisant les valeurs moyennes des arguments, on a
4 - 9 3 ,4 gf
3 ,1 4 1 6 -2 2 -1 1 — 2 ,7 0 3 c m 3 ‘
En cherchant le logarithme des membres de la formule (4) on
obtient :
lny = l n 4 ( - l n p —l nn —21n d —In h;
§ 20.1 NOTION DE L ESTIMATION PROBABILISTE D’UNE ERREUR 47
on en tire eu prenant la différentielle totale :

Ay Ap An 2Ad Ah
71 h
Par conséquent,
* C , C , o* . * 0.001 , 0,00001 , 2-0.01 , 0,02
6v = 0p + 0n + 20d-r6/l ==^r93,4r + a VàTr H
^ 3,1416 ^ ---- 29----^K 11
» 1,07 • 10-* + 3,18 • 10"e + «T2 + 1,82.10~3 = 1,183.1(T2.
Ensuite on obtient:
A7 = ôv•y = 1,183 • 10"2•2,703 = 3 ,2 .10"2 r 2j L
cm3
Ainsi on a approximativement:
V --: 2,703
T 2 .7 0 3- -^
£ .± 0 ,0 3 2 J L ,
ce qui coïncide assez bien avec une estimation précise (5).
§ 20*. Notion de l ’estimation probabiliste d’une erreur

Soit la somme de n termes
U = Xf + X2 + . . • + xn.
On sait que la borne d’erreur absolue est alors égale à
Au = AXj + A*2+ . . . + A*^. (1)
Et pour le cas de bornes d’erreurs absolues égales
AXl = A*2= . . . = A*r = A,
on a:
Au = nA. (!')
La formule (1) donne la valeur possible m a x i m a l e de
l ’erreur absolue de la somme. Cette borne d’erreur n’est atteinte
que si les erreurs de tous les termes : 1) sont les plus grandes possibles
et 2) ont les mêmes signes. Dans le cas d’un grand nombre de termes
ce concours de circonstances défavorable est peu probable. En règle
générale, les erreurs réelles des termes isolés ont des signes diffé
rents et, par conséquent, elles se compensent partiellement. C’est
pourquoi, en plus de la borne d’erreur théorique de la somme Au,
on introduit la borne d'erreur pratique A£ vraie dans une certaine
mesure.
Bornons-nous à l ’examen d ’un cas bien simple. Supposons que
les erreurs absolues Axt (i = 1, 2, . . ., n) des termes de la somme
(1) soient indépendants et vérifient la loi normale avec la même
mesure de précision. Posons que les erreurs absolues des termes ne
48 NOMBRES APPROCHES [CH. T
dépassent pas le nombre À avec une probabilité supérieure au nom

bre y, c’est-à-dire
P ( | As, | < A) > Y.
Sous cette réserve on montre en calcul des probabilités que l ’er
reur absolue de la somme u vérifie avec la même mesure d’authen
ticité l'inégalité | Au | ^ A "j/n, où n est le nombre de termes.
On peut donc adopter que la borne d’erreur absolue d’une somme
est donnée par le nombre
a ; = AV n. (2)
Par exemple, en additionnant 100 nombres avec une erreur absolue
0,1, on obtient la borne d’erreur théorique de la somme Au =
= 0,1 -100 = 10. Or, en fait on peut s’attendre à ce que cette erreur
ne dépasse pas la quantité 0,1 -10 = 1.
Considérons, notamment, la moyenne arithmétique de n nombres
l
Ç= —(x4-(-x2+ . . . + £„).
D’après la théorie stricte, la borne d’erreur absolue
Ap* = —
n
raA = A ;
alors qu’on peut affirmer avec une grande n u itu c u b iv u c a
tiquement
AY * __
Vn
c’est-à-dire qu’il est pratiquement vrai que la précision de la moyenne
arithmétique des nombres approchés est plus grande que celle des nom
bres donnés et de plus
A£ -► 0 lorsque n oo.
D’une façon analogue on peut montrer pour le cas d’un produit
de n facteurs de même borne d’erreur relative 6 que la borne d’erreur
relative du produit est définie pratiquement par la formule
ô; = ôV ^ (3)
BIBLIOGRAPHIE
1. A . Krylov. Conférences sur les calculs approchés. 2e éd. Académie des Scien
ces de l’U.R.S.S., Léningrad, 1933, chapitre I.
2. D. Ventsel, E. Ventsel. Eléments de la théorie des calculs approchés. Editions
de l’Académie militaire de l’Air N. loukovski, Moscou, 1949, chapitre I.
3. J . Scarborough. Numerical Mathematical Analysis. John Hopkins, 1950.
4. I. Bésikovitch . Calculs approchés. Gostekhizdat, 1949, chapitres I et II.
5. G. Fikhtengoltz. Mathématiques pour ingénieurs. GTTI, 1933, première
partie, chapitre I.
6. V. Bradis. Calcul mental et écrit. Moyens auxiliaires de calcul. Encyclopédie
des mathématiques élémentaires. Livre I. Outchpedguiz, 1951.
CHAPITRE II
GÉNÉRALITÉS SUR LA THÉORIE
DES FRACTIONS CONTINUES
§ 1. Définition d’une fraction continue

L’expression du type
bi = \a .
+ fll + ^2 L 0’ Ai ’ h<I2- ’ ÈL
a3 * • • •1J (1)
a2+ bs
*3 *
s’appelle fraction continue. Pour la fraction continue (1) on utilise
également une écriture abrégée
bi\ , b21
ao- Iai 1*2
Dans le cas général, les éléments d’une fraction continue a0, ahy
bh (k = 1, 2, . . .) sont des nombres réels ou complexes ou, encore,
les fonctions d’une ou de plusieurs variables. Les fractions a0 =
= ^ i ~ (A = 1, 2, . . .) s’appellent termes d’une fraction conti
nue (1) (respectivement de rang nul, premier, etc.), alors que les
nombres ou les fonctions ah et bh (k ^ 1) sont éléments du ft-ième
terme (dénominateurs ou numérateurs partiels). Supposons que
ak 0. Constatons que dans l ’écriture abrégée (1) les termes
~ sont irréductibles.
*k
Si une fraction continue (1) compte un nombre fini de termes
(n par exemple, sans compter le terme de rang nul), on dit qu’elle
est limitée ou à n termes, sa notation abrégée est
[n . *2 hn 1 _ [ n . bh l n
l a« * T r ’ 'ïï7’ •••* ■^rJ“ Lao’ «feJ r (2)
Une fraction continue limitée s’identifie à une fraction ordi

naire correspondante obtenue en réalisant les opérations indiquées.
Une fraction continue (1) qui possède une infinité de termes est
dite illimitée et s’écrit
(3)
4—01072
50 GÉNÉRALITÉS SUR LA THÉORIE DES FRACTIONS CONTINUES [CH. II
La fraction continue
1
ûo- - [ a ° ; * î 7 ’ a, ’ • " ] ’ (4)
*i + l
a2+ '
dont tous les numérateurs partiels sont égaux à 1, s'appelle fraction

continue ordinaire ou normale. Les dénominateurs des termes s’appel
lent quotients incomplets. Constatons que dans la théorie des nombres
les quotients incomplets sont en général des nombres naturels,
c’est-à-dire des entiers positifs.
§ 2. Conversion des fractions continues en fractions

ordinaires et conversion inverse
Toute fraction continue limitée peut être convertie en fraction
ordinaire. A cet effet il suffit de réaliser toutes les opérations indi
quées par la notation de la fraction continue.
E x e m p l e 1. Convertir la fraction continue
[* 4 + + ] - * + 7 - h -
en fraction ordinaire.
S o l u t i o n . La réalisation successive des opérations imposées
conduit à
4 . 19__5 .
i) 1 + 44 - = 5 4) 1 1 5 19 *
_5
2) 1 : 4| = 4 5) 3 + Â = § -
4_
o\ 3ï--r-
O • ^ = -r,
^ ,
3) 5
Par conséquent,
r3 . 1 1 n_s?
L° ’ 3 ’ 1 ’ 4 J- 19 •
Inversement, tout nombre rationnel positif peut être converti

en fraction continue aux éléments naturels. Soit, par exemple, une
fraction . En extrayant la partie entière a0, ôn a:
_nU0------
--Pq -- > r 0
,
q
où r 0 est le reste (si est une fraction propre, at = 0 et r 0 = p

§ 2. ] CONVERSION DES FRACTIONS CONTINUES 51
Après avoir divisé le numérateur et le dénominateur de la frac

tion ^ par r0, on obtient :
rp _ 1 1
q ~ qlr° a, + — ’
ro
où at est le quotient entier, ^ le reste de la division de q par r0.
Après avoir divisé le numérateur et le dénominateur de la frac
tion par rlf on amène
n __ 1 _ l
r0 r0 : r t r2 9
où a2 est le quotient entier, r2 le reste de la division de r0 par rt.

Le processus peut être poursuivi d’une façon analogue.
Puisque q > r 0 > r, > r2 > r 3 > . . . et r f (i = 0, 1 , 2 , . . .)
sont des entiers positifs, on obtient finalement le reste rn = 0,
c’est-à-dire
rn-i 1
rn-z an + ü
En portant l’expression des fractions , il vient :
~ = a0+ Y = ao+ = ûp ‘
at 'O *1+
flï+, r-2
= ûp +
«1- fl2+ .
-+4-
62
E x e m p l e 2. Convertir «jg en fraction continue.
S o l u t i o n . On a successivement:
——3 4 - ——3 4- — —-3 1 O . - =3
3+ t 3+ - 3+
Ainsi | = [ 3 ; - 1 , 1 , 1 ] .
D’une façon analogue on convertit les fractions continues de forme
générale.
E x e m p l e 3. Convertir la fraction continue

—Z* —x~ —x* H .*2
’ “ ’ “ ~3 ’ 5 J " 1 - :
en fraction ordinaire.
S o l u t i o n . On a:
x2 5x2 1 5 - 6ï 2 .
1) 1 = 1 15— x2 15— x2 ’
3—T "
X* 15x2— x* 1 5 — 21X2 + X4
2) 1 1 5 - 6 x 2 1 5 — 6x2 — 15 — 6x2 *
15- x 2
Ainsi
f Âm — x2 — x2 — x2-l 1 5 - 2 1 x 2 + j4
L1 ; 1 ’ 3 ’ 5 1 5 — 6x2
§ 3. Fractions correspondantes
Soit une fonction continue limitée ou illimitée
(i)
La fraction ordinaire
P u. bi
Qk .a° ; "ÔT’
(k = 1, 2, . . .), où k ^ n est dite k-ième fraction correspondante
de la fraction continue (1). D’après Euler, on adopte généralement
P o _ _ fo _ . P -t _* .
Qo ~ 1 ’ Q-« o ’
et pour écarter l ’indétermination, on pose encore
Po — ûo. Ço = 1 (2)
6t P-t = 1, < ? - i = 0. (2')
En travaillant sur un calculateur digital, il est commode de
chercher les fractions continues correspondantes
bi
b2
«î
{ 3.] FRACTIONS CORRESPONDANTES 53
à l ’aide du schéma de Hômer (cf. chapitre' III) pour la division

= di = an-i + cl ;
an
Cz = - J—I dz — an-2+ c2 r
ck = - 7" 1 » dk = an-k + C k ;
Cf i —an-l
J » —û0 4” —“q
vn
•
La succession indiquée des opérations se met aisément en pro
gramme.
T h é o r è m e 1. ( L o i d e c o m p o s i t i o n d e s f r a c
t i o n s c o r r e s p o n d a n t e s . ) Soient les nombres P Ç*
(Je = 1, 2, . . .) définis par les relations
Pk — &hPk-i + bkPk-z» (3)
Qh = ûfeÇft-i + b h Q h -z (3f)
avec
P -i = 1, Ç-i = 0 ; Po = a 0, Ço = l- (4)
AZors Zes fractions —- aux termes ainsi définis sont des frottions cor
respondantes de la fraction continue (1) *.
D é m o n s t r a t i o n . Soit /?* (A = 1, 2, . . ) les fractions
correspondantes successives de la fraction continue (1). Montrer que
= -g - (* = 1, 2, . . . ) .
La démonstration se fait par récurrence.
Avec A = 1 on a pour la fraction correspondante Ri
aoai + fri
"1 — +^
Par ailleurs, tenant compte de (4), les relations (3) et (3') en
traînent
P î = + b iy
Q i = fli -1 + &i*0 = aj.
p
Par conséquent, R x = r- et pour A = 1 le théorème est vérifié.
* Les fractions correspondantes aux termes ainsi définis sont dites cano
n iq u e s .
54 g é n é r a l it é s su r la t h é o r ie d e s fr a ctio n s CONTINUES [CH. II
Supposons maintenant que le théorème soit vrai pour tout nom

bre naturel inférieur ou égal à k. Montrons que le théorème est
valable également pour le nombre naturel successif k + 1. Des
relations (3) et (3') il suit que
P h+1 = Gh+lPh +
Qh+1 = ah+lQk + bk+iQh-\*
Par hypothèse
D __ Ph akPk-l + bkPh-2
k Qh “ * h Q k - i + b h Q h -2
D’après la méthode de composition d’une fraction continue (1),

la fraction correspondante Rh+t s’obtient à partir de R k en rem
plaçant l ’élément ak par la somme ak + . C’est pourquoi
[ a h + ’^ k+i
' a k+l
)/___________
P k -l+ b h P h -2
gfe+1 ( * h P k - l + b k P h -2 ) + bk + iP h - i __
Rh+l =
a h+l (& hQ h~i + bh Q h -2 ) + bh + lQ h -i
(« k + — ) Q k -i+ b k Q k -2
*h + lP h + bk + \P h - i P h+ i
* h + l Q h + bh + lQ h -l Çft+i
ce qu’il fallait démontrer.
R e m a r q u e . La détermination des termes des fractions cor
respondantes étant non univoque, on ne peut affirmer dans le cas
général que le numérateur et le dénominateur des fractions cor
respondantes non canoniques vérifient les équations (3) et (3').
Par la suite nous supposerons que les fractions correspondantes
considérées sont canoniques.
C o r o l l a i r e . Pour une fraction continue ordinaire
1
ao f 1__
«i-f a2+
les numérateurs et les dénominateurs de ses fractions correspondan

tes ^ (A = 1, 2, . . .) peuvent être déterminés à partir des relations
p h = a k p h -i + Pa-2* 1 ^
Qh = + Q h - 2i J
où l ’on a posé p 0 — a0, P-i = 1 et q0 = 1, q.i = 0.

R e m a r q u e . Pour chercher d’après les formules (3) et (3')
les fractions correspondantes successives il est commode d’utiliser
le schéma suivant:
§ 3 .] FRACTIONS CORRESPONDANTES 55
k -1 0 1 2 3 ...
bk 1 bi bz b3 ...
ah «0 at a2 *3 ...
Ph 1 «0 Pi P2 p 3 ...
Qk 0 1 Qt Qz q 3 ...
Pour une fraction continue ordinaire où bk = 1 (k — 1, 2, . . .)

et qui donne lieu aux formules (3 ") on élimine du schéma la ligne bh.
E x e m p l e 1. Calculer toutes les fractions correspondantes
de la fraction continue
163_«
59 ^ I
1+ ------ 1
3+ -
4
1 1
2
Solution. Appliquons le schéma ci-dessus pour obtenir
ah 2 1 3 4 1 2
Ph P-1 - 1 2 3 11 47 58 163
qh 9-1 =0 1 1 4 17 21 59
Par conséquent,
.El —A - JH —JL- JH —H-
9o l ’ 9i 1 ’ 92 4 ’‘
J H — 47. JH —5Ë. P5 __163
$3 17 • 94 21 » g5 59 •
r
E x e m p l e 2. Trouver toutes les fractions correspondantes
de la fraction continue
1 3 5 7
56 GÉNÉRALITÉS SUR LA THÉORIE DES FRACTIONS CONTINUES [CH. Il
S o l u t i o n . En appliquant le schéma donné plus haut on a
k -1 0 . 1 2 3 4
bk 1 1 3 5 7
0 2 4 8 16
Ph 1 0 1 4 37 C20
Qh 0 1 2 11 98 1645
Il s’ensuit que
Pn _ 0 . Pt 1 . P^ _ 4 . P4 _ 620
Q0 “ 1 ’ Qi 2 ’ Q2 11 ’ Ç3 ~ 98 ’ Ç4 -1645-
T h é o r è m e 2. Deux fractions correspondantes voisines iv<
et de Za fraction continue (1) vérifient la formule
P k _ Pk-i _/ __<\fc-l ^1^2--- bh (U'->4\ (4')
Qh Q h -i ~ { } Q k -iQ k ( > 1 )‘
D é m o n s t r a t i o n . On a:
Pfc Pft-i _ An
Çh Çfc-i Q h -tQ k ’
(5)
où
Çft-i
En utilisant les relations (3) et (3') on obtient, en vertu des pro
priétés connues du déterminant,
&hPh~i + bkPk-2 Pk. 1 P k-2
= bh —bh&h-i-
akQh-1 + bkQk-z Qh-i Qh-2
On en tire successivement:
Afc = ( —bk) ( —b*-*) • • • ( —&i) Ao = ( — l)fc6j6. . . . bkAo,
où
Po P - 1 a0 1
A0 — = —1.
Qo Q- 1 1 0
S 3.] FRACTIONS CORRESPONDANTES 57
Donc
et, par conséquent, la formule (5) permet de déduire

Ph P h -i / 4\fe-1 • • •bfr
Qk Q k -i } Q k ~ iQ k ‘
C o r o l l a i r e 1. Si -^=L et (A:>1) sont deux fractions
Vh-i Vfe
correspondantes voisines de la fraction continue (1),
àh = —/V iÇa = ( — l )*-1 &1&2 • • •bk-
C o r o l l a i r e 2. Deux fractions correspondantes voisines fo"1- ,
-jj- (&> 1) d'une fraction continue ordinaire vérifient l'égalité
Ph Pft-i _ ( - l )»"1
Qk-1 Qh-lQh W)
T h é o r è m e 3. Deux fractions correspondantes voisines de même
parité de rang -^ ~ 2 e* (&>. 2) de /a fraction continue (1)
vérifient la relation
Ph _ Pk-2 _ / __• • • bh-iah
(6)
Qh Q h -i ' ; Q h -z Q k
D é m o n s t r a t i o n . On a
___ Ph-2 _
Qh Qh—2 Qh-iQh ’
où
£/i
Çft (?A-2
On en déduit en vertu de la loi de composition des fractions cor
respondantes et des propriétés élémentaires du déterminant
anPk-i + bhPh-z Ph-z Ph-1 Ph-2
Dk = = ak = ak&h-u
ahQh-i + bhQh-i Qh- 2 Qh-1 Qh-2
où est le déterminant examiné dans le théorème 2. D’après le
corollaire 1 du théorème 1
Aft_i = ( —l)h bibz . . . &*_„
d où
* D k = ( —1)* bfiz . . . bk. tah.
Par conséquent, en appliquant la relation (7) on obtient la
formule (6).
C o r o l l a i r e . Si fhxl. et — sont deux fractions correspondan-

9k-Z 9k
tes voisines de même parité d ’une fraction continue ordinaire
l
ao4 1
Q.o -f*
elles donnent lieu à la relation

Pk ___ Ph-2 __ / ___ak
( 6')
9k 9k - 2 ' ' 9 k -z9 k
T h é o r è m e 4. S i tout élément d'une fraction continue limitée

est positif, ses fractions correspondantes de rang pair forment une suite
croissante, alors que ses frottions correspondantes de rang impair for
ment une suite décroissante. Par ailleurs, toute fraction correspondante
de rang pair est inférieure à toute fraction correspondante de rang
impair. Quant au nombre a exprimé par la fraction continue, il est
compris entre deux fractions correspondantes voisines.
D é m o n s t r a t i o n . Soit la fraction continue
a = [ ao ; ~ (8)
à éléments positifs ah et bk et soit P h = 0, 1, . . . » n) sesfrac-

tions correspondantes canoniques successives. Il est clair que P h > 0
et Qk > 0.
Considérons deux cas.
1. Soit k = 2m un nombre pair. La relation (6) entraîne alors
compte tenu du fait que ak > 0 et 6* > 0 (i = 1, . . ., k) :
P zm P zm- 2
Qzm Qzm-z
> 0.
Par conséquent,
P zm-2 ^ P zm
(m = l , 2,
Q zm -z Qzm
OU
< ... (9)
2. Soit k = 2m + 1 un nombre impair. Donc, k — 1 sera un

nombre pair. Alors la même relation (6) amène
P 2m- 1 ^ P 2m+l
Q zm -l Qzm+i
S 3.] FRACTIONS CORRESPONDANTES 59
OU
( 10)
Qt Qz
On a montré ainsi que les fractions correspondantes de rang pair

forment une suite croissante et celles de rang impair une suite décrois
sante (fig. 1).
Ensuite, si dans la relation (4') on pose &= 2 t7i , il vient:
P 2m~l ^ P zm
Qzm-i Qzm ’ (H)
c’est-à-dire toute fraction correspondante de rang impair est plus
grande qu’une fraction croissante suivante de rang pair. On en
Po Pz PlE lE l
W fi» * Q5 Q3 Q1
0 O O O ■ o 0—0 o-o-o O 0 o -;>■
X
Fig. 1.
déduit qu’une fraction correspondante quelconque de rang impair

est plus grande qu’une fraction croissante quelconque de rang pair.
p
En effet, soit nu ~- une quelconque fraction correspondante de rang
V2«-l
impair. Si
P25-1 P2m-1.
Qza- 1 ^ Qzm- 1 Qzm
si $>771,
P 2 s- 1 P 2.1 v. P zm
Qzs-l Qzs Qzm
Par conséquent, quels que soient $ et 771 , on a :
Pzs-l Pim ( 12)
Qzs—1 Qzm
Enfin, le mode de composition de la fraction continue
0 = 0o 61
«i
conduit aux relations évidentes

Donc,
Pk Pj|+1 (13)
ë T < a < Qh+i
si k est un nombre pair, et
Ph ^ ^ P h+ 1
(13')
o r > a > - ^ r
si k est un nombre impair. Il est clair que la dernière fraction cor

respondante donne lieu non pas aux inégalités strictes (13) et (13')
mais à une égalité à droite.
C o r o l l a i r e 1. Si les éléments d'une fraction continue (8)
sont positifs et sont ses fractions correspondantes, l'estimation
v/t
Pk_ ^ 6162 . • • bh+l (14)
Qk Q kQ h + i
se trouve vérifiée.
qui a été d
I a — Pk_ P ) t+i Ph
Qk Q k* 1 Qk
la formule (4') entraîne l ’estimation (14).

C o r o l l a i r e 2. Si la fraction continue a aux éléments
positifs est ordinaire et ^ sont ses fractions correspondantes suc
cessives,
1
<lh<lh+1
R e m a r q u e . Si les éléments d'une fraction continue ordi
naire sont des nombres naturels, on peut montrer [1] que la fraction
correspondante ^ est la meilleure approximation du nombre a,
c’est-à-dire que toutes les autres fractions ~ au dénominateur
q
q ^ Qh s’écartent du nombre a plus que la fraction — .
<7h
58
E x e m p l e 3. La fraction ^ était l ’avant-dernière fraction cor-
163
respondante de (cf. exemple 1). Donc
1163 581 . 1
| 59 2 1 5 9 -2 1
< 0 ,001.
I 4.1 FRACTIONS CONTINUES ILLIMITEES 61
§ 4. Fractions *continues illim itées

Soit
(1)
une fraction continue illimitée. Considérons un de ses segments,

c ’est-à-dire une fraction continue limitée
*n“l (n —1, 2, 3, .. . ). (2)
’ a J ” Qn
D é f i n i t i o n . Une fraction continue illimitée (1) s'appelle
convergente s’il existe une limite finie
a = lim — , (3)
n-M» xn
le nombre a étant considéré comme une valeur de cette fraction.
Si la limite (3) n’existe pas, la fraction continue (1) est dite diver
gente et on ne lui affecte aucune valeur numérique.
p
D’après le critère de Cauchy 13] pour rendre la suite - (n =
= 1, 2, 3, . . .) convergente, il faut et il suffit que, pour tout
e > 0, il existe un nombre N = N ( t ) tel que
I Pji+m Pn \ ^ , „
I Qn+m Qn
avec n > N et n’importe quel m > 0.
Si Ç* =y£=0, on a évidemment :
P j L — P.o i \l ( pk P k - 1\
Qh-i)’ (4)
h=i
D’où
oo oo
Pp v ( P*_ ^ k -l\ P q I XI / i \ h - l h lhZ - - - hh
\ Q k Q h-i ) ~ Q o + Z j y ') Q h_ lQ k (4')
h —1 fc=2
c’est-à-dire la convergence de la fraction continue (1) est équivalente
à la convergence de la série (4'). Si la fraction continue (1) converge:
a = lim —L,
n-*oo x n
les formules (4) et (4') donnent l’estimation

ao oo
ph P h -i b tb î . . . bk
Qk Q k -i < s Q k -iQ x *
k=3n~f-i fe=n+l
T h é o r è m e 1. Si tous les éléments ak, bk (k = 0, 1, . . .)

d'une fraction continue (1) sont positifs, et en outre
bk ah et ak ^ d > 0 (A = 1, 2, . . .), (5)
la fraction continue (1) est convergente.
D é m o n s t r a t i o n . Dans la démonstration de la première
partie du théorème 4 du paragraphe précédent nous n’avons pas
utilisé le fait que la fraction continue était limitée. C’est pourquoi
en reprenant cette démonstration, on établit que si tous les élé
ments d une fraction continue (1) sont positifs, ses fractions cor-
p
respondantes de rang pair (k = 0, 1, 2, .) forment une
V2k
suite croissante bornée supérieurement (par exemple, par le nombre
. On en tire, en raison du théorème connu, qu’il existe une limite
lim = a.
k~+oo
Sous les conditions imposées par le théorème ci-dessus, les frac

tions correspondantes de rang impair ■^r2h+i (k = 0, 1, 2, . . .)
f V2A+1
de la fraction continue (1) forment d une façon analogue une suite
décroissante bornée inférieurement (parle nombre , par exemple).
Il existe donc encore une limite
lim £*±L ‘P
fl—►oo Q 2k+i
et de plus, P > .a. Par ailleurs, pour tout A:>0 on a:

ÿ L < a • Paft _fr|&2 - >« T)k . (6)
Q2/1+I Q2J1 Ç2feÇ2ft+i
Montrons que r\k 0 lorsque k oo. En effet, suivant la loi
de composition des fractions correspondantes on a avec k ^ 2 :
Qk — ahQk-i + bkQk- 2
et
Qk- 1 = ak-iQk-2 + bk-lQh-Z*
Les conditions (5) du théorème permettent de déduire
Qk ^ bu (Qk-i + Qk-z)
et
Qk-1 ^ dQk-i-
S 4 .] FRACTIONS CONTINUES ILLIMITEES 63
Donc,
Qh ^ (1 + d) Qh-2* (7)
L’inégalité (7) donne successivement
Q2fc ^ (1 + d) Q2k-2 ^ ^ ^2h^2h-2• (1 + d)* Ço
= bob^ . &2fe (1 + <0* (3)
et
Q zk+ l ^ &2fe+l ( 1 + ^ 0 @ 2*1-1 ^ * * *
. . . ^ &2fc+i • • • 63 (1 + <9* Ç i ^ • • • &2fe+l (9)
(1 + d ) k i
puisque Q\ = bt. En multipliant les inégalités (8) et (9) on
tombe sur
QihQih+t ^ bibo • - . b2h+i (1 + d)2k (10)
b \b 2 ... b2h+1 ^ 1 __
QzhQzh*i ^ (i + rf)2fe*
Ainsi, Tjk “>■0 lorsque oo.
C’est pourquoi en passant à la limite lorsque k ->• oo on a dans
l ’inégalité (6) 0 ^ P — a ^ 0, c’est-à-dire
a = p = lim — ,
n->oo Vn
et donc la fraction continue (1) est convergente.
R e m a r q u e . Pour la fraction convergente (1) à éléments
positifs sa valeur a est comprise entre deux fractions correspondant
P P
tes consécutives -7/ ■ et -pp-. Il s’ensuit que
xn-l vn
I- Pn I Pn Pn - 1 | _ . . . bn
\ Qn l ^ l Qa Qn-il" Qn-lQn ’
C o r o l l a i r e . Une fraction continue ordinaire à éléments
naturels est toujours convergente.
On peut démontrer également le théorème suivant [1].
T h é o r è m e 2. Tout nombre positif a peut être développé en
fraction continue convergente ordinaire à éléments naturels, ce déve
loppement étant unique. La fraction continue ainsi obtenue est
limitée si a est un nombre rationnel, elle est illimitée si a est un
nombre irrationnel.
E x e m p l e . Développer en fraction continue le nombre Y 41
et trouver sa valeur approchée.
S o l u t i o n . L’entier maximal contenu dans 1^41 étant 6,
on a :
/ 4 Ï = ü-f —
a, . (il)
64 GÉNÉRALITÉS SUR LA THÉORIE DES FRACTIONS CONTINUES [CH, II
Il en résulte
6 + 1 /4 1
a{
1 /4 1 -6 5
L’entier maximal contenu dans a* est 2, c’est pourquoi

:2 + —
a. . (12)
Ce qui amène
_ 4+ysî ,
(13)
-4 5 «3
D’une façon analogue
- = 6 + 1 /4 1 = 12+ ^ . ; (14)
-2 V 4 l-
1 1 _ 6+ V41 ; 1 (15)
<V -6 5 a5 •
, les éléments de la fraction continue
reviennent donc, et c’est pourquoi la fraction obtenue est périodique.
En portant successivement dans l ’égalité (11) les expressions (12),
(13), (14), (15), etc., on obtient:
V41 = 6 + ---------------- , -------------
2+
12+ •
Le nombre irrationnel s’exprime ainsi par une fraction

continue périodique illimitée
\°* 2 ’ 2 * 12’ 2 ’ 2 1 12’ 2 ’ 2 ’ 12’ ’ j -

Les fractions correspondantes ■“*-(& = 0, 1, 2, . . .) s’obtien
nent en utilisant le schéma suivant:
<*k — 6 2 2 12 2 2 12
Pk />-! = * Po = 6 13 32 397 826 2049
Qk 9 -1 = 0 7o = 1 2 5 62 129 320 ...

FRACTIONS CONTINUES ILLIMITEES 65
En se bornant, par exempte, à la cinquième fraction correspon

dante, on obtient la valeur approchée par excès: V^41 = =
= 6,403125 avec une erreur absolue plus petite que
A __ 1 C -I f|-G
320 (2 * 3 2 0 + 1 2 9 ) ~ 3 2 0 -7 6 9 ^ ‘
Théorème 3 (de Pringsheim). Si une fraction continue

illimitée
(16)
vérifie les inégalités
IM + K l I = 2, . . . ) , (17)
cette fraction est convergente et en outre sa valeur absolue ne dépasse
pas Vunité [41.
Pu
D é m o n s t r a t i o n . Soient -^-(fc = 1 . 2 , . . .) les frac
tions correspondantes de la fraction continue (16).
Etant donné que
Qh = «ftÇft-i + bhQh- 2 (A = 1» 2, . . .),
il vient
\ Q k \ > \ a h \ \ Qh. i \ - \ b h \ \ Q h. 2 \.
On en tire en appliquant l ’inégalité (17) :
\ Q k \ X \ b h \ + 1)1 <?*-,| - \ b k \ \ Qh. 2 \,
ou
\ Q k \ - \ Qk-11 > I bh I ( I ç„_, I - | Qh_2 I). (18)
En utilisant successivement l ’inégalité (18) et en retenant que
Qo = 1 et Q-i = 0, on a :
l<?fe I — I Qk-i \ > \ b k \ \ bh.i | ... | bi |. (19)
L ’inégalité (19) entraîne que | Qh | croît monotonement avec
l ’augmentation de A, de plus | Qk I ^ I Qo I = 1-
La convergence de la fraction continue (16) est équivalente à
la convergence de la série
?J> i X} I Ph Ph - i \ _ X \ (—l)',-1&i&2 ..•** ( 20)

Q<> k=1 \Qk Q h - i ) h—- *i Qk^îQk
Considérons la série des modules
vi |fc» I |fc»l... Ifcfcl (21)

R—1 I Qh-111 Qh I
f*
5 -0 1 0 7 2
L’inégalité (19) donne :

1 | | 621... | 1 . ^ 1Qk 1—I I __
2 IQii-i11Q aI IQfc-illÇfcl ~
/t=i fe=i
= 2 ( 1Qk-i 1 Tçirr) = tqôi rçjïT< t ç ô t = 1 (n = 1 - 2< •••)•

h=i
Ainsi les sommes partielles de la série (21) sont bornées et, par
conséquent, cette série est convergente, en outre
»
1h | I b z | ... | bh I ^ A /oox
fe=l
2
I Q k - i l \Q h \ ^ ( }
Mais alors, en vertu du critère de comparaison, la série (20) converge

elle aussi et cette convergence est absolue, ce qui veut dire qu’il
existe une limite
P k -l
lim £ l = 2 (' Qk a.
n -M » X n Qk-1
h=i
Par ailleurs, compte tenu de l ’inégalité (22), on a:

|a|<l.
R e m a r q u e 1. Pour que la fraction continue (16) converge,
il suffit que l’inégalité (17) soit satisfaite pour n ^ m et que Qk # 0
pour k
R e m a r q u e 2. Sous les conditions du théorème 3, nous avons
l ’estimation suivante de la valeur de la fraction continue a :
a — Pn_ < 2
Ph P k-l I
Qn
A=n+1 Qk O k -il"
S I fri 11<>31 \bk \ ^ Z\ \Q k \-\Q h -i\

IQ h - l I I I I Q k - l I IÇft I
fc=n+I fc=n+l
= m —2n I i (tqïT Ï - J qït ) = TqT1 l^ lQ k T '

En particulier, si |Ç n|-»-+ oo lorsque k 00, on a
Ejl
Qn
§ 5.] DÉVELOPPEMENT DES FONCTIONS EN FRACTIONS CONTINUES 67
§ 5. Développement des fonctions en fractions continues

Les fractions continues sont un outil commode pour la repré
sentation et le calcul des fonctions. Cet aspect de la question est
examiné en détail dans des ouvrages appropriés (cf., par exemple,
[2]), alors que nous ne nous bornerons qu’à l ’étude de cas particu
liers.
Constatons que si nous recourons à un artifice quelconque pour
développer la fonction / (x) en une fraction continue illimitée, dans
le cas général il faut montrer la convergence de cette fraction et
voir si la valeur limite de la fraction continue est égale à la fonction
/ [x).
A. D é v e l o p p e m e n t d’u n e f o n c t i o n
r a t i o n n e l l e en f r a c t i o n c o n t i n u e
Si
/ (~\ __ cio~t~cnJ + ci23:2+ - ■-
c00+ C01Z+ c02z2 + •• • ’
en effectuant des transformations élémentaires, on aboutit dans le
cas général à
____________ 1 Cio
/(*) COQ | CQ0+ C01*+ CQ2j2 + foo COO+ * /i(z) ’
CiO Cio+ CnX+ Ci2*2+ Cio
où
f /-X __ C20+ C2la:+C22z2+ »- »
71 ^ ' C10 + C,1X + C12X 2 + . . .
et
Czh —ClOÔ. fc+i —cO(fi. fc+1 (* = 0, 1, ...) .
^ “ c i 0+ x f z (x) •
où
1 i \ _ _ C 3 0 + C 3 1 3r4~C32j 2 + «»»
' 2' ' C20+ C21Ï + C22^2+ •••
et
C3I1 = ^20^1 • h+l ^10^2* ft+1 (/c = 0 , 1, • • • ) ,
etc.
Ainsi
CjQ C203g g30x «nO* 1
/(* )= • C20* — Lf o ; c?00 . Cl 0 ’ «20 ’
*» C- n - 1 ,0 -iI * (i)
C00 +
C10- C30z
C2 0 + •
et on voit aisément que la fraction continue (1) obtenue est limitée.

5*
Pour calculer successivement les coefficients des développements

cJk, il est commode de recourir à la formule
Cj-2. 0 cj~ 2 .h+i
cJk= —
Cj- i.O C/-1.A+1
OÙ / ^ 2.
Remarquons que dans certains cas, les coefficients cjh peuvent
être nuis. Il faut alors apporter au développement (1) des modifi
cations appropriées [2].
E x e m p l e 1. Développer en fraction continue la fonction
/ (*) = 1—5x + Ox2 •

S o l u t i o n . Portons les coefficients Cjh sur le schéma suivant:
0 1 2
0 1 -5 6
1 1 -1 0
2 -4 6 0
3 —2 0 0
4 —12 0 0
Par conséquent,
1— x rn . 1 —4x — 2x — 12x~| i
1 — 5x + 6x2 “ [ U; i ’ "1 “ ’ “= T ’ J ~~ 4Ï ‘
i ___ —__
—4 + 6x
B. D é v e l o p p e m e n t d e e* e n f r a c t i o n c o n t i n u e
Euler a obtenu pour ex le développement [2]
-X Tn. 1 — 2x X2 X- x2 1
« — LU ï 1 » 2 + x ’ 6 ’ 10 ’ • • • ’ 4n + 2 ’ ‘ " J ( 2)
convergent pour toute valeur de x, réelle ou complexe [2].

On en tire des fractions correspondantes:
<?1 ” 1 ’
P. _ 2 + x .
<?2 2—x ’
P3 _ 12 + 6 x + x 3 .
Q3 1 2 - 0 x + x 2 ’
P« 120+60x+12x2+ x3
Qt ~ 120—6 0 x + 12x2—x3 *
etc.
§ 5 .] D ÉV ELO PPEM EN T DES FONCTIONS EN FRACTIONS CONTINUES 69
En posant notamment x = 1 et en se bornant à la quatrième

fraction correspondante, on a
193 0 - AOO
e « qq- = 2,/183 . . .
Pour obtenir la même précision, il faut prendre dans le développe
ment de Maclaurin
e= 2+ - - + -jr+ ...
au moins huit termes.
C. D é v e l o p p e m e n t de tg £ e n f r a c t i o n
continue
Pour tg x Lambert a obtenu le développement
tg x = [o ; ' T2*+l ’ (3)
convergent en tout point où la fonction est continue.
E x e m p l e 2. Chercher la valeur approchée de tg 1.
S o l u t i o n . En posant dans la formule (3) x = 1, on a:
La formule (3) du § 3 permet de composer le schéma suivant

pour les termes des fractions correspondantes:
k -1 0 1 2 3 4
bh 1 1 -1 -1 1
ah 0 1 3 5 7
Ph 1 0 1 3 14 95
Qh 0 1 1 2 9 61
En se bornant à la quatrième fraction correspondante, on a

tg l « | | = 1,557377
(la valeur tabulaire est tg 1 = 1,557396).
BIBLIOGRAPHIE
1. A. Khintchine. Fractions continues. Gostekhizdat, 1949, chapitre I.
2. A . Khovanski. Applications des fractions continues et de leurs généralisa
tions aux problèmes de l’analyse approchée. Gostekhizdat, 1956, chapitres I
et II.
3. G. Fichtengoltz. Eléments d’analyse mathématique, t. 1. Gostekhizdat,
1955, chapitre III.
4. O. Perron. Die Lehre von den Kettenbrüchen. Teubner, 1913, chapitre VII.
CHAPITRE III
CALCUL DES VALEURS DES FONCTIONS
Pour calculer sur des ordinateurs les valeurs des fonctions don
nées par des formules, la forme de ces dernières est loin d'être indif
férente. Considérées sous l ’optique des calculs approchés, les ex pres
sions mathématiques équivalentes n’ont pas toujours la même
valeur. Il se pose donc un problème de grand intérêt pratique qui
consiste à rechercher pour les fonctions élémentaires les expressions
analytiques les plus commodes. Le calcul des valeurs des fonctions
se ramène en général à réaliser une suite d’opérations arithmétiques
élémentaires. Le volume de la mémoire d’une machine étant limité,
il convient de diviser ces opérations en cycles répétitifs. Dans ce qui
suit nous allons étudier certains procédés types.
§ 1. Valeurs d’un polynôme. Schéma de Hômer

Soit un polynôme de degré n
P (x) = clqX*1 + ajx71-1 + . . . + an. {x + an (1)
à coefficients réels ak (A = 0, 1, 2, . . ., n). Proposons-nous de
trouver la valeur de ce polynôme pour x = £ :
P (5) = ûoÊn + + • • • + Æn-lÊ + an• (2)
Le plus commode pour calculer le nombre P (ê) est de mettre
la formule (2) sous la forme
P (l) = (• • • (((a0l + a l) t + a 2) t + a 3) t + . . .
. . . + Oji-Ù £ "t" ^n)*
En calculant successivement les nombres
bo = ûo»
bi = ai -\- bol,
b2 = a2 + &i£,
(3)
bo = a 3 + b2l ,
bn, —an -J- ôn_i£,

on aboutit à bn = P (£).
§ IJ VALEURS D*UN POLYNOME. SCHÉMA DE HÜRNER 71
Montrons que les nombres b 0 = a0, bi9 . . ., 6n-i sont les coef
ficients du polynôme Q (x) obtenu comme quotient de la division
du polynôme donné P (x) par le binôme x — En effet, soit
Q (x) = Po*"-1 + Pi*n-2 + . . . + Pn-1 (4)
et
p (*) — Q (x) (x — l) + Pn; (5)
d’après le théorème de Bézout le reste de la division pn = P (\).
En vertu des formules (4) et (5)
P (x) = (Pô*""1 + Pi*n“2 + • • • + Pn-i) (x — 5) + Pn»
ou, en chassant les parenthèses et en effectuant la réduction des
termes semblables, on a
P (*) = Po*n + (Pi - PoÊ) *w-x + (Ps - PiÊ) s""2 + • • •
• • • + (P n -1 — P n -2 ^ ) x + (P n — P n - i£ ) «
La comparaison des coefficients affectés aux mêmes puissances

de la variable x dans le premier et le second membres de cette der
nière égalité donne:
P o — Æo»
P i — PoÊ = ai»
P 2 — P iÊ = Û2t
P n -i — P n -2 ^ = a n-li
Pn P n -i 5= ®n-
D’où
Po = = b q,
Pi = al + Po£ — Ùj,
P2 = ^ 2 + Pl£ = b2,
P n -1 — a n - l + P n -2 ^ = & n -1»
Pn = ®n 4“ P n -lÊ = Ùn ,

Ainsi les formules (3) permettent de déterminer, sans effectuer
la division, les coefficients du quotient Q (x) et le reste P (5). Les
calculs se font pratiquement d’après le schéma suivant, dit schéma
de H orner:
oq at a2 . . . an
^ b0l b i t . . . bn-tl |J_
b0 6, bt ... bn = P&)
72 CALCUL DES VALEURS DES FONCTIONS [CH. III
E x e m p l e 1. Calculer la valeur du polynôme

P (x) = 3x3 + 2x2 — 5x + 7 avec x = 3.
Solution. Composons le schéma de Hôrner:
3 2 —5 7
+ 9 3384 1
3 11 28 91 = P (3)
R e m a r q u e . En appliquant le schéma de Hôrner on peut

obtenir les bornes des racines réelles du polynôme considéré P (x).
Xf Xm
+ -f
-oi 0 ft X
Fig. 2.
Posons qu’avec x = P (P > 0) tous les coefficients bi du schéma

de Hôrner sont non négatifs et que le premier coefficient est positif,
c’est-à-dire
b0 = a 0 > 0 et bi ^ 0 (t = 1, 2, . . . , n). (6)
On peut alors affirmer que toute racine réelle xk (k = 1, 2, . . .
. . ., m ; m ^ n) du polynôme P (x) ne dépasse pas P, c’est-à-dire
que xk ^ P (k = 1, 2, . . ., m) (fig. 2).
En effet, puisque
P (x) = {box71- 1 + . . . + ôn-i) (x — P) + •
quel que soit x > P et en vertu de la condition (6) on a P (x) > 0,
ce qui rend évident le fait qu’un nombre quelconque supérieur à P
n’est pas une racine du polynôme P (x). On a ainsi une majorante
des racines réelles xk du polynôme.
Pour obtenir une minorante des racines xft, composons le poly
nôme
( —l)n P ( —x) = acxn - a^ - 1 + . . . + ( - l ) n a„.
Cherchons pour ce nouveau polynôme un nombre x = a (a > 0)
tel que tout coefficient du schéma de Hôrner correspondant soit
non négatif sauf le premier qui, naturellement, est positif. Alors,
pour les racines réelles du polynôme ( —l)n P ( —x) égales, évidem
ment, à —xk (k = 1, 2, . . ., m)y les raisonnements précédents
amènent l ’inégalité —xk ^ a.
Par conséquent, xk ^ —a (k = 1, 2, . . ., m). Ainsi nous avons
obtenu la limite inférieure —a des racines réelles du polynôme
P (x). On en déduit que toute racine réelle du polynôme P (x) repose
dans l ’intervalle [ —a, pi.
§ 2 .] SCHÉMA DE IIÜRNER GÉNÉRALISÉ 73
Exemple 2. Chercher les limites des racines réelles du

polynôme
P (x) = x4 — 2x3 + 3x2 + 4x — 1.
S o l u t i o n . Calculons la valeur du polynôme P (x) pour
x = 2, par exemple. En appliquant le schéma de Hôrner, on a :
1 —2 3 4 —1
+ 20 6 20 lA.
1 03 10 19
Puisque tout coefficient bt ^ 0, les racines réelles xk du poly

nôme P (x) (si elles existent) vérifient l ’inégalité xk < 2 . La limite
supérieure des racines réelles est ainsi obtenue. Passons à la recherche
de la limite inférieure. Composons le nouveau polynôme:
Q (x) = ( —l )4 P ( - x ) = x4 + 2s3 + 3x* — 4x — 1.
Le calcul de sa valeur pour x = 1, par exemple, donne:
1 2 3 - 4 - 1
+ 13 6 2 U_
1 3 6 2 1
Tout coefficient bt > 0, donc —xk < 1 , c’est-à-dire xk > —1.

Toutes les racines réelles du polynôme considéré sont comprises
donc à l ’intérieur de l ’intervalle [ —1, 2].
§ 2. Schéma de Hôrner généralisé

Soit le polynôme
P (x) = a0a?x + ^ x *1-1 + . . . + an (1)
dans lequel, d’après certaines considérations, il faut remplacer la
variable x suivant la formule
x —y + (2)
où | est un nombre fixé et y une variable nouvelle.
En portant l ’expression (2) dans le polynôme (1), après avoir
effectué les opérations indiquées et la réduction des termes sembla
bles, on obtient un nouveau polynôme par rapport à la variable y :
P (y + l) = A 0yn + A ty "-1 + . . . + A n. (3)
Le polynôme (3) pouvant être considéré comme le développement
de Taylor de la fonction P (y + £) suivant les puissances de y,
les coefficients A t (i = 0, 1, . . ., n) se calculent d’après la for
mule
p < n -i, (t)
(*-*)!
(*=0, 1, , n).
Indiquons un procédé pratique plus commode de la recherche

des coeÔicients A i (i = 0, 1, 2, . . n) à l ’aide du schéma de
Hôrner. Posons d’abord dans l ’expression (3) y = 0. On a alors
An = P (S)-
La division du polynôme (1) par le binôme x — £ amène
P (x) = (X - £) Pi (x) + p (i), (4)
OÙ
Pi (x) = ôox"-1 + bixn- 2 + ■• • + bn-i
Ensuite, si dans l ’expression (3) y est remplacé par sa valeur
y = x — £, il vient:
P (x) = (x — £) U o (x — £)”-* + Ai (x - £)n“2 + . . -
p ( i )• (5)
La comparaison des formules (4) et (5) conduit à la conclusion
que
Pi (*) = A 0 ( x - £)"-! + A i (x - S)”"2 + • • • + ^ n -1, (6)
jt %
d ou
. A n- 1 = P I (!)• (7)
D’une façon analogue, en divisant le polynôme Pi (x) par le
binôme x — £, on peut poser :
Pi (x) = (x - £) P 2 (x) + Pj (£), (8)
OÙ P 2 (X) = CoXn “2 + CjX"-3 + . . . + Cn -2 -
En outre, les formules (6) et (7) entraînent:
Pi (x) = (x - £) U 0 (x - £)"“2 + Ai (x - £)n-s + . . .
• • • + An- 21 + Pt (!)• (9)
La comparaison des formules (8) et (9) fait conclure que
P 2 (*) = A 0 {x — £)n"2 + Ai (x — £)n-3 + . . . + A n- 2.
On en tire A n-2 = P 2 (S)*
En poursuivant ce processus nous exprimerons successi ement
tous les coefficients A t (i = 0, 1, . . ., n) par les valeurs des poly
nômes correspondants P 0 (x) = P (x), et Pi (x), . . ., Pn (x) = a0,
avec x = £ :
An = P ( Î ) ;
A n- l = P l (I);
An-Z = Pz (1);
A0 = Pn ( I).
CALCUL DES FRACTIONS RATIONNELLES 75
où les polynômes Pk+i (x) se construisent, en partant des polynômes

Pk (x), d’après la formule
Pk (X) = ( x - l ) P*+1 (x) + P k (D (k = 0 , 1 , . Tl).
Pour calculer les valeurs des P (£), Pj (£), P 2 (S)» . utilisons
le schéma de H orner généralisé:
a0 ai a2 a3 . . . a n_j an |g
&o£ &i£ &2S »*• ^n-2^
b0 bi bz 63 ... 6n-i fen=^(g)
Cpg gjS ■»» Cn-2&
C0 Cl C2 . . . C n -l = ^ l (5)
Exemple. Pour éliminer du polynôme

P (x) = x* — 8s8 + 5x* + 2x — 7
le terme contenant la variable à la troisième puissance, on pose
x = y + 2.
Trouver le polynôme transformé.
S o l u t i o n . Appliquons le schéma de Hôrner généralisé :
1 - 8 5 2 —7
2 — 12 — 14 — 24
1 -6 —7 — 12 — 31
2 —8 -3 0
1 -4 — 15 -4 2
2 - 4
1 —2 — 19
2
1 0
Par conséquent,
P (y + 2) = y* - 1 9 y2 - 4 2 y - 3 1 .
§ 3. Calcul des fractions rationnelles

Toute fraction rationnelle R (x) peut être mise sous la forme d’un
rapport de deux polynômes
J iW ^ (1)
QW ’
OÙ
P (x) = aoXn + ajXn-1 + • • • "t" ®ni
Q (x) = boXm + bix m~1 + • • • "F ^m*
7G CALCUL DES VALEURS DES FONCTIONS [CH, III
Supposons qu’on demande de déterminer la valeur de R (x) en

un point x = £ :
*«>=■£§• P)
Le numérateur P (5) et le dénominateur Q (£) de la fraction (2)
peuvent s’obtenir en recourant au schéma de Hôrner. Il en résulte
une méthode simple de calcul du nombre R (S).
Une autre méthode de calcul consiste à transformer la fonction
R (x) en fraction continue. A cette fin on peut appliquer la méthode
décrite au § 3 du chapitre II.
§ 4. Approximation des sommes des séries numériques

Définition. La série numérique
ai + a2 + • • • + an + • • • (1 )
s’appelle convergente si la suite de ses sommes partielles a une limite
S — lim Sn, (2)
B n -voo
OÙ
Sn = al + a2 + • • • + an•
Le nombre S s’appelle somme de la série.
Ainsi, la convergence de la série (1) est équivalente* à la conver
gence de la suite de ses sommes partielles. D’après le critère de Cauchy
[1] cette suite converge si et seulement si pour tout e > 0 il existe
un N = N (e) tel que
I ^n+p — | < e
avec n > N et p > 0 arbitraire.
La formule (2) entraîne
S = Sn + R n, (3)
où R n est le reste de la série et R n 0 lorsque n oo.
Pour obtenir la somme S de la série convergente (1) avec la pré
cision imposée e, le nombre de termes n doit être suffisamment grand
pour vérifier l ’inégalité
|J U < « - (4)
On peut alors poser approximativement que la somme partielle Sn
est la somme précise S de la série (1).
Constatons que pratiquement la détermination des termes al9
a2, . . . est également approximative. De plus, la somme Sn est
d’habitude arrondie au nombre imposé de chiffres. Pour tenir compte
de toutes ces erreurs et assurer la précision nécessaire, on peut appli
quer la procédure suivante : choisissons dans le cas général trois
§ 4.] APPROXIM ATION DES SOMMES DES SÉ R IE S NUMÉRIQUES 77
nombres positifs elt e2, e3 tels que

6| -f* ®2 ®3 = 8.
Prenons le nombre n de termes de la série suffisamment grand pour
que Verreur de troncature | R n | vérifie l ’inégalité
I Rn I < B»- (5)
Calculons chacun des termes ah (k = 1, 2, . . ., n) avec une borne
d’erreur absolue ne dépassant pas — , et soit ak (k = 1, 2, . . n)
les valeurs approchées correspondantes des termes de la série (1),
c’est-à-dire
Alors l'erreur générée de la sommation

n
S n = S ah
k=[
vérifie l’inégalité
\S n- S n \<*«. (U)
Enfin, arrondissons le résultat approché obtenu S n à un nombre
plus simple S n de façon que Verreur d'arrondi soit
_ { S n - S n l^ e o . (7)
Dans ce cas le nombre S n est une valeur approchée de la somme S
de la série (1) à e près. En effet, les inégalités (5)-(7) amènent
\ S — S n | - ^ | *5— S n | Sn — S n I + | 5 n — S n - [- 62 + 83 = 8.
Le nombre 6 doit être partitionné en termes positifs el9 e2 et 63

en tenant compte du volume de travail nécessaire pour obtenir le
résultat cherché. Si e = 10"m et le résultat doit compter m décimales
exactes, on adopte le plus souvent :
Si l ’on ne procède pas à l’arrondissement final, on pose dans les cas

courants :
e e n
£l — 2 ’ —-9“ t 83 —U.
La tâche se complique lorsqu’il faut déterminer la somme de la

série avec m décimales exactes au s e n s s t r i c t . L’interpréta
tion géométrique de ce fait est qu’il faut chercher un élément de
l ’ensemble des (* est un entier) tel qu’il soit le plus proche du

nombre S (fig. 3).
1 2 k
10m 10m 10m
' 1 1 1 1 's 'y
Fig. 3.
Soit, pour fixer les idées, la somme S positive et

S = Po+Jï ï + • • • + ^ + • • ’ + i P
(Pk sont des entiers non négatifs, n ^ m ) une approximation ration
nelle telle que
|S - S |< ï ô ^ r -
Admettons que
Pm+ 1 ^ 4 et Pm+i 5.
, Alors, en arrondissant le nombre S on aboutit au résultat recher
ché :
° = P o + -^ + • •• si Pm+i<3, ( 8)
ou
Pm4~t
a = Po + -jfî+ • • • "f 10"» SÎ Pm+l^-6, ( 8 ')
En effet, dans le premier cas, l ’arrondissement par défaut con

duit à
Pm+l
0 < S —on 10"»+A Pm+2 i | Pn >•
jQm+2 "T" • • • i
^ 10m+1 ' 10»«+2 r

* 10" ^ 10m+1
Dans le deuxième cas, l’arrondissement par excès donne
l Pm+i __ Pn ^ i 6
0 <cr —S = 10"» 10m+1 " ** 10"^ 10m lQm+l JQm+l •
C’est pourquoi dans les deux cas on a :

| S — a | <: lQm+l
\ S — o | < | S — S | + |5 — +ïom+i“ T * 1®"
§ 4.] APPROXIM ATION DES SOMMES DES SÉ R IE S NUM ÉRIQUES 79
Ainsi,
S = a ± -y
Si p m+1 = 4 ou Pm+i = 5, il faut améliorer la précision des cal
culs de la somme approchée S en faisant appel au rang décimal
suivant.
Dans le cas particulier, si p m+i = 4 et si l ’on saitfque

S<5,
a (8) est une valeur approchée de la somme S à près (par
défaut).
D’une façon analogue, si p m+1 = 5 et
S >5,
a (8') est une valeur approchée de la somme S à ~ 1 0 “m près (par
excès).
Pour évaluer le reste de la série (1)
Rn = **71+1 + **n+2 + • • •
il est utile de faire appel aux théorèmes suivants'que nous donnons
sans démonstration [1].
T h é o r è m e 1. Si les termes de la série (1) sont les valeurs
correspondantes d'une fonction f (x) monotone décroissante positive,
c'est-à-dire si
On = f (n) (n = 1, 2, . . .), (9)
alors (fig. 4)
oo oo
\ f ( x ) d x < R n < \ f ( x)dx.
n+l n
Théorème 2. Si la série (1) est alternée :
f l i > 0 , a2 < 0 , o3 > 0, . . .
et si les modules de ses termes forment une suite monotone décroissante,

on a
I Rn I ^ I Æn+i |
et
sgn R n = sgn an+i*.
Exemple. Trouver la somme de la série
< 5 = -p -+ -p -+ -p -+ •• • + - p - + • •• (10)
à 0,001 près.
Solution. Adoptons comme erreur de troncature
6l = ~ 10 3 = 4üôô*
Les termes de la série (10) sont les valeurs correspondantes de la
fonction décroissante monotone
C’est pourquoi pour le n-ième reste de la série

oo
•ffn = 2 ir
A =n-H
on a l ’estimation
R <1 — - —
/Xn^ J x3 2na'
n
La résolution de l’inégalité
_ L < _ L
2n2 ^ 4000
conduit à :
/i> V r2ÔÜÔ«44,7.
Adoptons n = 45.
Choisissons comme borne d’erreur de la sommation
e2 = ± . 10-3;
il en résulte que la borne d’erreur absolue admissible des termes
de la somme partielle £ 45 de la série (10) est
1
e2 ^ 4
-T -10-3 5
< - 45 • îo-*.
* sgn R n désigne le s i g n e du nombre i?n, c’est-à-dire sgn Rn = -f 1 si
Rn > 0, sgn R n = —1 si R n < 0, sgn R n = 0 si R n = 0.
§ 4.] APPROXIMATION DES SOMMES DES SÉRIES NUMÉRIQUES 81
Posons
c'est-à-dire calculons les termes de la série (10) avec cinq décimales

exactes au sens strict. Ci-dessous figurent les valeurs correspondantes
des termes et les résultats de la sommation partielle
1,00000 0,00024 0,00003
0,12500 0,00020 0,00003
0,03704 0,00017 0,00003
0,01562 0,00014 0,00003
0,00800 0,00012 0,00002
0,00463 0,00011 0,00002
0,00292 0,00009 0,00002
0,00195 0,00008 0,00002
0,00137 0,00007 0,00002
0,00100 0,00006 0,00002
0,00075 0,00006 0,00001
0,00058 0,00005 0,00001
0,00046 0,00004 0,00001
0,00036 0,00004 0,00001
0,00030 0,00004 0,00001
1,19998 0,00151 0,00029
Par conséquent,
S ib = 1,19998 + 0,00151 + 0,00029 = 1,20178.
En arrondissant cette valeur à des millièmes, on obtient la valeur
approchée de la somme
S « 1,202.
L’erreur d’arrondi étant
e3= 0,00022 < - ~ 1 0 - 3,
Terreur globale du résultat obtenu ne dépasse pas
e < - J - 10-3+ - J - 10"3+ T * 10"S< T * 10‘3"

Ainsi,
S = 1,202 ± 0,001.
L’estimation sera plus précise si l ’on tient compte des signes des
erreurs d ’arrondi. Pour comparer, voici la valeur de la somme S
à y -1 0 “* près [2]:
S = 1,202057,
6-01072
R e m a r q u e . La recherche de l ’erreur globale étant une opé

ration très délicate, dans la pratique la précision imposée s = 10“m
s’obtient en effectuant tous les calculs intermédiaires avec un ou
deux chiffres de réserve. Dans ces conditions on suppose sans trop
de rigueur que les erreurs admises n’interviennent pas dans les déci
males de rang m du résultat à obtenir.
Remarquons que pour résoudre cet exemple il faut chercher la
somme d’un nombre de termes relativement grand. Dans la pratique,
on s’efforce de transformer la série considérée de façon à obtenir
le résultat cherché avec un petit nombre de termes. Les transforma
tions de ce type s’appellent amélioration de la convergence d'une série
et dans de nombreux cas elles permettent de réduire nettement la
durée du calcul. Cette question fait l ’objet du chapitre VI,
§ 5. Fonctions analytiques
Une fonction réelle / (x) s’appelle fonction analytique au point \
si dans un certain voisinage | x — £ | < R de ce point la fonction
se développe en une série entière (sérié de Taylor)
r o ( x - l ) 2+ . . .
/ ( * ) = / (S)+ / '( ! ) ( * - S ) 2!
f'n>(s)
n ! (1)
Avec 1 = 0 on obtient la série de Maclaurin

/ (X) = / ( 0 ) + / ' ( 0 ) X ^ Æ X2 ~ . . . + + ( 2)
La différence
* n (* )= /(* )-2
fe=0
s’appelle reste et constitue l ’erreur produite en remplaçant la fonc
tion / (x) par le polynôme de Taylor
h=0
On sait que [1]
Rn (X) = /<- - g + | )(; ~ ^ )) (3)
où 0 < 0 < 1 . Pour la série de Maclaurin (2) on a en particulier [1] :
/<»+!> (6j ) n+1
Rn{x)
(« + D! ’ (4)
où 0 < 0 < 1 . Il existe également d ’autres formes de restes.
FONCTIONS ANALYTIQUES 83
Le développement d’une fonction en série de Taylor est dans

plusieurs cas un moyen commode pour calculer les valeurs de cette
fonction.
Si l ’on connaît / (5) et s’il faut trouver la valeur de / (5 + A),
où A est une « petite correction », il est commode d’écrire la formule
(1) sous la forme
/(S + h) = / (0 + r (5) h + -Ç fU "- -f . . . +
+ / ^ j g kn + / jn(A)f (5)
où
Exemple. Trouver la valeur approchée de VÎO.

Solution. On a
i
V 1 ô = v ^ + T = 3 ( i + - ) 2* (6)
En posant
î
/(*) = ( 1 + *)5.
on obtient successivement :
/'(* ) = Y ( 1 + *)"*.
r ( x ) = - |( i+ * p ,
1
D’où, en posant 5 = 0* A= -^ et en lenant compte du fait que
/ ( o ) = i , / '( 0 ) = - i . r(0 )= ~ . r ( 0 ) = |,
on a en vertu de la formule (5) :
/u i \ 2_ u i 1 _ 1 1 , _
l1 ‘ 9j ” 1 1 2 ’ 9 8 *81 + 16 729 ' “~
= 14- 0,05556—0,00154 + 0,00009 + i?3- 1,05411 -f i?3* (7)
6*
OÙ
_7
p _ _ ! 15 ÎA , 1 \ 2 J ____
8 24*16 \ ^ 9 ) * 6561
_7
= “ I 680 616 “ ( 1 “9 ) (0 < 9 < !)•
Il est clair que

I^ 3I^ 1 680 616 ^ 6‘
Les formules (6) et (7) entraînent:
]/TÔ = 3,16233 + E, (8)
où
| E | < 3.-i-. 10"64 -3 -6 .10-e - 3,3• 10"5.
En arrondissant la valeur obtenue à quatre décimales, on a fina
lement :
VTÔ = 3,1623 ± 6 -10“5.
A titre de comparaison voici la valeur tabulaire
V1Ô = 3,1622777 . . .
§ 6. Fonction exponentielle
Le développement [1] de la fonction exponentielle ex s’écrit
ex = 1 ~\~x 4~*2"f“r • • • • • •’ (^)
l ’intervalle de convergence étant —oo < x < +oo. Le reste de la
série (1) est de la forme
(*)=( ^ y r ^ 1 (0 < (2)

Lorsque les modules des valeurs de x sont grands, la série (1)
est peu utile pour le calcul. Pour cette raison, on opère en général
de la façon suivante: soit
x = E (x) + g,
où E (x) est la partie entière du nombre x et 0 ^ g ' d sa partie
fractionnaire. On a:
ex = eE{x).eqa (3)
Le premier facteur du produit (3) peut être établi par multiplication :
E (x) fois
e®(*) = ee . . . e, si £ ( x ) > 0 ,
§ G.] FONCTION EXPONENTIELLE 85
OU
—E ( x ) fols
eE(*> = ± . ± . . . 1 , si £ ( x ) < 0 ,
où
e = 2,718281828459045 . . .
et
—
e
= 0,36787
1
9441171442 . . .
De plus, pour assurer la précision imposée, il faut prendre e ou-j-
avec un nombre de décimales suffisamment grand (actuellement le
nombre e est calculé avec plus de 250 décimales).
Quant au deuxième facteur eq du produit (3), on le calcule
à l ’aide du développement ci-dessus:
oo
n=0
qui avec 0 ^ g < 1 forme une série rapidement convergente du
fait que pour le reste R n (g) la formule (2) donne l ’estimation
Déduisons une formule plus précise pour l’estimation du reste

R n (g) avec 0 < g < 1. On a :
«n+l 7n+2 on+3
*» (?) = (n + l)I ' (n+2)! ~ (n + 3)l '
g"*1 r 4 < q , q-
(» + l) ! L n + 2 ~ (n+2) (n+3)
7?l+l
<
(« + !)! [ 1 + n + 2+ (/1+ 2) + • " ] •
On en tire, en sommant la progression'géométrique entre cro
chets :
1- n—
-J-2
: (5)
ou avec 0 < g < 1 et retenant que

n±2 «±1
n+1^ n
on a finalement:
çn+l
0 < R n (q)< ni n ’
c’est-à-dire
0 < R n { q )< u n- (6)
où un = n!
est le dernier terme conservé.
Si l ’erreur de troncature e est imposée, le nombre nécessaire de
termes n peut être déterminé par triage en résolvant l ’inéquation
Le calcul approché de ex d’après la formule (1) pour des x petits

devient commode si l ’on utilise le schéma
ex = u 0 + u{ + u 2 + . . . + un + R n (a:), (7)
où
= = ^ (A*=l, 2, (8)
Le calcul sur ordinateurs devient commode si l ’on applique le
schéma suivant
X
Uk = T Ufc"1’
Sk = Sk-i + «k (A- = 0, 1, 2, . . n).
où u0= 1, s-i= 0 , Sb = l. Le nombre în = 2 j Jï* donne approxi-

h=Q
mativement le résultat cherché de ex.
Si e est l ’erreur de troncature admissible et n ^ 2 | x | > 0,
le processus de sommation doit être arrêté dès que l ’inégalité
|i? B( x ) | < f l , ( l x | ) < j ^ r ------— <
1 n+2
^ 2|x|*+l 2 111 Ifjh ^ | U n | ^ 8
^ („ + !)! b+ i n!
est vérifiée, c’est-à-dire si
I “n (X) | 8. (9)
Autrement dit, le processus de sommation s arrête si le dernier terme
élaboré un ne dépasse pas e en module. Alors
I R n (X) I < | Un |.
Pour calculer l ’erreur globale, il faut faire appel au schéma géné

ral (§4).
E x e m p l e 1. Chercher V e à 10"8 près.
FONCTION EXPONENTIELLE 87
Solution. Adoptons l'erreur de troncature

Cl = 1 .1 0 -5= 2,5.10-G.
Le nombre de termes de la somme (7) étant alors, d’après une esti-
|
mation grossière, de l ’ordre de 10, calculons les termes à y -10"7 près,
c’est-à-dire avec deux décimales de réserve.
En posant
Uo = l, uft= - ^ - (* = 1 , 2 , . . . ) ,
on a successivement:
u0= i
u, = -L = 0,5000000
u, = -j- = 0,1250000
u3 = -^- = 0,020S333
u4= -^- = 0,0026042
«6= - g - = 0,0002604
uG= - g - = 0,0000217
«7= - g - = 0,0000016
1,6487212 ,
En arrondissant la somme à cinq décimales, on obtient :
V~e = 1,64872, (10)
avec une erreur globale
e < 1,6• 10-" + 5• - • 10"7 + 1 ,2 • 10‘4 = 3,05 • 10’®< 10'B,
c’est-à-dire tous les chiffres du résultat (10) sont exacts au sens
strict.
Pour calculer ex on peut utiliser également le développement
en fraction continue [4]
eX rLU’
0. i ~~2j — *2 *3
( 11)
1 ’ 2 + x ’ 6 1 10 ’ * ’ # ’ 4 n - ( - 2 ’
qui converge pour toute valeur de x (réelle ou complexe).

Exemple 2. Chercher Y e en appliquant la formule (11)
S o l u t i o n . En posant dans la formule (11) x = y , compo

sons le tableau des fractions correspondantes pour la fraction con
tinue respective.
k -1 0 1 2 3 4 5
i 1 1
bk 0 1 -1
4 4 4
5
a* 1 1 1 2 6 10 14
! 0 l 5 61 1225 34 361
p k V
2 4 8 16
3 37 743 20S41
Qk 0 1 1
2 4 8 16
En s'arrêtant à la cinquième fraction correspondante, on a :

P5 34361 20841 34361
Ve 16 20841
1,648721
Qs ~ 16
à y -1 0 " 6 près.
Pour calculer les valeurs de la fonction exponentielle générale
ax (a > 0) on peut recourir à la formule
ln3a
ax = 1 + In a-ar-f 31
x 8+ . . .
§ 7. Fonctions logarithmiques
Les logarithmes népériens des nombres proches de l'unité donnent
lieu au développement [1]
ln (l+ s ) = * - 4 + 4 - - £ - + . . .
( —1 < * < 1). (1)

La formule (1) est peu commode pour le calcul car la marge des
nombres 0 <; 1 + x ^ 2 n’est pas grande et, par ailleurs, avec
| x | proche de l ’unité la série (1) converge lentement.
§ 7.] FONCTIONS LOGARITHMIQUES 89
Introduisons une formule phis commode pour le calcul des loga

rithmes népériens des nombres. En remplaçant dans la formule (1)
x par —x, on a :
\ tA /0 \
In (1 x)\ = - X ------ 5-------- TT ---- 7 ---- . . . ----- ... (2)
En retranchant membre à membre la formule (2) de la formule (1)
on aboutit à
l n ï + ^ - 2 (* + -^- + -3- + . . . J.
En posant
1— x _^
T+~x~z'
on obtient:
1— Z
x= i + z
- = - 2[ } s + T f ë r + i ( } s r + - j (3)
avec 0 < z < + oo.
Soit x un nombre positif. Mettons-le sous la forme
x — 2m-z,
où m est un entier et - ^ - C z C l. Alors, en posant
—
i + Z
= t5 ’
OU
* -4 -
0 < t<
*+4- 3 '
et en appliquant la formule (3), on a :
ln x = ln 2mz = m ln 2-f- lnz =
= m l„ 2 -2 ( | + ... )_
OÙ
Rn = 2 (
£2n+1 , S2n+3 , l-n+i
2n 1 2/i *|*3 2/i -j- 5 ...)<
£2n+l ?2n+l
<1+ Ê 2+ S 4- - - ) < ï é F - i r + ï
Avec ()•< £ < -g , on obtient:
5 <2
i-l2
et c’est pourquoi
^ „ 9 ?2u+I
0 < ^ . n < T '2 ü + ï (4)
ou, plus grossièrement,
1 \ 2n - l
0 < i ? „ < 4 (2re+ 1)- (-y)
En introduisant la notation
Ê**-i (* = 1,2, ... ) ,
2A:— 1
il vient:
ln X — 771 ln 2 “ ~2 (U | -f- U-2 ^n) “ “ (5)
ou
ln 2 = 0,69314718...
La procédure de sommation s’arrête dès que
w» <4C f
où e est l ’erreur de troncature admissible, du fait qu’en vertu de la
formule (4),
n
Pour évaluer la borne d’erreur de la somme 2 uk on peut se
fc=î
donner un certain nombre de chiffres des termes de la somme et
établir approximativement d’après la formule (4) le nombre de ter
mes n.
E x e m p l e . Chercher ln 3 à 10~5 près.
S o l u t i o n . Réalisons le calcul avec deux décimales de réser
ve. Posons
3 = 22*-|- = 22*0,75.
Il en résulte que z = 0,75 et
^ Î T Î = î f = T = 0’1428571-
On a :
u ,= 1 =0,1428571'
u2 = - |- = 0,0009718
i/3 = -§- = 0,0000119
u4= -Ç- = 0,0000002
0,1438410
§ 8.1 FONCTIONS TRIGONOMÊTRIQUES 91
L’application de la formule (5) amène:

ln 3 = 2-0,69314718 - 2-0,1438410 = 1,09861,
R e’m a r q u e . Les logarithmes népériens des nombres peuvent
être également calculés d’après la représentation
x = epzy
où p est un entier et — 1 (cf. [5]).
Pour calculer les logarithmes décimaux on utilise la formule
suivante
lg x = M ln x,
où
M = lg e = 0,43429 44819 03252...
§ 8. Fonctions trigonométriques
A. C a l c u l d e s v a l e u r s d e s i n u s e t d e c o s i n u s
Les formules de réduction permettent d’inclure l ’argument x
dans l ’intervalle 0 ^ x ^ - ^ - . Si 0 ^ x < ! - y , on a:
00
» -p2n+l
Si„ * = 2 ( —:■>"— !, 0)
71=0
mais si -^-<1 , on pose

oo
sin x = cos 2 = 2 ( — ^ )" "(ÜrjT ’ (2)

71= 0
où z = y - x et 0 < s < - —.
Pour calculer la somme de la série (1), il est commode de mettre
en œuvre la procédure de sommation
sin x = U\ -f- U2 - } - . • • + un + /?n, (3)
où les termes uk (k = 1, 2, . . ., h) s’obtiennent successivement
par récurrence
X2
^1 = ^k+i = nj. | Uh (&= 1, 2, . . . , 72 1).
(1) étant une série alternée aux termes décroissant en module, le

reste R n vérifie l ’estimation
| Rn I ^ (2/1+ 1) ! = I Un+i\
92 CALCUL DES VALEURS DES FONCTIONS [CH. in
et
sgn R n = sgn un+i.
La procédure7de sommation peut donc être arrêtée dès que
I “n K C.
où 8 est l ’erreur de troncature imposée.
D’une façon analogue,
cos z = vi + u2 + . . . + vn + i?n,
ou
^1 *1» 1) ^ ^ » 2, . •., n 1)
et
•2n
I I< = I ” n+i |, S gn fl„ = sgn vn+i.
Exemple. Chercher sin 20°30' à 10“5 près.
Solution. On a :
X - arc 20°30' = ^ + 3^3 = 0,349066 + 0,008727 = 0,357793.
En appliquant la formule (3) on obtient:

u, = x — 0,357793
u2 = -£%- = -0,007634
u3 = -Ç j- = -r 0,000049
u4= !& - = : —0 >000000
-0,350208,
d ’o ù
sin 20°30' = 0,35021.
D’une façon analogue on détermine les valeurs du cos x.
B. C a l c u l de l a tangente
On peut considérer que 0 ^ x ^ . Avec | x | < -p-, tg x
vérifie le développement [6]
2x* 17x? t 62 x ®
tg x = x - 15 315 2835
Les coefficients du développement s’expriment par les nombres de

Bernoulli (cf. chapitre XVI, § 12).
§ 8.1 FONCTIONS TRIGONOMÊTRIQUF.S 93
Le calcul de la valeur de la tangente est très simple si Ton utilise

les fractions continues. En posant
on a d’après la formule de Lambert (chapitre II, § 6)

r„ . - * 2 - * 2 -* 2 1
ÿ _ L ’ 3 ’ 5 ’ '•*’ 2n + l ’ • • • J *
Pour calculer y à 10-10 près il suffit de poser n = 7. Il vient
y = 1 — x2î(3— z2 : (5 — x2 : (7 — x2 : (9—
— x2 : (11 — x2 : (13 — x2 :15)))))). (4)
Le calcul de y se fait en général à l ’aide du schéma de Hôrner
pour la division (à partir de la fin):
y, = 13 — z2: 15,
y, = 11 — jr : y„
y 3 = 9 — x2: y2,
y* = 7 — x2: y 3,
y& — 5 — x* : y t ,
y6 = 3 — x2 : y 5 ,
y = y7 = 1 — ar : y6.
Il en résulte que tg x = y .
E x e m p l e . Trouver tg 40°.
x = arc 40° = 0,698132
et
x2 = 0,487388.
On en tire -
yj = 13 - ° ’4^ 388 = 12,967508 ;
.. 0,487388
y~ 12,967508 — 10,962413 ;
^ = 9- ^ S - 8’955540’
^ = 7- 5 S = 6’955577;
^ = 5 - ë i S f = 4*929928ï
^ •= 3- ? S = 2 ’901137;
ÿ = ÿ7 = 1~ ^ ^ ^ = 0,832001
94 CALCUL DES VALEURS DES FONCTIONS FCH. III

tg40° = 0,839100.
Tous les chiffres du résultat obtenu sont exacts.
§ 9. Fonctions hyperboliques
A. C a l c u l d e s v a l e u r s d u s i n u s h y p e r b o l i q u e
On sait que
sh x • e*— e~x
'} *
de plus
sh ( —x) = —sh x.
Le sinus hyperbolique admet le développement

= x+ ... ( — o o < x < + oo).
En supposant que x > 0 il est commode de réaliser le calcul par le

processus de sommation
sh x = u{ + u2 + . . . + un + R ny
ou
Ui = #? Uh+i: 2k (2k + i) uk (k = 1, 2, . . . , n — 1)
et R n est le reste. Avec n > - x > 0 on a:

0 *2n+l x ~n *3 ;r2n+5 ^
tin ~ (2n+ l) ! + ( 2 n + 3 ) I + ( 2 n + 5 ) ! ' * *<
Z2i»+1 r . *2
< (2n+ 1) ! L
[ . 4^ (2n+ 2 ) (2fi+ 3 ) ^ (2n + 2)2 (2n+ 3)2 ...] <
*2n+ l 4 *2n + l 4
(2n + l) ! T (2n + l) ! = T Wn+1,
(2 n + 2 ) (2 n + 3 )
Comme il est évident que

x- ^ 1
Un+1“ 2n (2n + l ) Un<^ T Un’
on a
Rn ^ y Un»
§ 9 .] FONCTIONS HYPERBOLIQUES 95
6. C a l c u l d e s v*a l e u r s d u cosinus
hyperbolique
On sait que
Ch x = e ± ^ ,
de plus«
ch ( —x) = ch x.
Le cosinus hyperbolique donne lieu au développement
chx = l + jj- + - | y + . . . ( — 0 0 < X < + 00).
Le calcul le plus commode se fait par sommation
cil X — U\ "f* l ?2 “f“ • • • “f* “1” R n i
OÙ
*2
Vf = 1 , Z/'/i+i — __\ ) 2 k ^ = 1» -7 • • • » ^ 1)
et R n est le reste. Avec | x | > 0 ou a :

X-* * 2 n + 2 j2n+4
Rn = (2 n ) ! ' (2n + 2) ! ‘ (2 n -j-4 ) !
< (2 Ï Ï jl[ 1 + (2n-hl)(2n + 2) + (2« + l)2 (2/i + 2)2 + ’ * * ] <

X-'» 1 ^ 4 x2n 4 m
< (2 n) x- < ».3 ’ (2n) ! 3 y,,+ 1'
1- (2// + 1) (2n-l 2)
Etant donné que l ’inégalité
. 1
k’nM= 1) 2/i■Vn<s>~
Un < -T2TU
l/nn
se vérifie avec n ^ 1, on a
f^n "ô" Un-
C. C a l c u l de la tangente hyperbolique
On a ►
sh x e * — e~x
th X = —r — =
chx
r. ,
A
ou
t h ( —x) = —th x .
Pour de petits | x | le calcul de la tangente hyperbolique se fait
en utilisant le développement
2x3 17*7 62x9
th x = x- 15 315 *2835
CALCUL DES VALEURS DES FONCTIONS [CH. I I I
Quel que soit x, la valeur de la tangente hyperbolique s'exprime

par la fraction continue
et en outre, puisque avec x > 0 les éléments de cette fraction sont

positifs, th x avec x > 0 est comprise entre deux fractions corres
pondantes voisines.
Si x > 0 est grand, il est commode de calculer th x en appliquant
la formule
§ 10. Application de la méthode des itérations

au calcul approché des fonctions
Supposons qu’il faille calculer la valeur de la fonction continue
y = f(x) (1)
pour la valeur donnée de l ’argument x . Si la fonction (1) est assez

compliquée et impose le calcul d’un grand nombre de ses valeurs,
les calculs se font généralement sur ordinateurs. Il se peut que les
particularités fonctionelles de la machine rendent difficile le calcul
immédiat des valeurs de la fonction à l ’aide de la formule (1). Dans
ces conditions les opérations les plus simples peuvent devenir compli
quées et même irréalisables. Il existe, par exemple, des machines
« sans division ». Des cas sont nombreux où il est alors avantageux
d’appliquer l ’artifice suivant. Ecrivons la fonction (1) sous une forme
implicite
F (x, y) = 0. (2)
Supposons que F (x, y) est continue et a une dérivée partielle conti

nue Fy (x, y) z5^0.
} Soit yn une valeur approchée de y. En appliquant le théorème
de Lagrange, on a :
F (x, yn) = F (x, yn) — F (x, y) = (yn — y) F'u (x, y„),
où yn est une valeur intermédiaire entre yn et y. Il vient
(3)
Nous ne connaissons pas la valeur yn. En posant yn æ yn, on

obtient pour le calcul de la valeur de y le processus itératif [7]
y n+l=ÿn (4)
§ 11. ] CALCUL DE LA VALEUR INVERSE 97
L’interprétation géométrique de la formule (3) est bien simple.

Fixons la valeur de x et considérons la courbe de la fonction
z = F {x, y). (4')
La formule (4) implique que le processus considéré est une appli
cation de la m é t h o d e d e N e w t o n (cf. chapitre IV, § 5)
à la fonction (4), c’est-à-dire que les approximations successives
de yn+1 s’obtiennent comme abscis
ses du point d’intersection avec
l’axe Oy de la tangente à la courbe
(4) tracée pour y = yn (n = 0,
1, 2, . . .) (fig. 5). La convergence
du processus sera assurée si les
signes de
F y (x, y) et Fm vv (x, y)
sont constants dans l ’intervalle
considéré qui contient la racine y.
La valeur initiale y0 est en
général arbitraire et doit être choisie
aussi proche que possible de la va
leur recherchée de y. Le processus
itératif se poursuit tant que dans
les limites de la précision donnée e deux valeurs successives yn et
yn ne se confondent: \ yn-t —yn I < e. De plus, en toute rigueur,
on ne garantit pas que
Iy — ÿn I < 8, (5)
et c’est pourquoi dans chaque cas concret il faut procéder à une
exploration supplémentaire.
L’avantage que présentent les processus itératifs est l ’uniformité
des opérations et, par suite, la mise en programme relativement
facile.
Notons que pour la fonction donnée (1) la représentation
F (x, y) = 0 peut être réalisée d’une infinité de façons. Cette pro
priété doit être mise à profit pour obtenir un processus itératif con
vergeant rapidement. Dans les paragraphes qui suivent nous donnons
les types des processus principaux.
§ 11. Calcul de la valeur inverse

Soit y = .
Pour fixer les idées, considérons que x > 0. Posons
F ( x t y) = x —j = 0,
7-01072
alors
En appliquant la formule (4) du § 10 on a:

__ i_
y n+i = y n ------
OU
yn+1 = ÿn (2 — xyn) (jn = 0, 1, 2, . . .),(1)
c’est-à-dire nous obtenons un processus itératif sans division. La
valeur initiale y 0 est choisie de la façon suivante. Soit l'argument x
traduit en écriture binaire
x = 2mXi, où m est un entier et —^ ' x ( < 1 .
On pose alors
2-".
yo = (2)
Etablissons les conditions de convergence du processus (1). La
formule (1) entraîne
= 2Vn-^ ÿn-i)“ ; (3)

d ’où
~ Un — x2"-1 ( - —ÿo)2" = - - ( 1 —xy0f n. (4)
Pour assurer la convergence du processus (4) il faut et il suffit de

vérifier l ’inégalité
I1 — I< 1
ou
—1 < 1 -~ xyQ < 1 -
Finalement on obtient le résultat suivant: si
0 < xy0 < 2 , (5)
on a
lim z/„ = —
n -* o o x
Notons que notre choix de y0 (2) entraîne
xy0 = 2mx, -2~m = x, ;
donc
■ j< xy0< i . (6)
§ 11.] CALCUL DE LA VALEUR INVERSE 99
par conséquent, la condition (5) est justifiée. En outre, la formule (3)

conduit à
1 \ nn
(i)
c’est-à-dire la convergence du processus itératif est extrêmement
rapide.
Parfois il est plus commode en pratique d’utiliser une autre
estimation de l ’erreur de la valeur de yn. Constatons d’abord que
dans le cas considéré les approxi
mations successives t/0* y^ 1/2»
s’obtiennent par la méthode de
Newton appliquée à l’hyperbole
z = x —y (x~const)
(fig. 6). L’inégalité (6) et la for

mule (3) donnent
0 < y „ < -j (re = 0, 1, 2, ...) .
D’autre part, puisque

ÿn — ÿn -l = ÿn-1 (1 — =“
= %ÿn-l ( “ -----ÿn—1) > 0, (7) Fig. 6.

les approximations successives de sont croissantes monotones:
yo < ÿi < y2 < . • .
La formule (7) amène
ou, du fait que
on a
7 - ÿ n - l< 2 ( ÿ n - ÿ „ - i) .
On en tire
1 .
“ “ y n < y n — ÿn-1-
Par conséquent, si l ’on établit que yn — yn-i < l ’erreur vraie

est également
0 < ~ ÿn<e.
E x e m p l e . Chercher à l ’aide de (1) la valeur de la fonction

y—— 1 avec x = 3. o
9 X
3 1
Solution. Ici x = 22-^ -. Posons yQ = on a alors
» • = t ( 2 - t ) = b = 0'312;
yz = 0,312 (2 — 3.0,312) = 0,332, etc.
Le processus itératif converge rapidement.
§ 12. Racine carrée

Soit
y=Yx (x > 0 ). (1)
Posons
F (x, y) =2 y* — x = 0,
alors
Fu (*, y) = 2y.
En appliquant la formule (4) du § 10, on a le processus de Héron i
yn+i = yn-
yh—z
2yn
ou
= y (*» + — ) (2)
(ji = 0, 1, 2, . . . ) .
Les approximations succes
sives y0>yu ^2* • • • s’obtien
nent évidemment d’après la
méthode de Newton appliquée
à la parabole
z = y1 — x (x = const)
(f*g- 7).
Remarquons que si l ’on
Fig. 7. prend’pour y0 la valeur tabulée
qui donne 1f~x avec une erreur
relative | 6 |, alors y^ définie d ’après la formule (2) donnera la valeur
de Y~x avec une erreurjrelative approchée ô2.
En effet, en posant
yo= V ~ xd -t-ô)
S 12.] RACINE CARRÉE 101
et en négligeant les puissances de ô supérieures à 3, on ai

ÿ . = y (ÿ o + — ) = ~'\V~x (1 + ô ) + V~x (1 + ô ) - '] =
= l l ^ ( l + Ô + l - ô + ô*) = / ï ( l + -Ç-).
On en déduit la conclusion importante: en appliquant le processus

de Héron, le nombre de chiffres exacts devient à chaque pas à peu près
deux fois plus grand que leur nombre antérieur.
E x e m p l e 1. Pour y = V 2 on a approximativement:
yo = 1,4.
En améliorant la précision de cette valeur on a
Pi = 1 ( 1 ,4 + A ) = o,7 + 0,714 = 1,414.
En reprenant le processus, on obtient:
yz = y ( 1,414 + = 0,707 + 0,7072136 = 1,4142136,
huit ou sept décimales étant exactes. En effet
1^2=1,41421356...
Etablissons les conditions de convergence du processus de Héron.
Si l ’on remplace n •+• 1 par n avec y0 0, la formule (2) conduit à
ÿ n -V ^ = 2 — { y n -l-V x f
et
ÿn + V x = jj— (ÿ„-j + V x)~.
Il en résulte que
Vn—V * _ /ÿn -1 — V ï \ 2
(3)
Vn+ ~V* 'Vn-l + V * '
Par conséquent,
V n -V * _ / tfo— V * \ 2"
Vn+ V * 'ÿQ + V*>
et
yn- V x = 2 V x . - ^ - , (4)
i —r
où
yo— V *
(5)
ÿo+y* *
La formule (4) entraîne que le processus de Héron converge avec

l9l<l.
c’est-à-dire si
ÿo > 0.
Dans ce cas on a évidemment:
Üm yn = Y x
n-+oo
et
y n> V x (« = 1, 2, ...) •
Constatons que
ÿn-i - y n = yn. i - - (y -f > 0,(6)
c'est pourquoi les approximations yn avec n ^ 1 forment une suite
décroissante
>y2>• • - > y n- i > y n > • • -
Pour travailler sur un calculateur électronique il est commode
de mettre le nombre x sous une forme binaire
l
x = 2mx i, où m est entier et Xj < 1.
On adopte alors, généralement, comme approximation initiale
*(■£)
ÿo = 2 (7)
où E (-^-jest la partie entière du nombre -y -.
E x e m p le 2. Trouver Y~5.
S o l u t i o n . Ici x = 5 = 23*-|-. Donc
y0= 2E^ = 2.
D’après la formule (2) on a successivement:
ÿ! = i ( 2,25 + 5 ^ ) = | (2,25+ 2,2222) = 2,2361,

etc. La table des racines carrées donne:
1/5 = 2,236068...
* Le signe d’égalité ne peut avoir lieu que si yt = ~\fx.
§ 12.1 RACINE CARREE 103
Evaluons la quantité | q | exprimée par la formule (5) d’après

la valeur y 0 définie par la formule (7).
Si m = 2p est un nombre pair, on a :
i/o ) = 2 p > y rî
i _ t/ I
y o —V x 2 P -2 P V x l _ 1 - 1 /x ,^ * V ( y 2 __ l ) 2 .
i?i= ÿo + V x 2P + 2P Y T i 1+ V xi ^ V I
D'une façon analogue, si m = 2 p + l est impair,
ÿ0 = 2E^ = 2p< / ï .
C’est pourquoi
■ I V S -ÿ Q 2 P 1 /2 7 7 -2 P V zT i-i
19 y î+ y 0 2 p y 2 * !+ 2 P y ^ + i
9 9
= 1___-T.--- < 1 ------------ ^- : ( / 2 - 1 ) 3-
V 2xi 1 *\/2 + l
Ainsi on a toujours:
| g | < ( y l - l ) * = 0,1716
Il en résulte en vertu de la formule (4) :
l~ Y n
i \^ .. _m r~L V5 / ^ 2 5 .. 1 1 \ 2 n avec n > l ,
0< ÿ n - V l < 2V l -----------/ 1 .■>» < Î 2 yi u )
où
y i = y ( y o + - ^ - ) < - |ÿo-
Il s’ensuit que
0 < y n- / ï < f y0 ( - ) 2n. (8)
La formule (8) permet de définir aisément le nombre d'itérations
n = n (x) suffisant pour assurer la précision imposée.
Voici encore une formule pour évaluer l ’erreur de la valeur
yn (n ^ 2). Etant donné que
et — < y ï
lfn-1
et tenant compte de la formule (6), on a:
y n-, - V * < y n- i - ^ =â = 2 (y - y „).
104 CALCUL DES VALEURS DES FONCTIONS ICII. III
Par conséquent, '

0 < ÿ n —V ~x< yn- i— y n- (9)
Donc, si —y „ < e ( n > 2 ) , on assure que 0 < y „ —
—V x < e .
Voici encore un procédé pour calculer la racine carrée, quelquefois
très utile. Remplaçons la fonction (1) par une relation équivalente
F (x, y) = j z - i = o.
Il vient
n (*, y ) = - % -
En appliquant la formule (4) du § 10, on a :
y n+i = ÿn -f y\ x
TiT
OU
pn+1 = ^ - ( 3 - 4 ) (« = 0, 1, 2, . . . ) . (10)
Nous omettons l ’étude des conditions de convergence du processus

itératif (10) et l ’estimation de l ’érreur.
§ 13. Valeur inverse de la racine carrée

Posons
9= V ï 0 )-
Si l'on met cette fonction sous la forme
y = j/-,
la formule (10) du paragraphe précédent permet d’obtenir le pro
cessus itératif «sans division»
ÿn+i = -y-(3—zÿn) (n = 0, 1, 2, . . . ) . ‘ (1)
Si x = 2mx1, où < 1 , on prend pour y0 la valeur

§ 14.] RACINE CUBIQUE 105
Notons qu’en faisant appel à l’égalité évidente
Vx =x j / ± ,
on rend également possible, en vertu de la formule (1), l ’extraction

de la racine carrée d’un nombre « sans division ».
§ 14. Racine cubique

Si
y = ^ / 'x (x > 0 ) , (1)
en posant
F (x, j) = j/5- i = fl,
on a :
n ( * . ÿ) = 3ir.
L’utilisation de la formule (4) -
du § 10 conduit à :
i* « = » . - 4 s 1 (2)
ou
Fig. 8.
O)
L’interprétation géométrique du processus (3) est donnée par la
méthode de Newton appliquée à la parabole cubique
z = y3 — x (x = const)
(fig. 8). Le processus (3) converge avec y Q> 0.
Si l ’on prend comme approximation initiale y0 la valeur tabulée
de |yic avec une erreur relative | 6 |, c’est-à-dire si l ’on pose
y o ^ y ^ ^ (1 + 6 ),
la valeur yu fournie par la formule (3), donne ^ x avec une erreur
relative ôa. En effet, en utilisant la formule (3), on a:
Vi = 4 (2* + j r ) =■■ y \ } V ^ ( H - ô) + ^ (1 + ôr 2] =
= 1 y~x (2 + 26 + 1 - 26 4- 3ô2) = y^~x (1 + ô2).
On en tire, en particulier, que si y0 compte p chiffres exacts au sens
strict, yt aura à peu près 2p ou 2p — 1 chiffres exacts au sens lâche
(cf. § 12).
106 CALCUL DES VALEUBS DES FONCTIONS [CH. ni
Exemple. Les tables à trois décimales donnent :

^ 1 0 = 2,154,
où tous les chiffres sont exacts»
En utilisant la formule (3) on obtient
jTîÜ = ( 2 •2,154 + 2^342) = T (2-2,154 + 2,155304) = 2,154435.
A titre de comparaison, voici la valeur tirée de la table de Burlow
= 2,1544347 . . .
Si x = 2mx1, où m est un entier et y ^ < 1 , on choisit en
général comme valeur initiale y0
e (— )
y0= 2 ^ ' > 0 . (4)
Puisque
ÿn- / x = l ( 2 ÿ n. 1+ I£ I - 3 >r î ) =
= 3y î_ l ( ÿ n - | — Ÿ^x)* ( 2 ÿ n - l + |/ ^ a : ) > - 0 ,
il vient
yn>y^~x avec 1. (5)
De plus, en remplaçant n + 1 par n dans la formule (2), on a
ÿn-‘ ~ ÿ n = i!t e r ; <6)

donc
^ ÿn-1 ^ (7)
Il existe donc une limite
lim yn = ÿ > 0.
n-*oo
En passant dans l ’égalité (3) à la limite quand n oo, onjob tient:
c ’est-à-dire ÿ3 = x et, par conséquent, y = j f x . Ainsi

lim yn = ÿ ^ x .
n-¥oo
Si l'approximation initiale y0 est choisie d'après la formule (4),

on peut montrer qu’avec n ^ 2
3/'*" 3
0 < ÿn —V x < Y (y n - 1 — y n)-
§ 14.] RACINE CUBIQUE 107
BIBLIOGRAPHIE
1. P- S m i r n o v . Cours de mathématiques supérieures, t. I. Editions Mir,
Moscou, 1969, chapitre IV.
2. A . M a r k o v . Calcul des différences finies. 2e éd., Matézis, 1911, chapitre III.
3. G . T o ls to v . Cours d'analyse mathématique, t. II. Gostekhizdat, Moscou,
1957, chapitre XXIV.
4. A . K h o v a n s k i . Applications des fractions continues et de leurs généralisa
tions aux problèmes d’analyse approchée. Gostekhizdat, 1956, chapitre II.
5. B . K a g a n et T . T e r - M i k a é l i a n . Résolution des problèmes d’ingénieur sur les
calculateurs digitaux. Gosénergoïzdat, Moscou-Léningrad, 1958, chapitre67
6. (7. F i c h t e n g o l t z . Cours de calcul différentiel et intégral. OGIZ, Moscou-Lé
ningrad, 1948, t. II, chapitre XII.
7. L. L u s U r n i k , A . A b r a m o v , V . C h e s ta k o v , M . C h o u r a - B o u r a . Résolution des
problèmes mathématiques sur les calculateurs digitaux. Editions de l’Aca
démie des Sciences de l’U.R.S.S., 1952.
CHAPITRE IV
RÉSOLUTION APPROCHÉE
DES ÉQUATIONS ALGÉBRIQUES ET TRANSCENDANTES
§ 1. Séparation des racines

Si une équation algébrique ou transcendante est suffisamment
complexe, il est relativement rare qu’on puisse obtenir ses racines
avec précision. Par ailleurs, dans certains cas les coefficients de
l ’équation ne sont connus qu’approximativement et, par conséquent,,
le problème de la détermination précise des racines proprement dit
perd son sens. C’est pourquoi les méthodes de la recherche approchée
des racines d’une équation et l ’estimation du degré de sa précision
acquièrent un intérêt particulier.
Soit l ’équation
/ (*) = 0, (1>
où la fonction / (x) est définie et continue dans un certain intervalle
fini ou infini a < x < 6 .
Dans ce qui suit nous devrons recourir à la dérivée première
f (x) et même à la dérivée seconde f* (x), ce que nous stipulerons
alors spécialement.
Toute valeur g qui annule la fonction / (x), c’est-à-dire telle que
/ (6) = 0,
s’appelle racine de Véquation (1) ou zéro de la fonction / (x).
Nous supposons que l ’équation (1) ne possède que des racines
isolées, c’est-à-dire que pour chaque racine de l ’équation (1) il existe
un voisinage qui ne contient pas d’autres racines de cette équation.
La recherche approchée des racines réelles isolées de l ’équation
(1) se fait en général en deux étapes:
1) s é p a r a t i o n d e s r a c i n e s , qui consiste à établir
des segments (a, p] les plus serrés possibles contenant une et seule
ment une racine de l ’équation (1) ;
2) a m é l i o r a t i o n d e l a p r é c i s i o n ou m i s e
a u p o i n t d e s r a c i n e s a p p r o c h é e s , c’est-à-dire
l ’obtention de leur précision imposée.
Pour réaliser la séparation des racines on fait appel au théorème
connu de l ’analyse mathématique ([5], chapitre IV).
SÉPARATION DES RACINES 109
T h é o r è m e 1. Si une fonction continue f (x) prend aux extré

mités du segment [a, pi des valeurs de signes contraires, c'est-à-dire
si f (a) / (P) < 0 , ce segment contient au moins une racine de Véquation
f (x) = 0, fait qui traduit l'existence au moins d'un nombre £ £ la, pk *
tel que / (|) = 0 (fig. 9).
Si la dérivée /' (x) existe et garde son signe constant dans l ’inter
valle (a, P), c’est-à-dire si /' (x) > 0 (ou /' (x) < 0 ) avec a < x < P
<fig. 10), la racine £ est unique.
Le processus de séparation des racines débute par la détermination

des signes de la fonction / (x) aux points frontières x = a et x = b
du domaine de son existence.
Puis on détermine les signes de la fonction / (x) en quelques points
intermédiaires x = a u a 2, . . ., dont le choix rend compte des
particularités de la fonction / (x). S’il se trouve que / (a*) f (ah+l) <
< 0 , en vertu du théorème 1, dans l ’intervalle (a*, a/t+1) l ’équation
/ (x) = 0 possède une racine. Il faut alors définir d une façon ou
d’une autre si cette racine est unique. Pour séparer les racines, il
suffit souvent en pratique d’opérer une b i p a r t i t i o n qui
consiste à diviser approximativement l ’intervalle donné (a, p) en
deux, quatre, huit, etc., parties égales (jusqu’à un certain pas) et
à déterminer les signes de la fonction / (x) aux points de division.
Il est utile de retenir que l ’équation algébrique de degré n
doxn + a,*"-1 + . . . + an = 0 (a0 ¥ = 0)
compte au plus n racines réelles. Donc, si nous avons obtenu pour
une telle équation n + 1 changements de signes, toutes ses racines
sont alors séparées.
* La notation g £ (a, P) signifie que le point g appartient à l’intervalle
<®> P)-
110 ÉQUATIONS ALGÉBRIQUES ET TRANSCENDANTES [CH. IV
Exemple 1. Séparer les racines de l ’équation

f (x) — x3 — 6x + 2 = 0. (2)
Solution. Composons un schéma approché
X /<*> X /<*)
—oo 1
-3 — 3 _u
—1 + 4-00 -r
0 -r
Par conséquent, l ’équation (2) possède trois racines réelles com

prises dans les intervalles ( —3, —1), (0, 1) et (1, 3).
S’il existe une dérivée continue /' {x) et les racines de l ’équation
r (x) = o
se calculent aisément, le processus de séparation des racines peut
être ordonné. Il est clair qu’à cet effet il suffit de compter les signes
de la fonction / (x) aux points des zéros de sa dérivée et aux points
frontières x = a et x = b.
Exemple 2. Séparer les racines de l ’équation
/(x ) = x 4 — 4x — 1 = 0 . (3)
Solution. Ici / ' (x) = 4 (x3 — 1), d’où / ' (x) = 0 avec
x = 1.
On a / ( - o o ) > 0 ( + ) ; / (1) < 0 ( - ) ; / ( + o o ) > 0 ( + ) . Par
conséquent, l ’équation (3) n’admet que deux racines réelles dont une
repose dans l ’intervalle ( —oo, 1) et l ’autre dans l ’intervalle (1, + oo).
E x e m p l e 3. Déterminer le nombre de racines réelles de
l ’équation
/(x ) = x + ev = 0. (4)
Solution. Etant donné que / ' (x) = 1 + ex > 0 et
/ ( —oo) = —oo, / ( + oo) = + oo, l’équation (4) n’a qu’une seule
racine réelle.
Evaluons maintenant l ’erreur d’une racine approchée.
T h é o r è m e 2. Soit %une racine exacte et x une racine appro
chée de Véquation f (x) = 0, qui reposent sur le même segment la, p]r
de plus | /' (x) | ^ m t > 0 pour a ^ x ^ P *.
* On peut prendre notamment pour mj la valeur minimale de |/ ' (x) | avec

a < x < p.
§ 1.1 SÉPARATION DES RACINES 111
Dans ces conditions Vestimation valable s'écrit
(5)
Démonstration. En appliquant le théorème de Lagran

ge, on a :
/(* )-/(9
où c est une valeur intermédiaire entre x et £, ou c g (a, P).
Etant donné que / (£) = 0 et | /' (c) | ^ mi9 il en résulte que
l / ( * ) - / ( 9 l = |/( * ) l> » » il* - 5 |-
Par conséquent,
R e m a r q u e . Les résultats fournis par la formule (5) peuvent

être grossiers et son application n’est pas toujours commode. C’est
pourquoi en pratique on réduit par tel ou tel procédé l ’intervalle
commun (a, P), qui contient la racine \ et sa valeur approchée xr
et on pose | x — S I ^ P — a -
E x e m p l e 4. Une racine approchée de l ’équation / (x) =
eeex4 — x — 1 = 0 e s t x = 1,22. Evaluer l ’erreur absolue de cette
racine.
S o l u t i o n . On a / (x) = 2,2153 — 1,22 — 1 = —0,0047.
Etant donné qu’avec x = 1,23 on obtient
/ (x) = 2,2888 - 1 ,2 3 — 1 = + 0,0588,
la racine exacte £ est comprise dans l ’intervalle (1,22; 1,23). La
dérivée / ' (x) = 3X3 — 1 est croissante. C’est pourquoi dans l ’inter
valle considéré sa valeur minimale s’écrit:
ml = 3-l,22s — 1 = 3-1,816 - 1 = 4,448.
Il en résulte d’après la formule (5) :
t ,. 0,0047 n
I * —S |> 4,448 » 0,001»
R*e m a r q u e . En pratique la précision d’une racine approchée
x est parfois évaluée suivant qu’elle vérifie bien ou mal l ’équation
donnée / (x) = 0, c’est-à-dire si le nombre | / (x) | est petit, on consi
dère que x est une bonne approximation de la racine exacte £ ; mais
si | / (x) | est grand, on admet que x est une valeur grossière de la
112 ÉQUATIONS ALGÉBRIQUES ET TRANSCENDANTES [Cil. IV
racine exacte £. Comme le montrent les figures 11 et 12, une telle

attitude est incorrecte. 11 ne faut pas non plus oublier que si Ton
multiplie l ’équation / (x) = 0 par un nombre arbitraire N 0,
on obtient une équation équivalente N f (x) = 0, le nombre | N f (x) |

pouvant être aussi grand ou aussi petit que l'on veut selon le choix
du facteur N.
§ 2. Résolution graphique des équations

Les racines réelles d'une équation
/ (*) = 0 (1)
peuvent être déterminées approximativement comme les abscisses
des points d’intersection de la courbe de la fonction y = f (x) avec
l ’axe Ox (fig. 9). Si l ’équation (1) n’admet pas de racines voisines,
ce procédé permet de les séparer sans peine. Il arrive souvent qu il
est avantageux de remplacer l ’équation (1) par une équation équiva
lente *
(P (i) = t|3 (s), (2)
où les fonctions (x) et y = yp (x) on
obtient les racines cherchées comme les abscisses des points d’inter
section de ces courbes.
* Deux équations sont équivalentes si toutes leurs racines sont les mêmes.
RÉSOLUTION GRAPHIQUE DES ÉQUATIONS 113
Exemple 1. Résoudre' graphiquement l ’équation

xJg x = 1. (3)
Solution. Mettons l'équation (3) sous la forme de l'égalité
On voit bien que les racines de l ’équation (3) peuvent être définies
comme les abscisses des points d’intersection de la courbe logarithmi
que y — \g x et de l ’hyperbole y = -j-. La construction de ces
courbes (fig. 13) sur du papier quadrillé fournit approximativement
la racine unique ê « 2,5 de l ’équation (3).
La recherche des racines de l ’équation (3) devient plus simple

si l’une des fonctions <p (x) ou i|) (x) est linéaire, c’est-à-dire si, par
exemple, <p (x) = ax + b. Dans ce cas les racines de l ’équation (2)
s’obtiennent comme les abscisses des points d’intersection de la
courbe y = (x) et de la droite y = ax + b. L’intérêt de ce procédé
est surtout grand quand il faut résoudre plusieurs équations de même
type qui ne diffèrent que par les coefficients a et b de la fonction
linéaire. La construction graphique se ramène ici à la recherche
des points d’intersection de la courbe fixée y = (x) avec des droites
différentes. Les équations
xn + ax + b = 0
se rapportent évidemment au type considéré.
E x e m p l e 2. Résoudre les équations cubiques
x3— l,75x + 0,75 = 0
et
x3 -j- 2x -f- 7,8 = 0*
114 ÉQUATIONS ALGÉBRIQUES ET TRANSCENDANTES ICII. IV
S o l u t i o n . Construisons une parabole cubique y = x3. Les

racines cherchées s’obtiennent comme les points d'intersection de
cette parabole avec les droites
(fig. 14) y = l,75x - 0 ,7 5 et
y = —2x —7,8. Le dessin montre
clairement que la première équa
tion possède trois racines réelles:
x t = —1,5; x 2 = 0,5; x 3 = 1,
et la deuxième n’en compte
qu’une : x, = — 1,(55.
Bien que les méthodes gra
phiques de résolution des équa
tions soient très commodes et
relativement simples, elles ne
sont généralement applicables
qu’à une estimation grossière des
racines. Le cas particulièrement
défavorable au sens de manque
de précision est celui des lignes
qui se coupent sous un angle
très aigu et qui pratiquement se
confondent suivant un certain arc.
Fig. 14. Les méthodes nomographiques
ou des abaques étant une variante
des méthodes graphiques, nous adressons le lecteur désireux de s’y
initier aux ouvrages appropriés.
§ 3. Méthode de bipartition
Soit l ’équation
/ (*) = 0, (1)
où la fonction / (x) est continue sur [a, 6] et f (a) f (b) < 0.
Pour chercher la racine de l ’équation (1) qui appartient au seg
ment [a, 6], divisons ce segment en deux. Si / (—5—) = 0, £ =
est une racine de l ’équation. Si / ^ 0 , prenons celle des moi
tiés £a, j ou [ —-jÿ—> &J aux extrémités de laquelle la fonction
/ (x) a des signes opposés. Le nouveau segment raccourci Ui, 6J
est encore partitionné en deux, après quoi on reprend le raisonnement
ci-dessus. On obtient ainsi à une certaine étape soit une racine exacte
de l ’équation (1), soit une suite infinie de segments emboîtés [alt
Ia2, b2l, . . . . Un» M» • • • tels que
f ( a n) f ( b n) < 0 (»* = 1 , 2 , . . . ) (2)
§ 3.1 MÉTHODE DE BIPARTITION 115
et
6 a -a „ = ^ - ( 6 - a ) . (3)
Les extrémités gauches alf a2, . . ., an, . . . formant une suite
non décroissante bornée et les extrémités droites btJ b2, . . ., bni . . .
une suite non croissante bornée, l'égalité (3) donne lieu à une limite
commune
£ = lim an = lim bn.
n-+oo n-»oo
En passant dans l ’inégalité (2) à la limite pour n oo, la con
tinuité de la fonction / (z) entraîne que [/ (£)]s ^ 0. Il s’ensuit que
/ (|) = 0, c’est-à-dire que | est une racine de l ’équation (1) et il est
clair que
0 < 5 —an< .-^ (b — a). (4)
Si sur le segment [a, b] les racines de l'équation (1) ne sont pas
séparées, on peut utiliser ce procédé pour chercher l ’une des racines
de l ’équation (1).
La méthode de bipartition est commode pour obtenir une estima-
tion grossière d’une racine de l ’équation donnée, le volume du calcul
à effectuer marquant un net accroissement avec une précision plus
élevée.
Constatons que la méthode de bipartition se réalise sans peine
sur les calculateurs électroniques. Le programme de calcul est compo
sé de façon que la machine fournit la valeur du deuxième membre
de l'équation (1) au milieu de chacun des segments [an, bn\ (n =
= 1 , 2 , . . . ) et choisisse la moitié correspondante.
E x e m p l e . Améliorer par la méthode de bipartition la racine
de l'équation
f (x) = x4 + 2x? — x — 1 = 0 ,
comprise dans le segment [0, 1].
S o l u t i o n . On a successivement :
/ (0) = - 1 ; / (1) = 1 ;
/ (0,5) = 0,06 + 0,25 - 0 , 5 - 1 = - 1,19;
/ (0,75) = 0,32 + 0,84 - 0 ,7 5 - 1 = - 0 ,5 9 ;
/ (0,875) = 0,59 + 1,34 - 0 ,8 8 - 1 = + 0,05;
/ (0,8125) = 0,436 + 1,072 -0 ,8 1 2 - 1 = -0 ,3 0 4 ;
/ (0,8438) = 0,507 + 1,202 - 0,844 - 1 = -0 ,1 3 5 ;
/ (0,8594) = 0,546 + 1,270 -0 ,8 5 9 - 1 = -0 ,0 4 3 , etc.
On peut poser
| = 1 (0,859 + 0,875) = 0,867.
§ 4. Méthode des parties proportionnelles

Indiquons (sous les hypothèses du § 3) une méthode de recherche
plus rapide de la racine | de Téquation / (x) = 0, appartenant au
segment considéré [a, 6] tel que / (a) / (b) < 0 .
Soit, pour fixer les idées, / (a) < 0 et f (b) > 0. Alors, au lieu
de diviser le segment [a, b] en deux, il est plus logique de le diviser
dans le rapport — f (a): f (b)- On obtient ainsi la valeur approchée
de la racine
xi — a + (1)
où
, h = -/(« )+ /< * )
“ <2 >
En appliquant ensuite ce
procédé à celui des segments
[a, Xjl ou lxiy b\ aux extré
mités duquel les signes de la
fonction f (x) sont contraires,
on obtient la deuxième appro
ximation x2 de la racine, etc.
Géométriquement, la méthode des parties proportionnelles est
équivalente au remplacement de la courbe y = / (x) par une corde
menée par les points A [a, / (a)] et B lby f (6)] (fig. 15). En effet,
l ’équation de la corde AB s’écrit
*—a y —/(g)
à—a f(b)-f(a) '
En posant x = x t et y = 0, on tire
*<=«- 7ü <*'>
La formule (1') est parfaitement équivalente aux formules (1) et (2).
Pour démontrer la convergence du processus, supposons que la
racine est séparée et que sur le segment la, 6] le signe de la dérivée
seconde f n (x) est constant.
Soit, pour fixer les idées, f (x) > 0 avec a ^ x ^ b (pour rame
ner f ” {x) < 0 à notre cas l ’équation doit être mise sous la forme
—f (x) = 0). La courbe y = / (x) sera alors convexe vers le bas et,
par conséquent, elle se situera au-dessous de sa corde AB- Deux cas
sont alors possibles: 1) f (a) > 0 (fig. 16) et 2) f (a) < 0 (fig. 17).
Dans le premier cas, l’extrémité a est fixe et les approximations
successives: x0 = b;
Xn+i — Xn— j (Xn a) (tt= 0 , 1» 2, . . . ) (3)
MÉTHODE DES PARTIES PROPORTIONNELLES 117
forment une suite décroissante bornée, en outre,

û < Ç^ ^ ^n+1 ^ ^ Xj ^ 3To-
Dans le deuxième cas, c’est l ’extrémité b qui est fixe et les appro
ximations successives: x0 = a;
forment une suite croissante bornée, de plus,

^0 ^2 ^ ‘^ ^ n + l ^ ^ ^
La généralisation de ces résultats conduit à la conclusion suivan
te: 1) l ’extrémité fixe est celle dont le signe de la fonction f (x)
B
coïncide avec le signe de sa dérivée seconde f ” (x) ; 2) les approxi

mations successives xn reposent du côté de la racine £ où la fonction
/ (x) a un signe opposé à celui de sa dérivée seconde f ” (x). Dans les
deux cas chaque approximation successive xn+1 est plus proche de la
racine £ que l ’approximation précédente xn. Soit
1 = lim x n (a < 1 < 6)
n-*oo
(la limite existe du fait que la suite {xn} est bornée et monotone).
En passant dans l ’égalité (3) à la limite, on a pour le premier cas:
fd) ( f —a);
i= I
/(! )-/( * )
on en tire / (f) = 0. Par hypothèse, l ’équation / (x) = 0 admet
dans l ’intervalle (a, b) une seule racine £, donc | = £, ce qu’il fallait
démontrer.
D’une façon analogue, en passant à la limite dans l ’égalité (4),

on montre pour le deuxième cas que % = £•
Pour évaluer la précision de l ’approximation on peut utiliser
la formule (5) du § 1
1 1 m|
où | / ' (x) | ^ mj avec a ^ x ^ 6.

Voici encore une formule qui permet d’évaluer l ’erreur absolue
de la valeur approchée xn si l ’on connaît deux approximations
successives xn_1 et xn.
Supposons que la dérivée /' (x) soit continue et de signe constant
sur le segment [a, 6] qui contient toutes les approximations et de
plus
0 < m , < | / ' ( : r ) | < Mi < +oo. (5)
Posons, pour fixer les idées, que les approximations successives
xn de la racine exacte £ sont élaborées d’après la formule (3) (l’explo
ration de la formule (4) est analogue)
x n —x n~i 1 (Jn~l) (xnM—a)
/(*n-l) —/(<*)
(n = 1, 2, . . .), où l ’extrémité a est fixe. Il s’ensuit en tenant
compte de / (£) = 0 que
/ (Jn-l) f (a)
/(6 ) -/(* » - i) (^fi —£n-fl)*
*n-i —
En appliquant le théorème de Lagrange des accroissements finis,
il vient:
(5— xn-i) f ( 5n - l ) — ( ^ n x n - i ) /
où Hn-i€(*n-i7 l) et Xn-iÇ(a, x n^ ). Par conséquent,
Etant donné que sur le segment [a, 61 f'{x) garde le signe constant
et, en outre, x„_t Ç [a, 6] et Ç„_i 6 (a. M, on a bien
I f
La formule (6) amène donc :
1 5 -X n K ^ p -lx ^ -X ^ I, (7)
où on peut adopter comme m t et M x respectivement les valeurs mini
male et maximale du module de la dérivée f (x) sur le segment [a, b].
Si le segment [a, 6] est tellement étroit qu’il donne lieu à l ’inégalité
M l < 2nti,
« 4.1 MÉTHODE DES PARTIES PROPORTIONNELLES 119
la formule (7) entraîne:

II — *n K I X n — Z„_t |.
Ainsi, dans ce cas, dès que nous découvrons que

I Xn — *n-l I < 8.
où e est la borne d’erreur absolue donnée, nous aurons sûrement
I i — xn | < e.
Exemple. Trouver la racine positive de l ’équation
/ (x) = x3 — 0,2s2 — 0,2x — 1,2 = 0
à 0,002 près.
Solution. Tout d’abord séparons la racine. Puisque
f (1) = - 0 , 6 < 0 et / (2) = 5,6 > 0,
la racine cherchée £ appartient à l ’intervalle (1, 2). L’intervalle
obtenu est grand et nous le partagerons en deux. Etant donné que
/ (1,5) = 1,425, on a 1 < £ < 1 ,5 .
L’application successive des formules (1) et (2) conduit à
= 1+ m £+ o,6 (1.5 - 1 ) - 1 + 0,15 - 1 , 1 5 ;

/( * i) = -0 ,1 7 3 ;
*2 = j »15+ 1 ,4 2 5 + 0 ,m ^ 1’5 - 1’15) " 1.15 + 0,040 = 1,190;
/(x 2) = - 0,036;
*3=1,190 + (1,5 -1 ,1 9 0 ) = 1,190 + 0,008 = 1,198 ;
/ (l3) = -0 ,0 0 7 2 .
Comme /' (s) = 3s2 —0,4* — 0,2 et avec £3 < x < 1 ,5 on a
/' (x) >3.1,198® -0 ,4 - 1 ,5 - 0,2 = 3-1,43 - 0 ,8 = 3,49,
on peut poser
0 ,0 0 7 2
0 < £ —*3 < 3 ,4 9
0 , 002.
Ainsi, £ = 1,198 + 0,0020 où 0 < 0 ^ 1.

Constatons que la racine exacte de l ’équation (5) est £ = 1,2.
120 EQUATIONS ALGÉBRIQUES ET TRANSCENDANTES ICI!. IV
§ 5. Méthode de Newton
Soit la racine £ de l'équation
/ (*) = 0 (1)
séparée sur le segment la, 6] ; de plus f' (x) et f ” (x) sont continues
et gardent des signes constants pour a ^ x ^ b. Après le calcul d'une
/i-ième valeur approchée de la racine xn « £ (a ^ xn ^ b) nous

pouvons améliorer sa précision de la façon suivante en recourant
à la méthode de Newton. Posons
l = Xn + K , (2)
où hn est une petite grandeur. D’où, en appliquant la formule de
Taylor,
0 = / (xn + hn) « / (xn) + h j ' (xn).
Par conséquent,
Après avoir introduit cette correction dans la formule (2) on

trouve l'approximation successive (dans l ’ordre considéré) de la
racine
x n+l = x n — (re = 0, 1, 2, ...) • (3)
Géométriquement la méthode de Newton est équivalente au

remplacement d’un petit arc de la courbe y = f (x) par la tangente
menée par un certain point de cette courbe. En effet, posons pour
fixer les idées, que /* (x) > 0 avec a ^ x ^ b et f (b) > 0 (fig. 18).
§ 5.1 MÉTHODE DE NEWTON 12!
Choisissons, par exemple,1x 0 = b tel que / (x0) f (x0) > 0.

Menons par le point B 0 lx0, / (x0)l la tangente à la courbe y = f (x).
Prenons l'abscisse du point a intersection de cette tangente avec
l'axe Ox comme première approximation x t de la racine £. Menons
encore une fois par le point Bi [xu f (x,)] la tangente dont l'abscisse
du point d'intersection donnera la deuxième approximation x z
de la racine £, etc. (fig. 18). Il est clair que l'équation de la tangente
en B n [xn, / (xn)] (n = 0, 1, 2, . . .) s’écrit
y —/(*n) = / ' (*n) (* — *!.)•
En posant y = 0, x = xn+1, on obtient la formule (3)
Constatons que si dans le cas considéré on adopte x 0 = a et, par

conséquent, f (x0) f ” (x0) < 0 , en menant la tangente à la courbe
y = / (x) par À [a, / (a)], on obtiendrait le point x { (fig. 18) situé
hors du segment [a, 61, c’est-à-dire ce choix de la valeur initiale
rend la méthode de Newton peu avantageuse. Ainsi, dans le cas
considéré, une « bonne » approximation initiale x0 est celle qui
vérifie l ’inégalité
/ (x o) f" (x o) > 0. (4>
Montrons que cette règle est générale.
T h é o r è m e . Si / ( a ) / ( 6 ) < 0 , si en outre f' (x) et f ” (x}
sont non nuis et gardent des signes constants pour a ^ x ^ 6, la racine
unique | de l'équation (1) peut être calculée à l'aide de la méthode de
Newton {formule (3)) avec la précision aussi grande que l'on veut, en
partant de l'approximation initiale x 0 Ç la, 6] qui satisfait à l'iné
galité (4).
D é m o n s t r a t i o n . Soit, par exemple, / (a) < 0 , f (6) > 0,
/' (x) > 0 , f ” {x) > 0 avec a ^ x ^ 6 (la discussion des autres cas
est analogue). D’après l ’inégalité (4) on a f (x0) > 0 (on peut poser,,
par exemple, x0 = 6).
Montrons par récurrence que toute approximation xn > £ {n =
= 0, 1, 2, . . .) et, par conséquent, f{xn) > 0. En effet, tout d’abord
Soit maintenant x n > £. Posons
£ = xn “1“ (5 %n)m
En appliquant la formule de Taylor, on a:
0 = /(£) = / (Xn) + f (Xn) a - X n ) + - f (cn) (Ç - X„)a, ’ (5>
OÙ l <C „ <X „.
Etant donné que f" ( x ) > 0, il vient:

f(*n) + / ' (*n) (5 - * n ) < 0
_ /(J n) t
Xn+i — X n >61
ce qu'il fallait démontrer.
En tenant compte des signes de / (xn) et de f (xn), la formule (3)
implique xn+î < x n (n = 0, 1, 2, . . .), c’est-à-dire les approxi
mations successives x0, xu . . ., xn, . . . forment une suite décrois
sante bornée. Il existe donc une limite \ = lim xn.
n-+oo
En passant à la limite dans l'égalité (3) on a :
/(S)
1=1
r (I)
ou / (£) = 0. On en tire I = E, et le théorème est ainsi démontré.
C’est pourquoi en appliquant la méthode de Newton il faut se
guider sur la règle suivante : choisir comme point initial x0 celle des
extrémités de Vintervalle (a, b) à laquelle correspond Vordonnée de
même signe que f" (x).
R e m a r q u e 1. Si 1) la fonction / (x) est définie et continue
pour —oo < x < + oo; 2) f (a) f (b) < 0 ; 3) /' (x) ^ 0 pour a ^
^ x ^ b; 4) f ” (x) existe partout et garde le signe constant, alors,
en appliquant la méthode de Newton pour chercher la racine de
l ’équation / (x) = 0 comprise dans l ’intervalle (a, 6), on peut prendre
comme approximation initiale x0 une valeur quelconque c Ç [a, b].
En particulier, on peut prendre x0 = a ou x0 = b.
En effet, soit, par exemple, / ' (x) > 0 pour a ^ x ^ 6, f" (x) >
> 0 et x0 = c, où û ^ c ^ 6.
Si / (c) = 0, la racine £ = c et le problème est ainsi résolu.
Si / (c) > 0, le raisonnement ci-dessus se trouve justifié et le
processus de Newton à valeur initiale c converge vers la racine
l 6 (a, b).
Enfin, si / (c) < 0 , on tombe sur la valeur
Xj — X q M fsL - 1 (c )
>c.
/'(*<>) ~ /' (c)
En appliquant la formule de Taylor, on a :
1<*,>=/ («) ■
--Pfcr (c)+ 4 [-£$-]’ f m = 4- r f >> '0,
où c est une certaine valeur intermédiaire entre c et x4.
Ainsi,
/ {Xi) r {xô> o.
S 5.] MÉTHODE DE NEWTON 123
Par ailleurs, la condition /" (x) > 0 entraîne que / ' (x) est une
fonction croissante et, par conséquent, /' (x) > f (a) > 0 avec x >
> a. On peut donc prendre x t comme valeur initiale du processus
de Newton qui converge vers une certaine racine | de la fonction
/ (x) telle que 1 > c ^ a. Puisque la positivité de la dérivée /' (x)
avec x > a implique que la fonction / (x) possède une seule racine
dans l ’intervalle (a, + oo), il vient
I = l 6 (*, b).
Une analyse analogue peut être appliquée à d’autres combinaisons
de signes des' dérivées /' (x) et f m(x).
R e m a r q u e 2. La formule (3) montre que plus la valeur
numérique de la dérivée /' (x) est grande dans le voisinage de la racine
considérée, plus la correction qu’il faut ajouter à la rc-ième approxi
mation pour obtenir la (n + l)-ième approximation est petite.
Il s’ensuit que la méthode de Newton est surtout commode lorsque
dans le voisinage de la racine considérée la pente du graphe de la
fonction est importante. Mais si la valeur numérique de la dérivée
/ ' (x) dans le voisinage de la racine est faible, les corrections seront
grandes et le calcul de la racine d’après cette méthode peut prendre
beaucoup de temps et devenir même impossible. Par conséquent,
si la courbe y = / (x) est presque horizontale dans le voisinage du
point d’intersection avec l ’axe 0x, l ’utilisation de la méthode de
Newton pour la résolution de l ’équation / (x) = 0 n’est pas recom
mandée.
Pour évaluer l ’erreur de la rc-ième approximation xn, on peut
faire appel à la formule générale (5) du § 1
(6)
où mj est la valeur minimale de | /' (x) | sur le segment [a, 6].

Déduisons encore une formule pour l ’estimation de la précision
de l ’approximation xn. En appliquant la formule de Taylor on a:
/ (^n) —/ t^n-1 "I" ^n-i)] —
= / (*n -f ) + / ' (Xn-l) (*» - * n -l) + y f (Ên-l) (* „ ~ Xn-l)\ (7 )
où Ç (xn_i, xn). Puisque la définition de l ’approximation xn

donne
/ (^n-l) 4“ / (^n-l) (^n -l) = 0»
(7) conduit à
I / (*n)\ < Y M -(Xn~

où M z est la valeur maximale de | f ” (x) | sur le segment [a, b].

Par conséquent, d'après la formule (6) on a finalement:
(8 )
Si le processus de Newton
converge, xn — quand
n-*- oo. C’est pourquoi avec
N, on a :
15 xn I ^ I %n ^n-i I»
quand N est suffisamment grand,
ce qui signifie qu’à partir d’une
certaine approximation les pre
miers chiffres « stabilisés » des
approximations et xn sont
exacts.
Constatons que dans le cas
général la coïncidence à e près
de deux approximations succes
sives et xn n’assure nulle
ment la coïncidence avec la même précision de la valeur xn et de
la racine exacte £ (fig. 19).
Etablissons également la formule qui associe les erreurs absolues
de deux approximations successives xn et :rn+1. La formule (5)
entraîne
t _ / (J n ) f 9 (cn) / r \2
6 " /'(*„) 2 ’ /'(cn) ^ Xn) '
où cn £ (xn, £). D’où, en tenant compte de la formule (3), on a

2m« (9)
La formule (9) assure une convergence rapide du processus de Newton
si l ’approximation initiale x0 est telle que
En particulier, si
la formule (9) conduit à

l — **+i1 < 10~îm,
§ 5.] MÉTHODE DE NEWTON 125
c ’est-à-dire, dans ce cas, si l ’approximation xn compte m décimales

exactes, l ’approximation suivante xn+1 comptera au moins 2m
décimales exactes; autrement dit, si |x ^ 1, à l ’aide de la méthode
de Newton le nombre de décimales exactes de la racine cherchée £
est doublé à chaque étape.
y -tg x
E x e m p l e 1. Calculer par
la méthode de Newton la racine
négative de l ’équation / (x) =
= x4 - 3x2 + 75x - 10 000 = 0
avec cinq chiffres exacts.
S o l u t i o n . En posant dans
le premier membre de l’équation .
x = 0, — 10, — 100, . . ., on a
/(0)= —10000,/(—10) = -1 0 5 0 ,
/ ( _ 100) « + 108.
Par conséquent, la racine
cherchée î* repose dans l ’inter
valle-1 0 0 < 1 < —10. Rédui
sons l’intervalle obtenu. Etant
donné que f ( — 11) = 3453, on
a — 11 C Ê C — 10. Dans ce
dernier intervalle /' (x) < 0 et
f ” ( x ) > 0. Puisque/ ( — 11) > 0 Fig. 20.
et / " ( — 11) > 0 , nous pouvons
adopter comme approximation initiale x0 = — 11. Calculons les
approximations successives xn {ji — 1, 2, . . .) d’après le schéma
suivant :
n /<*„>
n /'<*„>
0 - I l 3453 -5 1 8 3 0 ,7
1 — 10,3 1 3 4 ,3 -4 2 3 4 0 ,0 3
2 - 1 0 ,2 7 3 7 ,8 -4 1 9 6 0 ,0 0 9
3 — 10,261 0,2 — —
En optant pour n — 3, vérifions le signe de la valeur

/ (xn + 0,001) = / ( — 10,260). Puisque / ( — 10,260) < 0 , on a
— 10,261 < — 10,260 et n’importe quel de ces nombres donne
l ’approximation cherchée.
E x e m p l e 2. Trouver par la méthode de Newton la racine
positive minimale de l ’équation tg x = x à 0,0001 près.
S o l u t i o n . Construisons les courbes y = tg x et y = x
(fig. 20) pour constater que la racine cherchée £ appartient à l’inter-
valle ji < y . En mettant l ’équation sous la forme

/ (x) = sin x — x cos x = 0,
on a:
f (x) = x sin x ;
f ” (x) = sin x + x cos x .
Il s’ensuit que f (x)]< 0 e t/* (x) < 0 pour ji < x < y .Comme
/ J = — 1, on peut prendre comme approximation initiale x0 =
= y . Le calcul se fait d’après le schéma suivant :
n /< * „ ) h ----- / ( * n>

xn
" ''< V
0 y ^ = 4 ,7 1 2 3 9 (270°) -1 — 4 ,7 1 2 - 0 ,2 1 2 ( ^ - 1 2 ° 1 0 ')
1 4 ,5 0 0 0 4 (2 5 7 °5 0 / ) - 0 ,0 2 9 1 - 4 ,3 9 9 - 0 , 0 0 6 6 (ss - 2 2 ' 4 2 ' )
2 4 ,4 9 3 4 3 (2 5 7 °2 7 '1 6 * ) - 0 ,0 0 0 0 3 — —
Pour évaluer l ’erreur de la valeur approchée x n constatons qu’en

vertu de la négativité de la dérivée seconde /* (x) les approximations
successives xn (n = 0, 1, 2, . . .) sont décroissantes; en outre,
f (xn) < 0 . C’est pourquoi on peut poser xn < £ < x n, où xn est
un nombre de l ’intervalle (ji, y ) tel que / (xn) > 0. La valeur xa
s’obtient sans peine par sélection *. Ainsi, avec n = 2 et en posant
approximativement
x2 = 4,49340 = arc 257°27'12",
on a
/ (J2) = sin 257°27'12* -4,49340 -cos 257°27'12* = -0 ,97612 +
+ 4,49340-0,21724 = -0,97612 + 0,97614 = + 0,00002.
Par conséquent, le choix de x2 est correct et donc
4,49340 < t <4,49343.
On peut poser
l = 4,4934,
où tous les chiffres sont exacts.
• On pourrait prendre, certes, xn= ît, mais un tel choix est défavorable
du fait que /' ( ji ) = 0.
§ 5 .] METHODE DE NEWTON 127
L’erreur de x2 peut être évaluée d’une façon plus précise. Puisque

avec x Ç [x2, x2] la dérivée f (x) décroît et / ' (x) < 0 , on a
m, = min | /' (x) | = | /' (x2) |.
Il en résulte:
m, = 4,49340-0,97612 > 4
I g - X2| 
Ainsi
l = 4,49343 -0,000010,
où 0 < 0 < 1.
Exemple 3. Considérons l'équation
f {x) = 0, (10)
où f (x) est continue et de signe constant pour —oo < x < +oo.
En vertu du théorème de Rolle l'équation (10) ne peut avoir plus de
deux racines réelles. Voici deux
cas importants pour la pra- !/ii
tique.
I. Soit
/ (*o) r (*<>) < o ,
/(*<>)/'(*) < 0 --
(fig. 21).
L équation (10) admet alors
une racine unique Ç dans l ’in
tervalle (X0, Xj), où
x‘ = ” - 7 ^ r -
La racine £ peut être calculée avec la précision imposée à l ’aide de la
méthode de Newton.
II. Soit
f { x o )= 0 , / (x0) r (x) < 0 .
L ’équation (10) a alors deux racines £ et £' dans l ’intervalle
( —oo, + oo) (fig. 22).
La transformation du premier membre de l ’équation (10) d’après
la formule de Taylor donne approximativement:
/ (xo) + f (x0) (x - x0) + - - f (*o) (x - x0)- = 0
OU
/ (*o) + y / ' (xo) (x ~ xo)2 = 0.
On en lire pour les racines | et £' les approximations initiales

T- r ■/ 2/ (*oT
1 ° V f" (* o )
«I
. l / 2I (*o>
* - x° + y r ( x 0) *
qui sont les abscisses des points d ’intersection de la parabole
Y = f ( x 0) +±- r( xo) ( *- Xo) -
avec Taxe Ox (fig. 23). L’amélioration de la précision des racines
peut s’obtenir par la méthode de Newton usuelle.
Le sens géométrique des affirmations I et II est évident. Nous

laissons au lecteur le soin de réaliser leur démonstration rigoureuse.
§ 6. Méthode de Newton modifiée

Si la dérivée /' (x) varie peu sur le segment [a, b], on peut poser
dans la formule (3) du paragraphe précédent:
f ’ (xn) « /'( x o ) . (1)
Pour la racine £ de l ’équation / (x) = 0 on en tire les approxi
mations successives
T"+, = X" " T C T = (2)

L’interprétation géométrique de ce procédé est donnée par le
remplacement des tangentes en B n lx„, / (xn)l par des droites parallè
les à la tangente à la courbe y = f {x) en son point fixe B 0 [x0. / (*o)l
(fig. 24).
MÉTHODE COMBINÉE 129
La formule (1) rend inutile le calcul repris chaque fois de la

valeur de la dérivée /' (xn) ; c’est pourquoi cette formule est très
B0
utile si / ' (xn) est compliquée. On peut montrer que sous l ’hypothèse
de la permanence des signes des dérivées /' (x) et /" (x) les appro
ximations successives (2) donnent un processus convergent.
§ 7. Méthode combinée
Soit / (a) f (b) < 0 alors que /' (x) et f ” (x) gardent les signes
constants sur le segment [a, b1. En combinant la méthode des parties
proportionnelles à la méthode de Newton on obtient une méthode
dont chaque étape permet de déterminer les valeurs par défaut et par
excès de la racine exacte £ de l ’équation f (x) = 0.
Il en résulte, en particulier, que les chiffres communs pour xn
et xn appartiennent nécessairement à la racine exacte £. Quatre cas
peuvent se présenter théoriquement:
1 ) / ' ( * ) > 0 ; î ” (x) > 0 (fig. 25);
2) /' (x) > 0 ; / " ( * ) < 0 (fig. 26);
3) /' (x) < 0 ; f" (x) > 0 (fig. 27);
4 ) / ' ( * ) < 0 ; / ' ( x ) < 0 (fig. 28).
Nous nous bornerons à l ’exploration du premier cas, l ’étude des
autres cas étant analogue; par ailleurs, le caractère des calculs se
conçoit aisément à partir des dessins correspondants. Constatons que
tous ces cas peuvent être ramenés au premier si l ’équation considérée

/ (z) = 0 est remplacée par des équations équivalentes : — / (z) = 0
ou ± / ( — z) = 0, où z = — z.
B
Ainsi, soit / ' (z) > 0 et /" (z) >- 0 pour a ^ z ^ b. Posons z0 =
— a; x 0 = b et
/(*„) (z n — z n)* ;
%n+1—%n (1)
3-n+| —~Xn /(*») (« = 0 ,1 ,2 , ...) * • (!')

/' (*»)
Les résultats des §§ 5 et 6 entraînent que
* A chaque pas la méthode des parties proportionnelles est appliquée

& un nouveau segment [xn, xn].
S 7.] MÉTHODE COMBINÉE 131
et _
0 < £ —xn< x n —x n. (2)
Si Terreur absolue admissible de la racine approchée xn est donnée
à l ’avance et est égale à e, le processus de rapprochement s’arrête
dès que Ton établit que xn — xn < e. Après la fin du processus le
mieux est de prendre comme valeur de la racine Ç la moyenne arith
métique des dernières quantités obtenues:
i = y (*» + *,»).
E x e m p l e . Calculer à 0,0005 près la racine positive de l ’équa

tion
f (x) = x ^ — x — 0,2 = 0.
S o l u t i o n . Puisque / (1) < 0 et / (1,1) > 0, la racine appar
tient à l ’intervalle (1; 1,1). On a:
/ ' (x) = 5x* — 1 et / ' (x) = 20x*.
Dans l ’intervalle choisi / ' (x) > 0; /* (x) > 0, c’est-à-dire les
signes des dérivées ne changent pas.
Appliquons la méthode combinée en posant x0 = 1 et x0 = 1,1.
Etant donné que
/ (x0) = / (1) = - 0,2 ; / (x0) == f (1,1) = 0,3105 ;
/ ' (*o) = / ' (1,1) = 6,3205,
il ressort des formules (1) et (!')
0,1-0,2 r t 4 0,31051
0,5 1 0 5 1
1,039; 11 — 1,1 6 ,3 2 0 5
1,051.
Vu que xt — x t = 0,012, la précision est insuffisante. Cherchons
le couple d’approximation suivant:
0 ,0 1 2 -0 ,0 2 8 2
X2 = 1,039 0 ,0 5 9 5
1,04469 ; I == 1’051- r T O æ l '04487-
Ici x2 — x2 = 0,00018, c’est-à-dire nous avons obtenu la précision
imposée. On peut adopter
1 = - (1,04469 +1,04487) = 1,04478 « 1,045
avec une erreur absolue inférieure à
-•0,00018 -f 0,00022 = 0,00031 < ~ ■10~s.
§ 8. Méthode des approximations successives

Une des méthodes parmi les plus importantes de résolution
numérique des équations est la méthode des approximations successives
dite également méthode des itérations. Voici son principe. Soit
Téquation
/ (*) = 0, (1)
où / (x) est une fonction continue ; le problème consiste à déterminer
ses racines réelles. Remplaçons l ’équation (1) par une équation
équivalente
X = <p (x). (2)
Sélectionnons par un moyen quelconque une valeur grossièrement
approchée de la racine x 0 et portons-la dans le deuxième membre de
l ’équation (2). On obtient alors un certain nombre
Xj = <p (x„). (3)
Remplaçons maintenant dans le deuxième membre de l ’égalité (3)
x0 par le nombre xi pour obtenir un nouveau nombre x 2 = <p (x,).
En reprenant cette procédure, on aboutit à la suite des nombres
= oo
supposant la fonction <p (x) continue, on tombe sur
lim x„ = <p(lim x„_,)
Tl-t-OO 71—
*0O
OU
l = <P (Ê). (5)
Ainsi, la limite £ est une racine de l ’équation (2) qui se calcule
d ’après la formule (4) avec la précision voulue.
Géométriquement cette méthode s’explique de la façon suivante.
On construit dans le plan xOy les courbes des fonctions y = x et
y = <p (x). Toute racine réelle £ de l ’équation (2) est l ’abscisse d’un
point d’intersection M de la courbe y = <p (x) avec la droite y = x
(fig. 29).
En partant d’un certain point A 0 [x0; <p (x0)l, on construit la
ligne polygonale A qB \A \B 2A 2 . . . (« échelonnée »), dont les éléments
sont parallèles alternativement à l ’axe Ox et à l ’axe Oy, les sommets
Ao, Ai, A2, . . . reposent sur la courbe y = cp (x), et les sommets
B u B 2, B z, . . . reposent sur la droite y = x. Les abscisses commu
nes des points Ai et B u A 2 et B 2, . . . constituent respectivement
les approximations successives xlt x2, . . . de la racine £.
S 8.1 MÉTHODE DES APPROXIMATIONS SUCCESSIVES 133
La ligne polygonale A 0B tA iB 2A 2 . . . (fig. 30) peut avoir égale

ment une autre forme (« en spirale »). On conçoit aisém ent'quela
solution s’obtient sous forme d’une ligne « échelonnée » si la dérivée

<p' (x) est positive, et « en spirale » si (p' (x) est négative.
Sur la figure 29 la pente de la courbe y = 1,

le processus itératif peut être divergent (fig. 31). Pour rendre possible
l ’application des approximations successives il faut donc définir
les conditions suffisantes de convergence du processus itératif.
T h é o r è m e 1. Soit la fonction <p (x) définie et dérivable sur le

segment [a, h] avec toutes ses valeurs <p (x) Ç [a, h].
S 'il existe alors un nombre q tel que *
l < p '( * ) K ? d (6)
pour a <Zx <Zb, 1) le processus itératif
xn — <p (£n-i) (re — 1, 2, . . .) (7)
converge indépendamment de la valeur initiale x0 Ç [a, 6] ; 2) la valeur
limite
g = lim xn
TI-+00
est l'unique racine de l'équation
X = <P (x) (8)
sur le segment [a, 6].
Démonstration. Con
sidérons deux approximations suc
cessives
xn = <P (*n-i) et x n+1 = <p ( x J
(qui en vertu des conditions du
théorème ont bien un sens). On en
tire
x n+ 1 xn = <P (^n) — <P (^n-l)*
En appliquant le théorème de Lagrange, on a
xn+1 xn = (xn ~ xn- 1) <P' (*n),
où xn £ (xn_1, xn). Par conséquent, la condition (6) amène
I * n + 1 *“ I^ ? I — * n -i I- (9)
Par suite, en donnant à n les valeurs 1, 2, 3, . . ., on déduit
successivement
I *2 — *i K ? I *i — *o I ;
I *3 — x2 | < q I X 2 — Xi | < q2 I Xi — x0 | ;
I *n+i — Zn I ^ q n \ x i — x0 |. (10)
* On peut prendre comme nombre q la plus petite valeur ou la borne infé

rieure du module de la dérivée |q>' (x) | pour a < x < 6.
MÉTHODE DES APPROXIMATIONS SUCCESSIVES 135
Considérons la série
*0 + (^1 — *o ) + (x 2 — ^ l ) + • • • + (^7i — x n - l ) + • • •* ( H )
telle que nos approximations successives xn soient ses (n + l)-ièmes
sommes partielles, c’est-à-dire
xn = ^ n + i-
Par suite de l ’inégalité (10) les termes de la série (11) sont en

valeur absolue inférieurs aux termes correspondants de la progression
géométrique à raison q <L 1, c’est pourquoi la série (11) converge et,
de plus, d’une façon absolue. Par conséquent, il existe une limite
lim S n+i = lim xn = £,
n-*oo n-¥oo
en outre, on a bien £ Ç [a, b].

La fonction <p (x) étant continue, le passage à la limite dans
l ’égalité (7) conduit à
l = cp (l). (12)
6 est doncla racine de l ’équation (8) qui n’a pasd’autresracines
sur le segment [a, b]. En effet, si
r = < p (D, (i3)
les égalités (12) et (13) amènent
6 - 6 = 9 (D -< p (S )
( 1 - 6 ) 1 1 -< p'(c)] = 0 , (14)
où c Ç [£, £1. L’expression entre crochets de l ’égalité (14) n’étant
pas nulle, 6 = 5* ce qui traduit le fait que la racine 6 est unique.
R e m a r q u e 1. Le théorème reste toujours valide si la
fonction (p (x) est définie et dérivable dans l ’intervalle infini —oo <
< x < +oo et si l ’inégalité (6) est vérifiée pour tout x.
R e m a r q u e 2. Sous les conditions du théorème 1, la méthode
des approximations successives converge quel que soit le choix de la
valeur initiale x0 dans [a, b]. Il en résulte que cette méthode est
autocorrectrice, c’est-à-dire qu’une erreur de calcul isolée, à condition
que les limites du segment [a, b] ne soient pas dépassées, n’influe
pas sur le résultat final du fait qu’une valeur incorrecte peut être
considérée comme une nouvelle valeur initiale x0. Il se peut que cela
entraîne seulement le plus grand volume de travail. Grâce à la
propriété d’autocorrection la méthode des approximations successives
est une des méthodes de calcul les plus sûres. On comprend bien
que les erreurs systématiques résultant de l ’application de cette
méthode peuvent empêcher l ’obtention du résultat demandé.
Estimation de l ’approximation. La formule (10) conduit à

| ^ n + p — %n | ^ | x n+p — ^ n + p -i | | # n + p - i — ^ n + p -2 | 4 “
+ . . . + | x n+1 — —*0| + gT,+p“2|x 1—x0| +

+ •. . + g n |xi — x0| = gn |*i —*o|(l + Ç + Q - + • • • -rÇp’1).
La somme de la progression géométrique donne
| X n+ p — Xn | < ? " | X, — X0 I 4 ^ 7 " < 7 3 7 I X1— X« I •
En faisant tendre le nombre p vers l ’infini et en retenant que

lim xn+p = on a finalement:
p-* CO
|E—xn | < 7 ^ - | x , —x0|- (15)

Il est donc clair que la convergence du processus itératif sera
d’autant plus rapide que le nombre q est plus petit.
Pour évaluer une approximation il existe également une autre
formule qui peut être utile dans certains cas. Soit
/ (x) = x — ( 1 — q) |1* » - 1U
où xn Ç (xn, £) et, par conséquent,
| x . - S l < J f " ÿ ^ , " ) | -. m
d’où
I S - X t t K 1* " ; 1- ; " 1 . (1 6 ')
L’utilisation de la formule (9) donne également

|5 |^ | ^| ^ n - i |» (1 6 ')
d’où il résulte notamment que si q ^ 4" » on a

Il “ I < 1 Xn “ *n-1 I»
c’est-à-dire dans ce cas l ’inégalité | xn — xn_j1 < e entraîne donc
l ’inégalité
I l — | < C.
R e m a r q u e . D’après une opinion largement répandue, si
lors de l ’application de la méthode considérée deux approximations
$ 8.1 MÉTHODE DES APPROXIMATIONS SUCCESSIVES 137
successives xn et xn coïncident avec la précision imposée e (par

exemple, si pour ces approximations les m premières décimales se
sont stabilisées), l ’égalité £ « xn se vérifie alors avec la même préci
sion (cela veut dire, en particulier dans l ’exemple considéré, que m
décimales du nombre approché x n sont exactes !). Dans le cas général.
comme le montre bien la figure
32, cette affirmation est fausse.
Plus même, on prouve aisément
que si cp' (x) est voisine de 1, la
grandeur | £ — xn | peut être
grande, bien que la grandeur
| xn — xn_i | soit très petite.
La formule (16 ") permet d’éva
luer l ’erreur de la valeur appro
chée xn d’après l ’écart entre deux
approximations successives
et xn.
Le processus itératif doit être
poursuivi tant que les deux ap
proximations successives xn et
xn ne vérifient l ’inégalité
| Xn X n - 1 1< “
où e est la borne d’erreur absolue imposée de la racine £ et | q>' (x) | ^

^ q. La formule (16") donne alors lieu à l ’inégalité
I 5 — *n | < e,
c’est-à-dire
l = Xn ± e.
Notons que si
Xn = ' (Xn-i) I <
< ( 7 1 5 — * n - l I (Xn-l 6 (Xn - I ’ 5)),
c’est-à-dire
I5 — I< I 5 — * n - l I-
Ainsi, dans le cas d’un processus itératif convergent l ’erreur

| £ — xn | tend monotonement vers zéro, ce qui signifie que chaque
valeur suivante xn est plus précise que la valeur antérieure xn_t.
Toutes ces conclusions ignorent, certes, les e r r e u r s d’a r r o n -
d i, c’est-à-dire on suppose que le calcul des approximations succes
sives soit exact.
Dans la pratique on cherche d’abord à établir par un procédé

grossier que l ’équation (2) possède une racine £ pour obtenir ensuite
par la méthode itérative une approximation suffisamment précise
de la valeur de cette racine, l ’inégalité (6) n’étant vérifiée que dans
un certain voisinage (a, 6) de la racine considérée. Si le choix de la
a £ b
------ ________________________
b-a Æ b-a P b-a X
J J J
Fig. 33.
valeur initiale x 0 est mauvais, les approximations successives xn =

= <p (Xn-i) (n = 1, 2, . . .) peuvent sortir de l ’intervalle (a, 6) ou
même perdre tout leur sens. C’est pourquoi il convient de modifier
le théorème 1.
T h é o r è m e 2. Soit y (x) une fonction définie et dérivable sur
un certain segment [a, 61, et supposons que Véquation
* = <p (x) (17)
ait une racine | appartenant à un segment plus étroit la, fl], où a =
= a + y (b — a) et P = b — y (b — a) (fig. 33).
Alors, si a) | <p' (x) | ^ q < 1 pour a < x < b et si b) l'approxi
mation initiale est x 0 £ [a, pi, il vient :
1) toutes les approximations successives sont comprises dans l'inter
valle (<a, 6) :
x n = 9 (* n -i) 6 («. b) (n = 1, 2, . . .);
2) le processus des approximations successives est convergent, c'est-à-
dire il existe une limite
lim x n = t,
n~+oo
de plus, | est une racine unique sur le segment [a, b] de l'équation (17) ;
3) l'estimation (15) est justif ée.
D é m o n s t r a t i o n . 1) En effet, soit
x o 6 fa, PI.
Alors il est clair que l ’égalité
= 9 (x o)
xi
a un sens. En utilisant l ’égalité
1 = 9 (1),
f 8.] MÉTHODE DES APPROXIMATIONS SUCCESSIVES 139
on obtient en vertu du théorème de Lagrange:

I*i —Il = I9 (*o) —«P(I) | = I* 0 —il 19' tel) K g (P—a) <
d’où
*i Ç (a, b).
En général, si 6 (a, b) (n = 1 , 2 , . . .) et | xn. t — g1 < - = ^ ,
alors
Xn = 9 (*n-l)
a un sens et
\ *n— Ê| = |<P(*n-l) — 9(1)1 =
- 1*.-i - I l 19 ' M \< g | * « -* -6 | < — •
Par conséquent, xn Ç (a, b), où n = 1, 2, 3, . . .
Quant aux propositions 2) et 3), leur démonstration est parfaite
ment analogue à celle du théorème 1.
R e m a r q u e . Supposons que dans le voisinage (a, b) de la
racine g de l ’équation (17) la dérivée <p' (x) garde son s i g n e
c o n s t a n t et que l ’inégalité
I 9' (*) K 9 < 1
soit vérifiée.
Alors, si la dérivée <p' (x) est positive, les approximations successives
Xn = 9 (*i»-i) (n = 1, 2, . . .), x0 6 (a, b)
convergent monotonement vers la racine g.
Si la dérivée qp' (x) est négative, les approximations successives
oscillent autour de la racine g.
1) En effet, soit 0 ^ cp' (x) ^ q < 1 et, par exemple,
*o < ! •
Il vient
Xi — g = 9 (x0) — 9 (l) = (xo — 5) 9 ' (li) < 0 ,
où gj £ (x„, g) ; en outre,
I xt — g | < q | x0 — g | < | x0 — g |.
Par conséquent,
x 0 < Xi < g.
En appliquant la méthode par récurrence, on a
x0 < X j < x 2 < . . - < g
(fig. 34a).
Si Xo > g, on obtient un résultat analogue.
Ainsi, dans le cas d’une dérivée positive q>' (x) il suffit de choisir
l ’approximation initiale x0 dans le voisinage (a, b) de la racine g
intéressée; toutes les autres approximations xn (n = 1, 2, . . .)

seront comprises automatiquement dans ce voisinage et avec l’aug
mentation du numéro n tendront monotonement vers la racine E.
X0 Xf x2 £
-o —
O O O-
X
Fig. 34a.
2) Soit — 1 < — q ^ <p' (x) ^ 0 et, par exemple, x„ < I» de

plus x, = (p (x0) 6 b).
On a:
*i — 6 = «P (*o) — 0,
soit x, > l et | x4 — 11 < | x0 — 1 1.
En reprenant ces raisonnements pour les approximations xl9
j 2, . . ., on obtient:
x0 < x 2 < . . . < % < . . . < X 3 < X U
les approximations successives étant tantôt plus petites, tantôt plus
grandes que la racine l (fig. 34b).
Xq X2 £ Xj Xf
----o -o------ o o o
X
Fig. 34b.
Ainsi, dans le cas d’une dérivée <p' (x) négative, si deux approxi
mations x 0 et xx appartiennent au voisinage (a, b) de la racine S,
toute autre approximation xn (n = 2, 3, . . .) appartient également
à ce voisinage et la suite {xn} « e n v e l o p p e » l a racine £.
Constatons que l ’inégalité
I £ Xn | ^ | Xn 2/1-1 I
est évidente, ce qui traduit le fait que dans ce cas les chiffres stabilisés
de l ’approximation xn appartiennent nécessairement à la racine
exacte |.
E x e m p l e 1. Chercher les racines réelles de l ’équation x —
— sin x = 0,25 avec trois chiffres significatifs exacts.
S o l u t i o n . Mettons l ’équation considérée sous la forme
x = sin x + 0,25.
Etablissons graphiquement que sur le segment [1,1 ; 1,3] l ’équa
tion possède une racine réelle £ égale approximativement à i 0 =
= 1,2 (fig. 35).
§ 8.] MÉTHODE DES APPROXIMATIONS SUCCESSIVES 141
En adoptant les notations du théorème 2, posons:

a = 1,1 et p = 1,3,
d ’où
a = a — (P — a) = 0,9 « arc 52°
et
b = p + (P — a) = 1,5 « arc 86°.
Etant donné que
(p (x) = sin x + 0,25
et
<p' (z) = cos x,
pour 0,9 < x <1*5 on a:
I (P/ (*) I ^ cos 52° « 0,62 = q.
Si Ton choisit x Q£ (1,1 ; 1,3), toutes les conditions du théorème 2
seront observées et, par conséquent, il sera garanti que les approxi
mations successives
Xji = sin xn_, + 0,25
(n = 1 , 2 , . . . )
1) soient contenues dans l’inter-
valle (0,9 ; 1,5) et 2) z n ->■ g quand
n — oo.
Choisissons x0 = 1,2 et prenons,
d’après la condition du problème,
la borne d’erreur absolue
8 -•îcr- F ig . 35.
pour construire les approximations successives xn (n = 1, 2, . . .)

tant que deux approximations voisines et xn ne coïncident dans
les limites de la précision égale à
i nq l e = 0,51 -4ù -1 0 -2 « 0,0025.
On a :
x t = sin 1,2 + 0,25 = 0,932 + 0,25 = 1,182;
x2 = sin 1,182 + 0,25 = 0,925 + 0,25 = 1,175;
x3 = sin 1,175 + 0,25 = 0,923 + 0,25 = 1,173;
x4 = sin 1,173 + 0,25 = 0,922 + 0,25 = 1,172;
x5 = sin 1,172 + 0,25 = 0,922 + 0,25 = 1,172.
La quatrième et la cinquième approximations coïncident jusqu’à
quatre chiffres significatifs. Donc (cf. (16"))
, t 0,62-0, 001 nr\r,4C
i _o,62 = 0 -0016-
La borne d’erreur absolue de la racine approchée x b (y compris

Terreur d’arrondi) ne dépassant pas
E = 0,0016 + 0,002 < - • 10'*,
on peut poser:
l = 1,17 ± 0,005.
Remarque. L’équation considérée
/ (*) = 0 (18)
peut être mise sous la forme de l ’égalité
x = «P (*) (18')
en choisissant de différentes façons la fonction <p (2).
L’écriture de (18') n’est point indifférente pour la recherche de la
racine : dans certains cas | <p' (x) | est petite dans le voisinage de | ,
dans d’autres, elle est grande. Pour la méthode des approximations
successives, la représentation (18') est avantageuse si elle vérifie
l ’inégalité
I <p' (x) | < g < l ; (19)
par ailleurs, plus le nombre q est petit, plus la convergence des
approximations successives vers la racine £ est rapide.
Voici un artifice suffisamment général pour ramener l ’équation
(18) à la forme (18') qui assure l ’observation de l ’inégalité (19).
Supposons que la racine cherchée £ de l ’équation est comprise dans
le segment [a, 61 et en outre
0 < m , < / ' (x) ^ M t (20)
avec a ^ x ^ 6 *. On peut prendre notamment comme m, la valeur
minimale de la dérivée /' (x) sur le segment la, 61, qui doit être
positive, et comme M 1 la valeur maximale de / ' (x) sur le segment
[a, 61. Remplaçons (18) par une équation équivalente
x = x - \ f ( x ) (X > 0 ).
On peut poser <p (x) = x — Xf (x).
Choisissons le paramètre X de façon que dans le voisinage considé
ré [a, 61 de la racine | l’inégalité
0 < cp' (x) = 1 - X f ' (x) < q < 1 (21)
soit satisfaite.
L’expression (20) entraîne
0 < 1 — XMi < 1 — Xm1 < q.
* Si la dérivée /' (x) est négative, au lieu de l’équation / (x) = 0 on consi

dère l’équation — / (x) = 0.
S 8.] MÉTHODE DES APPROXIMATIONS SUCCESSIVES 143
Par conséquent, on peut adopter
et
g= l Mi < 1.
Ainsi l ’inégalité (21) est respectée.
E x e m p l e 2. Trouver la plus grande racine positive £ de
l ’équation
2? + x = 1000 (22)
à 10"4 près.
S o l u t i o n . Cherchons par approximation grossière la valeur
approchée de la racine x0 = 10; il est clair que £ < *o-
L’équation (22) peut se mettre sous la forme
1000 - a * (22')
ou
1000 1
X2 x’ (22')
ou encore
x — y /l0 0 0 —x, (22')
etc. La plus avantageuse des variantes considérées est (22") parce
qu’en prenant pour intervalle principal (9, 10) et en posant
<p(x) = ^ 1 0 0 0 - x .
on aura
—1
?'(*) = 3 y (1000 - x )2 *
D’où
1__ 1
99Ü2 300
Calculons les approximations successives xn avec un chiffre de

réserve d’après les formules
Vn = 1000 — xn ;
xn+i = yn = 0 , 1, 2, .. •).
Les valeurs obtenues sont portées sur le tableau 4.
Etant donné que 1 —g « 1, on peut poser à 10”4 près £ = 9,9667.
La méthode des approximations successives peut être appliquée
également au calcul des racines des équations données sous la orme
de séries entières.
T a b le a u 4
Valeurs des approximations

successives x n et //n
n "n
0 10 990
1 9,96655 990,03345
2 9,96666 990,03334
3 9,96667
Exemple 3. Chercher la racine réelle de l ’équation [21

X3 . X5 X7 | X® X 11 |
1 3~ + l Ô ~ 4 2 + 2Î6_ Ï32Ô+ ’ ’ '
• • • + ( - 1>’" ‘ i; - , f r ê ‘, . - 1) + • • ■ -0,4431135.
S o l u t i o n . On a x = <p(x), où
q>(x) = 0,4431135 + 4 - 4 +4 - â +S - . ..
En rejetant toutes les puissances de x supérieures à la première,
on trouve la valeur approchée de la racine x 0 = 0,44. Puis
xt = <p (0,44) « 0,47 ;
x2 = cp (0,47) « 0 ,4 7 6 ;
*3 = cp (0,476) « 0,4767 ;
X/h = cp (0,4767) « 0,47689 ;
x5 = cp (0,47689) « 0,476927 ;
x6 = cp (0,476927) «0,476934;
x7 = cp (0,476934) «0,476936.
Par conséquent, \ = 0,47693.
Voici encore un procédé d’amélioration de la convergence du
processus itératif, qui, dans certains cas, peut être utile [71.
Soit l ’équation
x = cp (x)
telle que dans le voisinage de la racine cherchée £ l ’inégalité
| cp' (x) | > k > 1.
soit vraie. Pour cette équation le processus itératif est divergent.
Toutefois, si on la remplace par une équation équivalente
x = ÿ (x).
S 9.] MÉTHODE DES APPROXIMATIONS POUR UN SYSTÈME 145
où i[ (x) = (p-1 (x) est la fonction inverse, on obtient une équation

pour laquelle le processus itératif converge du fait que
i
i (*) i ^ «P' OP (*))
Exemple 4. L’équalion
f (x) = x3 — x — 1 = 0 (23)
a une racine ç £ (1, 2), puisque / (1) = —1 < 0 et / (2) = 5 > 0.
L’équation (23) peut s’écrire
x = x3 — 1. (24)
Ici
<p (x) = x3 — 1 et <p' (x) = 3x2,
c’est pourquoi
q/ (x) ^ 3 avec 1 ^ x ^ 2
et, par conséquent, les conditions de convergence du processus itératif
ne sont pas respectées.
Si l ’on met l’équation (23) sous la forme
I = /T + T , (25)
on aura
'p ( * ) ^ y rx + l et 7p' (x)= 1 —.
3 y (x+i)-
1 l
Il en résulte que 0 < rp f (x) < -a ■=■<-r-pour 1 ^ x ^ 2 et donc
3y 4 *
pour l’équation (25) le processus itératif converge rapidement.

pour un système de deux équations
Soient deux équations à deux inconnues
F\ (x, y) = 0 , )
(1)
F2 (X, y) = 0, J
dont il faut chercher les solutions réelles avec la précision demandée.
Supposons que le système (1) n’admet que des solutions isolées.
Le nombre de ces solutions et leurs approximations grossières peuvent
être établis en construisant les courbes Ft (x, y) = 0 et F2 (x, y) = 0
et en définissant les coordonnées de leurs points d’intersection.
Soient x = x0, y = yo une solution approchée du système (1)
obtenue graphiquement ou par un autre procédé quelconque (par
exemple, par approximation grossière).
Voici un processus itératif qui permet dans des conditions définies
d’améliorer la précision des valeurs approchées données des solutions.
A cet effet, écrivons le système (1) sous la forme
X = <Pi (X, y), |

( 2)
y = <P2 ( x , y) I
et construisons les approximations successives d’après les formules

suivantes :
x, = <p, (x0, y0) ; yi = <p2 (*o. y0) ;
x 2 = <Pt (x„ yt) ; y 2 = <P2 ( * i , y ù ;
....................................................................... (3)
Xn+i = «Pi (xn, yn) ; yn+i = (p2 (x„, yn) .
Si le processus itératif (3) converge, c’est-à-dire s’il existe des

limites
1 = lim xn et ri = lim y„,
n-K» n~+oo
alors, en supposant les fonctions <pj (x, y) et <p2 (x, y) continues

et en passant à la limite dans l'égalité (3) du type général, on obtient :
lim x n+i = lim <p, (xn,y n),
n-+oo n -*oo
lim yn+i = lim (p2 (x„, y n).

TWOO n->00
D’où
1 = <Pl (5. Tl) ; Tl = <P2 ( i . Tl),
ce qui signifie que les valeurs
limites £ et x\ sont une solu
tion du système (2) et, par
conséquent, du système (1).
C’est pourquoi en prenant le
nombre d’itérations (3) suffi
samment grand, on obtient
les nombres xn et yn qui diffè
rent aussi peu que l ’on veut de la solution exacte x = g, y = r\ du
système (1). Le problème ainsi posé sera donc résolu. Si le pro
cessus itératif (3) est divergent, il est inutilisable.
T h é o r è m e . Supposons que dans un certain voisinage fermé
R {a x A ] b ^ y ^ B ) (fig. 36) il existe une et seulement une
solution x = %, y = r\ du système (2). S i: 1) les fonctions (pt (x, y)
et cp2 (x, y) sont définies et continûment dérivables dans R ; 2) les
approximations initiales x0, yo et toutes les approximations ultérieures
§ 9.] MÉTHODE DES APPROXIMATIONS POUR UN SYSTÈME 147
yn (”> 1, 2, . . .) appartiennent à R ; 3) les inégalités

I fo i 092
| dx + dx
d<pi dtp 2
dy +
ày
Qz ^ 11
sonZ vérifiées dans i?, aZors Ze processus des approximations successives
(3) converge vers la solution x = £, y = tj du système (2), soit
lim x n = ti et lim y a = T).
n-+oo n-+ o
R e m a r q u e . Le théorème reste valide si la condition 3) est

remplacée par 3')
frPi I .
dx \ “r
I,
dx n "
La démonstration de ce théorème est donnée dans [2]. Un théorè
me plus général est démontré dans le chapitre X III, §§ 10 et 11.
Exemple. Trouver pour le système [21

fi ( x, y) = 2x* — xy — 5x + 1 = 0,
f 2 (x, y) = x + 3 lg x — y2 = 0
la solution aux coordonnées positives avec quatre chiffres signifi
catifs exacts.
S o l u t i o n . Construisons les courbes d’équations f { (x , y) =
= 0 et / 2 (x, y) = 0 (fig. 37). La solution approchée qui nous inté-
10*
14S ÉQUATIONS ALGÉBRIQUES ET TRANSCENDANTES [CH. IV
resse est
x 0 = 3,5 ; i/o = 2,2.
Pour pouvoir appliquer la méthode des approximations successi
ves mettons notre système sous la forme:
x=,y/ 2-----1 = <M*> y)î,v

* ( y + 5) —
y= -r 3 l g z = q>2( x , y).
Cherchons les dérivées partielles
aq>| ÿ+ 5 d<p2
àX 4 j / -r(ÿ + 5 ) - l ’ dx 2V x + 3 1 g i ’
où M = 0,43429,
àVt _ ________ *________ à(p2 n
t . / *(y + 5)-^T ’ ^
En se bornant au voisinage
J î { |x - 3 ,5 |< 0 ,1 ; |y - 2 ,2 |< 0 ,l > .
on a :
d*Ti 2 ,3 + 5
< 0 ,5 4 ;
dx < j / 3,4 (2.1 + 5) — 1
a<p, 3,6
ày <- < 0 ,2 7 ;
.1 + 5 ) - 1
j / 3.4 (2.1
3-0,43
d<p2 3,4
~dx* < 0 ,4 2 ;
21/3 ,4 + 21g 3,4
dq>2
ày = 0.
D’où
foi + d(p2
< 0,54 + 0,42 = 0,96 < 1 ;
dx dx (4)
d(p2
—
dy 1
“+ dy < 0 ,2 7 + 0 = 0,27 < 1 . (5)
Par conséquent, si les approximations successives (x„, yn) ne

sortent pas du domaine R (ce qu’on établit aisément au cours du
calcul), le processus itératif sera convergent.
§ 10.] MÉTHODE DE NEWTON POUR UN SYSTÈME DE DEUX ÉQUATIONS 149
Le fait que la somme (4) est assez proche de l ’unité autorise

à supposer que dans le cas considéré la convergence du processus
itératif sera relativement lente. Calculons les approximations succes
sives d’après les formules
_ _ i / x n (ifn + 5 ) — 1 .
•^ti+1 — y 2 *
ÿn+1 = V xn + 3 lg Xn (« = 0 , 1 , 2 , . . . ) -
Les valeurs respectives des approximations successives sont
portées sur le tableau 5.
T a b le a u 5
Valeurs des approximations
successives x n et y n
n *71 *71
0 3 ,5 2,2
1 3 ,4 7 9 2 ,2 5 9
2 3 ,4 8 1 2 ,2 6 0
3 3 ,4 8 4 2 ,2 6 1
4 3 ,4 8 6 2 ,2 6 1
5 3 ,4 8 7 2 ,2 6 2
6 3 ,4 8 7 2 ,2 6 2
Ainsi, on peut poser £ = 3,487 ; r\ = 2,262.

R e m a r q u e . Au lieu du processus des approximations succes
sives (3) que nous venons d’examiner, il est parfois plus commode
de faire appel au « processus de Seidel » :
*n+l = <Pl (*n, yn) ;
ÿn+1 = *P2 (® n + li Un) = 0 , 1, 2 , . . .).
La méthode des approximations successives pour des systèmes

généraux fait l ’objet du chapitre X III (§§ 8 à 11).
§ 10. Méthode de Newton pour un système

de deux équations
Soient xnt yn une solution approchée du système des équations
F (x, y) = 0; G (x, y) = 0, (1)
où F et G sont des fonctions continûment dérivables. En posant
x = xn + K ; y = yn + K ,
on a
F (%n *f* hn » l/n “h ^n) — 0,
( 2)
G (xn + hn ; yn + kn) = 0.
En appliquant la formule de Taylor et en se bornant aux termes
linéaires par rapport à hn et Arn, on a :
F Un) “1“ hn^x (*^n? l/n) “I" ^nFy l/n) —0 ,
(3)
G (xn, yn) + hnG'x (xn, yn) + knG'y (xn, yn) = 0.
Si le jacobien
F x ( x ni yn) F y ( ^ n , Un)
J (*n, y n) = =7^0,
Gx fenr l/n) Gy ( x nj y n)
le système (3) amène
4 F ( Xru y n ) F y (Xn i y n )
K = •/ yn) G ( ^ n , l / n) G y ( x n , y n ) (4)
________
1 Fx (xn, y n) F (xn, y n)
K = •/ (xm Un) | Gx (xn, yn) G (xn, y n) (5)
Par conséquent, on peut poser :

1 F (-^n, l / n) F y (xn, y n)
•En+1 - %n " J (x n î Un) ( 6)
G(xni y n) Gy(pcn, y n)
1 Fx (*^n» y n) F (xny y n)
ÿn+| = ÿn- ( 6' )
J (x n* yn) Gx {xn, y n) G (xn, y n)
(n = 0, 1, 2, . . .).
Les approximations initiales x 0, ÿo sont grossières.
E x e m p l e . Chercher la solution réelle du système
F (x, y) = 2x? — y2 — 1 = 0 ;
G (x, y) = xy3 — y — 4 = 0. (1)
S o l u t i o n . Trouvons graphiquement les approximations gros

sières de la solution
Xq = 1,2; ÿo = 1»7.
En les portant dans le système (1) on obtient:
F (1,2; 1,7) = - 0 ,4 3 4 ;
G (1,2; 1,7) = 0,1956.
Calculons le jacobien
6xa — 2y
J (x, y) =
y3 3xy2— 1
§ 11.] MÉTHODE DE NEWTON AU CAS DES RACINES COMPLEXES 151
d’où
- 3 ,4 0
97,910.
9,40
Calculons hQ d’après la formule (4) :
1 —0,434 —3,40 3,389
Ao = 97,910 97,910
0,0349,
0,1956 9,40
et trouvons d'après la formule (6)
= 1,2 + 0,0349 = 1,2349.
La formule (5) donne k0
8,64 —0,434
k — ____* - -0 ,0 3 9 0 ,
K° 97,910 4,91 0,1956
et la formule (6) permet de trouver
yt = 1,7 — 0,0390 = 1,6610.
En reprenant cette procédure avec les valeurs obtenues, on aura
x 2 = 1,2343; y2 = 1,6615, etc.
La méthode de Newton pour les systèmes généraux est décrite
dans le chapitre X III (§§ 1 à 7).
§ 11. Application de la méthode de Newton

au cas des racines complexes
Il se peut que la nécessité se présente (pour résoudre des équations
différentielles linéaires, par exemple) d’améliorer la précision des
racines complexes de l'équation donnée
/ (*) = 0. (1)
A cette fin on peut quelquefois appliquer une méthode analogue
à celle de Newton.
Supposons que f (z) (z = x + iy, r = — 1) soit une fonction
analytique dans un certain voisinage U convexe * de son zéro simple
isolé
t = t + ni (/(D = o , / '( » # ( > ) ,
qui est en général complexe. Soit zn une valeur approchée de la racine
qui appartient au voisinage U et
z n +1 — z n + AZn
* C’est-à-dire deux points quelconques appartenant au voisinage U cons
tituent les extrémités dhin segment qui appartient également à U .
152 EQUATIONS ALGEBRIQUES ET TRANSCENDANTES [CH. IV
une valeur exacte de la racine. En appliquant le développement

en série de Taylor en zB et en considérant que / (z„+i) « 0 à Azj
près, on a
/ (zn+1) « / (zn) + Az„/' (z„) = 0;
d’où
_ / ( z n)
Az„ = ( 2)
/' (*n) *
Ainsi, en partant d’une valeur quelconque z0 on peut obtenir de
proche en proche les approximations successives de la racine d’après
la formule
(3)
Si z„Ç t/ (n = l , 2 , . . . ) et si la suite {z„} converge, la limite
Ç= lim zn
n-+oo
est racine de l ’équation (1). En effet, en passant à la limite avec
n -*■ oo dans l ’égalité (3), on a
lim f ( z n)
ou
_ r n i)
/' (Ç)
Par conséquent,
/ (Ç) = o.
Pour évaluer l’erreur de la valeur approchée zn supposons que
I f (z) I ^ mt > 0 avec z £ U.
Alors pour la fonction considérée
w = f (z)
il existe dans un iï-voisinage suffisamment petit de la racine £ une
fonction inverse univoque
z = / - 1 (w),
définie dans un certain voisinage | w | < p , dont on sait que sa
dérivée est
—dw
= —/ ' (s) . (4)
En supposant que |/ ( z „ ) |< p , on a
/( in ) Hzn)
Zn- ; = r l (/(* » ))-/-* (/(£ ))= J 4 1^1 (* ) i* = J r u - u t) ) ' <5)

fil)
s 11.] METHODE DE NEWTON AU CAS DES RACINES COMPLEXES 153
où t est le point variable qui'parcourt le segment rectiligne entre

les points / (S) = 0 et / (z„) (fig. 38). Etant donné que | / | "h-
On en tire d’après la formule (5)
\dt\ ^ 1/(--„)!
( 6)
I / ' ( / - 1 (0) I ^
Voici sans démonstration les conditions

suffisantes de l ’existence d’une racine de
l’équation (1) qui se déduisent du théorème
d’Ostrowski [8J, [91.
T h é o r è m e . Si la fonction f (z) est une fonction analytique
dans un R-voisinage fermé du point z0 et si, de plus, elle vérifie les
inégalités
1
1) /' (=o) Aq;
/(So)
2) /'(=o)
3) |/" ( z ) |< C avec |z —Z o |< f ï;
4) 2A0B0C = fto C l,
alors l’équation (1) a une racine unique Z, dans le domaine \z — z0 | ^
^ R et le processus de Newton (3) défini par l'approximation initiale
z0 converge vers cette racine, c'est-à-dire
Ç= lim z„.
TI-+OO
La rapidité de la convergence du processus est caractérisée par

Vestimation
i Ç - z ^ C f i o d ) " ' 1^ - 1- (7)
E x e m p l e . Trouver les valeurs approchées des racines mini
males en module de l ’équation
/ (z) — 0,2z + 1 = 0 . (8)
Solution. Ici
f (z) = e** - 0 , 2 .
Puisque / ' (z) = 0 avec z = ln 0,2 « — 1,79 et
/ ( —°°) = + oo, / (z) > 0, / ( + oo) = +oo,
l’équation (8) n’a pas de racine réelle.
Prenons pour approximation initiale de la racine cherchée £ la

racine z0 au module minimal de Téquation
ez + 1 = 0 ;
on peut alors poser:
z0 = ni.
Déterminons les approximations successives zn (n = 1, 2, 3, . . .)
de la racine £ en appliquant la formule (3) :
/(Sq) •ni 0,2n/
Z1 — Zq 1,2 6
ju = 2,618/ ;
/'(go)
/(gî) _ 5ni 0,132 - 0,024/
= 0,009T 2,624/, etc.
22 2| / ' (Xi) 6 —1,868 + 0,54
Les résultats des calculs à 0,001 près sont portés sur le tableau 6.
Tableau 6
Mise au point des racines complexes d'après la méthode de Newton
/u,,) / (*n) As '< -v

zn
0 3,1424 - 1 -0,628/ - 1,2 -0,524/

1 2,6184 -0,868+0.5/ 0,132-0,024/ -1,068^0,5/ 0,153+0,040/
2 0,153+2,0584 -1,030+0,541/ —0,061+0,009/ -1,230+0.541 / -0,044-0.012/
3 0,109+2,6464 -0,978 +0,535/ 0+0,006/ —1,178 +0,535/ -0,002+0.004/
4 0,107+2,6504 -0,981+0.525/ -0,002-0.005/ —1,181+0.525/ —0,000—0,004/
5 0,107+2,6464 -0,977+0,534/ +0,002+ 0.004/ -1,177+0,534/
Pour calculer ez avec z = x + iy, on a fait appel à la formule

connue
ez = ex (cos y + i sin y).
En posant
£ æ z5 = 0,107 + 2,646/,
on a
/ (Zb) = 0,002 + 0,004/.
Si l ’on considère approximativement que
m, = | /' (z5) | « 1,3,
la formule (6) permet alors d’obtenir l ’erreur
^ I/(S5)I _ 0.001-V2Ô . 0,004.
~ m, — 1.3
§ 11.] MÉTHODE DE NEWTON AU CAS DES RACINES COMPLEXES 155
Vu que le premier membre de réquation (8) avec des z réels prend

des valeurs réelles, cette équation admet également une racine con
juguée _
C «0 ,1 0 7 - 2,646i,
' égale en module à la racine £. En effet, on a
/ « ) = 7 7 ü = o.
R e m a r q u e . Un autre mode de résolution de l ’équation (1)
consiste à la ramener à un système de deux équations réelles. En
posant dans l ’équation (1)
z = x + iy
et en prélevant les parties réelle et imaginaire de la fonction / (z),
on a:
f (z) = u (x , y) + iu (x, y) = 0,
où u et u sont des fonctions réelles. On en tire que l ’équation (1) est
équivalente au système
(*» y) = 0, 1
(x, y) = 0. J
L’amélioration de la précision des solutions du système du type (9)
est exposée aux §§ 9 et 10. Constatons que ce nouveau procédé con
vient également dans le cas d’une fonction / (z) non analytique.
BIBLIOGRAPHIE
1. I. Bésikovitch. Calculs approchés. Gostekhizdat, 6e éd., 1949, chapitre VI.
2. / . B. Scarborough. Nurne ri cal Mathematical Analysis. John Hopkins,
1950.
3. E. W hittaker et G. Robinson. The calcul of observations. A treatise on nume-
rical mathematics. Blacke and Son. Ltd, London and Glasgow, 1944.
4. G. Fichtengoltz. Cours de calcul différentiel et intégral, t. I. Gostekhizdat,
1957, chapitre IV.
5. G. Tolstou. Cours d’analyse mathématique, t.’ I. Gostekhizdat, 1954, cha
pitre VII.
6. A . Guelfond. Calcul des différences finies. Dunod, Paris, 1962, chapitre V.
7. D. V e n ts e U E. V e n ts e l. Eléments de la théorie des calculs approchés. Editions
de l’Académie militaire de l’Air N. Joukovski, 1949, chapitre 3, § 4.
8. A . Ostrowski. Recueil mathématique, 2, (1937).
9. L. Kantorovitch. Sur la méthode de Newton. Travaux de l’Institut mathé
matique V. Stéklov, XXVIII (1949), pp. 104-144.
CHAPITRE V
PROCEDES SPÉCIAUX DE RÉSOLUTION APPROCHÉE

DES ÉQUATIONS ALGÉBRIQUES
§ 1. Généralités
Considérons l'équation algébrique de degré n (n ^ 1)
P (x) =aoa:n + ajX71-1 + . . . + an = 0, * (1)
où les coefficients a0, al9 . . ., an sont des nombres réels, en outre
a0 ^ 0.
Dans le cas général la variable x est supposée complexe.
T h é o r è m e f o n d a m e n t a l d e l ’a l g è b r e . Une
équation algébrique de degré n (1) (et, par suite, un polynôme P (x))
admet exactement n racines réelles ou complexes, chaque racine étant
prise avec son ordre de multiplicité [1], [2].
On dit que l ’ordre de multiplicité de la racine £ de l ’équation (1)
est s (c’est-à-dire £ est une racine d'ordre de multiplicité s), si
p (g) = P*a) = . . . = p<*~" a) = o,
P {8) (l) ¥* 0. (2)
Les racines complexes de l ’équation (1) jouissent de la propriété
d'être conjuguées deux à deux.
T h é o r è m e 1. Si ies coefficients d'une équation algébrique (1)
sont réels, ses racines complexes sont conjuguées deux à deux, c'est-à-dire
si 5 = a + îp (a, P étant réelles) est une racine d'ordre de multiplicité
s de l'équation (1), le nombre \ = a — est également une racine
de cette équation et son ordre de multiplicité est également s.
Notons que les modules de ces racines sont les mêmes:
111 = 111 =
C o r o l l a i r e . Une équation algébrique de degré impair à coef
ficients réels a au moins une racine réelle.
Il n’est pas difficile de donner une approximation grossière
aux modules des racines de l ’équation (1).
§U GÉNÉRALITÉS 157
Théorème 2. Soit
A = max{ | at |, | a2 |» . . | an |},
oà ak sont les coefficients de l'équation (1).
Le module de toute racine xh (k = 1, . . ., n) de l équation (1)
vérifie alors l'inégalité
IXh | 1, la formule (1)
entraîne
P (x) I> | OoXn | - ( | a,*»-» | -j- | a2z"-* | + . . . -f | a» |) >
> | a o | | x | " - ^ ( | x r » + |x |n- * + . . . + l) =
= i ao i k r - 4 ^ ^ > ( | a o i - — - r ) i x r .
Si
I '* > l - |Ï F T > ° -

c’est-à-dire si
(4)
on en tire que
I P (x) | > 0.
Ainsi les valeurs de x qui vérifient l ’inégalité (4) ne sont pas
notoirement racines de l ’équation (1). Par conséquent, toute raci
ne xft de l ’équation (1) satisfait à l'inégalité opposée
A
| xh | < 14
l«ol*
C o r o l l a i r e . Soit an ^ 0 et
B = max{ | a01, | a, | a„_, |}.
158 PROCÉDÉS DE RÉSOLUTION DES ÉQUATIONS ALGÉBRIQUES [CH. V
Toute racine xk (k = 1, 2, . . ., n) de l'équation (1) vérifie alors

l'inégalité
IXh I > » “ r> (5)
1+
Kl
c'est-à-dire les racines de l'équation (1) sont comprises dans Vanneau
circulaire
r < | *| < R
(fig. 40).
En effet, si l ’on pose
x ——
y
£ on a
P{*)=±Q{y),
ou
Q (y) = anyn + fln-jÿ""1+ •• •
. . . + 0 q.
Les racines yh = — (k = 1, . . n) du polynôme Q (y) vérifient,

»
en vertu du théorème ci-dessus, 1 inégalité
1 ^ . B
\yh i < 1 -t
i*ki K l ’
d ’où
!**!>■ B
r (k~= 1, . . . , n).
1-
I «n I
R e m a r q u e . Les nombres r et R sont respectivement les
limites inférieure et supérieure des racines positives de l'équation (1).
D’une façon analogue les nombres — R et — r sont les limites
inférieure et supérieure des racines négatives de l ’équation (1).
Si
^li ^2» • •
sont les racines de l ’équation (1), son premier membre admet le
développement
P (x) = a0 (x — x,) (x — x2) . . . (x — xn). (6)
Après avoir multiplié entre eux les binômes de la formule (6)
et égalé les coefficients des mêmes puissances de x dans les deux
GÉNÉRALITÉS 159
membres de l ’égalité (6), on en tire les relations entre les racines

et les coefficients d’une équation algébrique
, , , û|
*1 -r *2 -r - • • + x n = --- — ,
ao
X tXo XjX3 + x n-\x n —
«O » (7 )
Les premiers membres des égalités (7) sont les sommes des produits
des combinaisons une à une, deux à deux, etc., des racines de
l ’équation (1).
E x e m p l e 1. Les racines x2, x3 de l ’équation du troisième
degré
x3 + px2 + qx + r = 0
satisfont aux conditions:
x\ + x2 + x3 = —p, 1
Xjx2 + x,x3 + x2x 3 = 7, >
XjX2x3 = —r. J
Si l ’on tient compte de l ’ordre de multiplicité des racines, le
développement (6) devient
P (x) = a0 (x — x,)®* (x — x2)a2. . . (x — xm)®"*,
où xh x2, . . ., xm (m ^ n) sont des racines différentes de l ’équa
tion (1), et (Xj, oc2, . . a m leurs ordres de multiplicité; en outre
a, + a 2 + . . . + a m = n.
La dérivée P' (x) s’exprime de la façon suivante :
P ’ (x) = a0 (x — x,)®»-1 (x — x,)»*-1 . . . (x — xm)Œ»>-1 Q (x),
où Q (x) est un polynôme tel que
Q (xh) =5^ 0 avec k = 1, 2, . . ., m.
C’est pourquoi le polynôme
R (x) = a0 (x — Xj)®»”1 (x — Xo)®»'1 . . . (x — xm)®m"1
est le plus grand commun diviseur du polynôme P (x) et de sa déri
vée P' (x). On sait que le polynôme R (x) peut s’obtenir à l ’aide
de l ’algorithme d’Euclide [1]. La composition du quotient
1w R (x)
permet d’obtenir le polynôme

/ (x) = A qX™ + AiXm~l + . • . + (8)
à coefficients réels A 0 = a 0, A t, . . A m et dont les racines
Xi, x2, . . ., xm sont différentes.
La résolution d’une équation algébrique à racines multiples
se ramène donc à la résolution d’une équation algébrique de degré
inférieur à racines distinctes.
Le nombre total des racines x t, x2, ...» x N
de l ’équation
P (x) = 0,
qui reposent dans le plan complexe à l’in
térieur d’un contour fermé simple T (fig.
41), peut être déterminé en partant du
principe de l'argument [4] dont voici le
sens : si le polynôme P (x) n'a pas de raci
nes sur un contour fermé I \ le nombre de raci
nes N de ce polynôme à l'intérieur du con
tour T est strictement égal à l'accroissement
de l'Arg P (x) lors du parcours dans le sens positif du contour T,
divisé par 2ji, soit
N= Ar Arg P (x),
chaque racine étant prise avec son ordre de multiplicité.
Si l ’équation du contour T s’écrit
* = 6 W + "1 (0 (0 < t < T)
(t étant un paramètre), pour déterminer le nombre N dans le
plan XO Y, on construit la courbe
X = X (i), Y = Y (t) (0 < t < T), (K)
où
p (x) = p a (o + *ti w) = x ^ + iY ^
(X (t), Y (t) sont des fonctions réelles), pour calculer ensuite le
nombre N de tours que fait la courbe K autour de l ’origine des
coordonnées.
Exemple 2. Déterminer le nombre de racines de l ’équation
P (x) = x3 - 3x + 1 = 0, (9)
comprises à l ’intérieur du cercle | x | < 2 .
S o l u t i o n . Posant
x = 2 (cos t + i sin i),
§ 2.] LIMITES DES RACINES RÉELLES DES ÉQUATIONS ALGÉBRIQUES 161
T a b le a u , 7
S b
ji
/ 0
-H
± T ± T ^ 6 ±Jl
X 3 —4,22 -1 0 1 15 6,22 -1
Y 0 ±5 ±5,22 =F14 *5,22 ±5 0
on a
P (x) = 8 (cos t + i s in t)2 — 6 (cos t + i sin t) + 1 =
= (8 cos 3/ — 6 cos t + 1) + i (8 sin 3t — 6 sin /).
D’où
X = 8 cos 3* — 6 cos t + 1,
(K)
Y = 8 sin 3/ — 6 sin U
Après avoir construit suivant les points la courbe K (cf. tableau 7),
on voit sans peine que la courbe enveloppe trois fois l ’origine des
coordonnée (fig. 42). C est
pourquoi N = 3 et, par con
séquent, l ’équation (9) possè
de à l ’intérieur du cercle
| x | < 2 trois racines.
§ 2. Limites des racines réelles

des équations algébriques
Dans ce paragraphe nous
allons examiner les polynômes
du type
P (x) = a0xn +
+ ÆjX"-1 + • • • + Æn (1)
à coefficients réels a0, . . .,
dn, où a0 0. Nous nous pro
posons d’établir les limites
étroites au possible des racines
positives et négatives xl7 x2, . . ., xm (1 ^ m ^ n) de l ’équation
P (x) = 0 ( 2)
sans aborder la question de l ’existence de ces racines. Notons que

nous pouvons nous borner à la recherche de la limite supérieure R
1 1 -8 1 0 7 2
seulement pour les racines positives des équations du type (2).

En effet, considérons simultanément avec l'équation (2) les équations
algébriques auxiliaires
P, (*) s * " / > ( ! ) - 0 ,
P2(x) = P ( - x ) = 0,
/>3(x) = * " / > ( - ! ) = ( )
et supposons que les limites supérieures de leurs racines positives
sont respectivement Æi, R 2 et /?3. Alors le nombre jj- constitue
évidemment la limite inférieure des racines positives de l ’équa
tion (2), c'est-à-dire toute racine positive x + de cette équation, si
elle existe, vérifie l ’inégalité
D’une façon analogue les nombres —R 2 et — 77- sont respective-

ment les limites inférieure et supérieure des racines négatives de
l ’équation (2), c’est-à-dire toute racine négative a r de cette équa
tion, si elle existe, vérifie l ’inégalité
Indiquons certains procédés simples pour la recherche d ’une

limite supérieure R des racines positives de l ’équation (2), en don
nant certains d’entre eux sans démonstration.
T h é o r è m e d e L a g r a n g e . Soit a0 > 0 et ak (k ^ 1)
le premier des coefficients négatifs * du polynôme P (x). On peut alors
prendre comme limite supérieure des racines positives de l'équation (2)
le nombre
fl= * + i / î - <3>
ou B est la plus grande des valeurs absolues des coefficients négatifs
du polynôme P (x).
D é m o n s t r a t i o n . Soit x > 1. Si tout coefficient non
négatif a,, . . ., ah du polynôme P (x) est remplacé par un zéro,
et tout autre coefficient akJ ak+i, . . ., an par un nombre négatif —5 ,
la valeur du polynôme (1) ne peut que diminuer et donner lieu
* Si le coefficient de ce type n’existe pas, c’est-à-dire si tout coefficient

du polynôme P ( x ) est non négatif, le polynôme P (x) n’a pas de racines posi
tives.
S 3.] MÉTHODE DES SOMMES ALTERNÉES 163
à l ’inégalité
P (x )> 00»- B (x"-h + X"-*-1 + . . . + 1 ) = a„x " - B 1.
Il en résulte avec x > 1

P (x) > O o x " - - ^ x ™ = [a0xfe"‘ ( X - 1) - B\ >
rn-fc+1 .
> x _— [a0 (x—l)h—B\.
Par conséquent, pour
on a
P (x) > 0,
ce qui signifie que toute racine positive x+ de l ’équation (2) vérifie
l ’inégalité
x+ < / ? .
§ 3. Méthode des sommes alternées

L ’idée de la méthode de Lagrange peut être généralisée de la
façon suivante: soit le polynôme P {x) rangé d’après les puissances
décroissantes de la variable x, son coefficient du terme principal
a 0 > 0. Mettons P (x) sous forme d’une somme alternée
P (x) = Qi (x) — Qz (x) + <?3 (x) — <?4 (x) + . . .
• • • + Qlm-i (X) — Qzm (x)t
où Qi (x) est la somme des termes consécutifs du polynôme P (x)
à coefficients positifs à partir de aoXn, — Q2 (x) la somme des termes
consécutifs du polynôme P (x) à coefficients négatifs adhérant
immédiatement aux termes de la première somme, etc., le dernier
terme — Qzm(x) étant composé d’éléments à coefficients négatifs
ou étant identiquement nul.
Désignons par cj (/ = 1, 2, . . ., m) les nombres positifs tels que
Q2J-t(Cj) - Q 2j( C j) > 0 (1)
(/ = 1, 2, . . ., m). On peut alors admettre comme limite supérieure
des racines positives de l ’équation (2) (cf. § 2) le nombre
R = max (ci, c2, . . ., cm). (2)
En effet, posons:
Q2J-1 (x ) - Q 2j (x) = bT x11! + b ^ x nr ' + + b f x nr>+ ‘ _
. . . - b lj l qxnJ-p- ,l+\
OÙ
b ^ > 0 (s = l , 2 , p + q ),
en outre, 0 (/ = 1 ,2 , . ..,m ) .
En posant x > 0, on a
Qzj-i (x) - Qzj (x) = xnJ~p+1 [ ( ^ V - 1+ b ? xp-°- + . . . + ! $ ) -
Il vient de la formule (3) que les fonctions Qzj-i (x )— Qzj (x)

(;' = 1, 2, croissent avec l’augmentation de x. Par consé
quent, pour x > c j > 0, on a
Qzj-i (x)—Qzj ( x ) > (cy) —Qzj (Cj) > 0.
On en tire pour x > R
m
P (x) = s lQzJ-i (x) — Qzj (*)1 > 0 ,
>=l
donc toutes les racines positives x* de l ’équation (2) du § 2 véri
fient la condition
x + < R.
Exemple. Déterminer les limites des racines réelles de
l ’équation
2X5 - lOOx2 + 2x - 1 = 0. (4)
S o 1 u t i o n. Ici aQ = 2 et A = max (100, 2, 1) = 100. D’après
le théorème 2 du § 1 la limite supérieure R des racines positives de
l ’équation (4) s’écrit donc
i? = l + — = 1 + ^ = 51.
En appliquant le théorème de Lagrange et en tenant compte du

fait que
ak = a3 = — 100 et B = max (100, 1) = 100,
on obtient pour la limite supérieure des racines positives une esti
mation bien meilleure
R= i+ 1 + ? /5 Ô æ 4 ,7 .
Enfin, en utilisant la méthode des sommes alternées, on trouvé

2x* — lOOx2 = 2x* (x3 — 50) > 0
fi 4.] MÉTHODE DE NEWTON 165
pour x > y ^ 5 0 (par exemple pour x > 3 ,7 ) et

2x— 1 = 2 ( x — >0 avec x > 0 ,5 .
Par conséquent, on peut adopter
R = max (3,7 ; 0,5) = 3,7.
Pour déterminer la limite inférieure r des racines positives de
Téquation (4), posons
1
x = —.
y
L'équation (4) se met alors sous la forme
y6 - 2y* + 100i/3 - 2 = 0.
On a successivement:
y6 — 2y4 = y4(y — 2) > 0 pour y > 2
et
100y3 — 2 = 100 (y3 — 0,02) > 0 pour y > 0,3.
Par conséquent,
Ri = max (2 ; 0,3) = 2
et
r = ^ - = 0,5.
Pour trouver la limite des racines négatives de l ’équation (4)
posons :
X = — Z.
D’où
226 + 1022 + 2z + 1 = 0. (4 f)
Les coefficients de l ’équation (4') étant positifs ou nuis, cette équa

tion n’a pas de racines positives et, par conséquent, l ’équation (4)
n’a pas de racines négatives.
T h é o r è m e de N e w t o n . pour x = c > 0 le poly
nôme P (x) et toutes ses dérivées P ' (x), P ” (x), . . ., P (7l} (x) sont non
négatifs :
P 'h'(c )> 0 ( * « 0 , 1 , 2 , . . . , » ) , (1)
et jP<n>(c) = n !a0 > 0, alors R = c peut être considéré comme la
limite supérieure des racines positives de l'équation
P (x)=0. (2)
D é m o n s t r a t i o n . Si x ;> c et que Ton tienne compte de

l ’inégalité (1), la formule de Taylor entraîne
P(x) — P (c) -- P' (c) ( X - c) + . . . T ( X —c)n > 0.
Par conséquent, toute racine positive x + de l ’équation (2) vérifie
l ’inégalité
x+ ^ c.
R e m a r q u e . Pour appliquer en pratique le théorème de
Newton, on cherche par la méthode des tests (en utilisant, par
exemple, le schéma de Horner) une suite croissante des nombres
positifs
0 < Ci ^ c2 ^ ^ cn-i ^ cn,
qui vérifient les inégalités
P°l~l) (ci)> 0 ,
P{n-*' (c2) > 0 .
P ' (c -1 )> 0 ,
P(Cn)> 0.
Les nombres de ce type existent car on a pour a0 > 0:
P {m) (x) + oo (m = 0, 1, 2, . . ., n — 1)
quand x -» -+ o o . Finalement on peut admettre c = cn.
En effet, puisque
P{71} (x) = n ! a0> 0 ,
la fonction P<n~1>(x) est croissante et, par conséquent, pour x > ct
on a :
(x) > P1*"1' (c,)> 0.
Cette dernière inégalité entraîne que la fonction jP<n"2) (x) est
croissante dans l ’intervalle [cu + oo), donc on obtient pour x > c2 ^
>Cil
/>(n-2, (x) > p<n-2, ^ Q
En reprenant ce raisonnement plusieurs fois de suite, on voit enfin

que P (x) est une fonction croissante dans l ’intervalle lcn-u +oo)
et donc on a avec x > cn ^ :
P (x) > P (cn) > 0.
Par suite, x + ^ cn.
E x e m p l e . Considérons l ’équation donnée au § 3
P (x) = 2x* — lOOx2 + 2x — 1 = 0.
$ 5.1 NOMBRE DE RACINES RÉELLES D’UN POLYNOME 167
ICI
P ' (x) = lOx4 - 200x + 2,
P" (x) = 40x® - 2 0 0 ,
P* (x) = 120X2,
P IV (x) = 240x,
p v (l) _ 240.
Il est clair que P* (x) >• 0, P IV (x) > 0, P v (x) > 0 pour x > 0.
On a :
P * (x) = 40 (x3 — 5) > 0 avec x ^ 2,
Posons Ci = c2 = c3 = 2. Puisque
P ' (2) = 10-16 — 200-2 + 2 < 0 ,
on détermine le signe du nombre
P ' (3) = 10 -81 - 200-3 + 2 > 0.
On peut poser c4 = 3. Ensuite, on a :
P (3) = 2-243 - 1 0 0 - 9 + 2-3 - 1 < 0 ;
c ’est pourquoi on calcule:
P (4) = 2-1024 -1 0 0 -1 6 + 2-4 - 1 > 0 .
Donc cb = 4. Ainsi la limite supérieure des racines positives de
l ’équation considérée est
R = 4.
L’estimation donnée par la méthode de Newton est plus précise
que celle de Lagrange exposée dans ce qui précède, mais moins
précise que l ’estimation donnée par les sommes alternées (cf. exem
ple du § 3).
§ 5. Nombre de racines réelles d’un polynôme

Une fois qu’on a établi les limites des racines positives et néga
tives de l ’équation algébrique
P (*) = 0, (1)
où P (x) est un polynôme donné, la question qui se pose est de savoir
quel est le nombre de racines réelles de l ’équation donnée dans un
certain intervalle connu (a, b).
L’idée générale du nombre de racines réelles de l ’équation (1)
dans l ’intervalle (a, b) est donnée par la courbe de la fonction y =
= P (x) (fig. 43), où les racines x,, x2, x3 sont les abscisses des points
d’intersection de la courbe avec l’axe Ox.
Notons les propriétés simples d’un polynôme entier.

1) Si P (a) P (6) < 0 , il y a dans l ’intervalle (a, b) un nombre
impair de racines du polynôme P (x) qui tiennent compte de leur
multiplicité ;
2) Si P (a) P (b) > 0, soit les racines du polynôme P (x) n’exis
tent pas dans l ’intervalle (a, b), soit leur nombre est pair.
La solution exhaustive du problème sur le nombre de racines
réelles d’une équation algébrique dans l ’intervalle considéré est
donnée par la méthode de Sturm
[11, 121.
Introduisons au préalable la
notion du nombre de changements
de signes dans une suite numérique.
D é f i n i t i o n . Soit une suite
finie de nombres réels différents du zéro
^li ^2» • • ^ 2). (2)
On dit que deux éléments consécutifs
chy Ck+i de la suite (2) présentent un
changement de signe si leurs signes
sont contraires, cest-à-dire si
chCk+1 < 0 .
Le nombre total de variations des signes de tous les couples d’élé
ments consécutifs chy ch+t (k = 1, 2, . . ., n — 1) de la suite (2),
s’appelle nombre de changements de signes dans la suite (2).
Composons pour le polynôme considéré P (x) la suite de Sturm
P (x), Pi (x), . . ., P 2 (x), . . P m (x), (3)
où Pi (x) = P ' (x), P 2 (x) est le reste de la division du polynôme
P (x) par P i (x) pris avec le signe opposé, P 3 (x) est le reste de la
division du polynôme Pi (x) par P 2 (x) pris avec le signe opposé, etc.
Les polynômes P * (x) (à: = 2, . . ., m) peuvent s’obtenir à l ’aide
de l ’algorithme d’Euclide légèrement modifié ; si le polynôme P (x)
n’a pas de racines multiples, le dernier élément P m (x) de la suite
de Sturm est un nombre réel non nul. Notons que les éléments d’une
suite de Sturm peuvent se calculer à un facteur numérique positif
près.
Désignons par N (c) le nombre de changements de* signes de la
suite de Sturm pour x = c, les éléments nuis de cette suite étant
éliminés.
T h é o r è m e d e S t u r m . Si le polynôme P (x) n'a pas de
racines multiples et que P (a) 0, P (b) # 0 , le nombre de ses racines réel
les N (a, b) dans Vintervalle a < x < 6 est égal exactement au nombre
de changements de signes perdus dans la suite de Sturm du polynôme
§ 5.] NOMBRE DE RACINES REELLES D’UN POLYNOME 169
P (x) lors du passage de x = a a x = &, soit

N (a, b) = N (a) - N (b). (4)
C o r o l l a i r e 1. Si P (0) 0, le nombre N+ de racines
positives et le nombre N~ de racines négatives du polynôme P (x)
sont respectivement
JV+ = N (0) - N ( + oo)
et
N - = N ( —oo) - N ( 0).
C o r o l l a i r e 2. Pour que toute racine du polynôme P (x)
de degré n qui n’a pas de racines multiples soit réelle, il faut et il
suffit que
N (-o o ) — N ( + oo) = n.
Ainsi, si
P (X) = aoXn + ûiX71”1 + . . . + On,
où a0 > 0, toute racine de l ’équation P (x) = 0 est réelle si et
seulement si 1) la suite de Sturm compte le nombre maximal n + 1
d’éléments, c’est-à-dire si m = n; 2) les inégalités P* ( + oo) > 0
(A = 1, 2, . . ., n) sont respectées, c’est-à-dire si le coefficient du
terme principal de toutes les fonctions de Sturm P* (x) est positif [11.
E x e m p l e . Déterminer le nombre de racines positives et
négatives de l ’équation
x4 — 4x + 1 = 0. (5)
S o l u t i o n . La suite de Sturm s’écrit
P (x) = x4 — 4x + 1 ;
Pi (x) = x3 — 1 ;
P o (x) = 3x — 1 ;
P z (x) = 1 ;
d’où l ’on tire
N ( —oo) = 2, N (0) = 2, N ( + oo) = 0.
Par conséquent, l ’équation (5) possède
N+ = 2 —0 = 2
racines positives et
N . = 2 —2 = 0
racines négatives. Donc deux racines de l ’équation (5) sont complexes.
Une suite de Sturm permet de séparer les racines d’une équation
algébrique en divisant l ’intervalle (a, b) contenant toutes les racines
réelles de l ’équation en un nombre fini d’intervalles partiels (a, P)
tels que
N (a) - JV (P) = 1.
§ 6. Théorème de Budan-Fourier
La construction d’une suite de Sturm imposant en général des
calculs de grande taille, pour calculer le nombre de racines réelles
des équations algébriques on se borne en pratique aux procédés
particuliers plus simples.
Généralisons la notion du nombre de changements de signes dans
une suite numérique.
D é f i n i t i o n . Soit une suite finie de nombres réels
^2) • • m (1)
où Ci ^ 0 et cn =5^=0.
Appelons nombre inférieur N de changements de signes de la suite (1)
le nombre de changements de signes de sa sous-suite obtenue en suppri
mant les éléments nuis.
Appelons, d'autre part, nombre supérieur N de changements de
signes de la suite (1) le nombre de changements de signes de la suite (1)
transformée de façon que tout élément nul
ch — ck+i = • • • = Ck+l-l = 0
(Cfc-i ¥= 0, ck+i 0) soit remplacé par un élément ck+i (i = 0, 1,
2, . . ., I — 1) tel que
sgn ch+l = ( —l)Ui sgn ck+t. (2)
Il est évident que si la suite (1) ne possède pas d’éléments nuis,
le nombre N de changements de signes de cette suite coïncide par
définition avec ses nombres inférieur N et supérieur N de change
ments de signes:
N = N = N;
toutefois, en général N ^ N.
E x e m p l e 1. Déterminer les nombres inférieur et supérieur
de changements de signes de la suite
1, 0, 0, —3, 1.
[‘S o l u t i o n .
En négligeant les zéros on obtient:
N_= 2.
Pour calculer [iV d’après la formule (2) composons le système
1, — e, e, — 3, 1,
où 8 > 0. On en tire
N = 4.
T h é o r è m e d e B u d a n - F o u r i e r . Soient deux nombres
a et b (a < b) qui ne sont pas des racines du polynôme P (x) de degré n.
THÉORÈME DE BUDAN-FOURIER 171
Alors le nombre N (a, b) des racines réelles de Véquation

P {x) = 0, (3)
comprises entre a et b, est égal au nombre minimal AN de changements
de signes perdus de la suite des dérivées successives
P (x), P' (x), . . ., (x), /><”>(x) (4)
lors du passage d e x = a à x = b ou inférieur au nombre AN d'un
nombre pair, c'est-à-dire
N (a, b) = AN — 2k,
où
AN = N (a) — N (b)
et N (a) est le nombre inférieur de changements de signes de la
suite (4) avec x = a, N (b) le nombre supérieur de changements de
signes du système avec x = 6 (k = 0, 1, . . E (cf. [11).
On suppose que chaque racine de l ’équation (3) soit prise avec
son ordre de multiplicité. Si les dérivées P {h) (x) (k = 1, 2, . . ., n)
ne s’annulent pas pour x = a et x = b, le calcul des signes devient
plus simple et, notamment,
AN = Ar (a) - N (b).
C o r o l l a i r e 1. Si AN = 0, entre a et b l ’équation (3)
n ’a pas de racines réelles.
C o r o l l a i r e 2. Si AN = 1, entre a et b l ’équation (3)
contient exactement une racine réelle.
R e m a r q u e . Pour calculer le nombre de changements de
signes perdus AN de la suite (4), on fait appel au schéma de Hôrner
en composant deux développements:
P (a + h) = a 0 + a ji + a 2h2 + . . . + a*/*71 (5)
et
P (b + b) = p0 + Pi^ + P2^2 + • • • + Pn^n* (6)
Soit N (a) le nombre inférieur de changements de signes des coeffi
cients du développement (5) et, respectivement, N (b), le nombre
supérieur de changements de signes des coefficients du développe
ment (6). Etant donné que
P<k>(a) q P<fe> (b)
h
oc
k\ ' P/<~ k\ {k = 0, 1, 2, . . . , n),
les signes des nombres a h et P* coïncident avec ceux du système (4)
pour x = a et x = b. Donc
AN = N (a) - N (b).
172 PROCEDES DE RÉSOLUTION DES ÉQUATIONS ALGÉBRIQUES {CH. V
Exemple 2. Déterminer le nombre de racines réelles de

l ’équation
P (x) = ** — r 8 + 2x — 3 = 0 (7)
dans l ’intervalle (0, 2).
S o l u t i o n . Ici JV (0) est évidemment le nombre de change
ments de signes de la suite
— 3, 2, — 1, 1,
c’est-à-dire
N (0) = 3.
Le développement P (2 + h) s’obtient en appliquant le schéma
de Hôrner
1 —1 2 + 3 12
2 2 8
1 1 4 H]
2 6________
1 3 |1Ô] .
2_____________
i m
0
Par conséquent, N (2) est le nombre de changements de signes
de la suite
5, 10, 5, 1,
ce qui donne N (2) = 0.
On en tire
AN = N (0) - N (2) = 3.
Ainsi dans l ’intervalle (0, 2) l ’équation (7) possède trois ou une
racine réelle.
T h é o r è m e d e D e s c a r t e s . Le nombre de racines posi
tives d'une équation algébrique
P (a;) = aoXn + a^x71”1 + . . . + an = 0 (flo ^ 0), (8)
chaque racine étant prise avec son ordre de multiplicité, est égal au
nombre de changements de signes de la suite des coefficients
Uq, Ûj, Û2» • • •! (9)
(les coefficients nuis étant omis) ou inférieur à ce nombre d'un nombre
pair.
S 6.] THÉORÈME DE BUDAN-FOURIER 173
Le théorème de Descartes est Im plication du théorème de Budan-

Fourier à l ’intervalle (0, +oo). En effet, comme
/><*> (0) = k !a„_h (k = 0, 1, . . . . n),
la suite (9) est, à des facteurs positifs près, l ’ensemble des dérivées
P {k} (0) (k = 0, 1, 2, . . ., n) rangées suivant leurs ordres décrois
sants. C’est pourquoi le nombre de changements de signes de la
suite (9) est égal à AT (0), les coefficients nuis n’étant pas pris en
considération. D’autre part, les dérivées P (h}( + oo) (k = 0, 1,
2, . . ., n) ont évidemment le même signe et, par conséquent,
N ( + oo) = 0. On a donc:
& N = N (0 ) — N ( + oo) = N (0 ),
en outre, d’après le théorème de Budan-Fourier, le nombre de racines
positives de l ’équation (8) est soit égal à AN , soit lui est inférieur
d ’un nombre pair.
C o r o l l a i r e . Si les coefficients de l ’équation (8) sont non
nuis, le nombre de racines négatives de cette équation prises avec
leur ordre de multiplicité, est égal au nombre de permanences des
signes des coefficients du système (9) ou inférieur à ce nombre d’un
nombre pair.
Si on applique le théorème de Descartes au polynôme P ( —x),
la démonstration de cette proposition est immédiate.
Indiquons encore une condition nécessaire pour que toutes les
racines du polynôme soient réelles.
Théorème de H u â t . Si Véquation
üqX11 + atx71*1 + a2xn“2 + . . . + an = 0 (10)
possède des coefficients réels et toutes ses racines sont réelles, le carré
de tout coefficient non extrême de cette équation est supérieur au produit
de ses coefficients voisins, cest-à-dire
al > (* = 1 ,2 , . . ., n — 1).
Corollaire. S il existe k tel que
al ^ ûft-iûft+i»
l ’équation (10) possède au moins un couple de racines complexes.
E x e m p l e 3. Déterminer les racines de l ’équation
x4 + Sx3 — 12x2 + 104x - 20 = 0. ( 11)
S o l u t i o n . Etant donné que

( —12)2 < 8 -104,
174 PROCÉDÉS DE RÉSOLUTION DES ÉQUATIONS ALGÉBRIQUES lCH. V
Téquation (11) compte des racines complexes et, par conséquent,,

le nombre de racines réelles de cette équation n’est pas supérieur
à deux. La série des coefficients de l ’équation (11) donne lieu
à AN = 3 changements de signes et AP = 1 permanence des signes.
On déduit du théorème de Descartes et de son corollaire, en tenant
compte de la présence des racines complexes, que l ’équation (11)
a une racine positive, une racine négative et un couple de racines
complexes.
§ 7. Principe de la méthode de Lobatchevski-Graeffe

Considérons l ’équation algébrique de degré n
CLqZ?1 + + . . . + CLn = 0, (1 >
où a 0 =5^ 0. Supposons que les racines x l7 x2, . . xn de l ’équation (1)*
soient telles que
I *1 I > I *2 I > I *3 I > • • • » I x n I, (2 >
c ’est-à-dire les racines ont des modules différents, chaque racine-
précédente étant bien plus grande en module que la racine ulté
rieure *. Autrement dit, le rapport
de deux racines voisines quelcon
ques, dans l ’ordre de décroissance
de leurs numéros, est une grandeur
petite en module
x 2 — 8jXj,
X3 — s 2x2f
(3>
xn =
où | 8fc | < e et e est une petite
grandeur. Pour abréger nous dirons
que les racines de ce type sont
séparées (fig. 44).
Utilisons maintenant les relations entre les racines et les coeffi
cients de l ’équation (1) (§ 1)
Xi • X 2<2-L1 - - -T ___ «1
lnn —--- fl0
X \X 2 -p x^x2—
j— «2 ,
+ *n-i*n = —
û0
X \X 2 ... X ji
* Si les coefficients de Téquation (1) sont réels, la condition (2) entraîne

que toutes les racines de Téquation (1) sont réelles.
§ 7.] PRINCIPE DE LA MÉTHODE DE LOBATCHEVSKI-GRAEFFE 175
Les Hypothèses (3) entraînent :*

* ,( i+ £ . ) = - • £ .
^1^2(1 + ^ 2 ) = “®0 *
«0
où Eu Ez, . . . , E n sont des grandeurs petites en module devant
l’unité. En négligeant dans les égalités (4) les grandeurs Eh
(&==!, 2, . ..,n ) , on obtient des relations approchées
— ai
Xl~~ ao
XtXn —— 1
«0 (5 )
XjX2 • • • X ji
D’où les racines recherchées
Xi= —
ao ’
x2 — —
a2
«7 (0)
xn an -l *
En d'autres termes, si les racines de l ’équation (1) sont séparées

elles sont définies approximativement par la chaîne des équations
linéaires
aoXt + ûj = 0,
aix2 + &z = 0»
&n - l x n “1“ —0ï
par ailleurs, ces racines sont d'autant plus exactes, que dans les
relations (3) les grandeurs ek sont plus petites en module.
Pour obtenir la séparation des racines, on compose en partant
de l ’équation (1) une équation transformée
a'0m'yn + a[mY + . . . + a'™ = 0, (7 )
176 PROCÉDÉS DE RÉSOLUTION DSS ÉQUATIONS ALGÉBRIQUES [CH. V
dont les racines ylt y2, • . yn sont les m-ièmes puissances des
racines xx, x2, . . xn de l ’équation (1)
yh = s% (* = 1, 2, n). (8)
Si les racines de (1) que nous considérons dans l ’ordre de décrois
sance des modules sont différentes en module, les racines de (7)
pour m suffisamment grand sont séparées du fait que
lJh = ( Xh \ m—>-0 lorsque rn-+oo.
Soit, par exemple,
xt = 2; x2 = 1,5; x 3 = 1.
Avec m — 100, on a:
yx = 1,27 -1030 ; y2 = 4,06 -1017 ; y 3 = 1
et donc
— = 3,2*10-13 ; — = 2,5-10"18.
yi yz
Il est d’usage de choisir pour exposant m la puissance du nom
bre 2, c’est-à-dire on pose m = 2P, où p est un nombre naturel ;
la transformation elle-même se fait en p étapes dont chacune con
siste à composer une équation à racines qui sont des carrés des racines
de l ’équation précédente.
Le calcul approché des racines y h {k = 1, 2, . . n) permet
également de déterminer d’après les formules (8) les racines de
l ’équation initiale (1). La précision des calculs est d’autant plus
grande que le rapport des modules des racines voisines de l ’équalion
transformée est plus petit.
Le principe de cette méthode a été énoncé par Lobatchevski,
et le schéma commode du calcul pratique est proposé par Graeffe.
Le mérite de cette méthode est que son application rend inutile
la séparation des racines au sens du chapitre IV (§ 1). Il ne faut
que réaliser l ’élimination des racines multiples par l ’artifice décrit
au § 1. Le calcul des racines lui-même se fait par un mode uniforme
et régulier. Nous verrons plus loin que cette méthode permet égale
ment de calculer les racines complexes. Son inconvénient est la
mise en œuvre de grands nombres. De plus, la vérification des calculs
n’est pas assez sûre et l ’estimation de la précision du résultat obtenu
est plutôt difficile.
Constatons que si les racines de l ’équation (1) sont distinctes,
alors que les modules de certaines d’entre elles sont voisins, la con
vergence devient très lente. Dans ce cas il faut considérer les racines
comme égales en module et recourir à des procédés de calcul spéciaux.
S 8.] ÉQUATIONS ASSOCIÉES AUX CARRÉS DES RACINES 177
§ 8. Equations associées aux carrés des racines

Montrons maintenant comment composer sans peine une équa
tion dont les racines sont les carrés des racines de l'équation algé
brique donnée, pris avec le signe moins. On prend le signe moins
pour rendre plus commodes les calculs en évitant au possible l'appa
rition des coefficients négatifs.
Pour abréger appelons quadratisation le processus de réduction
des racines xh (k = 1, 2, . . ., n) aux racines
Vk = — x\. (1)
Soit
P (x) = QqX11 + a ^ 71”1 + . . . + an = 0
l ’équation donnée où a0 ^ 0.
En désignant par x,, x2, . . ., xn les racines de cette équation,
on a :
P (x) = a0 (x — Xi) (x — Xo) • • . (x ——xn).
Il s’ensuit
P ( — x) = ( — l)n a0 (x + x,) (x + x2) . . . (x + xn).
Par conséquent
P (x) P ( —x) = ( - 1 )" a; (x2 — x^) (x2 — xj) . . . (x2 — X Î ) . (2)
En posant
y = — ar,
on obtient en vertu de la formule (2) le polynôme
Q( y) = P (x) P (—x),
dont les racines sont les nombres
yh = = 11 2, » » ., n).
Puisque
P ( — x) = ( — l)n {aoXn —a 1xn"1 + a2xn“2 —. . . + ( — l)n a^l,
la multiplication des polynômes P (x) et P ( — x) conduit à
P (x) P ( - x ) = ( - 1 ) " [a;x2" - ( a ; - 2a0a2) x27*-2 +
+ (al — 2aia3 + 2a0ak) x271-4 — — l)n aj].
Par conséquent, l ’équation qui nous intéresse s'écrit
Q (y) = A 0yn + A^y71-1 + A 2j/n-2 + . . . + A n = 0,
OÙ
A q = U“,
A j = ûj -- 2(Zg(Z2f
^4 2 = Æj» — 2 û ^Û3 -f- 2(Zgfl4}
i4n — &n>
Voici une écriture plus compacte:
h
Ah = al + 2 S (— i r c ft. sûA+g (* = 0f l , 2 ,
8=1
où l ’on suppose que as = 0 avec s < 0 et s > n.
R è g l e . Chaque coefficient de Véquation transformée par la
quadratisation des racines est égal au carré de l'ancien coefficient moins
le double du produit des coefficients, qui lui sont voisins, plus le double
du produit des coefficients adjacents à ces derniers (respectivement
à gauche et à droite), etc., les coefficients manquants étant considérés
comme nuis.
§ 9. Application de la méthode de Lobatchevski-Graeffe

au cas des racines réelles distinctes
Soient les racines xu x 2, . . ., xn de l ’équation de degré n à coef
ficients réels
aoXn -}- û i i 71" ' - f • • • * f = 0 (1 )
qui sont réelles et différentes en module. Rangeons-les dans l ’ordre

de décroissance des modules:
I *1 I > I *2 I > • • • > I *n I-
En appliquant successivement le processus de quadratisation des
racines, composons l ’équation
b0yn + ùi!/71"1 + • • • + bn = 0, (2)
yk = — x f (k = l , 2 , (3)
Si p est suffisamment grand, les racines yl9 y2»* • • •» Un sont
séparées et d’après les résultats du § 7, elles peuvent être déterminées
à partir de la chaîne des équations linéaires
ùol/i + &i = 0,
&ii/2 + b2 = 0,
bn-i yn + K = 0.
CAS DES RACINES DISTINCTES 179
On en tire:
(* = 1>2. • • • .» ) ; (*)
les signes des racines xk sont déterminés par une approximation
grossière lors de la substitution dans l ’équation considérée ou d’après
les relations entre les racines et les coefficients des équations. En géné
ral, le processus de quadratisation se poursuit tant que les doubles
produits ne cessent d'intervenir dans les premiers termes principaux
des coefficients de l ’équation transformée.
R è g l e . Si par suite de Vannulation de doubles produits les
coefficients d'une certaine équation transformée sont, dans les limites
de la précision des calculs, égaux aux carrés des coefficients respectifs
de l'équation transformée précédente, le processus de quadratisation des
racines doit être arrêté.
En effet, si l ’équation transformée correspondant au 2p+1-ième
degré est de la forme
CoZn + CjZ"-1 + . . . + cn = 0
et que les relations
Cft = bi (k = 0, 1, 2, . . n),
soient observées, on a évidemment :
Ainsi, dans ces conditions nous ne pouvons pas améliorer la préci

sion du calcul des racines.
Puisque dans le cas de l ’application de la méthode de Lobatchev-
ski-Graeffe les coefficients des équations transformées croissent
en général rapidement, il est utile de dégager leurs ordres en notant
les coefficients sous forme normalisée a -10m, où | a | < 10 et m est
un entier. Dans les calculs imposant une précision élevée, on utilise
avantageusement les logarithmes (cf. [5]).
E x e m p l e . Calculer par la méthode de Lobatchevski-Graeffe
les racines de l ’équation
x3 — 3x + 1 = 0. (5)
S o l u t i o n . Les résultats des calculs avec quatre chiffres
significatifs sont portés sur le tableau 8.
En s’arrêtant à la 64-ième puissance des racines, on a
- x “ + 3,445 -1017 = 0,
- 3,445 -1017 *x44 + 2,486 -1029 = 0,
- 2,486 -ÎO29 *Xj4 + 1 = 0 .
12*
Tableau 8
Calcul des racines réelles par la méthode de Lobatchevski-Graeffe
Puissances X» X* X xO
1 1 0 -3 1
0 \ 9 1
6 1 0 1
2 1 6 9 1
36 \ 81 1
— 18 } -1 2 }
4 1 18 69 1
3 ,2 4 -1 0 2 \ 4 ,7 6 1 -1 0 3 1
— 1 ,3 8 -1 0 2 / - 0 ,0 3 6 - 1 0 3 J
8 1 1 ,8 6 -1 0 2 4 ,7 2 5 -1 0 3 1
3 ,4 6 0 -1 0 * \ 2 ,2 3 3 -1 0 7 1
-0 ,9 4 5 - 1 0 * } 0 j
16 1 2 ,5 1 5 -1 0 * 2 ,2 3 3 -1 0 7 1
6 ,3 2 5 - 108 \ 4,986 -1 0 * * 1
- 0 ,4 4 7 - 1 0 » | 0 J
32 1 5 ,8 7 8 -1 0 8 4 ,9 86-10** 1
3 ,4 55-10*7 1 2 486-1 0 2 » )
- 0 ,0 1 0 - 1 0 * 7 / 0 }
64 1 3,445-10*7 2 ,4 86-102» 1
1,187-10351 6,18 0 -1 0 5 8 !
0 } 0 1
128 1 1,187-1035 6,180-1058 1
Il en résulte
x x = ± y f 3,445 • 1U17,
,486
• 101S,
,445
xs = ± K ^ s ë * 10' 2'-
En prenant les logarithmes:
lg | x, | = ~ 17,53719 = 0,27402,
lg I *21= ~ ■11,85831 = 0,18528,
lg | xs | - ~ . (—29,39550) = 1,54070,
et, par conséquent
x, = ±1,879;
X2 = ±1,532;
x3 = ±0,347.
§ 10J CAS DES RACINES COMPLEXES 181
Pour établir les signes des racines, notons que d'après la règle
de Descartes, l ’équation (5) a une racine négative et deux racines
positives *, de plus
Xi + x2 + x3 = 0. (6)
Donc la racine de module maximal doit être négative et on a fihale-
ment
Xi = — 1,879,
x2 = 1,532,
x3 = 0,347,
la relation (6) étant respectée dans les limites de la précision imposée.
A titre de comparaison, donnons les valeurs des racines fournies
par la formule de Cardan :
x, = 2 cos 160° = — 1,87938 ;
x2 = 2 cos 40° = 1,53208 ;
x3 = 2 cos 80° = 0,34730.
Remarquons que dans notre cas le calcul des racines est un peu
simplifié, car les coefficients extrêmes de Téquation sont égaux à 1.
En général, pour appliquer la méthode de Lobatchevski-Graeffe
on recommande de transformer au préalable l ’équation de façon
à rendre le coefficient du terme principal égal à un et le terme cons
tant à ± 1 (cf. [51).
§ 10. Méthode de Lobatchevski-Graeffe pour le cas

des racines complexes
Généralisons maintenant la notion de séparation des racines.
Soit les racines xu x2, • . ., xn de l ’équation
aoXn + ûiX71"1 + • . . + an = 0 (i)
qui satisfont aux conditions
I I ^ I %2 I ^ ^ I I ^ I%m+1I ^ | %m+ 2I ^ ^ I %n I
( 2)
Autrement dit, on suppose que les racines de l ’équation (1) puissent
être rangées en deux catégories (groupes) :
Xj, x2, . . ., xm (m <rc)
et
^m+l* ^m+2* • • -t ^n*
* On tient compte du fait que l’équation P (i) bb i 3 - 3 i + 1 = 0 a des
racines positives puisque P (0) > 0 et P (1) < 0.
de façon que les modules des racines de la première catégorie soient

très grands par rapport à ceux des racines de la deuxième catégorie
(cf. Tig. 45 où les racines se situent dans des domaines hachurés,
alors que l ’intérieur de l ’anneau circulaire non hachuré est privé
de racines).
Ecrivons les m premières relations entre les racines et les coeffi
cients de (1) :
*l + * 2 + ••• + Xm + ( z m+ l + - . . 4" * n ) = --------
“0 ,
XtX2 + X,XS + . . . -f Xm- tX m -f (xmxm+1 + . . . + X„_,X„) = ,
X|Xj . • • Xfn + (XjX2 • • • Xm_iXm+1 -f" . . . -}“ Xn—

m+l^'n—
m+2 • • • Xn)
__ / a\m am
K } a0 '
Si l ’on néglige dans les dernières égalités les termes entre parenthèses
relativement petits en module, on obtient les relations approchées
ai
x \ + *2 + • • • xm
a0 ’
x l x2 + * 1*3 4 -lx~m —-ÎL
— 1 3
a0 ( )
X»x2 . . . xm= ( —l)m-—

«0 |
On en déduit que les racines x u x2,
. . ., xm de la première catégorie (aux
grands modules) sont les racines
approchées de l ’équation
Fig. 45. aoXm + aix"1"1 + . . . + am = 0. (4)
Les n — m relations restantes entre les racines et les coefficients
de^l’équation (1) donnent :
1
*1*2 • • • * m (* m + i “I” *m +2 " “ • • • "f" x n) 4“
4“ * 2*3 • . . *m+l*m42 4" x n-mx n-m+i • • • Xn = ( 1) +1
«0
+* ,*
*1*2 . . . Xm (*m4-l**n+2 4 “ • • • -f" * n -l* n ) 4~
4" *2 * 3 • • • x m iix m+2x m+3 " • • •4 4~ * n - m - 1 • • • x n = ( — l ) m+2 ~~ *
*1*2 • - • *m *m +1 . . . Xn = ( — l ) n “ ÎL.
$ 10.1 CAS DES RACINES COMPLEXES 183
Eliminons dans les dernières égalités les termes relativement petits

en module pour obtenir des relations approchées
Xix2 . . . xm (xm+i + xm+2 + . . . + x n) = ( — l)m+1 ■—
X \X 2 ... Xm (^m+l^m+2 “h • • • T" = ( — 1) +“ —----- »

*0
X \X 2 Xm£m+1 • • •
1)“0” • —(
On en tire en utilisant la dernière relation donnée par les formu
les (3):
am+1
Zm+2~\~^m+3 “f" • • • “H am —
am+2
•^m+i^m+2 “f" • • • + ^n—
l^n = am 1 (5)
• • • X„ = ( - l ) ,- ,' * - p - .
am
Par conséquent, les racines xm+1, x m+2j . . arn~de la deuxième
catégorie (aux modules petits) sont approximativement les racines
de Péquation
amx n“m + am-i*"-"1-1 + . . • + an = 0. (6)
Dans les conditions considérées, Péquation (1) se décompose ainsi
en deux équations de degrés inférieurs, dont chacune définit appro
ximativement les racines appartenant à Pune des catégories.
Un raisonnement par analogie conduit à la conclusion que si
les racines de (1) peuvent former p catégories
•£| t ^2» • • • » %m\ »
1+2» • • • » *£mo ,
^mp-i+1ï » • • •»%mp
{mi + m2+ . . . -4 mp = n).
telles qu’elles vérifient la condition
| Xi | ^ | X2 | ^ . . . ^>| Xmi | ^ | | | |& •••
— > l x mt | ^ | ^m p.i-t-1 | ^ J ^ m p - i+ 2 ^ ^ | ^m p |?
qui, pour les modules des racines de plus bas rangs, consiste à dépasser
nettement en module les racines de rangs plus élévés (ce qui nous auto-
rise de dire que ces racines sont séparées au sens de groupe), alors les
racines de chaque catégorie peuvent être déterminées approximative
ment d’après les équations correspondantes
a0xm^ a lxmi~ '+ . . . = 0,
Æmi^77*2~\~ • • • “P ^mi+m2=
(7)
Æ m i-fm s -f-. # . “ f " n i 7 i i 4 ’W *ï4*» • . + w * p — ^ • ••
• • • ” 1" ^ m i 4 “n » 2 + . . . + w p = j
dont les degrés sont respectivement m2, . . ., mp. En particulier,

si les racines de (1) sont complètement séparées, les équations (7)
sont linéaires; en l'absence des racines de même module, à un couple
de racines complexes correspond dans l'ensemble des équations (7)
une équation quadratique, etc.
Nous allons nous borner ici à l'examen des cas les plus simples
où l ’équation (1), dont les coefficients sont considérés comme réels,
comporte un couple de racines complexes ou deux couples de racines
complexes aux modules différents, les modules des racines réelles
étant différents et autres que les modules des racines complexes.
Des cas plus généraux sont décrits dans les ouvrages de Krylov [5]
et de Scarborough [6|.
§ 11. Cas d’un couple de racines complexes

Soit
Xm = u + iv, \
(1)
X m +\ = U IV )
(u et u sont réels, v 0) les racines complexes de l'équation (1)

du § 10, toute autre racine xk (k m, k m + 1) de cette équation
étant réelle et vérifiant la condition
I Xi I ^ I X2 I - • • > I xm I — I Xm+i | > . . . > | xn |. (2)
Appliquons le processus de quadratisation pour composer l'équation

b0yn + ftiÿ71”1 + . . . + bn = 0,
dont les racines sont
= (* = 1,2, . . . . n).
Avec un p naturel suffisamment grand, les racines réelles yu . . .
• • •, ÿm-ii ÿm+2. . . -, yn seront séparées avec une grande précision
§ 11.] CAS D’UN COUPLE DE RACINES COMPLEXES |.Nf>
et pourront être déterminées ‘à partir des équations linéaires

&0I/1 + bi = 0,
bm-zUm-\ + ^m-1 = 0*
^m+l!/m+2 “f" ^m+2 ~ 0»
bn-iUn + bn = 0.
Il en résulte
Xh = ± 1).
Le processus de quadratisation des racines prend fin lorsque

l’étape successive fait disparaître, dans les limites de la précision
imposée, les doubles produits dans les coefficients 6lt . . ., 6m. lt
6m+ • • •» Quant au coefficient 6m, les doubles produits à dis
paraître en général n’en font pas partie. Il se peut même que ces
produits soient supérieurs au carré et le signe du coefficient bm
soit variable. Cette circonstance est le critère de la présence des
racines complexes ou des racines égales en module dans l ’équation (1)
du § 10, le coefficient bm à comportement irrégulier montrant la
p l a c e de telles racines dans la suite des modules (2).
Notons que si le coefficient bm change de signe, l’équation con
sidérée a des racines complexes, car dans le cas de toutes les racines
réelles les coefficients des équations transformées sont évidemment
non négatifs.
En vertu de la théorie générale, les racines ym et ym+1, associées
aux racines complexes xm et xm+1, vérifient approximativement
l’équation quadratique
bm-jÿa + bmy + bm+i = 0.
Retenons que le coefficient bm est le coefficient m é d i a n . Comme
ZfcZfe+1 = u2 +■ i? = r2,
où
r = I xk | = | xh+l |
est le module commun des racines complexes, et
ÿmÿm+i = * r * x ft+1 = (****+ 1)2” = ( r 2 ) 2’',
la propriété des racines d’une équation quadratique entraîne

(r2)aP = i2i±i .
®m-1
186 procédés de résolution des équations algébriques leu. v
On en tire le carré du module des racines complexes
La partie réelle u des racines complexes s'obtient le plus simplement

à partir de la relation
x i 4 " x2 + • • • + x m-l + (x m + ^ r o + l) + x m+2H~ . . . + xn= “ "•
Il en résulte tr
2u —Xm -f- xm+1— ” ------2 xk
h=£m
h=£m-f-1
2 ' 1»'
k=£m
k^=m+i
Le module commun r des racines complexes donné par la formule (3)
permet de trouver le coefficient v de leur partie imaginaire
v = Yr~ —ua. (5)
Les formules (4) et (5) donnent les racines complexes cherchées
Xm. m+l = « ± iv-
Les racines complexes peuvent être également recherchées sous

une forme trigonométrique
Xm. m+l = r (cos <p ± i sin <p).
Exemple. Déterminer les racines de 'équation [7]
x* + i 3 — lOx2 — 34x — 26 = 0. (6)
S o l u t i o n . Les résultats du calcul avec quatre chiffres signi
ficatifs sont donnés par le tableau 9.
Le tableau 9 montre que les racines réelles x, et x4 (dans l ’ordre
des modules décroissants) de la cinquième équation transformée
(puissance des racines 25 = 32) sont séparées. Ces racines s’obtien
nent à partir des équations binômes:
—x f + 2,005 -10le = 0,
—2,704 •1043x‘J: + 1,901-1045 = 0,
d’où
= 2.005 • 10” , x4 = ± Y H S - 10"'
S 11.] CAS D*UN COUPLE DE RACINES COMPLEXES 187
T a b le a u 9
Calcul des racines complexes par la méthode de Lobatchevski-Graeffe
Puissan *« *3 x2 X *o
ces
1 1 1 -1 0 -3 4 -2 6
1 \ 100 \ 1156 \
20 Jt 68 1 -5 2 0 J
-5 2 J
2 1 21 -> 116 636 676
441 \ 1 ,3 4 6 -1 0 * ! 4 ,045-10» \
-2 3 9 / - 2 ,6 7 1 - 1 0 * - 1 ,5 6 8 - 1 0 » /
0 ,1 3 5 -1 0 * J
4 1 209 - 1 ,1 9 0 - 1 0 * 2,477-10» 4 ,5 7 0 -1 0 »
4 ,3 6 8 -1 0 * \ 1 ,4 1 6 .1 0 » 1 6,135-101» \
2 ,3 8 0 -1 0 * / - 1 ,0 3 5 - 1 0 » \ 1 ,0 8 8 -1 0 1 0 /
0 ,0 0 9 -1 0 » J
8 1 6 ,7 4 8 -1 0 * 3 ,9 0 .1 0 ? 7 ,2 2 3 -1010 2 ,0 8 8 -1 0 *
4 ,5 5 4 -1 0 » 1 1 ,5 2 1 .10i» 1 5,216-1021 \
— 0 ,0 7 8 .1 0 » / - 9 ,7 4 8 - 1 0 1 » } - 0 ,0 1 6 - 1 0 2 1 /
0 J
16 1 4 ,4 7 6 -1 0 » - 8 ,2 2 7 - 1 0 1 » 5,200-1021 4,36 0 -1 0 2 2
2 ,0 0 3 -1 0 1 » ï 6 ,7 6 8 - 10»i 1 2,704-10*» \
0 , 002. 101» / - 4 , 6 5 5 - 10»i \ o J
0 J
32 1 2 ,0 0 5 .1 0 1 » 2,113-1031 2,704-10*3 1,901-10*»
4 ,0 2 0 .1 0 » » \ 4 , 4 6 5 - 10»2 1 7 ,3 1 2 -10»« \
0 J — 1 ,0 S 4 - 1 0 « } 0 J
0 /
64 1 4,020-10»» — 6 ,3 8 -1 0 « 2 7 ,3 1 2 - 10»« 3 ,6 1 4 - 10»o
En trouvant les logarithmes, on a :

!g | xt | = 19,30211 = 0,60319 ;
ig | x41= ~ (2,27898—0,43201) = 0,05772.

Par conséquent,
xt = ±4,010; x4 = ±1,142.
Une approximation grossière montre que la racine xt est positive
et la racine x4 négative. Ainsi, on a finalement:
xx = 4,010; x4 = — 1,142*
Le coefficient transformé affecté à x2 changeant de sign , les racines
complexes de Téquation considérée x = x2 et x = x 3 sont définies
188 PROCÉDÉS DE RÉSOLUTION DES ÉQUATIONS A LGÉBRIQU ES [CH. V
par Téquation trinôme

2,005-I019y* + 2,113-10 Z1y + 2,704-1043 = 0,
où
y = - x 32.
D’après la théorie générale, le module des racines
r = I I = I x*I
*2
est fourni par la formule (3)

r ^ T / ^ . 1 0 34
V 2 ,0 0 5 AU •
Il vient
lg r3 = -.(24,43201-0,30211) = 0,75406
et donc
r3 = 5,6763.
En posant
x2 = u + iy, x3 = u — iVy
la relation
Xj -}- X2 "f *^3 X4 — — 1
entraîne
u = - ~ ( - 1 -4 ,0 1 0 + 1 ,1 4 2 )= -1 ,9 3 4 .
Le coefficient de la partie imaginaire u est défini d'après la formule
v = V t* - u* = V 5,6763—3,7404 = Y 1,9359 = 1,395.
Par conséquent,
x2.3 = — 1,934 ± l,395i.
Constatons que les racines x2 et x3 peuvent être également déter
minées par les relations entre les racines et les coefficients de l’équa
tion (6), et notamment
x i + x 2 + x3 + x4 = — 1,
x^x2x3x4 — — 26»
Par suite, en utilisant les valeurs xt et x4 obtenues dans ce qui pré*
cède, on obtient :
x2 + x3 = — 3,869 ;
x2x3 = 5,677.
C’est pourquoi x2 et x3 peuvent être trouvées comme racines d’une
équation quadratique
x2 + 3,869x + 5,677 = 0,
dont la solution donne:
x2.s = — 1,934 ± l,391î.
S 12.1 CAS DE DEUX COUPLES DE RACINES COMPLEXES 189
§ 1 2 . Cas de deux couples de racines complexes

Soit Téquation (1) du § 10 qui admet deux couples de racines
complexes :
*h = + ivi, xk+i = ux — iüi
et
xm = u2 + iu2, xm+i = u2 — iv2
de modules différents ( u , , z; l7 u 2 , i ;2 réels e t ^ =5^ 0 , i;2 0 )» toutes
les autres racines xj (j k, 7 =5*= k + 1, 7 ^ m, j ^ m + 1) étant
réelles, différentes entre elles en valeur absolue, non nulles * et
de module différent par rapport aux racines complexes,
I X\ | > | x2 | > • • • > I £fc-i I I xk | — | X/j+i | > . . . > | xm | —
= I *m+l | > . . . > | X„ | > 0. (1)
En procédant suivant l ’usage à la réduction des racines jusqu’à
une certaine puissance 2P on obtient une équation transformée
b0y11 + &il/71”1 + . . . + bn = 0,
yj— —x f (j = i, 2, . . . . n).
Avec un p naturel suffisamment grand on découvre qu’en passant
à la puissance 2p+1, certains coefficients cj de la nouvelle équation
transformée
C Z H + C \ Z 11
q + . . . + cn = 0
représenteront, dans les limites de la précision imposée, les carrés
des coefficients correspondants bj de l ’équation transformée précé
dente. Sous l ’hypothèse (1) on a finalement:
Cj = b) avec 7 = 0 , 1, 2, . . ., k — 1, k + 1, . . .
. . ., m —- 1, m + 1, . . ., n
et
ch b\ et cm b;n.
Cette circonstance permet de déterminer la place des racines com
plexes. Remarquons qu’un changement de signes des coefficients bh
et bm au cours du processus décrit pour les exposants différents
2P est une condition suffisante de rexistence de deux couples de
racines complexes de l ’équation (1) du § 10.
Les racines réelles xj de l’équation considérée se déterminent
à partir des équations binômes
— bj~ixŸ + bj = 0. (2)
* Les racines nulles peuvent être mises en évidence au préalable.

Par suite
xj = ± ) / — - + 1, j ^ m , j ^ m + i).
Les racines complexes xh, xh+i et xm, xm+t sont déterminées respecti
vement à partir des équations trinômes
bh-tXaP+1—bhx*p 6ft+J = 0 (2')
et
6m. 1x*p+1- bmx*p + bm+i = 0. (2')
Introduisons les notations:
ri = I xk | = | xfc+11
et
r2 = I xm I = I xm+1 I-
En prenant en considération que
r; = x hxh+i
et
r2 = ZmXm+1»
les équations (2') et (2*) permettent de calculer les carrés des modules
des racines complexes
- _ 2t / bk+t et 2 __ V / " àm+i
r‘ “ V bh-i et r* V bm. t •
Pour déterminer les parties réelles ux et u2 des racines complexes, on
utilise les relations entre les racines et les coefficients de (1) du § 10,
et notamment
^2^3 • • • "I" “1" •••"!“ ^1^2 • • • ^n-l ~ ( 1) 1 “
et
X\X2 . . . Xji = ( _ ! ) " f i .
v ' «O
Divisant la première égalité par la deuxième on obtient :
* n -l
—
X i
+ —
X 2
+ + T"- =
En outre,
x i 4" x 2 “H • • • 4“ x n —
“0 • -----
On en tire, en tenant compte des relations

Xk + Xk n + + ^m+1 = 2u4+ 2U2
S 12.] CAS DE DEUX COUPLES DE RACINES COMPLEXES 191
et
2u+
*ft+i xm *m+i rf
le système linéaire d’équations suivant:
ax 1
U\ -f VL2 = —
2a0 2 CT,
(3)
«1 , « 2 _
r2
rl I 2
r2
*n-l
V,
où a est la somme des racines réelles et o' la somme de leurs gran
deurs inverses:
o= 2 *j
j=£h, fc+l, m, m-f-1
et
o = S "77* '
j / fc, fc-f-1, m, m-J-l
Après avoir calculé u{ et u2 à partir du système (3), on détermine
les coefficients vx et v2 des parties imaginaires des racines d’après
les formules
Vi =-- Y r \ — U?» v2 = V r \ — u:.
Ainsi, on a finalement:
* /i, h+i — u j : k iV\
et
*m. mfi == ^2 r IVo.
E x e m p l e . Résoudre par la méthode de Lobatchevski-Graeffe
l ’équation [71
s4 + 4xr — 3x + 3 = 0. (4)
S o l u t i o n . Appliquons la méthode de quadratisation jusqu’à
la puissance 16 et effectuons le calcul avec quatre chiffres signifi
catifs exacts pour obtenir les résultats fournis par le tableau 10.
On voit sans peine que dans la transformation suivante le coeffi
cient médian sera égal au carré de sa valeur antérieure. On arrête
donc le processus. Puisque parmi les coefficients de l ’équation
transformée il y a, dans le cas de la puissance 16, deux coefficients
négatifs, l ’équation (4) admet deux couples de racines complexes:
*i.2 = ux ± ivi
et
*3.4 = ^2 dh iv2»
192 PROCÉDÉS DE RÉSOLUTION DES ÉQUATIONS A LG ÉBRIQ U ES [CH. V
Tableau 10
Calcul de deux couples de racines complexes par la méthode
de Lobntchevski-Gracile
Puissan *4 X3 X2 X xO
ces
1 1 0 4 —3 3
0 \ 16 )
-8 | ° 9 )
6 J -2 4 j
2 1 -8 ^ 22 -1 5 9
64 \ 484 1 225 \
—44 J -2 4 0 \ -3 9 6 J
18 J
4 1 20 262 -1 7 1 81
4-102 1 6,804.10» ï
-5,24-102 f 0,684 • 10» \
2,924-10»
0,016-10» J -4,244-10» }
8 1 — 1,24-102 7,564.10» —1,320*104 6,561-103
1,528.10») 5,728.100 )
-15,128*10» J -0,003.100 }
1,743.10»
-9,927*108 }
0 J
16 1 — 1,359.105 5,720.10» -8,184-108 4,305*107
qui satisfont respectivement aux équations trinômes

x32 + l,y5U.103.*la + 5,720-10® = 0
et
5,720-10®- r 12 + S^Si-lO 8-*16 + 4,305-107 = 0.
On en tire les carrés des modules de ces racines:
r[ - 5,720-10® = 4,072
et
*« / 4,8u.->
r i: - y i-222.10-2 = 0,7367.
Puisque
- L - 0,2456; - L ^ 1’3574»
en vertu du système (3) on obtient le système
Uj -f- I l 2, ~~ 0,
0,2456a, + l,3574a2 = 0,5,
qui permet de rechercher les parties réelles u, et u2 des racines.
11 en résulte que
u, = — 0,4497 ;
u2 = 0,4497.
§ 13.] MÉTHODE DE BERNOULLI 193
Utilisant les carrés des modules r\ et t\ des racines, on détermine

les coefficients et v2 des parties imaginaires des racines:
vi = V r ; — uï = 1,967 ;
Vz = V — u\ = 0,731.
Donc les racines de l ’équation (4) sont de la forme
xlî2 = — 0,450 ± l,967i
et
^3.4 = 0,450 ± 0,731 i.
§ 13. Méthode de Bernoulli

Soit l ’équation algébrique
&oXH+ + . . . + &n = 0 (Æq 0), (1)
dont les racines x{, x2,. . ., xn sont différentes.
Utilisons les coefficients ak (k = 0, 1, . . ., n) pour construire
ce qu’on appelle équation aux différences finies
aoyn+l + ail/n+i-l + • • • + &nyi = 0 (i = 0, 1, 2, . . .), (2)
qui est une relation de récurrence associant n + 1 termes consécutifs
quelconques d’une suite infinie
y O*y i» yz* • • •» ... (3)
La suite (3) yi = / (i) (i = 0, 1, 2, . . .) dont lestermes satisfont
à l ’équation aux différences finies (2) est dite solution de cette équa
tion. Pour construire une solution yj, il suffit de donner n de ses
valeurs initiales y Q, yu . . ., y„_i; les autres termes yn, i/n+1, . . .
peuvent être trouvés de proche en proche d’après l’équation (2).
La théorie des différences finies [8] montre que si les racines
Xi, x2, . . ., xn d’une équation algébrique (1) sont distinctes, toute
solution de l ’équation aux différences finies (2) est de la forme
yi = -T-CZX\ + . . . + Cnx \ (i = 0, i, 2, . . . ) , (4)
où Ci, C2, . . ., Cn sont des constantes arbitraires. Ainsi (1) est une
équation caractéristique par rapport à (2). Les constantes Ci, C2, . . .
. . ., Cn peuvent être déterminées d’après des conditions initiales
yo = ^1 + C2-+- • • • +
ÿi = C4Xi 4 - C ^ - l - . . . + C nxn,
ÿn-i = Ci#" 1+ ^2^2 1+ • • • “1“ *•

T h é o r è m e . Soit une équation algébrique (1) possédant une
seule racine xx maximale en module. Alors le rapport de deux termes
13-01072
consécutifs yi+i et yt d'une solution de l'équation aux différences

finies (2) tend en général vers une limite égale à xx
lim yui = x i. (6)
i-*>oo yl
Démonstration. Soit
| | | |> . ..> | |. (7)
En supposant que les racines xk (k = 1, 2 ,. . n) soient différentes,
la formule (4) entraîne:
Vi=*{ [Ci + C. (-f-)' + • • • + cn
ÿi+1= ^ ,i+1{C1+ C ,2 ( ^ - ) + +1] .
D’où
Cl+C 2 ( £ L y +1 + . . . + Cn ( ^ V +,
Vi+l __ x _________ V x i / _________________ ' x i /
" c - + c = ( t ) ‘+ • + c » ( t ) ‘
Si Ci # 0, en passant à la limite dans la formule (8) pour i ->• oo
et en tenant compte de ce que les inégalités (7) donnent lieu aux
relations limites
on aura :
lim -^±i *1-
i-v o o yi
R e m a r q u e 1. Si un mauvais choix de la solution entraîne

que Ci = 0 et C2 # 0, la limite (6) sera égale à la racine suivante
maximale en module de l ’équation (1).
R e m a r q u e 2. Si pour une solution yt le rapport — 1 oscille
sans tendre^ vers une limite, on peut supposer que (1) possède des
racines complexes maximales en module.
R e m a r q u e 3. En effectuant dans (1) le changement de
variable ‘ *
1
on peut obtenir par la méthode de Bernoulli la racine non nulle

minimale en module.
§ 13 .] METHODE DE BERNOULLI 195
Ainsi la recherche approchée de la racine xt maximale en module

peut se faire d’après la formule
où i est suffisamment grand.

Pour appliquer en pratique la méthode de Bernoulli, il faut
donner les nombres arbitraires y0, yu . . . » yn~lf puis, en utilisant
la formule
y n+i = — ^ { a ny i + a n- i y i - i + - - - + a i y n + i - i ) (» = 0 , 1 , 2 , .. . ) ,
calculer la suite des nombres y n, yn+1. Vn+z, . . . et les rapports
j/n_^ i/n+i ' ÿn+s ^ Si, p0ur t- crojssantt le rapport ■yn*i
i/n-1 Un 1/n+l Un+l-l
tend à s’approcher d’un certain nombre £, ce dernier est posé égal
à la racine x{ de (1) maximale en module. Dans le cas contraire,
il se peut très bien que l’équation (1) possède plusieurs racines
maximales en module ou, ce qui est moins probable, dans le système
initial des nombres z/0» ÿi» •••» ÿn-1 le coefficient Ct = 0.
Si l ’on connaît une valeur grossière a de la racine xt maximale
en module, il faut poser:
J/o = 1 . ÿi = a, . . . , y „ _ , = a " - 1,
afin d’accélérer la convergence.
Notons que la méthode de Bernoulli se ramène à la répétition
des opérations semblables, il est donc commode de la réaliser sur des
ordinateurs.
Les valeurs initiales yt (i = 0, 1, . . ., n — 1) peuvent en général
être arbitraires. Dans les cas courants, on prend yQ= y{ = . . .
. . . = yn-2 = 0; I/n-i = 1- F» B. Hildebrand [91 a proposé de
choisir yt de façon que tout coefficient Ci de la formule (4) soit égal
à 1. Dans ce cas, s’il n’y a qu’une racine de (1) maximale en module,
le processus converge quand i oo.
Ui-i
La méthode de Bernoulli peut être appliquée également pour
calculer les racines complexes de (1) [10].
E x e m p l e . Trouver la racine maximale en module de
l ’équation
x6 + 5x4 — 5 = 0.
S o l u t i o n . L’équation aux différences finies correspondante
est de la forme
yi+ a = 5 (y, — y i+l) (i = 0, 1, 2, . . .). (9)
Prenons arbitrairement les valeurs
yo = 0, yi = 0, y2 = 0, i/3 = 0, yk = 1.
13*
Tableau 11
Calcul des racines d'une équation algébrique
par la méthode de Bernoulli
{ t'i i
*l "i-1 fri-1
5 —5 -5 10 15 575 -4 ,9 9 2
6 25 —5 11 - 7 7 750 —4,928
7 —125 —5 12 388125 —4,99196
8 625 -5 13 - 1 937 500 -4,991948
9 —3120 -4 ,9 0 2
Calculons d’après la formule (9) les valeurs de yt avec i ^ 5. Les

valeurs obtenues sont portées sur le tableau 11. En s’arrêtant
à y13, on a:
T ^ y1 3 1 937 500
1~ y 12 “ 388 125
4,991948.
Il en résulte, compte tenu de y12, qu’on peut poser approximative
ment :
xx = — 4,99195.
Notons en conclusion que ces dernières années sont apparues
de nouvelles méthodes à schémas de calcul commodes (celles de Lin,
de N. V. Pulover, etc.) [10].
BIBLIOGRAPHIE
1. A . Kurosh. Cours d'algèbre supérieure. Editions MIR, Moscou, 1971.
2. G. Chapiro . Algèbre supérieure. 4e éd., GUP1, Moscou, 1938, chapitres
III, VI.
3. D. Grave. Eléments d'algèbre supérieure. Kiev, 1914, chapitre X.
4. B. Fouks , B. Chabat. Fonctions des variables complexes. Gostekhizdal,
Moscou-Léningrad, 1949, chapitre VII.
6 . A . Krylov. Conférences sur les calculs approchés. 2e éd., Editions de l'Aca
démie des Sciences de l’U.R.S.S., chapitre II.
6 . / . B. Scarborough . Numerical mathematical analysis. John Hopkins, 1950,
chapitre X.
7. B. Mlodzéevski. Résolution des équations numériques. GIZ, Moscou, 1924,
chapitre IV.
8. A . Guelfond . Calcul des différences finies. Dunod, Paris, 1962, chapitre V.
9. F . B. H ildebrand . Introduction to numerical analysis. New York-Toronto-
London, 1956.
10. V. Zagouskirt. Aide-mémoire de méthodes numériques de résolution des
équations algébriques et transcendantes. Physmathguiz, 1960.
CHAPITRE VI
AMÉLIORATION DE LA CONVERGENCE DES SÉRIES
§ 1. Amélioration de la convergence des séries numériques

On dit que la série
al + a2 + » » * + ®n + *** (1)
converge lentement si, pour obtenir sa somme avec une précision vou
lue, il faut prendre un très grand nombre de ses termes. Supposons,
par exemple, qu’il faut trouver la somme de la série
$ = ■p- + - p '+ • • • + " ^ 2 + • • • (2)

à 10"* près. L ’estimation du n-ième reste de la série s’écrit
Par conséquent, la précision imposée ne peut être assurée que

par la somme de 1 000 000 de termes, ce qui est pratiquement impos
sible. Dans la recherche de la solution du problème donné, la
série (2) doit donc être considérée comme lentement convergente.
Ainsi, l'obtention immédiate de la somme d’une telle série
avec la précision imposée e est en général difficile et même pratique
ment impossible. C'est pourquoi les transformations des séries qui
améliorent leur convergence acquièrent un intérêt particulier.
Nous allons examiner la transformation de Kummer [31, [41 souvent
utile pour la réalisation de la tâche imposée.
Soient la série convergente (1) et sa somme A. Choisissons une
série convergente auxiliaire
&i + &2 + • • • + &n + • • • (bn ^ 0) (2')
de somme B connue et telle qu'il existe une limite
lim ■—L= g^=0. (3)
n -»oo n
198 AMÉLIORATION DE LA CONVERGENCE DES SÉRIES [CH. VI
On a alors une égalité évidente

OO OO OO
S ûn = ? S &n -f S (an— qbn)
n=i n—1 n=l
OU
A = qB + 2 (a« —?&».)• (4)

• n=l
En particulier, si an ~ b n, on a q = 1 et
A = B + % ( a n- b n). (4')
n=l
Par conséquent, la recherche de la somme de la série (1) est dans

le cas général remplacée par la recherche de la somme de la série
2
n=l
(«„-«*»). (5)
Le reste de la série (5) B N peut se mettre sous la forme

OO OO OO
Æ,v= 2 (an — qbn)= 2 ( 1 _ g ‘è r ) an== 2 e«a "’
n=N +l n = N + l * n=N-fi
où en = l — q ~ " “^0 quand oo.
C'est pourquoi la série (5) converge en général plus vite que la

série initiale (1). La difficulté principale de Tapplication de la
transformation de Kummer consiste à choisir la série auxiliaire (2')
convenable.
Montrons l ’application de cette transformation à une série (1)
aux signes positifs et dont les termes an sont des fonctions rationnelles
d'une variable entière n
_ a0nP+ ai/iP-1+ . . . + a p
(n = l, 2, . . . ) , (6)
n “ Pon«+ Pi»«-1+ - ..+ P 9
où p et g sont des entiers non négatifs et a 0 > 0 , p0 > 0. Pour
assurer la convergence de la série du terme général (6), il faut et
il suffit que l ’inégalité
q> P + 2
ait lieu.
§ 1.1 AM ÉLIORATION DE LA CONVERGENCE DES SE R IE S NUM ÉRIQUES 199
Dans ce cas
-< > (£ )•
(au moins!).
Considérons les séries auxiliaires
^ S n(n + i ) . . . (n + m) (m ^ 2 > • • •)• (7)
Etant donné que

_______1_______
n (n + l) . . . (n + m ) —
= ±
m r
[_ -n (n + l ) . . . ( n + m - l ) (n + l)(n + 2) . . . (n + m) ]•
il vient
N
1
« ’ - S - (n + 1) . . . (n+m )
71=1
=JLr__ L_m
mL1-2 ... ( t f + l ) ( t f + 2)...(J V + m ) ] •
Par conséquent,
iS*m) = lim (8)
N-»oo mm!
En utilisant l ’idée de Stirling, le terme général de la série défini
par la formule (6) est mis sous la forme d’une somme finie des facto
rielles inverses
n _____ ^1 i ^ 2 ___________ i j ______________A m ___________ i _ (m )
n n (n + 1) n (n + 1) (n + 2) * ' n (n + 1) . . . (n+m ) ~r n 1
où A u A 2, . . A m sont les coefficients indéterminés et a™* est le

reste. Choisissons les coefficients A t (i = 1, 2, . . m) de sorte que
* On dit que est un infiniment petit au moins d'ordre m par rapport a — :
n _ 0 (“^ r ) ’
si
n_
- (4-r
lim = C = £ OO.
Si en outre c 0, ^ est un infiniment petit exactement d'ordre m par rapport

h —.
n
A cet effet il suffit de définir successivement les coefficients Ai

d'après les formules
Aj = lim « -f \) a a,
n-*oo
A* l an » (n + 1) (» +.2)
(9)
m- 1
n(n + l)i4/..( n + o J n ( n ~ 1 ) - - ^ ra+ m)-
Conformément au schéma général, on prend pour série auxiliai-
re (2):
oo
B = y i bn =
At • Aj
L n ( n + 1) + n(r* + l ) ( n + 2 ) n (n + 1) . . . (n + m ) ] -
= AiS'1' -f AzS*1' + . . . + 2 .
^ ^ 2-2! . Am
1*1! ^ 0°)
par ailleurs, il est clair que
n -* oo ° n
et
S = 2 *n = B + 2 < m)- (« )
n=i n—1
La convergence rapide de la série auxiliaire 2 anm) ne se inani

té 1
testant en général que lorsque n est suffisamment grand, il est prati
quement commode de ne réaliser la transformation considérée qu’en
partant d’un certain terme ûp+j de la série. Eh posant
p oo oo
S an~Sp4~ 2 fln?
n=i n=p-f"l n=p-fl
on a :
S = S p+
oo
+ 2 [rt (re + l) + rt (n + l) ( n + 2 ) + ’ ‘ ’ "*"n (n + 1) ? . (n + m)'*"®»0

u=p-fl ^
= s p+ A i 2 ( t - ttÎt) +
n=p+[
S 1.] AMÉLIORATION DE LA CONVERGENCE DES SÉRIES NUMÉRIQUES 2 0 f
+ 2 S [ « ( n + 1) (n + l ) ( n + 2) ] + ” •
n=p+i
oo
m s h
n=p+l
L n (fi + 1) . . . (fi + m — 1) (fi-f- 1) • • • (fi + tfi) ■]+
+ 2 a»m )= 5 i,+ j4 i' 7 + r + “f ' (p+i)(p+2) + • •

n=p-f 1
1
m (P + l ) • • • (P * r m ) 2 <m)-
n—p-f i
En particulier, pour m -ôo et tenant compte de a{tm)3tO r
on obtient le développement de Stirling
oo p
2 a» = 2 2 (P + l ) ( P + 2)
n=l n= 1
. _____
m (P + 1) (P + 2) . . . ( p + r n ) + •••
E x e m p le . Trouver la somme de la série
( 12)
fi* + l
n=i
à 0,001 près.
S o l u t i o n . Posons:
1_______ Ay A. I _f2)
T*ûn
"2 + l n (fi+ l) 1 n(n + l ) ( n + 2 )
On a
A ^ h m W(8W+ 1} = 1 ;
Tl-*>0O »1
A=JSM r ~ ^- tl'J+V2>- 1■
Par conséquent,
_r2) 1 1 1
an fi2 + l n(n + i) n ( n + 1 ) ( f i + 2) ”
n3 + 3 n g + 2rt — n 3 — 2fi* — f i - 2 — n^ — 1 _ fi — 3
" ( * + l ) ( " + 2) ( n î + l ) n (* + l ) ( * + 2) ("*- + ! )
Les formules (10) et (11) entraînent
1 fi — 3
( 12' )
1-1 ! è r+ S T (n + l ) ( « + 2 ) ( n * + l ) *
71= i
Puisque avec n > 3 on a

n —3 ^1
n (n + 1) (n + 2) ( n * + 1) ^ n* *
il vient
P n ~ 2 n (n + l) ( n + 2) (n * + i) < j T»" = '3Â?3‘ < ‘2 ’0 ,0 0 1 '

n=N+l N
Il en résulte que le nombre suffisant de termes de la somme (12')

est N = 10 ; en outre, ces termes doivent être calculés avec quatre
décimales au sens strict. Ainsi, on a :
S « 1,25 + ( —0,1667) + (-0,0083) + 0 + 0,0005 + 0,0004 +
+ 0,0002 + 0,0002 + 0,0001 + 0,0001 + 0,0001 = 1,0766,
de plus, en retenant que la somme des quatre premiers termes est
exacte, on obtient pour l ’erreur absolue l ’estimation
A < y • 10"3+ 7 10"4 < 0,7- « r 3.
On en tire, en arrondissant, la quantité

S « 1 ,0 7 7
avec une borne d’erreur absolue
Â = 0,7 -10-3 + 0,4 -10-3 = 1,1 -10-3.
Constatons que l ’estimation du reste de la série (12) s’écrit
< I < î ” T T ^ y -0,001.

N N
D’où N ^ 2000, donc pour obtenir la même précision sans trans
formation il faut environ 2000 termes de la série.
R e m a r q u e . Pour calculer la somme approchée de la série (1)
du terme général (6) on peut faire également appel aux séries
71—1 71=1 71=1
En général
1)p - i S 2p(2*)iP
S 2.] AMÉLIORATION DE LA CONVERGENCE DES SÉRIES ENTIÈRES 203
où B n (n = 1, 2, . . .) sont les nombres de Bernoulli [51, [6] définis

par la formule symbolique
(B + l)n — B n = 0,
dans laquelle après le développement suivant le binôme de Newton
on pose Bn = Bn. On a en particulierj
1T* 3 0 ’ ■®6 = 4 2 ’ ■®8 = — 3 0 ’ ^ 10==66

(cf. chapitre XVI, § 11).
§ 2. Amélioration de la convergence des séries entières

par la méthode d’Euler-Abel
Considérons la série entière convergente
/ ( i ) = 2 a „ x n, (1)
n=0
où / (x) est la somme de la série.

Supposons que le rayon de convergence R de la série (1) soit fini
et différent de zéro. Sans porter atteinte à la généralité du raisonne
ment on peut considérer que R = 1 *.
Mettons la série (1) sous la forme suivante:
/ (x) = a 0 + xq> (x), (2)
où
oo oo
< p (x )= 2 ûi»x""1 = 2 ®n+l*n - (3)
n=l n*»0
En multipliant les deux membres de l ’égalité (3) par le binôme
1 — x, on obtient:
(1—x)<p(x)= 2 an+lxn— 2 aB+1xn+1. (4)

n=0 n=0
En posant dans la deuxième somme + 1 = m et en tenant compte
de ce que la somme ne dépend pas de la désignation de l'indice de
sommation, on a :
2
n=0
On+1Xn+1= 2
m= 1
<*mXm = 2
n=l
«n*n -
* En effet, si 0 < R < oo et R 1, en posant t = on obtient une sé

rie entière par rapport à la variable t de rayon de convergence p = 1.
Donc
( 1 — x ) < p ( x ) = 2 °n+iXn— S a nz " =

71=0 n=i
= flo -r 2 ( a n+ i— c „ ) ï n = a0 -r 2 A a nx n ,
71=0 71=0
OÙ
Aan = an+i — an (n = 0, 1, 2, . . . )
sont les différences premières des coefficients an (pour plus de détail
sur les différences finies cf. chapitre XIV, § 1). Par conséquent,
les formules (3) et (4) permettent de déduire:
<P(*) = 2 a»+t*" = T ^ 7 + 7 “ T S Aa"x"

71=0 71=0
et donc
I aox X
2 Aanx" gQ X
/(x ) = flo T 1—X 1— X 1—X 1—X 2 Aan*”»
71=0 71=0
soit
oo
«0 X
(5)
2 ûn*n = 1 ---X 1—X
71=0 71=0
La transformation considérée de la série entière s’appelle trans

formation d'Euler-Abel. En appliquant d’une façon analogue la
OO
transformation d’Euler-Abel à la série entière 2 Aa„xn, on trouve :
71=0
OO OO
71=0 71=0
OÙ
à 2On = A (A O = AOn+t — AOn
sont les différences secondes des coefficients an. On en tire en vertu
de la formule (5) :
S
n=0
(T ^ + fé r 2
7i=0
»*•*)=
OO
fl0 xAflp î
1 —x (1-X )2
A2a„x".
71=0
§ 2.] AMÉLIORATION DE LA CONVERGENCE DES SÉRIES ENTIÈRES 205
En reprenant successivement p lois la transformation d’Euler-Abel

on a
oo
xP-lAP->a0
2 ù.”anx \
go xAa0 ,
2 anxn i —x (1 -X )2 ï (l-x )P
O U
Aran = &r-1an+x— A r i an (» = 0, 1, 2, . . . )
sont les différences d'ordre p des coefficients a* et Afea 0 (k = 0, 1,

2, . - les différences finies consécutives des coefficients an avec
n = 0. Ainsi,
p -i
/( * ) = 2 AV ( l _ x)ft+l - ( l é ? ) ' 2 a - ..* - . (6 )
h=U n —0
où l ’on a posé A°a0 = a0. Si l ’ordre de décroissance des différences

finies Avan pour n ->• oo est supérieur à celui des coefficients any
il est plus avantageux d’employer la formule (6). Cette condition
se présente assez souvent. Par exemple, si an = , on obtient :
a 1 1 1
n+ i n“ »(»+ l) »
ici, quand oo, Aa* diminue plus vite que a*.

En particulier, si a* = P (n), où P (ti) est un polynôme entier
de degré p — 1, la formule (6) donne sous une forme finie la somme
de la série
2 P ( n ) x " = 2 A»/>(0) ■ ( |* |< 1 ) , (7)

71=0 #1=0 1
du fait que APP (n) = 0.

La formule (6) n’a pas de sens avec x = i. Pour ce cas, la trans
formation d’Euler-Abel peut être modifiée. En posant x — — i, on a :
oo oo
/( * ) = 2 M - 0 n = 2 ( - l ) n *nin =
TUkO 71=0
#1=0 V n=0
En revenant à l’ancienne variable, on obtient :
fc=0 (l+ * )h
oo
+ ( ï t t ) p 2 (— i r ani x" . (8)
71=0
La formule (8) a également un sens pour x = 1.
E x e m p l e 1. Calculer à 0,001 près la somme de la série
oo
X”
/ ( * ) - 2 . (n+1)(n+2) (9)
71=0
pour z = — 1.
S o l u t i o n . Appliquons deux fois la transformation d’Euler
(p = 2). On a :
•- ----------1
(n + l)(n-------'
+ 2) »
1
Aan —an+1—an = (n + 2)(n + 3) (ti + 1)(71 + 2)
(» + l)(n + 2)(n + 3) ’
2
A2û„ - Aan+t—Aûn - — (B+2)(n + 3)(n+4) (it + l)(» + 2) (n + 3)
6
(n + l)(n + 2)(n + 3) (i» + 4) ‘
Par conséquent,
2
<h ^#2 * Aæq 1-2-3 ’
La formule (6) entraîne:
, , 4* 1 1 , 2 1 ,
1) = T I ’T + T T â ' T +
oo
1\2
+(-*) s 71= 0
(7 1 + 1 ) (71 + 2) (71 + 3) (71 + 4)
1 1 3 1 3 1 3 1 1
4 + 12 + 2 * 24 2 - 120 ‘ 2 * 360 2 840
4- 3 3 1 3 1
( 10)
2 1680 2 3024 ^ 2 5040
La série (10) est une série alternée à termes décroissants en module.
Par conséquent, si nous nous arrêtons au terme
3 1 1
( 2.) AM ÉLIORATION DE LA CONVERGENCE DES SE R IE S E N T IÈ R E S 207
le reste de la série R ne sera pas supérieur en module au premier

terme négligé:
| /? | < y = 3360 < 3 - 1 0 4.
Ainsi, si l ’on prend deux chiffres de réserve, on a:

/ ( - 1 ) = 0,25000 + 0,08333 + 0,06250 — 0,01250 + 0,00417 -
— 0,00179 + 0,00089 - 0,00050 = 0,38610
avec une erreur absolue
A < 5-y 10-* + 3 -10~4 < 4 • 10-».
En arrondissant le nombre obtenu à trois chiffres, on obtient la
valeur approchée de / ( —1) = 0,386 avec une borne d’erreur absolue
A < 4 -1 0 “4+ l*10-4 = y 10‘3.
La valeur exacte de la somme est:
/ ( _ i ) = 2 1 n 2 - 1 = 0,38630...
Notons que si l ’on applique la série (9) pour calculer directement
/ ( —1), la précision imposée ne peut s’obtenir qu’en prenant à peu
près quarante cinq termes de cette série.
E x e m p l e 2. Trouver la somme de la série
oo
S (x) = Y, (n2 + n + 1 ) xn.

71=0
S o l u t i o n . Soit
P (n) = ri1 + n + 1.
Composons le tableau 12.
T a b lea u 12
Tableau des différences finies
n P(n) AP (71) A2P (n)
0 1 2 2
1 3 4
2 7
La formule (7) amène :

2x2
(i-x )3
avec | x | <c 1
§ 3. Estimations des coefficients de Fourier

On appelle série trigonométrique ou série de Fourier d ’une fonc
tion donnée f (x) ( —ji < x < J i) * la série
CO
-y --f 2 {an cosnx f b„sinnx), (1)
n=l
dont les coefficients any bn (coefficients de Fourier de la fonction / (x))

se calculent d’après les formules
n
û" = i r —Jn / (x) cos nxdx (n = 0, 1 , ...)• (2)
n
j f (x) sin nx dx(n = 1 , 2, ...)• (2')
—ji
La condition suffisante de l ’existence d’une série de Fourier de
/ (x) est l ’intégrabilité de cette fonction sur le segment [ —it, ji].
Dans ce cas les coefficients de Fourier (2) et (2') ont des valeurs
finies déterminées.
Il se peut que la série de Fourier obtenue diverge ou converge
vers une autre fonction. Donnons sans démonstration les conditions
suffisantes de convergence de la série trigonométrique vers la fonc
tion f (x) en tout point de continuité de cette dernière [11, [7].
T h é o r è m e de- c o n v e r g e n c e . Si la fonction f (x) est
continue par morceaux et dérivable par morceaux sur le segment [ —ji, ji],
sa série de Fourier converge sur l'axe numérique tout entier et sa som
me S (x) est une fonction 2n-périodique égale à
s (x0) = '(*o-°> + /( Jo + 0> (3)
en tout point x 0 £ ( —Jt, ri) et S (zfcjt) = 2 "1 [ / ( —ji + 0 ) + / (ji — 0)].

En particulier, S (x0) = / (x0) si en x = x0 la fonction est con
tinue, c’est-à-dire si / (x0 — 0) = / (x0 + 0) = / (x0).
Si, en outre, la fonction / (x) est 2ji-périodique, sa série de Fourier
converge pour toute valeur de x0 et sa somme est donnée par (3).
Si les conditions du théorème de convergence sont respectées, il
est clair que a* 0 et bn ->• 0 quand n 0. Nous donnerons des
estimations plus précises des coefficients de Fourier qui s’obtiennent
* Pour abréger les énoncés nous considérons la fonction définie sur le
segment [—n, n]. Le cas général d'une fonction <p ( t ) définie sur le segment
fa, 6] peut être ramené au cas considéré à l'aide de la substitution linéaire
6+ a b —a
§ 3.] ESTIMATIONS DES COEFFICIENTS DE FOURIEB 2C9
en soumettant le comportement de la fonction / (x) à certaines

restrictions.
D é f i n i t i o n . On dit quune fonction f (x) définie sur le seg
ment [ —jt, Jt] appartient à la classe de périodicité C<m> si
1) / (x) et ses dérivées jusqu'à l'ordre m-ième y compris sont con
tinues sur le segment [ —ji, ji] ;
2) f {h) ( —si + 0) = f {h) (si —0) pour k = 0, 1, 2, . . . » m,
c'est-à-dire les valeurs de la fonction f (x) et de ses m premières dérivées
coïncident •aux extrémités du segment [ —ji, ji].
Il s’ensuit des conditions 1) et 2) que le prolongement périodique
de la fonction f (x) appartient à la classe C<m>( —oo, + oo).
L e m m e. Si la fonction f (x) appartient à la classe de périodicité
£<"> sur le segment [ —j t t ji] (en abrégé, / (x) £ C (m> [ —jt, ji]), ses
coefficients de Fourier an et bn sont pour n -*■ oo des infiniment petits
d'ordre supérieur à m par rapport à — , c'est-à-dire
a" = 0 ( i ) ; b'*= 0 (-^ r)* -

D é m o n s t r a t i o n . Intégrons par parties m fois les deuxiè
mes membres des égalités suivantes:
St
an = ^ j f(x ) cos nxdx (/i = 0, 1, . . . ) , (4)
—rt
n
= j f(x )s in n x d x ( n = 1 , 2 , . . . ) (4')
—St
Si l ’on pose u *= / (x) et do = cos nx dx, on obtient du =
— f' {x) dx et v = -i- sin nx. Par conséquent, la formule d’intégra
tion par parties conduit à:
n
an = -i-[-J -/(x )sin n i]”n—— j /' (x) sin nx dx =
= -^T J /' (*) cos(-Y + nx) dx.
* La notation an= o ( - ^ r ) si^ ifie i ue lim = 0.

n-*oo
1 4 -0 1 0 7 2
210 AMÉLIORATION DE LA CONVERGENCE DES SÉRIES [CFI. V
En procédant encore une fois à l'intégration par parties et en

prenant en considération que f ( —j i ) = f ( j i ) , on obtient:
an=^r{\}r (z) sin ( t + nx)11 +

rt
+ - J n*)c<»s(-§~2+»*)&:]} —
—«
n
—X
etc.
Après m intégrations par parties, les formules (4) et (4') entraînent
n
an = *^5T j / (m>(*) C0S ( T * m + nX ) dx•

ji
bn = ~à™ J / (m) (x) sin (-y-TO + nx) dx.
-n
Les intégrales
n
8* = -— J /<m>(a:)cos [--•m-{~nx j dx
et
TT
e|, = - L j /<m> (x ) s in « x j <fx
—71
sont au signe près les coefficients de Fourier de la fonction / <m> (x)
continue par hypothèse. On sait qu’indépendamment de la con
vergence ou de la divergence de la série de Fourier, les coefficients
de Fourier d’une fonction continue tendent vers zéro lorsque leur
rang tend vers l ’infini *. Il en résulte que
8n —►*0 et e^-^0 quand n -* oc.
• Il en est ainsi du fait que toute fonction continue par morceaux / (x) à
coefficients de Fourier a n et bn (n = 0, 1, 2, . . .) vérifie V i n é g a li t é de B essel [7]
OO 71
4 + 2 < « i+ * i> < ir J **&**•
n= 1 -7i
Par conséquent, la série 2 (an + ^ converge et 0; bn -► 0 quand

n=l
n — oo.
S *.I MÉTHODE DE KRYLOV POUR LE CAS DES SÉRIES DE FOURIER 211
Or
donc les coefficients de Fourier et bn de la fonction / (x) sont

des infiniment petits d’ordre supérieur par rapport à :
a" = 0 ( i ) ’ 6» sss0(-S5t)-
Ce résultat a été utilisé par A. Krylov qui Ta mis à la base de sa
méthode d’amélioration de la convergence des séries de Fourier.
R e m a r q u e . Si / <m> (x) satisfait aux conditions du théorème
de convergence, on montre sans peine que
«■=<>(■?) el
Dans ce cas l ’estimation des coefficients de Fourier est bien meilleure :
a* = 0 ( — ) et bn = 0 ( - ± - ) .
§ 4. Amélioration de la convergence des séries de Fourier

par la méthode de A. Krylov
Soient une fonction / (x) continue par morceaux sur le segment
[—jt, n] et ses dérivées continues par morceaux (x) (i = 1 ,2 , . . .
. . ., m) jusqu’à l ’ordre m-ième y compris. En vertu du théorème
de la convergence (§ 3), la fonction / (x) peut être représentée en tout
point de continuité par la série trigonométrique de Fourier
/(x) = - ^ - + 2 (an cosn x 4-bn sin nx), (I),

71—1
où an et bn sont les coefficients de Fourier définis par les fomicr-

les (2) et (2') du § 3. Dans le cas général, les coefficients an et bn
tendent vers zéro lentement et il est pratiquement difficile d’utiliser
la série (1) ; il est d’autant plus inadmissible de dériver la série (1)>
terme à terme, opération quelquefois imposée par la résolution de
certains problèmes, en particulier par l ’application de la méthode
de Fourier.
La méthode de Krylov [8] consiste à extraire de la fonction / (x)
une fonction élémentaire g (x) (qui est en général une fonction,
polynomiale par morceaux) de mêmes discontinuités que la fonc
tion / (x), les dérivées g(i) (x) (i = 1, 2, . . ., m) jusqu’à l ’ordre
m-ième y compris possédant les mêmes discontinuités que les dérivées;
correspondantes f (i) (x) de la fonction considérée / (x) et de plus
14t.
212 AMÉLIORATION DE LA CONVERGENCE DES SÉRIES ICH. V!
la fonction g (x) étant telle que

/<‘. ( _ Jl + 0) - ^ i> ( - n + 0) =
= /t‘. ( n - 0 ) - g‘,> (n -0 ) (i = 0, 1,2, . . . . m).
Dans ce cas, la différence
9(1) = / (*) — g (*)
appartient à la classe de périodicité C<m\
En désignant par a„ et P„ (n = 0, 1, 2, . . .) les coefficients de

Fourier de la fonction ■ oo, c’est-à-dire en général la série (2)
converge rapidement. Cette série peut être dérivée terme à terme
au moins m — 2 fois.
Montrons comment en pratique on construit la fonction auxiliaire
g (x) à partir de la fonction donnée / (x) [91. Construisons à cet effet
par la méthode de récurrence sur le segment [ —2ji, 2ji] la suite des
fonctions a0 (x), a, (x), . . am (x), qui jouissent de la propriété
suivante :
( + 0)— (—0) = Ji (3)
(A; = 0, 1, 2, . . m), et de plus telles que les dérivées a** (x) (/ =
= 0, 1, . . k — 1) soient continues sur le segment [ —2ji, 2ji1.
La fonction o0 (x) est définie de la façon suivante :
— pour —2j i < x < 0,
ffo (*) * —j — pour 0 < x < 2 ji, (4)

^ 0 pour x — —2ji, 0, 2ji.
Sa courbe est représentée sur la figure 46. C’est une fonction impaire,
sa série de Fourier ne contient donc que les sinus des arcs mul-
§ 4.] MÉTHODE DE KRYLOV POUR LE CAS DES SÉRIES DE FOURIER 213
tiples :
oo
o0(x) = y b* sin nx,
n—!
OÙ
, 2 f ji — x ,
bn = — l —^— sm nx =
a
Jl —X cos n x |* 1 «
2 (\ 2 j cos nx dx J =
Jl n |o 2n
0
2 / ji 1 I*
71 \ 2 n S l n n i |o K -
Par suite
x , s\n 2 x s in, s in n x ,
<T0(X) -
i 1 2 1 *’ ’ n ' (5)
Il est évident que la fonction o0 (x) comporte une discontinuité
au point z = 0 avec un saut égal à n :
M + 0 ) - c 0( - 0 ) = ( — f-) = n.
C’est pourquoi la fonction
\|> (x) = <i0 (x — x0) ( —n ^ x ^ n; —n ^ x 0 ^ n)
fait en x 0 le même saut que la fonction a0 (x) :
(ar0 + 0) — ^ (x0 — 0) = n,
le point de discontinuité étant unique sur le segment [ —n, n).
Définissons la fonction Oj (x) par la formule
X
Oi (x) = c, + j o0(x) dx, (U)

U
où Cj est une certaine constante.
Intégrons terme à terme la série (5) pour obtenir:
Ü 71=1 71=1 71=1
Choisissons la constante Cj de façon que le terme constant de la

série (7) soit nul
e ,+ 2 *2 0.
71= 1
214 AM ÉLIORATION DE LA CONVERGENCE DES SÉ R IE S [CH. VI
Il vient
n**l
oo
1
La série 2 est égale évidemment au terme constant de ia
n=l
x
série de Fourier de la fonction j o0(x) dx. On en tire en utilisant
u
Fig. 47.
la formule (4) :
Tl=l 0 0 ü
____ 1 _ [ j i 3 ___rt3 \
£L:
"TU 12 j 6 •
C’est pourquoi
ji2
Ci~ r
Donc
cos n x
0,(1) 2J *2» (8)
en outre,
f
X
f * -* . dx ji2 n2 (n -* )2 avec 0 C x < !2 n ,

J0 2 ax 6 ~ 12 4
° l (x) = X
f n+2 x ax
dx
n2 ji2 (n + * )2
avec — 2j i - < x < ;0
J0 6 12 4
V
La courbe de la fonction (x) est représentée sur la figure 47.

La fonction o 4 (x) est continue sur le segment [ — 2n, 2n], alors
que sa dérivée a[ (x) = <x0 (s) admet une discontinuité en x = 0 ;
de plus
* ;(+ 0 ) - < S ( - o ) = n.
fi 4.J MÉTHODE DE KRYLOV POUR LE CAS DES SÉRIES DE FOURIER 215
On définit de la même façon* les fonctions suivantes
0
où les constantes arbitraires cu c2, • • ••» cm sont choisies de façon
que le terme constant de la série de Fourier correspondante soit nul,
c’est-à-dire que les constantes ck (k = 1, 2, . . m) s’obtiennent
successivement d’après les conditions
o o
Les fonctions a* (x) (k = 1, 2, . . m) et toutes les dérivées
jusqu’à l ’ordre (k — 1) y compris sont continues sur le segment
[ —2ji, 2ji1. Par ailleurs, comme o*fc) (x) = a0 (x), il vient
a<*>( + 0 )-a< * > (-0 ) = Ji (& = 1,2,
donc la dérivée &-ième de la fonction ch (x) a une discontinuité
en x = 0 avec un saut égal à ji. Il en résulte que la fonction tyh (x) =
= ak (x — x0) ( —ji ^ x ^ jt), obtenue par translation de la fonction
0/t (x), n’a une discontinuité que de la dérivée ft-ième au point x = x0:
^ (*o + 0)— (x0—0) = Jt.
Soient maintenant
x<°>, x<2° \ xj£) les points de discontinuité de /(x );
x<1}, x^>, x(|> les points de discontinuité de /'( x ) ;
x<m>, xg"), les points de discontinuité de / (m)(x)?

certains de ces points pouvant se répéter.
Pour les sauts correspondants de la fonction et de ses dérivée*
introduisons les notations
fit) /(O ( x ÿ ) _ 0 ) = h f
(/ —0, 1, • • ••,y m , ; = 1, 2,i, •••,

• • • , &/)•
Définissons la fonction g (a:) (fonction des sauts) par la formule

/,<o> * hi Jt(\)
£(•«••)= 2 x j°)+ y - j r a '( x —■r‘I>) • •••
5=] 5— 1
~hm faim)
2 —h— (9)
3= 1
La fonction g (x) jouit des propriétés suivantes :
1) aux points xî°\ x‘°\ . . x ^ la fonction g (x) est discontinue,
les sauts en ces points étant égaux aux sauts de la fonction / (x)
en points correspondants:
A<0)
g (*y» + 0) - g (*«>-0) = lo0 ( x , - x , - 0 ) -
—o 0(x; —x, —0)] = ;
2) la dérivée gt‘)(x) (1 = 1, 2, . . . , m) est discontinue aux points

x\l), xif'1, . . . , x<0 ; de plus
£<'> (*(.') 4-O ) - ^ (zJO —0) =
= [o, ( x f - *V> + 0) - o, (x f - x J O - 0 ) ] = i n = MO,
c’est-à-dire
g*» (xj + 0) - g<0 (xj - 0) = /«> (x, + 0) - /(«) (x; - 0) ;
3) pour x # xj() la fonction g (x) possède des dérivées continues

de tous ordres.
Soit
9 (x) = / (x) — g (x). (10)
En vertu de la première et la deuxième propriété on a:

q,(0 (*(.0 + 0) - <p<*>(x(*>- 0 ) = 0 (l = 0, 1, 2, . . . , m).
ou
<p(x) ÇC(m)[ —ji , «J.
Ainsi, pour développer la fonction / (x) on peut faire appel à la
série de Fourier (2) à convergence rapide. Remarquons que les déve-
§ 4.] MÉTHODE DE KRYLOV POUR LE CAS DES SÉRIES DE FOURIER 2i7
loppements
^ sin /i(x —x<°>)
o 0 (x — xi0>)
n=l
■s
COS rt ( x — x j n )
fT, (X -X ? > )
n -1
OO
s i n n ( * — a£->)
Oz (x — 4 a ) y
n3
Tl— 1
permellent de développer aisément la fonction g (x) en série de

Fourier. On a finalement que la série de Fourier de la fonction / (x)
est composée : a) de la partie lentement convergente dont la somme
est évidemment la fonction g (x) et b) du reste à convergence rapide
qui est une série de Fourier de la fonction (x) (A: ^ m) ne coïncident pas, c’est-à-dire si
/(_n + 0) ^ / c ‘>(*_G) (Z- 0, 1, 2, . . * ) ,
les points x = — n e t x = ji doivent être considérés comme points
de discontinuité de la fonction / (x) ou respectivement des dérivées
/ (/) (x).
En supposant que la fonction / (x) soit prolongée périodiquement
hors du segment [ —Jt, n] de période 2 ji on obtient que le saut des
dérivées en x = — n et x = n est le même et égal à
h'1' = / < ' > ( - Ji + 0) — / (l) (Jt - 0 ).
Par suite de la périodicité de la fonction O/ (x), on a :
at (x + Jl) = O/ (x — Jl),
la fonction o\l) (x + ji) sur le segment [ —ji, ji] admettant deux
points de discontinuité (x = — ji et x = jt) de même saut égal à J t.
C’est pourquoi il faut inclure dans la formule (9) un seul point
extrême, par exemple x = — ji. En effet, d ’après la formule (9),
le saut de la dérivée g{l} (x) au point x = — ji est égal à
g“>( - Ji + 0) -g < ‘>( - n - 0) = [o<'> ( + 0) - o<‘>( - 0) J =
La périodicité de gll) (x) fait que le saut de cette dérivée est égale
ment le même pour x = Jt. Donc, en formant la différence
f(x ) — g (x) = <p (x),
21S AMÉLIORATION DE LA CONVERGENCE DES SÉRIES [CH. VI
ou on ne tient compte que du point x = — ji, on supprime la dis

continuité de la Z-ième dérivée de la fonction <p (x) e m = - n,
de même qu’en x = ji.
E x e m p l e . Améliorer par la méthode de Krylov la conver
gence de la série de Fourier de la fonction (fig. 48a)
j j r - f - l avec —n < x < 0,
f ( x ) — j x2 avec 0<x<n.
S o l u t i o n . D'après la remarque, la fonction / (x) a sur le
segment [ — jx, 3x1 pour points de discontinuité x4 = — ji ; x2 = 0 ;
2«2 — pour « impair;

a0 = i ; «n = - 4 ( - l ) n ; bn = \ ™
B l 0 pour rc pair.
Par suite, la série de Fourier de la fonction / (x) s’écrit
oo oo
1
f{x ) = Y -r
+— ^- +
+ 4 2 (~^2)n cos n x - j f 2 (11)
n=l fe=0
La convergence de la série (11) est mauvaise du fait que les
coefficients bn = O décroissent lentement. Extrayons de la
fonction / (x) la fonction des sauts g (x) de façon que cp (x) =
= 1/ ( x ) - g ( x ) ] ji].
$ 4.] M ÉTHODE DE KRYLOV POUR LE CAS DES SÉ R IE S DE FO U R IE R 219
Calculons les sauts ft$0> aux points xj (J = 1, 2, 3) x

fe}°> = / ( —r t+ 0 ) —/(n —0) = (ji2 + 1) —ji2 = 1 ;
fei0) = / ( + 0 ) —/ ( —0) = 0 —1 = - 1 ;
h{°' = h[0' = i.
En vertu de la formule (9) et en tenant compte de la remarques
on obtient
ou
ji — (x+ n ) 1 Jl + X 1
2 1 ji 2 2
avec —jï < x < 0 et

n — (x+ n) 1 jï — z 1
2 ji 2 2
avec 0 <n.
En retranchant de la fonction / (x) la fonction des sauts g (x)f
on obtient la fonction
cp(x) = xs f-4 -,
continue sur le segment [ — j i , ji] (fig. 48b). Etant donné que

sin nx
Oo(*)= 2
n=l
et que
OO OD
/ i \ XI s in n (x + ji) vi ( —l)n .
a0(* + *) = 2j ------n — 2 ———sm nx.
n=l n=i
il vient
g (' x ') = —
®
2 - —— sin n x — — V —
n . -J
sin nx =
n «Z J r e
n—1 n=l
- J LJi“ V.
—>i ^ nn i s i n n x = Jl 2 2fr+l
n= 1 0
Donc
cos nx,
/ w - * ( * > + T + 7 - + '1 2 - ^
n=l
Tordre de décroissance des coefficients de la série de Fourier trans

formée étant
Remarquons que si Ton extrait do la fonction / (x) la fonction
des sauts g (x) en prenant en considération les discontinuités de la
dérivée, le reste sera identiquement nul, on obtient donc la somme
exacte de la série (10).
R e m a r q u e . La méthode de Krylov est également appli
cable aux séries de Fourier de période T = 21. En effet, soit la
fonction / (x) définie sur le domaine essentiel a — l < x < a + l.
Après avoir effectué la transformation linéaire
*= a+-*,
on obtient la fonction F (t) = / ( a + — 2n-périodique définie

dans le domaine normalisé —
§ 5. Sommation approchée des séries trigonoraétriques

Soit la série trigonométrique convergente
oo
s (an COS nx + bn sin nx) = S (x), (1)
A aO
dont la somme S (x) est inconnue. Il faut calculer la valeur approchée

de cette somme avec une précision donnée à l ’avance.
Il est évident que plus vite les coefficients a^ et bn de la série (1)
tendent vers zéro, moins il faut prendre de termes de la série pour
assurer la précision imposée. Pour cette raison avant de commencer
le calcul, il convient dvaméliorer la convergence de la série. A cette
fin on recourt en général à l ’artifice suivant : on extrait de la série
donnée une certaine série trigonométrique dont la somme g (x) est
connue pour que la série restante
oo
2 (an cos«x + P„sin/)x) (2)
î&
obO
ait une convergence plus rapide que la série initiale.

Si
g (x )= 2 (flnCOsnx + 6nsin«x),
n-0
il vient
oo
s (x) = 8 (z) -i- S (a„ cos nx + p„ sin nx), (3)
n —0
§ 5.] SOMMATION APPROCHÉE DES SÉRIES TRIGONOMÊTRIQUES 221
OÙ
Otji = Û» (/l = 0, 1» 2, . . .).
Dans les cas les plus simples, pour construire les fonctions g (x)
on peut utiliser les développements décrits dans ce qui précède:
2 ^ = a0(x) = i ^ ( 0 < x < 2ji) ;

n= 1
£ i0 < * < 2 n ) ;
K-=l
oo
sin n x , x 2 .t2j — 3 ji£ 2 + x 3
2 _ r - = - o 2(x) = -------- — — (0/<r . x^ < 2 ^n )o ;\
n= 1
Parfois il est utile également de faire appel aux développements [71
S — L = - l n ( 2 s m |) (0 < x < 2ji) ;

n—1
OO X
^ Ü H |i.= _ j ln (2 s in -|-)d x (0 < x < 2 n );
n= 1 0
y, ^ r ~ = j dx j ln ( 2 s in -J) dx + 2 I J (0 < x < 2 n ) ,

h -i Ü ü n=»l
oo
où 2 -^- = 1,202056903 .
Tl—1
E x e m p l e . Trouver la somme de la série
5 (*)= 2 - ^ 5 T s in n i
n= l
à 0,001 près.
S o l u t i o n . L’ordre de décroissance des coefficients de la
série bn = est O puisque lim = 1 . Amé
liorons la convergence de la série proposée. Il est clair que
n
^+ î ^Yn.
222 AMÉLIORATION DE LA CONVERGENCE DES SÉRIES [CH. Vr
Oll
Yn = n* + 1 1r» +» -r»3L -
n 3 i)
Alors,
sin nx Xt sin nx , xi
^ n*+ 1 sin nx >. — — 1- Z j V nSHl nx.
n=J 71= 1 n=l n—1
Mais
S —sm- —
nx _ / \
= a0(x) et. /x
s id r z
V _ _ = _ CT2(X).
n=l n —l
Donc
S (x) = or0(x) + o. (x) -f- 2 VnSinnx,
71=1
ouÛ T n = 73(i + 1 ) = O t ë ) •
Soit TV le nombre de termes de la série S y„ sin nx qu’il faut

71= 1
prendre pour que le reste RN vérifie l'inégalité
oo
|Æ.v| = | S Yn sin n x |< 0,001.

N+i
Trouvons le nombre TV. On a :
n3 {*2+ 1) sin nx < yj — <

^ Z ^ [1 — = —
4.v4 ’
N +i N+l N
En résolvant l ’inégalité < 0,001 on voit qu’il suffit de
prendre TV = 5. Donc, on a avec la précision imposée:
5
Jt — x 2j i2x — 3j i x 2+ x3 , sin nx /r. . ^ x
S{x), - 1 ---------------12---------+ Zj 73(na+ i) (0 < x < n ).
71=1
BIBLIOGRAPHIE
1. G. Fichtengoltz. Principes d'analyse mathématique, t. II. Gostekhizdat,
1956, chapitres XV et XXIV.
2. A . Markov. Calcul des différences finies, 2e éd. Matésis, 1910, chapitre II.
3. G. Salékhov. Calcul des séries. Gostekhizdat, 1955, chapitres I et III.
4. /. Bésikovitch. Calcul des différences finies. Université d’Etat de Lénin
grad, 1939, chapitre IX.
5. A . Guelfond. Calcul des différences finies. Dunod, 1962, chapitre IV.
6. Ch.~J. de La Vallée Poussin. Cours d'analyse infinitésimale, t. II. New
York, Dover publications, 1946.
7. G. Tolstov. Sériés de Fourier. Gostekhizdat, 1951, chapitres I à V.
8. A . Krylov. Conférences sur les calculs approchés, 6e éd. Gostekhizdat, 1954,
chapitre V.
9. L. Kantoroviteh , V. Krylov. Méthodes approchées de l’analyse supérieure,
3e éd. Gostekhizdat, 1949, chapitre I.
CHAPITRE V il
ALGÈBRE DES MATRICES
Un ensemble de mn nombres (réels ou complexes) rangés dans un
tableau rectangulaire de m lignes et n colonnes
a i\ “ lî a 13 • • • ^1 n
a l2 #22 ^23 • • • ^2 n
A=
_a ml 0>m2 Æms • • • &mn_
s’appelle matrice (numérique).

Les nombres au (i = 1, 2, . . ., m; j = 1, 2, . . ., n) qui compo
sent la matrice donnée se nomment ses éléments. Le premier indice
i désigne ici le numéro de la ligne de l ’élément, et le deuxième y le
numéro de la colonne.
La matrice (1) s’écrit souvent sous une forme condensée
A = lau ] (i = 1, 2, . . m ; ] = 1, 2, . . n)
ou
A —
On dit alors que la matrice est d’ordre m X n.
Si m = n la matrice s’appelle carrée d'ordre n. Mais si m=£ n,
on dit que la matrice (1) est rectangulaire. En particulier, lorsqu’elle
est d’ordre 1 X n on lui donne le nom de vecteur ligne, et de vecteur
colonne si elle est d’ordre m x 1. Un nombre (scalaire) peut être
considéré comme une matrice l x l . Une matrice carrée
'« i 0 0 . . . 0 '
0 02 0 . . . 0
.0 0 0 a».
s’appelle matrice diagonale et sa notation abrégée est la suivante:
[a„ eu. . . ., «ni-
224 ALGÈBRE DES MATRICES [CH. VII
Si ct[ = 1 (i == 1, 2, . . n), la matrice (2) s’appelle matrice

unité et on la désigne généralement par le symbole E
1 0 0 ... 0
0 1 0 ... 0
E=
.0 0 0 . . . 1
En introduisant le symbole de Kronecker
/ c _ J 0 , si isjfc/;
ô«== [1, si i = j ,
on peut écrire
E = [ôjy].
Une matrice dont tous les éléments sont nuis est dite nulle ;
on la désigne par 0. Si Ton veut renseigner encore sur le nombre
de ses lignes et de ses colonnes, on écrit 0mn.
A la matrice carrée A = l&ij]n.n est liée la notion du déterminant
an ûjo •••
a 2i #22 • • • a 2n
det A —
& ni Ûn2 • • • a nn
Il ne faut pas identifier ces deux notions: une matrice est un
e n s ejm b l e o r d o n n é de nombres mis sous la forme d’un
tableau rectangulaire, alors que son déterminant det A est un
nombre, défini par les règles bien connues, et notamment
det A — 2 ( — I) • • *nan» (3)
(ai. a 2......... a n)
où la somme s’étend à toutes les permutations possibles (ai9 a 2, . . .

. . ., c^) des éléments 1, 2, . . ., n et, par suite, compte n\ termes,
de plus x = 0 si la permutation est paire et x = 1 si elle est
impaire.
§ 2. Opérations sur les matrices
A. E g a l i t é des matrices
Deux matrices A = [afy] et B = [b^] sont considérées comme
égales: A = B si elles sont de même type, c’est-à-dire si elles ont
le même nombre de lignes et de colonnes et si leurs éléments respec
tifs sont égaux :
au = bu-
§ 2.] OPÉRATIONS SUR LES MATRICES 225
B. S o m m e e t d i f f é r e n c e
On appelle somme de deux matrices A = la ^ 1 et B = [6*y]
de môme ordre une matrice C = Icij] de même ordre également dont
les éléments C/y sont égaux aux sommes des éléments respectifs
au el bu des matrices A et B: ctj = + bij. Ainsi
Û11+ &11 a12+ bi2 . . . d'in +
a i r y __ û 21 + &21 a 22 + ^22 •••Û 2rt+^2n
&mi “h bm\ Q>rno-\-bmo ••• ®mn~\~bmn m

La définition de la somme des matrices entraîne immédiatement
les propriétés suivantes:
1) A + (B + C) = (A + B) + C ;
2) A + B = B + A ;
3) A + 0 = A.
La différence des mdtrices se définit d’une façon analogue
ÛU — &11 û 12 — &12 ••• a\n—bm
A
a n
— 1> =
Û2I ~~~ ^21 Æ*2 boo . . . Û2n' bon
.ûmi— bmi dmo—bmo . . . dmn—bmn _

C. P r o d u i t d’u n e matrice par un nombre
Le produit d'une mdtrice A = [a^ 1 par un nombre a (ou le produit
d’un nombre a par une matrice A) est une matrice dont les éléments
s’obtiennent par multiplication de tous les éléments de la matrice A
par le nombre a, soit
Otûjj 0U1^2 . . . CCdm
Ctûji OUL22 CCÜ2n
Aa - a A =
_CLdmi CLdmo . . . CLdmn _
La définition du produit d’un nombre par une matrice rend
immédiates les propriétés suivantes:
1) ÎA = A ;
2) OA = 0;
3) a (M ) = (ap) A ;
4) (et + P) A = aA + PA ;
5) a (A + B) = aA + a B
(ici A et B sont des matrices, a et p des nombres).
15—01072
Remarquons que si la matrice A est une matrice carrée d’ordre w,

det aA = an det A .
La matrice
- A = < - l )A
se nomme matrice opposée. On voit sans peine que si les matrices A
et B sont de môme ordre, il vient
A — B = A + (-B ).
D. M u l t i p l i c a t i o n des m a t r i c e s
Soient
'a n ûjo
a2\ a22 • • • ûju
A -=
ûm2 • • • ^mn.
‘ bu b\2 . . . biq
b2\ b22 • • • b2q
B—
J^pX bP2 • • • bpq_

deux matrices respectivement m X n et p X q. Si le nombre de
colonnes de la matrice A est égal au nombre de lignes de la matrice B,
c’est-à-dire si
n = p, (1)
on définit pour ces matrices la matrice C m X q dite produit des
matrices initiales :
C ji C jj ■ ••
C22 • • •
„fmi Cm* • • • Cmq_

OÙ
CU = ai\b\j + ai2b2j + . . . + <iinbnj
(i = 1, 2, • * ., j / = 1, 2, • • •» 7).
Cette définition entraîne la règle suivante de multiplication des
matrices : Vélément de la i-ème ligne et de la j-ième colonne du produit
de deux matrices s'obtient en multipliant les éléments de la i-ème ligne
de la première matrice par les éléments respectifs de la j-ième colonne
de la deuxième matrice et en additionnant les produits obtenus.
OPÉRATIONS SUR LES MATRICES 227
Le produit A B a un sens si ët seulement si les lignes de la matri

ce A comptent autant d’éléments que les colonnes de la matrice B.
En particulier, on ne peut multiplier que les matrices carrées de
même ordre.
E x e m p l e 1.
3 2 8
1 - ■4 0
‘2 — 1"
1 -3
B=
0 1
.3 1_
AB =
r3-2 + 2 - l + 8 . 0 + 1-3 3*(- -I3-(
) +— l) + 2*( —3) rS*l + 1- !1
= Ll.2 + (—4 ) - l - f 0-0 + 3-3 !•( —1) + (—4)-(—3 ) - f 0 . 1 + 3 . l J =
Tll 01
n ? 14j *
E x e m p l e 2.
-1 2 3- 1 ■1-1 + 2.2 + 3- 3- 14-
4 5 6 - 2 4-1 - 5 - 2 i 6-3 — 32
.7 8 9. . 3 . .7-1 + 8 - 2 + 9-3. .30.
Un produit matriciel jouit des propriétés suivantes:
1) A {BQ = {AB) C ; 3) {A + B) C = AC + BC\
2) a {AB) = {aA) B ; 4) C {A + B) = CA + CB
{A y B, C sont des matrices, a est un nombre).
Les égalités 1) à 4) sont entendues dans le sens que si l ’un
de leurs membres existe, l ’autre membre existe également et les
deux membres sont égaux entre eux.
Le produit de deux matrices n’est pas commutatif, c’est-à-dire,
en général, A B =5^ BA . Pour s’en assurer il suffit d’examiner les
exemples qui suivent.
E x e m p l e 3.
et donc
-G 3 * B -p a-
"19 22 [23 341
AB _ r i9 22i
= |_43
.43 50J
50 ; 4 ~|_31 46 J•
c’est-à-dire ici A B ^ BA
15*
Bien plus, il se peut que le produit de deux matrices prises dans

un certain ordre ait un sens, alors que le produit de ces mêmes matri
ces prises dans l'ordre inverse n'en a aucun.
Il en est ainsi, par exemple, lorsque
du fait que
19 13 7
AB alors que BA n'existe pas
46 31 19 ]•
Dans les cas particuliers où AB = B A, les matrices A et B
sont dites commutables. Ainsi on voit aisément que la matrice unité
E est commutable avec n'importe quelle matrice carrée A de même
ordre, et en outre
AE = EA = A.
Ainsi, dans la multiplication, la matrice unité E joue le rôle

de Vunité.
Si A et B sont des matrices du même ordre,
det (AB) = det (BA) = det A -det B.
Cette formule se déduit de la règle de multiplication des déter

minants.
Pour les matrices de l’exemple 3, on a notamment
19 22 1 2 56
43 50 3 4 78
et
23 34 1 2 5 6
31 46 3 4 7 8
§ 3. Matrice transposée
En remplaçant dans la matrice m x n
a ii CL I * • • • « la '
a 2i CL 22 ••• n
A=
- a m i Üffi2 . •. ûmn _
§ 3.1 MATRICE TRANSPOSÉE 229
les lignes par les colonnes respectives, on obtient une matrice

dite transposée n x m
Æjl #21 • • •
A' = A t fljo #22 • • •
_ûin ^2n • • • amn_

En particulier, pour le vecteur ligne
— lûj Û2 • • • #nl»
la matrice transposée est le vecteur colonne
.ûnj
Une matrice transposée jouit des propriétés suivantes:
1) une matrice transposée deux fois se confond avec la matrice
initiale
A ” = (A')' = A ;
2) la matrice transposée d’une somme est égale à la somme des
matrices transposées des termes de l ’addition
(A + B ) f = A 9 + B ';
3) la matrice transposée d'un produit est égale au produit des
matrices transposées des facteurs pris dans l ’ordre inverse
(AB)9 = B*A ’.
En effet, l ’élément de la i-ème ligne et de la /-ième colonne
de la matrice (AB)' est égal à l ’élément de la /-ième ligne et de
la i-ème colonne de la matrice A B , soit
ajibn + dj2b2l + • • • +
Cette dernière expression est évidemment la somme des produits
des éléments de la i-ème ligne de la matrice B ' par les éléments cor
respondants de la /-ième colonne de la matrice A ', c’est-à-dire elle
est égale à l ’élément généralisé de la matrice B 'A '.
Si la matrice A est carrée, il est évident que
det A ' = det A.
La matrice A = [a{j] s’appelle symétrique si elle coïncide avec
sa transposée, c’est-à-dire si
A ' = A. (1)
Il résulte de l ’égalité (1) que 1) une matrice symétrique est une

matrice carrée (m = n) et 2) ses éléments, symétriques par rapport
à la diagonale principale, sont égaux entre eux
aH =
Le produit
C = AA9
est, naturellement, une matrice symétrique, puisque
C9 = (A A 9)9 = (A9)9 A 9 = A A 9 = C.
Par exemple,
l2+ 22 + 32 1.4 + 2.5 + 3.61 ri4 321
4-1+5.2 + 6-3 42+ 52 +62 J = L32 77J ’
§ 4. Matrice inverse
D é f i n i t i o n 1. On appelle matrice inverse par rapport à la
matrice donnée une matrice qui étant multipliée à droite ou à gauche
par la matrice initiale donne la matrice unité.
Désignons par A~l la matrice inverse de la matrice A. On a alors
par définition:
A A -1 = A~XA = E, (1)
où E est la matrice unité.
La recherche de l ’inverse d’une matrice donnée est dite inversion
de cette matrice.
D é f i n i t i o n 2. Une matrice carrée se nomme régulière
si son déterminant est différent du zéro.
Dans le cas contraire elle est dite singulière.
T h é o r è m e . Toute matrice régulière possède une matrice inverse.
D é m o n s t r a t i o n . Soit une matrice régulière d’ordre n :
®11 ®12 • ■• n
i Û21 ^22 • • • Æo^
a n2 • • • f ln n .
où det A = A 0.
Composons pour la matrice A ce qu’on appelle une matrice
adjointe
^11 a 21 . . . Ajii
A\2 Aoo . . • An2
j (2)
_Am ^2n • • •
§ ] MATRICE INVERSE 231
où A tj sont les cofacteurs (mineurs avec leurs signes) des éléments

correspondants atj (i, j = 1, 2, . . n).
Remarquons que les cofacteurs des éléments des lignes s’inscrivent
dans les colonnes correspondantes en effectuant ainsi une opération
de transposition.
Divisons tous les éléments de la dernière matrice par le détermi
nant de la matrice A , c’est-à-dire par A:
“ ^11 An1 “
A "T" A
A22 Anz
A ’ " A (3)
A\n Azn An n
A A A J
Montrons que la matrice A* est la matrice inverse cherchée:
A* = A - 1.
On sait que 1) la somme des produits des éléments d’une certaine
ligne ou colonne du déterminant par les cofacteurs de ces éléments
est égale au déterminant et 2) la somme des produits des éléments
d’une certaine ligne ou colonne du déterminant par les cofacteuFs
des éléments respectifs d’une autre ligne ou colonne correspondante,
est nulle, c’est-à-dire
S aikAjk = àij& (4 )
i
cl
S ahiAkj = ô/yA, ('O
ft=i
ou
1 pour i = /,
*v = [0 pour i ^ ;.
En vertu de ces propriétés, la formation du produit AA* donne
An Azi An 1
A A ’’’ A
a i \ a l2 . . . û j n
An j4j2 AUZ
AA* = *21 . . • Û2n A T ••• A
• • •
Ain Azn Ann
. A ~T~ • • • A
r i o . 01
0 1 ... 0
(5)
0 0. . I
Ainsi, AA* = E.
L’écriture de la formule (5) peut être bien plus compacte si
l’on utilise les notations abrégées
A = lau ] et 4* = p ÿ - J .
Si l’on tient compte de la relation (4), on obtient:
71
A l* = [ V |a<.k i2ÎL] = [ôiyl = ^ .
*= 1
D’une façon analogue on peut prouver que A*A = E.
Par conséquent, A* = A~l, c’est-à-dire
A - '^ - L l A j , 1, (6)
avec
A = det A.
R e m a r q u e 1. Pour la matrice donnée A il-n’existe qu’une
seule matrice inverse A -1. Bien plus même, toute matrice inverse
à droite (inverse à gauche) de la matrice A coïncide avec son inverse
A -1 (si cette dernière existe).
En effet, si
A B = E,
en prémultipliant cette égalité par A"1, on obtient:
A "1A B = A -'E
ou
B = A~l.
D’une façon analogue on montre que si
CA = E ,
alors C = A~l.
C’est pourquoi une seule égalité suffit pour vérifier la rela
tion (1).
R e m a r q u e 2. Une matrice carrée singulière ne possède
pas de matrice inverse. En effet, la matrice A étant une matrice
singulière,
det A = 0.
L’égalité (1) implique
det A -det A "1 — det E = l f
soit
0 = 1?!,
ce qui est impossible. La proposition est ainsi démontrée*
: 4.] MATRICE INVERSE 233
Exemple. Trouver l’inverse de là matrice

• 1 2 3-
A= - 2 - 4 - 5
3 5 6J
S o l u t i o n . Le déterminant étant
1 2 3 1 2 3
A = — 2 —4 — 5 — 0 0 1 = 1^=0,
3 5 6 0 — 1 —3
la matrice A est régulière.
Composons la matrice adjointe i -IV H
1 3
À= —3 - 3 -1
2 1 0
Divisons tous les éléments de la matrice A par A = 1 pour
obtenir
* 1 3 2*
A rl — —3 —3 — 1
2 1 0J
Il est recommandé de vérifier que réellement
A A '1 = E.
Voici certaines propriétés fondamentales d’une matrice inverse.
1. Le déterminant d'une matrice inverse est égal à la grandeur
inverse du déterminant de la matrice initiale. En effet, soit
A~lA = E.
Constatant que le déterminant du produit de deux matrices carrées
est égal au produit des déterminants de ces matrices, on a :
det A -1 det A = det E = 1.
Par suite,
1
det-4”1 = det A -
2. L'inverse du produit de deux matrices carrées est égale au produit

des inverses des matrices facteurs pris dans l'ordre opposé, soit
(AB)-1 = B -1A - 1.
En effet,
AB (B-1A - 1) = A (BB-1) A~l = A E A -1 = A A -1 = E
et
(B -1A - 1) AB = B -1 {A-1A) B = B~lEB = B~lB = E.
Donc B "1A "1 est l ’inverse de AB.
Plus généralement :
(i4ti42 . . . A PY l = A p 'A ^ . . . A~x.
3. La transposée de Vinuerse d'une matrice est égale à Vinverse
de la transposée de la matrice donnée :
(A ’xy = (A ')~\
En effet, en transposant la relation principale A~lA = E , on
obtient :
(A -lA)' = A ' (A -1)' = E' = E.
On en tire en prémultipliant cette dernière égalité par la matri
ce (d ')”1
(A')~l A ' (A~lY = (A')~l E
ou
(A~lY = (il')-1.
R e m a r q u e . Une matrice inverse rend plus facile la résolu
tion des équations matricielles
AX = B et Y A = B.
En effet, si det A ^ 0, il vient:
X = A~XB et Y = B A -X.
§ 5. Puissance d’une matrice

Soit A une matrice carrée. Si p est un nombre naturel, on pose:
AA . . . A = Ap.
-----s/-----
p rois
On convient de plus que A 0 = E, où E est une matrice unité. Si la

matrice A est régulière, on peut introduire une puissance négative
en la définissant par la relation
a -p = ( A - y .
Les puissances d’une matrice aux exposants entiers observent
les règles usuelles:
1) A pA q = A p+q;
2) (Ap)q = A pq.
§ fi.] FONCTIONS RATIONNELLES D’UNE MATRICE 235
Il est évident qu’il est impossible d’élever à une puissance une

matrice rectangulaire non carrée.
E x e m p l e 1. Soit
«i 0 . .. 0 ■
0 a 2 . .. 0
A=
_0 0 . • • ®n.
«f 0 . . . 0 ■
0 < ... 0
AP =
_0 0 • • • a n_
E x e m p l e 2. Trouver
[0 1 0 012
0 0 10
0 0 0 1 *
.0 0 0 0.
S o l u t i o n . On a :
2 "0 1 1
'0 1 0 O’ 0 0' '0 0 0‘ '0 0 1 0'
0 0 1 0 0 0 1 0 0 0 1 0 0 0 0 1
0 0 0 1 0 0 0 1 0 0 0 1 0 0 0 0
.0 0 0 0 . _0 0 0 0. .0 0 0 0. .0 0 010.
Si A et B sont des matrices carrées de même ordre et si en outre
AB = B A, on a la formule du binôme de Newton
(4 + £ )p = 2 CkvAkB p-h.
h=0
§ 6. Fonctions rationnelles d’une matrice

Soit
^11 X 12 ••• x in
__ x 2i x 22 ••• x 2n
.£ ni Xn2 • • • Ænn_
une matrice carrée arbitraire d’ordre n. Par analogie avec les formules
de l ’algèbre élémentaire on définit les fonctions polynômes de la
ZK ALGÈBRE DES MATRICES LCH. VII
matrice X :
P (X ) = A 0X m + A xX m~l + . . . + A mE (polynôme droit);
P (X) = X mA 0 + X mmmlA t + . . . + E A m (polynôme gauche),
où i4v(v = 0, 1, . . ., m) sont les matrices m x n ou respectivement
n x m et E la matrice unité d'ordre n.
D’une façon générale, P (X) ^ P (X).
On peut introduire également des fonctions rationnelles de la
matrice X en les définissant par les formules
R , (X) = P (X ) [<? (X)]"1
et
R 2 (X) = [Q (X)]-i P (X)
avec P (X) et Q (X) des polynômes matriciels et det IÇ (X)l 0.
E x e m p l e . Soit
/>(*>=**+[; ~ î ] x - [ î ô ] '
où X est une matrice variable d’ordre deux. Trouver P
S o l u t i o n . On a :
' C T - G î M i 1 ] P - P =
—i - i
- r . a +r : a - [ î i ] - [ 0 0 ]■
§ 7. Valeur absolue et norme d’une matrice

L’inégalité
A < 5 (D
entre les matrices A = [a*j] et B = [bij] de même ordre signifie que
a iJ < 6U- ( 2)
Dans ce sens toutes deux matrices ne sont pas comparables entre

elles.
Par valeur absolue (module) d ’une matrice A = [a^] on entend
la matrice
M l = l\au \h
où | au | sont les modules des éléments de la matrice A .
$ 7.J VALEUR ABSOLUE ET NORME D’UNE MATRICE
Si 4 et * sont des matrices pour lesquelles les opérations 4 + *

et AB ont un sens, il vient
a) | A + * | < | 4 | + | * | ;
b) | 4 * | < | 4 h | * | ;
c) | aA | = |a 11 A \
(a est un nombre).
En particulier, on obtient:
|4 * |< |4 |*
(p est un nombre naturel).
Par norme d'une matrice A = [atj] on entend un nombre réel
J |4 || qui satisfait aux conditions:
a) || A || > 0, de plus | | 4 || = 0 si et seulement si 4 = 0 ;
b) -|| aA || = | a ||| A || (a est un nombre) et, en particulier,
Il - 4 1 |= ||4 ||;
c) ||4 + * || < |1 4 || + || * ||;
d) ||4 * || < | | 4 | | - | | * | |
<4 et B sont des matrices pour lesquelles les opérations correspon
dantes ont un sens). Pour une matrice carrée on a notamment:
Il 4*|| < || 4 |P,
où p est un nombre naturel.
Notons encore une inégalité importante des normes des matri
ces 4 et * de même ordre. En appliquant la condition c) on a:
||*|| = | | 4 +*(* - 4 ) | | < || 4 1| + | | * - 4 1|.
D’où
||4 - * | | = || * - 4 | | > | | * | | - I l 4 1|.
DTune manière analogue
||4 — * || > || 4 1| - | | * | | .
Par conséquent,
||4 - * | | > | | | * | | - I l 4 1||.
Appelons une norme canonique, si elle vérifie les conditions
supplémentaires :
e) si 4 = [a*;!, on a
l ai i l < H 4 ||,
en outre, pour une matrice scalaire 4 = [alt] on a || 4 1| = | au | ;
f) Tinégalité | A | ^ | B | (A et B sont des matrices) conduit

à l ’inégalité
IM II <11*11.
En particulier, | MI I =I I MI I I *
Dans ce qui suit, pour la matrice A = la/;] d'ordre quelconque
nous considérerons essentiellement trois normes facilement calcula
bles:
1) || A ||m= max S | | (m-norme) ;
i 3
2) ||^4 11/ = max T* | a,; | (l-norme);
3) || A\\k = \ / 2 l a U I2 (k-norme).
i, 3
Exemple. Soit
r 1 2 s-i
■4=14 5 6 .
|_7 8 9 J
On a :
IM IU = max(1 + 2 + 3, 4 + 5 + 6, 7 + 8 + 9) = max(6, 15, 24) = 24 ;
|| A ||i = max (1 + 4 + 7, 2 + 5-J-8, 3 + 6 + 9) = max (12,15,18) = 18;
|| A ||>, = V^ls + 22+ 32+ 4a + 52 + 62+ 72-h8a + 92 =
= V 1 + 4 + 9 + 16 + 25 + 36 + 49 + 64 + 81 = y l 8 5 æ 16,9.
En particulier, pour le vecteur
Xn
Lxn J
ces normes ont les valeurs suivantes:
Il x ||„, = max IX/1 ;
i
l l * l l i H * i l - H * » l + ••• + l*»l;
II* lift | ac | = y |x i|8+ |x 2|2+ . . . + | x „ | a
(ou module du vecteur). Si les composantes du vecteur sont réelles,
on a simplement
Il * lift = V * ï + * ï - t - • • • - ! - * £ .
§ 7.1 VALEUR ABSOLUE ET NORME D’UNE MATRICE 239
Vérifions pour les nonnes \\ A ||mt || A ||/ et || A ||fe l ’observation

des conditions a) à d).
On voit immédiatement que les conditions a) et b) sont observées.
Voyons si ces normes satisfont également à la condition c).
Soient A = [a^] et B = lbtj] deux matrices de même ordre. On a:
Il A 4- B ||m= max 2 | <*u + btJK max ( S I «« 1+ 2 I *>ij |) <
i j i 5 i
< max 2 | OLij 14- max 2 | h j | = || A ||m+ 1| B ||m.
i i i j
D’une façon analogue,
WA + BWt^WAWt + UBW,.
Ensui te
|| yl B ||h = j / S Iau + bu |2 <
j __________________________________________________
< / i i « . i i 2+ s i ^ r - + 2 S i ^ i i 6 / ; |.
i.i ij i, j
En appliquant l ’inégalité connue de Cauchy
S i «1,1 \biJ\ < V ? \ a‘j\î - V ' 2 \ bu\*,

iyj iyj LJ
* Vrici la démonstration de l'in é g a lité de C au ch y :
| 2 « a | 2< 2 i 6«i2>
5= 1 S— 1 3= 1
où a 8 et b 8 ( s = l , 2, . . . , n ) sont des nombres complexes arbitraires. Soit X

une variable réelle. Considérons l'inégalité évidente
2 ia« ^ + v ,<Psi2> o , (*)
où <p* sont des nombres réels. En désignant par a8 et bg les nombres conju
gués à a s et b ai on a :
<*.X+ b |2= (a4X + b , S * ' ) (7 t X + b ^ - ^ ) =
= a , 7 sX2 + i<f<4- ô^6ae,<P!l) X+ f>Â=

= | a. p X24- 2 Re (a,&>-**) X+ 1b t |2.
L’inégalité (^c) prend alors la forme
X2 2 |« , |2+2X 2 R e(« Â e- ^ * ) + 2 | b , |2 > 0 .

3=1 3=1 3=1
Si l’on pose
<P a=arg (a,b,),
240 ALGÈBRE DES MATRICES [CH* VII
ou a
Il -4 + B II* < J / H I au Y + Y Y Ï h Â 2 - Il A ||ft 4- Il B ||k.

*, i i,i
Ainsi la condition c) est remplie pour toutes les trois normes.
Vérifions maintenant l ’observation de la condition d). Soient
la matrice A = [a*j] d’ordre m' X n' et la matrice B = [6j;l d’ordre
m" x n". Pour que la multiplication de la première matrice par
la deuxième soit possible, il faut que m" = n'. La matrice A B sera
d ordre m' X n ’.
On a:
nm n' nma'
HAB ||ra - max 2 I 2 ai*a»JI< { 2 2 I a «*I I h j |} =
| ;= 1 s=l i j = 1 5= 1
n' n" n*
~ max ( 2 | « i . | 2 I b»)|} < max {2 |fli«|*|l^llml =
i s=i i —1 i 5=1
= max { 2 I au |) ■•|| B ||m= || A ||w. || B ||m.

i s= l
il vient
Ht* ( a „ V “ i9a) = Re { | asTs | ei arft(a‘ 6j) .e - i are =
— Re{ | « A | } = | a » b t | = | a A |,
par suite.
w 2 ia.i 2+ ^ 2 iaA i + 2 i m 2>o.
5=1 5=1 5=1
Le premier membre de la dernière inégalité étant non négatif par suite de

l’iiiégalité initiale ( * ) quels que soient Xréels, l’équation quadratique correspon
dante ne peut posséder de racines réelles distinctes. C’est pourquoi le discrimi
nant de l’équation est tel que
( 2 iaA i ) 2- 2 io»i2- 2 i M 2<°*

5=1 5=1 5=1
c’est-à-dire
{2
5= 1 KM2<5=1
2 i a*i2-5=12 IM"'
D'où à plus forte raison
12
5=1
»a |2<(2
5=1
iflAi|2<5=1
2 i««i2*S
5=1
i i 2*
Si les nombres aB et b8 sont réels, on obtient simplement
(5=1
S a*^«)2^ 5=1
S as*5=1
2 ^5*
*7] VALEUR ABSOLUE ET NORME D’UNE MATRICE 241
|| AB ||( = m a x 2 I S a i A y | < m a x { 2 S l « i « | |M } =
3 i= l *=1 j »=1«=1
= max {S I M S |û f « |) < m a x { S |M * IM II» ) =

3 «= 1 i= l j *=1
= IM II,-max S | M = I M I I H I * l l i .
i s= i
Ensuite
/ m' n" n' / m' n"
i M A i i » -ry i s« = Üs= li ss «= l , A ; i ’ < yr s s (S I I
i= i ;= 1
En appliquant l’inégalité de Cauchy et en tenant compte du fait

que m" — n' , on a
IIABIkC
» l:_4
/ l 2_4 S l««.lf- 2 IM * }
S I ._4 =
i= lj= l «=1 t=--i
m~ n"
I M 2 * 2 S I b,J |» = V \ \A H M | £ | | j | = I M I M M l k *
* = i 3= 1
Les normes considérées vérifient donc la condition d).

Montrons que les normes || <A||m, || i4 ||/t || A\\k sont canoniques.
Si apq est l ’élément le plus grand en module de la matrice A =
= [ ü i j ] d’ordre m ' X n', on a évidemment
||û ||m > |û p i|+ • • • + | a p q 1 “H • ■ • "H I a pn' I ^ Ia M I »
I l -4111 > K ? |+ . . . -H O pg|-}- • • • + l & m '< j |> |û w l
Ainsi
l « i / K I «pçK IM II* (s = m, l, k).
Par ailleurs, si A = la,,], il vient
IM IL =IMIIi =IMIIh = 1 au I-
Ensuite, si | A | ^ | B |, où A = la^] et B = 16,^1, on a alors
I «iy I ^ I i>u I- De la définition des normes || A ||m, || A ||, et || A ||k
il apparaît que les inégalités
IM II. <11*11. (s = m, l, k)
ont lieu.
, 6 —0 1 0 7 2
242 ALGÈBRE DES MATRICES ICIl. VU
On a en outre pour chacune de ces normes

Il il II. =111 -A DU (s = m, lr k).
La condition f) est donc vérifiée elle aussi.
Ainsi, nous avons donc démontré que les normes || A ||m, || A||/
et || A ||fe sont canoniques.
Notons que si la matrice E est une matrice unité d ’ordre n9
on a
\\E\\m = || E\\e = 1
et
Il E ||a = V » .
§ 8. Rang d’une matrice

Soit une matrice rectangulaire
[ a ii a \2 • • • a in
a 2i a 22 • • • a 2n
ûml #m2 •• • &mn

Si dans cette matrice on choisit d’une façon arbitraire k lignes
et k colonnes, où k ^ min (m, n), les éléments disposés à l ’inter
section de ces lignes et de ces colonnes forment une matrice carrée
d ’ordre k . Le déterminant de cette matrice s’appelle mineur d’ordre k
de la matrice A .
D é f i n i t i o n . On appelle rang d'une matrice Vordre maximal
de son mineur non nul. Autrement dit, le rang d’une matrice A
est r si
1) au moins un de ses mineurs d’ordre r est non nul;
2) tous les mineurs d’ordre r + 1 et d’ordres plus grands sont
nuis.
Le rang d’une matrice nulle, c’est-à-dire composée de zéros,
est considéré comme nul. La différence entre le plus petit des nombres
m et n et le rang de la matrice s’appelle défaut d’une matrice. Si le
défaut est nul, le rang de la matrice est maximal pour les matrices
de l ’ordre considéré.
Pour obtenir le rang d’une matrice il est utile d ’observer les règles
suivantes :
1) passer des mineurs d’ordres inférieurs (à partir des mineurs
du premier ordre, c’est-à-dire des éléments de la matrice) aux
mineurs d’ordres plus grands;
2) supposons qu’on ait trouvé le mineur D d ’ordre r non nul ;
il reste alors à calculer les mineurs d’ordre (r + 1) qui encadrent
le mineur D. Si tous ces mineurs sont nuis, le rang de la matrice
est r; mais si au moins l ’un d’eux est non nul, il faut reprendre
5 il.] LIMITE D’UNE MATRICE 243
l ’opération pour ce dernier; dans ce cas le rang de la matrice est

évidemment toujours bien supérieur à r.
E x e m p l e . Chercher le rang de la matrice
' 2 —4 3 1 0'
1 —2 1 - 4 2
0 1 —1 3 1 -
4 —7 4 -4 5
S o l u t i o n . Le mineur d’ordre deux en haut à gauche de cette
matrice est nul. Toutefois la matrice contient également d’autres
mineurs non nuis d ’ordre deux, par exemple
-4 3
D= ¥ -0 ;
-2 1
le mineur d ’ordre trois qui l’encadre
2 -4
D' = 1 _ 2 =--1
0 1
et les deux mineurs de quatrième ordre, qui encadrent le mineur D \
sont nuis :
2 -4 3 1 2 —4 3 0
1 -2 1 —4 1 _ 2 1 2
~ 0;
0 1 —1 3 0 1 -1 1
4 —7 4 —4 4 —7 4 5
Le rang de la matrice est donc égal à trois et son défaut est
4 - 3 = 1.
§ 9. Limite d’une matrice
Soit une suite de matrices ,
A -Ia'fl (* = 1, 2, . . . ) (1)
de même ordre m X n (i = 1, 2, . . m\ j = 1, 2, . . n).Par
limite de la suite de matrices Ah on entend la matrice
A = lim Au —[lim a{$ \. (2)
k—+oo h-+oo
La suite de matrices qui possède une limite s'appelle convergente.
L e m m e 1. Pour quune suite de matrices A h (k = 1, 2, . . .)
converge vers une matrice A , il faut et il suffit que
|| A — i4 * ||-* 0 quand k oo, (3)
16*
où || A || est une norme canonique quelconque de la matrice A . De plus,

lim || Ah || = || A1|.
h-+OO
En effet, si
Ak -*■ A = [ai}),
on a
\a ij—a ^ I C e pour k > N ( e ) .
Il en résulte
I A - A h | < e/,
où I est une matrice m X n dont tous les éléments sont égaux à
l ’unité. En vertu des propriétés d’une norme, on a :
\\ A - A k || ^ e || / || pour k > N (e),
donc
lim || i l — il* || = 0. (4)
ftfO O
Inversement, supposons que la condition (3) soit remplie. Alors

on a avec 4 > iV (e ):
|a „ — a |J> |< ||A — Ak || < e
et par suite
lim a;^ = au,
h-*oo
soit
lim A k ~ A.
h-¥00
En outre, si A*-»-A, on a:
| | | A | | - | | A * | | | < | | A —A *||-*-0 pour oo.
C’est pourquoi
lim || A h || = || A ||.
k-+oo
C o r o l l a i r e . La suite A* 0 quand A: oo si et seule

ment si
lim || Ak || = 0 ,
k-+oa
où || A k || est une norme canonique quelconque.

On montre aisément que si les limites
lim Ak =A et lim Bh = B,
h-+oo h-+oo
$ 10.] SERIES MATRICIELLES 245
on aura
a) lim (A k db B k ) = A ± B y
k r +OO
b) lim ( A k B k ) = A B ,
Jk -fO O
c) lim A l1= A~l (det A ^ 0),

hr-¥00
sous l ’hypothèse que les opérations correspondantes aient un sens.

En particulier, si C est une matrice constante telle qu’elle rend
possibles les produits CA* et A^C (k = 1, 2, . . .), alors
lim CAt, = CA
h-+oo
et
lim AhC = AC.
h-¥00
L e m m e 2. Pour que la suite des matrices Ak (h = 1, 2, . . .)
soit convergente, il faut et il suffit qu'on observe le critère généralisé
de Cauchy, et notamment : pour tout e > 0 il doit exister un nombre
N = N (e) tel que pour k > N , p > 0
M ft+P - A k II < e , (5)
avec || Ak || une norme canonique quelconque.
En effet, si l ’inégalité (5) est vérifiée, tout élément de la
matrice Ak satisfait au critère de Cauchy (cf. chapitre III, § 4) et,
par conséquent, il existe une limite
limi4fc = [lim a|5)l.
fc-+oo fe-*-oo
Inversement, s'il existe

A = lim Aky
h-+oo
le lemme 1 conduit à
|| A — A k || 0 quand k - * oo,
et donc l'inégalité (5) a lieu.
§ 10. Séries matricielles

En utilisant la notion de limite dfune matrice on peut introduire
dans la discussion les séries matricielles
oo N
2 Ak = lim 2 A k, (1)
h= i JV-*oo h = i
où Ak sont les matrices de même ordre.

Si la limite (1) existe, la série matricielle s'appelle convergente

et la matrice obtenue à la limite sera dite somme de cette série. Si
la limite (1) n’existe pas, la série matricielle se nomme divergente
et on ne lui affecte aucune somme.
Condition nécessaire de convergence d’une série matricielle
T h é o r è m e 1. Si la série matricielle (1) converge, la limite
lim Ah = 0 .
h~+oo
Démonstration. Soit
s k = s A j.
j= 1
Si la série (1) converge, il existe une limite finie
S = lim Sh.
h-*oo
On a
Ah = Sk — Sk-i,
d’où
lim Au = lim S h —lim Sh-i —S — S = 0.
h-¥CO k-*oo h-*oo
Si la série
Si a i (2)
converge, la série matricielle (1) se nomme absolument convergente.
T h é o r è m e 2. Une série matricielle absolument convergente
est convergente.
Ah —Iûij’] ( f c - 1 ,2 , . . . ) .
Donc
S | A | =1 S l ^ l l .
h= i
La série matricielle (2) étant convergente, toute série numéri-
oo
que S I «ij) | (*—1,2, . . . , rn ; j == 1, 2, . . . , n) est par définition

h= 1
convergente. On en tire en vertu du théorème connu de la théorie
oo
des séries que toutes les séries ...» m; y = 1, . . . , n )
k
convergent également, c’est-à-dire qu’il existe une limite
S = lim S s —Uni 2 ^ h
S-+CO jV—►oo k=\
et, par suite, la série matricielle (1) converge.
§ 10.] SÉRIES MATRICIELLES 247
Pour une analyse grossière <le la convergence de la série (1) on

peut faire appel à la condition suffisante énoncée ci-dessous.
T h é o r è m e 3. Si || A || est une norme canonique quelconque
et la série numérique
2 IM* Il (3)
converge, la série matricielle (1) converge également et sa convergence
est absolue.
^ , = ^ 1 (* = 1, 2, . . . ) .
Considérons les séries numériques
2 «'!’ m
k= l
(t = 1, 2, . . m ; / = 1, 2, • . n). Puisque
I « S V IM* II,
toute série (4) converge, et sa convergence est absolue. Donc, par
définition, la série matricielle
2 a = [ 2 « ! î ’i
fe=l k=i
converge également et, qui plus est, sa convergence est absolue.

Dans les applications une grande importance revient aux séries
matricielles entières : d r o i t e s
2 AhX k (5)
k=0
et g a u c h e s
S X kAh, (5')
h=ü
où X est une matrice carrée d’ordre n. Dans le premier cas, les Ah
sont des matrices m X n ou des nombres (par exemple, les A k peu
vent être des vecteurs lignes) ; dans le deuxième, les Ah sont des
matrices n X m ou des nombres (par exemple, les A k peuvent être
des vecteurs colonnes).
T h é o r è m e 4. Si r est le rayon de ^convergence d'une série
scalaire entière
S IM ». Il A ( 6)
248 ALGÈBRE DES MATRICES [CH. Vil
oh || Ak || (k = 0, 1, 2, . . .) est une rtorme canonique quelconque,

les séries matricielles entières (5) et (5') toujours convergent bien avec
II* Il < r . (7)
En particulier» la série matricielle entière
% a hx k
fe=0
aux constantes ak (k = 0, 1, 2, . . .) converge avec

\\X || < r ,
où r est le rayon de convergence de la série entière
f l | ak | x k.
Jfc=0
D é m o n s t r a t i o n . Etant donné que
|| A kX k || < || A k || || X | | \
l ’observation de l ’inégalité (7) entraîne la convergence de la série
2 \\AkX h \\.
h—Q
Par conséquent, en vertu du théorème 3, la série entière (5) converge
également.
Un raisonnement analogue est aussi valide pour la série (5')^
La deuxième proposition du théorème se déduit du fait que si
ah est un nombre,
Il Il = I ** I-
T h é o r è m e 5. Les progressions géométriques
A + + A X~ + . . . + + ... (8)
et
A + XA + X 2A + . . . + X hA + . . ., (8 ')
dans lesquelles X est une matrice carrée, convergent si

I I * Il < 1- (9)
En outrey
s A X h = A (E — X)~l
S X kA = (E — X)~lA.
k=Q
S 10.] SÉRIES MATRICIELLES 249
En effet, en vertu de théorème 4 et de la condition (9) la pro

gression géométrique (8) converge, c’est-à-dire il existe une matrice
S = S AXh.
fe=0
Considérons l ’identité
A (E + X + X* + . . . + X*) (E - X) = A (E - X h+l). (10)
En passant à la limite dans l ’égalité (10) pour k oo et compte tenu
du fait qu’en vertu de la condition (9)
Xh+1 0 quand k-*~ oo,
on a
S (E — X) = A E = A. (11)
En particulier, si l ’on pose dans l ’égalité (11) A = E, on obtient
Si (E - X) = E,
où
S i= 2 x h.
fc=0
Il en résulte
det Si -det (E — X) = det E = 1.
On a donc
det (E — X) # 0
et, par conséquent, la matrice E — X est régulière, c’est-à-dire
(E — X)"1 existe.
En multipliant les deux membres de l ’égalité (11) par (E — X)”1
on aura finalement
S = S AXk = A ( E — X)~1.
h=0
D’une façon analogue on montre que
2 X hA = (E— X)~1A
fe=0
pour
Il X || < 1 .
C o r o l l a i r e . Si || X || < 1 , il existe une matrice inverse
(E -X ) ~ l = S X h.
h=0
De plus, si || E || = 1, on a
OO
II(£-X)-11|<2 Ii*ii*=-rqixr
fc=0
R e m a r q u e . Si || X || < 1 , l ’évaluation de la norme du

reste d’une série matricielle (8) ne présente pas de difficulté.
On a
R h = || A ( E - X ) - ' - A (E + X + X -+ . . . + X h) | | <
< \\A \\ Il -K*+1 -f X k+2 -f-. . . || < || ^41| (|| X ||ft+1 +
+ | | X| | ft« + . . . ) IM II i m i »*1
Il X || •
D’une manière analogue on a pour la série (8'):
R'h - || ( E - X ) - 'A - ( E + X + X2 + . . . + X h) A || < "- ÎziT T F '
Les séries matricielles permettent de définir les fonctions trans
cendantes d'une matrice. On pose, par exemple.
(12)
n=0
et on peut démontrer que pour toute matrice carrée X la série (12)
converge.
§ 11. Matrices partitionnées
Soit une certaine matrice A . Décomposons-la en matrices d’ordres
inférieurs (sous-matrices: blocs ou parties) à l ’aide de barres hori
zontales ou verticales. Par exemple
où les blocs sont constitués par les matrices
M : u a22J
Lû2i ° a \' 9 M
La23j; « = ! “.. <■»!'. s = l « » l .
La matrice A peut alors être considérée comme une matrice

composée, dont les éléments sont les blocs :
Une matrice décomposée en blocs est dite encore matrice partitionnée.

Il est clair que la décomposition d’une matrice en blocs peut s’effec
tuer de façons différentes. Un cas particulier de matrices partition
nées est celui des matrices quasi diagonales ou presque diagonales
MATRICES PARTITIONNÉES 251
par blocs
At
A= •
As
dont les blocs Ai (i = 1, . . s) sont des matrices carrées, en géné

ral, d’ordres différents, alors que hors des blocs figurent des zéros.
Constatons que
det A = det A { . . . det A s-
Un autre cas important de matrices partitionnées est celui des

matrices encadrées
An -i Un
Vn Ærm
où
a» û J2 • • • A l . n -1
&21 a on Û2. n - 2
II
7
e
û / i - 1 . 1 a n - 1, o • • • û n - l . n -1
est une matrice d’ordre n —1 ;
Un une matrice colonne ;
^ |fln. i «n. 2 • • • an. n-iL une matrice ligne et a nn un nombre.

Les matrices partitionnées de même ordre décomposées de la
même façon s’appellent par convention conformes. La commodité
des matrices partitionnées consiste dans le fait que les opérations
dont elles sont l ’objet se font formellement d’après les mêmes règles
que celles relatives aux matrices ordinaires.
A. A d d i t i o n e t s o u s t r a c t i o n d e s m a t r i c e s
partitionnées
Si les matrices partitionnées
A= (1)
et
( 2)
sont conformes, c’est-à-dire si p = r; q = s et les blocs A tj et B u

sont de même ordre, il vient
Au + Bu A iZ + B 12 • • • A iq + B\q
[ ...........................................................
^ p i“l“ *®pl Ap2~h Bp2- . . Apq -f- Bpq

En effet, pour additionner les matrices A et B il faut addition
ner leurs éléments respectifs; or il est évident qu’on obtiendra le
même résultat en additionnant les blocs respectifs de ces matrices.
La soustraction des matrices partitionnées s’effectue d’une
manière analogue.
GLAfâ • •(1)
Si A est une matrice partitionnée • et a un nombre, on a
aA =
ttAp2 . . . CLApq ]
B. M u l t i p l i c a t i o n d e s m a t r i c e s
partitionnées
Soient les matrices partitionnées A et B respectivement à struc
ture (1) et (2) ; de plus q = r.
Supposons que tous les blocs A u et Bjk (i = 1, 2, . . ., p ;
7 = 1 ,2 , . . ., q; k = 1, 2, . . ., s) sont tels que le nombre de
colonnes du bloc A u est égal au nombre de lignes du bloc B Jk.
Dans le cas particulier, lorsque tous les blocs A u et B u sont carrés
et sont de même ordre, cette hypothèse est bien vraie. On peut alors
montrer que le produit des matrices A et B est une matrice parti
tionnée
£ll Ci2 • • • c u
C 21 (*22 . . . C28
C Pi Cp2 • . . Cp,
MATRICES PARTITIONNEES 253
où Cf* = A n B ik + A l2B 2k + • • • + AiqBqh (i - 1, 2, . . p ;

k = 1, 2, . . s)t c'est-à-dire la multiplication des matrices A
et B se fait comme si à la place des blocs il y avait des nombres [2].
E x e m p l e . En multipliant les matrices partitionnées
2 —*•
A= t
2 P Q
1
ei
« - 1 - * — 2—
t
2 R S
i
t
1 T U
, i
on obtient une matrice de la forme
— 1— — 2—
AB = î
2 PR + QT PS + QU
. t
L’addilion et la multiplication sont simples surtout lorsqu'il

s'agit de matrices quasi diagonales. Si
-i
Ai Bi
■ Z ?- •
A. B ,
254 ALGEBRE DES MATRICES [CH. VII
et les matrices A t, B i ( i — 1, 2, . s) sons de même ordre, on a

évidemment
Ai -r Bi
A„ -f Bs
et
A\Bi
AB = •
a 6b ,
§ 12. Inversion des matrices par partition

Supposons qu’il faille trouver pour une matrice numérique
régulière A la matrice inverse A "1. Décomposons la matrice A en
quatre blocs
«n(r, r) «12 (r »<01
,4 =
«21 («, r) «22 (S , S) J ’
Ici entre parenthèses on indique les ordres des blocs correspon
dants; en outre, r + s = n, où n est Tordre de la matrice A. Cher
chons la matrice inverse A "1 également sous la forme d’une matrice
à quatre blocs
P u ( r » r) Pi2 (r, s) !
A~l =
p21(S, r) P22 {S, S) J
Etant donné que A ^ A = E , en multipliant ces matrices, on
obtient quatre équations matricielles
Pli«U !' P l2 « 2 1 = E r, '
BmOCio P10CC22= 0,
P 2 1 « ll -T ?22«21 = 0 , * ^
P 21«12 ^ ?22«22 —
§ 12.] INVERSION DES MATRICES PAR PARTITION 255
où E f et Es sont des matrices unités d’ordres correspondants. Après

avoir résolu ce système, on détermine les blocs de la matrice A -1.
Pour résoudre le système (1) utilisons la méthode d’élimination des
inconnues. En multipliant à droite la première équation du système
(1) par a71Ia 12 et en retranchant du produit la deuxième équation
de ce système, on obtient:
P l2 ( t t 2 1 ® iî^ l2 — ® 22 ) — OCj JcCj 2 -
On en tire
P 12 — — a 7 11t t i 2 (<*22 — a 2ia 7 i1a 12) " 1
et
P li — « 7 ^ — P i2 « 2 1 « 7 r
D’une façon analogue la troisième et la quatrième équation du

système (1) amènent
P 22 = (<*22 — « 2 i « 7i1« i 2) ~ 1
et
P 21 = — P 2 2 « 2 1 « il*
Bien sûr nous supposons ici que les opérations correspondantes

aient un sens. Introduisons les matrices
X = a~\al2, Y = 02,07*, j
0 = 022 —«21 % = «22 ~ Y «12* i
L’écriture des blocs Pij (i, / = 1, 2) peut être alors simplifiée:
P u = a ; ,1 + XQ -'Y,
p12 = —X 0-1,
p2t = _ e - i r , p22 = e -1.
Les formules (1) définissent les blocs de la matrice A~l sous la
condition que 07} et 0-1 existent. Les calculs deviennent plus com
modes si on dresse le schéma suivant [4] :
Ct2i «22
X -- a7,1a 12 «7.‘ «12
0-1 y = 02|07|1 0 - a™—y « ,2
—X0"1
A~x =
: - e ~ lY I 0"1 J-
256 ALGÈBRE DES MATRICES [CH. VI
L’application de cette méthode est utile si la matrice a lt est

iacilement inversible.
Exemple 1. Inverser la matrice
1 0 3 —4 -
0 1 5 6
-3 4 0 2
-5 -6 2 0
Solution. Posons
«.. = [* J ] ; ^ = [5 “ gj;
- c j ] . :]•
En appliquant le schéma donné dans ce qui précède, on a
—3 4 0 2
—5 —6 2 0
v 3 —4 1 0 3 —4
A
5 6 0 1 5 6
0-i 16 34 —3 4 — 11 —34
1422 —47 — 11 —5 —6 47 16
Il en résulte
3 - 4 'K 16 34 T 1 T 236 146T
x e - ^ 1422 —47 _ i l J “ 1422 [ _ 202 104 J’
.5 6] _
1 r 16 341 r - 3 41 1 r-2 1 8 -1 4 0 ]
0 Xy = 1422 [ _ 4 7 — n J [ —5 _ 6 j ~ 1 4 2 2 [ 196 — 1 2 2 ! ’
i r 236 146] r —3 4 1 ___i_T
1 r — 1438 68]
= 1422 L _ 202 104J L—5 — 6 j “ Ï422[ 86 — 1432J
Pour vérifier, on calcule le produit X 0-1y suivant deux pro
cédés :
x e ^ r = ( x e - 1) y et y e - ly = x (e -1^ .
5 12.1 INVERSION DES MATRICES PAR PARTITION 257
D’après le schéma général/ on a

’ -1 6 68 - 2 3 6 — 146
1 86 — 10 202 — 104
1422 218 140 16 34
. — 196 122 —47 — 11
Un cas particulier de la méthode exposée est ce qu’on appelle la
méthode d'encadrement, dont voici le principe. Soit la matrice
a l i • ■ • a \n “1
A=
0 n 1 • • • & ntt J
Composons la suite de matrices

St = '»
011 0121
»
_fl21 022J
[«Il 012 0131 ûisl
1 r S 2 023 I;
Sn •— 021 022 023 H .
L031 032 033J1 L 031 032 | «33 J
011 012 013 014 «14 '
021 022 023 024 S3 024
5 4= 031 032 033 034 034
_041 042 043 044 _ ..041 042 043 044 _
etc. Chaque matrice suivante s’obtient de la précédente par enca

drement. L’inverse de la deuxième de ces matrices S”1 s’obtient immé
diatement
En appliquant à S 3 le schéma de calcul donné ci-dessus on peut

obtenir à l ’aide de la matrice 5 / la matrice S puis utiliser £~l
pour obtenir d’une façon analogue £ jl et enfin = A "1.
17 —0 1 0 7 2
Si Tune des matrices intermédiaires S t est singulière, la méthode

d'encadrement devient inefficace. Pour pallier à cet inconvénient,
il faut permuter les lignes de la matrice [5].
Exemple 2. Trouver l ’inverse de la matrice
1 4 1 31
0 — 13 —1
A=
3 10 2 *
1 - 2 5 1
*-[i
Pour calculer S à1 on recourt au schéma suivant :
3 1 0
13 1 4 1
-3 0 -1 3
1 —36
0"1 36 3 11
Y
13
_13 143-i
12 3ü
J4L i l12..
Par conséquent »
1 1 13*
12 36 36
1 1 1
$7l = 4 12 12
1 11 1
12 36 36
$ 13.] MATRICES TRIANGULAIRES 259
Le calcul de S i1 se fait d’après le schéma:
î —2 5 î
4 1 1 13 c»
O
U 12 36 36
2 1 1 1
— i1
T 4 12 12
1 1 11 9
9 12 36 36
9 1 31 7 22
22 6 18 18 "9
1 31 7 "
k33 99 99
1 31 7
x e -iy = 22 66 66
1 31 7
132 396 396
Donc
5 15 19 2'
44 44 44 11
9 17 1 3
44 44 44 11
sr= A -' 4 10 2 1
44 44 44 22
3 31 7 9
44 44 44 22.
■— 5 15 19 - 8
1 9 17 1 — 12
44 4 10 —2 2
3 - 3 1 — 7 18
§ 13. Matrices triangulaires
D é f i n i t i o n . Une matrice carrée s’appelle triangulaire si
ses éléments au-dessus ou au-dessous de la diagonale principale sont
nuis. Par exemple,
^11 ^12 • • • ^ln
rp__ 0 ^22 • • • Izn
_ 0 0 . . . t,
où tu = 0 avec i > /, est une matrice triangulaire supérieure. D’une

façon analogue
*11 0 ... 0 ‘
*21 *22 • • « 0
Tt =
.*n l *n2 ^nn .
où ttj = 0 pour / > i, est une matrice triangulaire inférieure.

Une matrice diagonale est un cas particulier d'une matrice
supérieure ou inférieure. Le déterminant d'une matrice triangulaire
est égal au produit de ses éléments diagonaux, et notamment: si
T = Itij] est une matrice triangulaire, il est clair que det T =
= *11*22 • • • *nn* Aussi une matrice triangulaire n’est-elle régulière
que lorsque ses éléments diagonaux ne sont pas tous nuis.
On peut montrer que 1) la somme et le produit des matrices
triangulaires de même ordre et de même structure, c’est-à-dire
seulement des matrices supérieures ou seulement des matrices infé
rieures, sont également une matrice triangulaire de même ordre et
de même structure; 2) l ’inverse d’une matrice triangulaire régulière
est également une matrice triangulaire de même ordre et de même
structure. Cette dernière circonstance rend facile l ’inversion d’une
matrice triangulaire.
E x e m p l e 1. Inverser la matrice
S o l u t i o n . Posons
r*n 0 0 1
A~l --- *21 *22 0
L*31 *32 *33-1
Le produit des matrices A et A"1 donne :
*n = 1» *n + 2*21 + 3*3i = 0,
* H 2*21 = 0, 2*22 4- 3*32 = 0,
2*22 = 1» 3*33 = ^ •
On en tire successivement :
1 . 1
§ 1 3 .] MATRICES TRIANGULAIRES 261
Donc
r 1 0
°1
1 1
0
A~' = 2 2
l------
1 i
O
3 3 J
Le théorème qui suit [3] est très important.
T h é o r è m e . Toute matrice carrée
«n a 12 .. • ain
«21 a22 • ■• a^n
_ani Æ/i2 •
aux mineurs diagonaux principaux non nuis
&n 12
A* —flji =5^ 0 j A2 — =5*0; A„ —| A | =#=0
Û21 a22
peu* être mise sous la forme d'un produit de deux matrices triangulaires
de structures différentes (inférieure ou supérieure), cette décomposition
étant unique si Von fixe à Vavance les éléments diagonaux de Vune des
matrices triangulaires (si on les pose, par exemple, égaux à un).
Sans démontrer le théorème, bornons-nous seulement à indiquer
le moyen d’obtenir les éléments des matrices triangulaires. Soit
A = T \T ^ (1)
où
T i = [bij], bu = 0 pour j > i, (2)
est une matrice triangulaire inférieure d’ordre n;
Tz = M , cu = 0 pour i > /, (3)
est une matrice triangulaire supérieure d’ordre n. D’après la for
mule (1), le produit de ces matrices donne
S bikCkj = dij (i, } = 1, 2, . . . , n). (4)

1
Les conditions (2) et (3) mettent le système (4) sous la forme
3
2 bikCkj = ai j pour i > ; ((; = 1, 2, . . . , n) (4')
h=i
i
S bihCkj — pour i < ; (t = l, 2, . . n — 1). (4')
1
Par suite de leur structure particulière, les systèmes (4') et

(4") se résolvent facilement aux éléments diagonaux bu et cit près.
Pour rendre la solution plus concrète, on peut poser cit = 1 (i =
= 1, 2, • . ., w).
E x e m p l e 2. Mettre la matrice
1 — 1 2'
A= - 1 5 4
2 4 14.
sous la forme d’un produit de deux matrices triangulaires Tj et T2.
S o l u t i o n . A = Ti T2. Cherchons Tt et T2 sous la forme
*11 0 0 -
r , = '21 *22 0 et T ,=
'31 *32 «33.
On
1 - i 1 f «il *Ur12 *llr13
-1 5 - *21 *2lr12+ *22 *21^13+ *22r23
l
d t ou%
[ 2 4 J J
l.*31 *31^12+ *32 *31r13+ *32r23+ «33
*n = 1 ; *nri2 = —1 î *nri3 = 2;
*21 = —1* *2ir12 + *22 = 5 ; *21r13 + *22r23 = 4;
*31 = 2 ; *31r12 + *32 = 4; *31r13 + *32r23 + *33 = 14.
La résolution du système amène
*n = 1 * *2i = — 1; *31 = 2;
*22—4 ; *32 = 6 ; *33 —1 »
r i2 = —1 ï ri3 = 2 ; ^23 = "2"*
Ainsi
0 0 1
$ 14.] TRANSFORMATIONS ÉLÉMENTAIRES DES MATRICES 263
En appliquant la représentation d’une matrice carrée A (det A ^

=t^ 0) sous la forme d’un produit de deux matrices triangulaires, on
peut indiquer encore un procédé de calcul d’une matrice inverse A ”1,
et notamment, si
A = T J 2,
il vient
7I - I
— J T -lIT^-I
i-i __ 11 *
Nous avons vu dans ce qui précède que le calcul des inverses

des matrices triangulaires est relativement simple.
§ 14. Transformations élémentaires des matrices

Les transformations suivantes s’appellent transformations élé
mentaires :
1) permutation de dejix lignes ou de deux colonnes;
2) multiplication de tous les éléments d’une ligne (colonne)
par le même nombre non nul;
3) addition aux éléments d’une ligne (colonne) des produits
d’éléments correspondants d’une autre ligne (colonne) par un même
nombre.
Deux matrices se nomment équivalentes si l ’une s’obtient de
l ’autre à la suite d’un nombre fini de transformations élémentaires.
Ces matrices ne sont pas en général égales entre elles, mais on peut
démontrer qu’elles ont le même rang [61.
On voit aisément que chaque transformation élémentaire d’une
matrice carrée A est équivalente au produit de cette dernière par
une certaine matrice régulière. En outre, si la transformation porte
sur les lignes (colonnes) de la matrice A , le multiplicateur doit être
à gauche (à droite) et constituer le résultat d’une application de la
transformation élémentaire correspondante à la matrice unité [61.
Par exemple, en permutant dans la matrice
la deuxième et la troisième ligne, on obtient une matrice équiva

lente
264 ALGÈBRE DES MATRICES [CH. VIL
Cette même matrice A s’obtient si dans la matrice unité

[ 1 0 01
0 10
0 0 I J
on permute la deuxième et la troisième ligne pour multiplier à

gauche la matrice ainsi obtenue
[ 1 0 0“1
0 0 1
0 1 0 J
par la matrice A , c’est-à-dire A = EA.

Les autres transformations élémentaires s’effectuent d ’une façon
analogue. Remarquons que si dans l ’égalité A A = E on réalise
des transformations identiques des lignes des matrices A et E tant
que la matrice A ne se transforme en matrice unité, on aboutira à
EAA~X = E, où E est la transformée de la matrice unité. Puisque
EA = E , on en tire que A~x = 2 \ c’est-à-dire que la matrice inverse
A~l est la transformée de la matrice unité. Ce principe est à la base
du calcul d’une matrice inverse à l ’aide de la transformation des
lignes [41.
§ 15. Calcul des déterminants
Les transformations élémentaires d’une matrice fournissent le
moyen le plus commode pour calculer son déterminant. Soit, par
exemple
'a n a • • ^1 n
a 2l Û22 • • • a 2 n
An =
_ a Tl 1 0>n2 * ' ■a nn_
En supposant que alt 0, on aura
' 1 *«2 • ■■ a in
g 2l
Ü2 2 ••• <h.n
«11
an 1
0 >n2 ••• &nn
. a ll
D’où en retranchant des éléments au de la y-ième colonne (y ^ 2)

es éléments respectifs de la première colonne, multipliés par ax^
§ 15.] CALCUL DES DÉTERMINANTS 205
o d obtient
• 1 0 ••. o •
a2i ail}
"Ô7T < a2n
An = == aüAn-i,
— I
°n 1 aunn
(1>
. *11 c
ou
a{1)
«22 fl(1)
«23 . . .
fl*1*
Û32 tt33
-1 (2)
ant a'1'
aiU uri3 . . . < n
et
«îV = (*. 7 = 2, 3, . . . . n).
Procédons de même pour le déterminant An_i. Si tout élément
a%Tl>¥* 0 ( i = l , 2,
on obtient finalement
An ^ a i{a £ . . . a 'nX " . (3)
Si l ’élément supérieur gauche a^l, k+l d’un déterminant inter
médiaire quelconque An. h s’annule, les lignes et les colonnes du
déterminant An_* doivent être permutées de façon que l ’élément
nécessaire soit non nul (ce qui est toujours possible si le déterminant
A 0). Il faut tenir compte, certes, de la variation du signe du
déterminant A,».*. On peut établir une règle plus générale. Sup
posons que le déterminant An = det [a*;] est transformé de façon
que apq = 1 (apq est le « pivot »), c’est-à-dire
an . . . a„ • • • «17 ... a in
a /, . . . [«*7 • • • a u ... a in
a pi . .. î . . . M ••• CCpn
Gtn| . • • CLn q • U nj ••• &nn
Il vient alors
An = ( - l ) P+flAn. 1,
où An_t = det [otjy] est le déterminant d’ordre (n — 1) qui s’ob

tient de An en éliminant la p-ième ligne et la g-ième colonne avec
la transformation ultérieure des éléments d’après la formule
cti/ = a ij— a iqapj,
c’est-à-dire tout élément a\lj du déterminant An_t est égal à l'élément
associé a ,} du déterminant An diminué d'un produit de ses « projec
tions » a iq et a pj sur la colonne et la ligne éliminées du déterminant
initial. Cette proposition est démontrée facilement à partir des
propriétés générales des déterminants 171.
E x e m p l e . Calculer
3 1 -1 2 ni
—2 3 1 4 3
A6= 1 4 2 3 1
5 —2 - 3 5 -- 1
—1 1 2 3 2
S o l u t i o n . En prenant comme pivot a16 = 1, on a
A6 = ( — l) 1+s x
CO
CO
_2 - 3 - 3 1 —( —1)*3 4—2*3
1
1 -3 -1 4-1*1 2 —( —1)*1 3 —2*1

X
5 —3-( — 1) — 2 —1*( — 1) —3 —( — 1) (— 1) 5—2*(— 1)
— 1 —3-2 1-1*2 2 —( —1)2 3 —2*2
— 11 04 — 2
—2 3 3
8 — 1 —4 7
—7 —1 4 -1
Ensuite, en prenant pour pivot a2i = 1 et en appliquant une
transformation analogue, on obtient
— 15 6 10 — 15 3 10
22 —22 - 2 5 = 2 22 — 11 -2 5
A4 = ( - ! ) '
—9 2 7 —9 0 7
12 — 11
= 2*(— l)3+î = 446.
—77 52
i 15.] CALCUL DES DÉTERMINANTS 267
Constatons que le nombre *de multiplications et de divisions

nécessaires pour calculer le déterminant d’ordre n est [8]
l= L ( n * + n + 3).
BIBLIOGRAPHIE
1. O . Schreier , E . Schperner. Théorie des matrices. ONTI, 1936, §§ 1, 2.
2. A. M altsev. Principes d’algèbre linéaire. Ed. 2, Gostekhizdat, 1956.
3. V . Faddêeva. Méthodes numériques d’algèbre linéaire. Gostekhizdat, 1950.
4. H. A . Frazer, VP. / . D uncan , A. /?. Collar. Elementary matrices and some
applications to dynamics and differential équations. Cambridge. The Univ.
press, 1950.
5. B . Boulgakov. Oscillations. Gostekhizdat, 1954, chapitre I.
6. E . Liapine. Cours d’algèbre supérieure. Outchpedguiz, 1953, chapitre IX.
7. E . W hittaker, G . Robinson . The calculus of observations. A treatise on nume-
rical mathematics. Blackie and Son Ltd., London and Glasgow, 1944.
8. D . Faddéev, F. Faddêeva. Méthodes numériques de l’algèbre linéaire. Fiz-
matguiz, 1960, chapitre II.
CHAPITRE VIII
SYSTÈMES D'ÉQUATIONS LINÉAIRES
§ 1. Généralités sur les méthodes de résolution

Les méthodes de résolution des systèmes d ’équations linéaires
peuvent être rangées en principe en deux groupes : 1) méthodes exactes
qui sont des algorithmes finis de calcul des solutions du système
(règle de Cramer, méthode de Gauss, méthode du pivot, méthode
des racines carrées, etc.) et 2) méthodes itératives qui permettent
d'obtenir les solutions des systèmes avec la précision imposée à
l'aide des processus convergents infinis (méthode des approximations
successives, méthode de Seidel, méthode de relaxation, etc.).
Les approximations inévitables font que même les résultats des
méthodes exactes sont a p p r o c h é s et, dans le cas général,
l'estimation des erreurs des solutions est plutôt malaisée. L'utili
sation des processus itératifs donne lieu, en outre, à l'erreur de la
méthode.
Remarquons que l ’efficacité de l ’application des méthodes ité
ratives dépend dans une grande mesure du bon choix de l'approxi
mation initiale et de la rapidité de la convergence du processus.
§ 2. Application de la matrice inverse à la résolution

des systèmes. Formules de Cramer
Soit le système de n équations linéaires à n inconnues
^ li^ l ~r Ct\2x 2 JT • • * ~\~a i n x n = Ôj, '
a2\xi 4“ û22^2 4“ • • • 4" a2nXn = &2> ►
(1)
anixl 4~ ^n2p^24" • • • 4" &nnxn = bn• ,

Désignons par
~a n . . . Uin
a i2
®2t a22 • • • &2n

A = (2)
.«ni an2 •••

S 2.] APPLICATION DE LA MATRICE INVERSE 209
la matrice des coefficients du'système (1), par

r&i
Â -
la colonne de ses termes constants et par
■*, *
la colonne des inconnues ( v e c t e u r r e c h e r c h é ) . Alors le

système (1) peut être écrit en abrégé sous forme d’une équation
matricielle
A x = b. (5)
L’ensemble des nombres x2, . . ., x n (ou tout simplement
le vecteur x) qui transforme le système (1) en une identité s’appelle
solution de ce système et les nombres x t eux-mêmes, ses racines.
Si la matrice A est régulière, c’est-à-dire si
a ii a i2 . . . Ûjn
. . . a 2n
det A = #21 &22
= A=^0, (6)
&n 1 • • • Ænn
le système (1) ou l ’équation matricielle équivalente (5) possède
une solution unique.
En effet, sous la condition det A =5^ 0, il existe une matrice
inverse A~x. En multipliant les deux membres de l’équation (5)
à gauche par la matrice A ”1, on obtient
A~xA x = A~xb
ou
x = A "xb. (7)
Il est clair que la formule (7) fournit la solution de l ’équation
(5) et cette solution est unique, puisque chaque solution est de la
forme (7).
E x e m p l e 1. Résoudre le système d’équations
3xt —^2 = 5, 1
— 2^1+ 3^2+^3 —0» /
2xt — x2+ 4xz ^ 15. J
270 SYSTÈMES D’ÉQUATIONS LINÉAIRES [CH. VIII
Solution. Mettons le système sous une forme matricielle
t
Le déterminant de la matrice A du système considéré
3 - 1 0
det A = — 2 1 1 = 5=^0.
2 —14
Calculant la matrice inverse A~x on obtient :
Donc Xi = 2 ; x2 = 1 ; x 3 = 3.
La recherche directe de l ’inverse A ' 1 de la matrice A d’ordre
n > 4 demande beaucoup de temps. C’est pourquoi il est rare que la
formule (7) soit pratiquement employée.
Utilisant la formule (7) il est facile d’obtenir les formules des
inconnues du système (1). On sait que (chapitre VII, § 4)
où
est la matrice adjointe de A (les A u sont les cofacteurs des élé

ments au). Donc
5 2.] APPLICATION DE LA MATRICE INVERSE 271
OU
x l r A* i
x2 1 Ao
" A (8)
- Xn - _Â„_
avec
«Il • • • û i. f+1 • • • #in
#21 • • • ^ 2 . i-l&2a 2. x+1 • • • a 2n

Ai = =
i=l
i • • • Æn , /+i • •• ûnn
qui sont les déterminants déduits du déterminant A [formule (6)1
en substituant à son i-ième colonne la colonne des termes constants
du système (1). L’égalité (8) conduit aux formules de• Cramer
A2
x- —
*1~" A *2 = -^-, Xn — A„
4- W
Donc si le déterminant du système (1) A 0, le système possède
une solution unique x définie par la formule matricielle (7) ou par
des formules scalaires équivalentes (9).
E x e m p l e 2. Résoudre le système d’équations linéaires
2*i + x2—5x3-f x4= 8,
x4—3x2—6x4—9,
2x j—x 3 + 2 x 4 = —5,
X! + 4x2 — 7 x3 4- 6 x 4 = 0.
S o l u t i o n . Le déterminant de ce système
2 1 - 5 1
1 -3 0 -6
A= = 27=^0.
0 2 - 1 2
1 4 -7 6
En calculant les déterminants supplémentaires on obtient :
8 1 - 5 1
9 -3 0 - 6
A ,= - 5 2 -1 = 81;
0 4 —7
2 8 -5 1
1 9 0 -6
A2 — = -1 0 8 ;
0 -5 -1 2
l 0 -7 6
D’où
Ai O 81
*1 = A “ 27 = 3 ;
108
Zz = A2 27 “
27
X3 — A3
A 27 '
27 JÊ
x4= 4A = 1.
A 27
La résolution du système linéaire (1) à n inconnues se ramène
ainsi au calcul de (n + l)-ième déterminant d’ordre n. Si le nombre
n est grand, le calcul des déterminants est une opération délicate.
Aussi pour le calcul des racines d’un système linéaire a-t-on établi
des procédés directs.
§ 3. Méthode de Gauss
La méthode la plus usitée de résolution des systèmes d’équations
linéaires est l ’algorithme d’élimination successive des inconnues.
Cette méthode s’appelle méthode de Gauss. Pour simplifier les rai
sonnements, bornons-nous à considérer un système de quatre équa
tions à quatre inconnues
a i \ x i + & i2 x 2 + a l3 X 3 + a u x 4 — a 15»
& 2 ix l “ 1“ & 2 2 x 2 “ f” **2 3 ^3 ” 1" **24***4 = **25»
**31^1 **3 2 ^2 + & 33X 3 ~f” **3 4 ^4 = **35»
**41^1 + **4 2 ^2 + **4 3 *3 + **4 4 ^4 = **45*
Soit ati ^ 0 ( é l é m e n t g é n é r a t e u r ) . Divisant les

coefficients de la première équation du système (1) par all9 on obtient
X1+ bizx2+ + &14*4 = &16» (2)
où
§ 3.] MÉTHODE DE GAUSS 273
En appliquant Téquation (2)< on élimine facilement l ’inconnue

xt du système (1). A cette fin il suffit de soustraire de la deuxième
équation de (1) le produit de l ’équation (2) par a21, de la troisième
équation de (1) le produit de l ’équation (2) par a 31, etc. Il en résulte
un système de trois équations
a g x 2+ a £ x 3+ a £ x 4 = a« V |
x2 f a ^ x B+ a £ x 4 = a £ , L ( 1')
C ^ + 0 i + 0 « =C J
dont les coefficients a-ÿ (i, ; > 2 ) se calculent d ’après la formule
au = aU —aa&u (i, 7> 2).
Après avoir divisé ensuite les coefficients de la première équation .
du système (1') par l’« é 1 é m e n t g é n é r a t e u r » on
a l ’équation
s2-f O a + 6ff*4 = 62>, (2f)
où
=^ ^ > 2)-
Eliminons maintenant x2 de la même façon que Xi pour aboutir
au système :
a » X3 + a 34>X4 = 0<» * 1
a 43 X 3 "t" û44XA— û 46 » J
OÙ
«u = «îÿ —«Sfôÿ (i. ; > 3).
Les coefficients de la première équation de (1") divisés par
l ’« é l é m e n t g é n é r a t e u r » a™ donnent
xa + S g xt = b«\ (20
où
f l<2>
“33 (/ > 3).

En éliminant maintenant d’une façon analogue x3 du système (1").
on obtient :
c ^ = c (n
où
1 8 -0 1 0 7 2
D’où
* 4 = - f (2-)
Les autres inconnues sont données successivement par les équa
tions (2*), (2') et (2) :
X3 = b{£ — bl£ x 4j
*2 = b£ —b£x 4—b{t\'x3,
Xi — ^16 —^14^4 —^18^3 —612^2•
Ainsi la procédure de résolution d’un système linéaire d’après
la méthode de Gauss se ramène à la construction d ’un système
équivalent (2), (2'), (2"), (2") à matrice triangulaire. La condition
nécessaire et suffisante pour l ’application de la méthode est que
tous les « é l é m e n t s g é n é r a t e u r s » soient non nuis. Il
est commode de ranger les résultats des calculs dans le tableau 13.
Le schéma donné par ce tableau s’appelle schéma de division unique.
La procédure de recherche des coefficients du système trian
gulaire s’appelle dans le cas général marche directe, celle d’obtention
des valeurs des inconnues, marche inverse.
La marche directe débute par l ’inscription des coefficients du
système, y compris des termes constants (section A). Sur la dernière
ligne de la section A figure le résultat de la division de la première
ligne de la section par l ’« é l é m e n t g é n é r a t e u r » atl.
Les éléments a\lj (î, / ^ 2) de la section suivante A t du schéma sont
égaux aux éléments correspondants de la section précédente
diminués du produit de leurs « projections » par les colonnes de la
section A qui portent l ’élément 1 (c’est-à-dire par la première colonne
et la dernière ligne).
La dernière ligne de la section A t s’obtient en divisant la pre
mière ligne de la section par l ’« é l é m e n t g é n é r a t e u r »
a £ \ D’une façon analogue on construit les sections suivantes. La
marche directe s’arrête lorsqu’on atteint la section composée d’une
ligne, sans compter la ligne transformée (dans le cas concerné c’est
la section A 3).
La marche inverse ne fait appel qu’aux lignes des sections A t
qui contiennent les unités (lignes marquées) en commençant par la
dernière. L’élément b™ de la section A z figurant à l ’intersection
de la colonne des termes constants et de la ligne marquée de la sec
tion donne la valeur de x4. Ensuite, toutes les autres inconnues x t
(i = 3, 2, 1) se trouvent de proche en proche en retranchant du
terme constant de la ligne marquée la somme des produits de ses
coefficients par les valeurs correspondantes des inconnues trouvées
auparavant. Les valeurs des inconnues sont portées successivement
sur la dernière section B f Les unités qui y figurent aident à trouver
pour x t les coefficients respectifs dans les lignes marquées.
§ 3.1 METHODE DE GAVSS 275
T a b le a u 1 3
Schéma de division unique
Terme* £ Sections
*1 x2 *3 *4 constants du schéma
*11 *12 *13 *14 *15 * 16

floj *22 *23 *24 *25 *26
*31 *32 *33 *34 *35 *36 .1
*41 *42 *43 *44 *45 *48
1 &iî b i3 bu bu b i.
a&> «U* «a» «8 *

«a* « ii* «a* « il* « il’
/AI s1
«a> °iV «a* « il’
i b 'tï &
«a1 «8 ‘
°«3> «a*
M2) a» «a*
1 °34 *8 ’ *iï’
/i,3>
*44 «8 *
1 b*V ^3
(*4> (* 4 )
1 *4 f4
1 *3 £3 B
1 x2
*2
1 *1 *1
Pour vérifier les calculs on utilise ce qu’on appelle les « sommes

de contrôle »
5
Ûi6= S ( î = lg 2| •••) 5)j (3)
1=1
portées sur la colonne 2 et qui constituent la somme des éléments
des lignes de la matrice du système initial (1), y compris les termes
constants.
Admettons què aie sont les nouveaux termes constants du système
(1), alors le système linéaire transformé
4 _
2 &IJ&J= (i = 1» 2, 3, 4) (4)
5=i
18*
aura des inconnues xj associées aux inconnues précédentes Xj par

les relations
xj = xj + 1 (/ = 1, 2, 3, 4). (5)
En effet, en portant les formules (5) dans l ’équation (4) on obtient,
en vertu du système (1) et des formules (3), l ’identité
4 4 5
S &lj%j "f* &ij = &ij == *io (/ == 2, 3, 4).

i=i j=l i=l
En général, si on effectue sur les sommes de contrôle dans chaque
ligne les mêmes opérations que sur tous les autres éléments de cette
ligne, en l ’absence d'erreurs de calcul, les éléments de la colonne
2 sont égaux aux sommes des éléments des lignes transformées
correspondantes, ce qui permet de vérifier la marche directe. La
marche inverse est vérifiée par la recherche des nombres xj qui
doivent coïncider avec les nombres Xj + 1.
E x e m p l e . Résoudre le système
7,9xt + 5 ,6x2-t“5,7j:3 — 7,2x4 -6 ,6 8 ; '
8,5x1— 4,Sx2 + 0 , 8 x 3 + 3,5x4 = 9,95 ;
4,3xt 4- 4,2x2—3,2x3 4- 9,3x4 = 8,6 ;
3 ,2x! — 1,4x2—8,9x3 + 3,3x4 = 1. >
S o l u t i o n . Portons sur la section A du tableau 14 la matrice
des coefficients du système, ses termes constants et les sommes de
contrôle. Inscrivons ensuite la dernière (cinquième) ligne de la
section A en divisant la première ligne par 7,9 (par au).
Passons maintenant à la section A i du tableau. Prenons un élé
ment quelconque de la section A (absent dans la première ligne)
et retranchons le produit du premier élément de sa ligne par le
dernier élément de sa colonne pour inscrire le résultat dans la case
correspondante de la section A x du schéma. Par exemple, en choisis
sant a43 = —8,9, on aura:
«;y = a 43 — a41&13 = —8,9 — 3,2-0,72152 = -11,20886.
Pour obtenir la dernière ligne de la section A iy divisons tous les
éléments de la première ligne de cette section par a £ = —10,82531.
Par exemple,
— 5 ,3 3 2 9 2
— 10,82531
0,49263.
On remplit d’une façon analogue les autres sections du tableau.

Par exemple,
a\V = aÜ1- a i X ; = 6,21645 - ( — 3,66835). ( -1,03894) = 2,40525.
§ 3.] MÉTHODE DE GAUSS . 277
T a b le a u 1 4
Résolution d'un système d'après le schéma de division unique
Sec
Termes V tions
*1 *2 *3 *4 constants du
schéma
7 ,9 5 ,6 5 ,7 - 7 ,2 6,68 1 8 ,6 8
8 ,5 - 4 ,8 0,8 3 ,5 9 ,9 5 1 7 ,9 5 A
4 ,3 4 ,2 - 3 ,2 9 .3 8,6 2 3 ,2
3 ,2 - 1 ,4 — 8 ,9 3 .3 1 - 2 ,8
1 0 ,7 0 8 8 6 0 ,7 2 1 5 2 — 0 ,9 1 1 3 9 0 ,8 4 5 5 7 2 ,3 6 4 5 6
— 10,82531 — 5,3 3 2 9 2 11,24682 2 ,7 6 2 6 5 - 2 ,1 4 8 7 6

1,15190 — 6,30254 13,21898 4 ,9 6 4 0 5 13,03239 A,
- 3 ,6 6 8 3 5 — 11,20886 6 ,2 1 6 4 5 - 1 ,7 0 5 8 2 — 10,36658
1 0 ,4 9 2 6 3 - 1 ,0 3 8 9 4 - 0 ,2 5 5 2 0 0 ,1 9 8 4 9
— 6 ,8 7 0 0 0 14,41573 5,25801 12,80374 An
— 9 ,4 0 1 7 2 2 ,4 0 5 2 5 — 2 ,6 4 1 9 8 - 9 ,6 3 8 4 5
1 - 2 ,0 9 8 3 6 - 0 ,7 6 5 3 6 - 1 ,8 6 3 7 2
— 17,32294 - 9 ,8 3 7 6 8 - 2 7 ,1 6 0 6 2 A3
1 0 ,5 6 7 9 0 1,56790 •
1 0 ,5 6 7 9 0 1 ,56790
1 0 ,4 2 6 3 0 1 ,42630
D
1 0 ,1 2 4 8 0 1 ,1 2 4 8 0
1 0 ,9 6 7 1 0 1,9 6 7 1 0
Pour trouver les inconnues considérons les lignes contenant les

unités (lignes marquées) en commençant par la dernière. L’inconnue
x4 est le terme constant de la dernière ligne de la section A z :
x4= &£ = 0,56790.
Les valeurs des autres inconnues x3l x2l x, s ’obtiennent succes
sivement en retranchant des termes constants figurant sur les lignes
marquées la somme des produits des coefficients respectifs b par
les valeurs des inconnues trouvées auparavant.
On a:
*3 = 65* - b%x4 = - 0,76536 - ( - 2,09836) -0,56790 = 0,42630 ;
* = b « '-b « 'x é-b ™ z2=
= —0,25520 — ( — 1,03894) -0,56790—0,49263 -0,42630 = 0,12480 ;
xi = 615—b14x4—fc13x3—612x2 —0,84557 —( —0,91139) -0,56790 —
—0,72152-0,42630—0,70886-0,12480 = 0,96710.
Ainsi
xx = 0,96710; x 2 = 0,12480; x3 = 0,42630; x4 = 0,56790,
La vérification courante des calculs s’effectue à l ’aide de la
colonne 2 soumise aux mêmes opérations que les autres colonnes.
Il en résulte que 1) la somme des éléments de chaque ligne du
schéma (absents dans la colonne 2) doit être égale à l’élément de
cette ligne figurant dans la colonne 2 ; 2) les nombres z t dans la
colonne 2 doivent être supérieurs d’une unité aux racines respectives
de la solution du système.
A propos, si l ’on tient compte des unités figurant dans la sec
tion B , on obtient encore que dans cette section les éléments de la
colonne 2 sont les sommes des éléments des lignes qui leur corres
pondent. Dans le cas concerné, la première et la deuxième condition
sont observées à une unité du dernier rang près. Par conséquent, il
est presque certain que les calculs sont corrects.
Constatons que si la matrice du système est symétrique, les
parties respectives des sections A , A u A 2l . . . du schéma de divi
sion unique sont symétriques elles aussi. Cette circonstance peut
être mise à profit pour simplifier le tableau.
L’estimation du nombre N d’opérations arithmétiques néces
saires pour résoudre un système linéaire à n inconnues par la méthode
de Gauss [5] (sans tenir compte de la vérification) ne présente aucune
difficulté. Le nombre de multiplications et de divisions nécessai
res pour la marche directe est
Tl {fl -f- 1) -f- (?Z— 1) Tl -p . . . -f- 1 •2 —
= (13 + 2 » - j - . . . + t t 3) + (l + 2 + . . . + w ) = w(B^ A " ± 2>,
c ’est aussi le nombre de soustractions. Pour la marche inverse il
faut ^ multiplications et divisions et le même nombre de sous
tractions. Avec n > 7, le nombre total d ’opérations arithmétiques
imposées par la méthode de Gauss est donc
»r 2/2 ( n + 1 ) (n + 2) , , ^ «
N = —v 1 ' v 1—- + n(n — l) < 7 i3.
Ainsi le temps nécessaire pour résoudre un système linéaire par
la méthode de Gauss est à peu près proportionnel au cube du nombre
d ’inconnues. Par exemple, pour résoudre un système de 100 équations
linéaires à 100 inconnues sur une machine rapide qui effectue 104
opérations par seconde, il faut
T = 10e-10-4 = 100 s.
Le temps machine réel sera beaucoup plus grand par suite de la
présence dans le programme d’opérations autres que les opérations
arithmétiques (substitution d’adresse, opérations logiques, trans
ferts, mise en forme, etc.).
S 4.1 AMÉLIORATION DE LA PRÉCISION DES RACINES 279
§ 4. Amélioration de*la précision des racines

Les solutions approchées obtenues par la méthode de Gauss
peuvent être précisées. Montrons comment il faut procéder à cet effet
si les corrections des racines sont petites en valeur absolue.
Supposons qu’on ait trouvé pour le système
Ax = b
la solution approchée x 0. Posant
x = x 0+ ô ,
r ôn
pour la correction 6 = [ i J de la solution x 0, on a l’équation
ou
A 6 = c,
8 = 6 — A x 0 étant le résidu de la
solution approchée x 0. Ainsi pour obtenir 6, il faut résoudre le sys
tème linéaire à matrice précédente A et au nouveau terme constant
e = : I .A cet effet il suffit d’ajouter au schéma de calcul prin-
L*nJ
cipal la colonne 8 des termes constants et la transformer d après
les règles générales. Suivant l ’usage, les corrections ôl9 ô2, . . ., Ôn
sont déterminées à partir des lignes marquées, les coefficients de
ces corrections inconnues étant déjà fournis par le tableau. Notons
qu’on peut ne pas préciser les coefficients transformés de la matrice
A y car dans le cas de faibles résidus l ’ordre de petitesse des erreurs
respectives est plus grand.
E x e m p l e . Résoudre par la méthode de Gauss avec trois
chiffres (avec une règle de calcul, par exemple, ou à la main) le
système
6 ^ —x2— £3 = 11,33; ï
_ Xl j _6x2— x3 = 32; > (1)
— Xi —X2-r 6x3 = 42. J
En utilisant les valeurs obtenues comme des approximations ini
tiales, améliorer la précision des racines jusqu’à 10-4.
S o l u t i o n . En appliquant le schéma usuel de la division
unique (tableau 15), on effectue toutes les opérations avec trois
chiffres significatifs.
On a les solutions approchées:
*;0) = 4,67 ; x™ = 7,62 ; x {» = 9,05.
En portant ces nombres dans le système (1), on calcule les résidus
correspondants (c’est-à-dire les différences entre le premier et le
deuxième membre du système (1))
e ;°>= —0,02 ; e f = 0 ; e‘0>= —0,01.
T a b le a u 15
Amélioration de la précision des solutions calculées
par la méthode de Gauss
Termes
*1 *2 *3 constants
V
Résidu e
6 -1 -1 11,33 15,33 - 0,02

-1 6 —1 32 36 0
—1 -1 6 42 46 - 0,01
1 —0,167 -0 ,1 6 7 1,89 2,56 -0,0033
5,83 —1,17 33,9 38,6 -0,0033

-1 ,1 7 5,83 43,9 48,6 —0,0133
1 —0,200 5,80 6,60 | -0,0006
5,60 50,7 56,3 -0,0140
1 9,05 10,05 -0,0025
9,0475
7,62 - 0,0011
1 7,6189 8,62
1 4,67 -0,0039
4,6661
Utilisons ces valeurs comme termes constants (tableau 15) pour

obtenir la correction des solutions
ô;°> = —0,0039 ; ô;0) = -0,0011 ; ô f = —0,0025.
On en tire les solutions précisées

Xi = 4,6661 ; x 2 = 7,6189; x z = 9,0475,
les résidus étant égaux à
ô, = -2 -1 0 -4; Ô2 = 2-10-4; ô3 = 0.
Parfois il faut déterminer une erreur éventuelle Ax de la solution
x d’un système linéaire d’après les petites erreurs connues A-4 et
Ab de la matrice A du système et de son terme constant b .
On a :
Ax = b (2)
et
(A + Ai4) (x + Ax) = b + Ab.
Il en résulte si l ’on néglige le petit terme AA -Ax
A x + -4Ax + AA x = 6 + A6 (3)
§ 5J MÉTHODE DU PIVOT 281
OU
AAx = A6 — AAx. (4)
Ainsi, lors de la recherche approchée de Ax, on peut utiliser
le schéma de Gauss pour le système principal (2) en complétant
ce schéma par une nouvelle colonne de termes constants Ab — AA x .
§ 5. Méthode du pivot
Soit le système linéaire
auxi + 012^2 4" • • • “h ûlnxn = ai, n+1,
021^1 4* a 22x 2~\~ • • • 4" a 2nx n = 02# n+l»
(1)
^ n \ x i 4" Q’Tï2x 2~\~ • • • 4 ” & nnx n = & n, n+1- >
Considérons la matrice rectangulaire étendue des coefficients du

système et de ses termes constants
®1! 012 • . . atJ . . . 019 . . . d \ n 0-1. n+l
&21 Û22 • • . GnJ - * * 02<jf . . . Û2 n 02# n+1
« /i 0 /2 • . . d ij ... d lq . . . d [n 0 / . n+l
M=
a pi a pZ • ■• 0 pj • • • a pq . . . apn 0 p . n+1
.« n i • • 0 n j • • • 0/IÇ • • • 0n n 0ri • n+ 1.
0f»2 •
Choisissons l ’élément non nul avq de la matrice M en général

le plus grand en module et n’appartenant pas à la colonne des ter
mes constants (q n + 1) qu’on appelle pivot et calculons les
facteurs
rrti =
aiq
apq
pour tout i p.
La ligne affectée de numéro p de la matrice 4/, qui contient le
pivot, s’appelle ligne du pivot. En poursuivant on effectue l ’opé
ration suivante: ajoutons à chaque ligne sans pivot le produit de
la ligne du pivot par le facteur correspondant de cette ligne.
Il en résulte une nouvelle matrice dont la q~ième colonne est com
posée de zéros. En rejetant cette colonne et la p-ième ligne du pivot,
on obtient une nouvelle matrice M lV avec le nombre de lignes et
de colonnes diminué d’une unité.
282 SYSTÈMES D'ÉQUATIONS LINÉAIRES [CH. V III
Reprenant les mêmes opérations avec la matrice M iX\ on obtient

la matrice M etc. On construit ainsi une suite des matrices
M , M a \ . . .,
dont la dernière est une matrice ligne à deux termes ; considérons-la
également comme ligne du pivot.
Pour déterminer les inconnues x% associons en un système toutes
les lignes du pivot à partir de la dernière qui appartient à la matrice
Après avoir dûment changé la numérotation des inconnues, on
obtient un système à matrice triangulaire qui permet de calculer
sans peine de proche en proche les inconnues du système (1) donné.
La méthode du pivot peut toujours être appliquée si le déterminant
du système
an aln
det A = =j£ 0.
. . . dnn
Notons que la méthode de Gauss est un cas particulier de la
méthode du pivot et le schéma de la méthode de Gauss s'obtient
si l ’on choisit toujours comme pivot l ’élément supérieur gauche
de la matrice correspondante.
§ 6. Application de la méthode de Gauss au calcul

des déterminants
Soit
ûu d{2 . •. ttjn
<ht Ûoo ... d^j\

(1)
- a nl am ... d jn
et
A = det A . (2)
Considérons le système linéaire
A x = 0. (3)
En résolvant le système (3) par la méthode de Gauss, nous avons
remplacé la matrice A par la matrice triangulaire B composée
d’éléments'des lignes marquées
1 612 &13 • • •
1AI)
0 1 b(li
U23 • • • utn
0 0 0 ... 1
$ 6.] APPLICATION DE LA MÉTHODE DE GAUSS 283
Il en a résulté un système équivalent

B x = 0, (4)
Les éléments de la matrice B s'obtenaient successivement à
partir des éléments de la matrice A et des matrices auxiliaires ulté
rieures A u A 2, . . ., i4n-i à l ’aide des transformations élémentaires
suivantes :
1) division par les éléments « générateurs » an , , . . -, ûnn*"1>
supposés différents de zéro, et
2) soustraction aux lignes de la matrice A et aux matrices inter
médiaires Ai (i = 1, 2, . . n — 1) des nombres proportionnels
aux éléments des lignes génératrices correspondantes. Dans la
première opération le déterminant de la matrice est de même divisé
par l'élément « générateur » correspondant, dans la deuxième ce
déterminant reste inchangé. C’est pourquoi
det A
det 5 = 1 =
«n«iV ••• <nn v ’
Par conséquent,
,<n-1
A = det A —ana£ nn (5)
c’est-à-dire le déterminant est égal au produit des éléments « géné
rateurs » du schéma de Gauss correspondant. On en déduit que le
schéma de division unique du § 3 peut être utilisé pour le calcul
des déterminants en rejetant la colonne des termes constants comme
inutile.
Notons que si à une étape quelconque l'élément a-*-1* = 0
ou voisin de zéro (ce qui entraîne l'altération de la précision du
calcul), il convient de réaliser la permutation appropriée des lignes
et des colonnes de la matrice.
E x e m p l e . Calculer le déterminant
7,4 2,2 - 3 ,1 0,7
1,6 4,8 —8,5 4,5
A = 4,7 7,0 - 6 , 0 6,6 *
5,9 2,7 4,9 —5,3
S o l u t i o n . Utilisons les éléments du déterminant A pour
composer le schéma de division unique (tableau 16).
En multipliant entre eux les éléments « générateurs » (encadrés)
on obtient :
A = 7,4-4,32434-6,11331 .(-7,58393) = -1483,61867.
Insistons sur la circonstance suivante. Pour résoudre un système
de n équations linéaires à n inconnues d’après les formules de Cra
mer, il faut calculer n + 1 déterminants d ’ordre n. Or pour cal-
284 SYSTÈMES D’ÉQUATIONS LINÉAIRES [CH. V III
T a b le a u 1 6
Calcul du déterminant par la méthode de Gauss
1-ère 2-e 3-e 4-e V

colonne colonne colonne colonne
2,2 —3,1 0,7
C'I NT CO <M
tm
1,6 —8,5
NNOO
4,8 4.5
4,7 7,0 - 6,0 6.6
5,9 2,7 4,9 -5 ,3 A
1
1
1 0,29729 -0,41891 0,09459 0,97297
4,32434 -7,82974 4,34866 0,84326

5,60274 -4,03112 6,15543 7,72705 A,
0,94599 7,37157 -5,85808 2,45948
i -1,81062 1,00562 0,19500
6,11331 0,52120 6,63451
9,08440 -6,80939 2,27501 a 2
1 0,08526 1,08526
-7,58393 —7,58393 a 3
A = -1483,61867
culer un seul déterminant d’ordre n suivant le schéma de division

unique il faut réaliser presque le même travail que dans le cas de la
résolution complète d’un système d’équations. Donc, en général,
dans le cas de calcul numérique d’un système linéaire avec n > 3,
les formules de Cramer ne présentent aucun avantage.
§ 7. Calcul d’une matrice inverse par la méthode

de Gauss
Soit la matrice régulière
A = [au ] (i, j = 1, 2, . . n).(1)
Pour trouver son inverse
A - 1 = [*„] (2)
on utilise la relation principale
A A -1 = E , (3)
où E est une matrice unité,
£
Calcul de la matrice inverse par la méthode de Gauss
286 SYSTÈMES D ÉQUATIONS LINÉAIRES LCH. VIII
En multipliant les matrices A et-d-1 on obtient n systèmes d'équa

tions par rapport à n2 inconnues x tj
2 0>ih^hj —$lj (î» / — 1y 2, rt),

A=1
où
1 si i = /,
'U 0 si
Les n systèmes d'équations linéaires obtenus pour 7 = 1, 2, . . •
. . n ayant la même matrice A et des termes constants différents
peuvent être résolus simultanément par la méthode de Gauss.
E x e m p l e . Trouver l ’inverse A ' 1 de la matrice
r i , 8 —3,8 0,7 - 3 , 7 -
0,7 2,1 - 2 , 6 - 2 , 8
A = 7,3 8,1 1,7 - 4 , 9 ‘
.1,9 —4,3 - 4 , 9 - 4 , 7 .
S o l u t i o n . Composons le schéma de division unique. Nous
aurons quatre colonnes de termes constants (tableau 17). Notons
que les éléments des lignes de la matrice inverse s’obtiennent dans
l ’ordre inverse.
Les résultats du tableau 17 conduisent à
- —0,21121 -0,46003 0,16284 0,26956-
-0,03533 0,16873 0,01573 —0,08920
A' l= 0,23030 0,04607 - 0,00944 —0,19885 *
.-0 ,2 9 3 1 6 —0,38837 0,06128 0,18513.
Pour vérifier, composons le produit
r l,8 —3,8 0,7 - 3 ,7 - .
0,7 2,1 2,6
- —2,8
AA-1 =
7,3 8,1 1,7 - 4 ,9
-1,9 - 4 , 3 - 4 , 9 -4 ,7 .
-0,21121 -0,46003 0,16284 0,26956-
—0,03533 0,16873 0,01573 - 0,08920
0,23030 0,04607 - 0.00944 —0,19885
. —0,29316 —0,38837 0,06128 0,18513.
§ 8.1 MÉTHODE DBS RACINES CARRÉES 287
0,99997 0,00000 —0,00001 0,00000i

—0,00025 0,99997 —0,00002 —0,00039
-0,00808 —0,01017 0,99982 0,00009
0,00000 0,00000 0,00000 1,00048J
r0,03 0,00 0,01 0,00i
0,25 0,03 0,02 0,39
= £ — 10-3
8,08 10,17 0,18 - 0 ,0 9
L0,00 0,00 0,00 - 0 ,4 8 J
On voit que par suite de l ’arrondissement la matrice inverse
obtenue n’est pas tout à fait exacte. Nous allons indiquer ci-dessous
(cf. § 15) une méthode de correction des éléments d’une matrice in
verse approchée.
§ 8. Méthode des racines carrées
A x = 6, (1)
où A = [ai;] est une matrice symétrique, c’est-à-dire A ' = [a;(] =
= A . On peut alors mettre la matrice A sous forme d’un produit de
deux matrices triangulaires telles que l ’une soit transposée de l ’autre :
A = T'T , (2)
où
£jl 2 . . . /ln
O
T = 0 ^22 • • • ^2ti et r = ^22 • • • 0
_ o 0 . . . tniim „*ln ^2n • • • ^nn_

Pour trouver les éléments tij de la matrice T , on obtient les équa
tions suivantes en multipliant les matrices T* et T :
*li*l,/ + *21*2/ "H • • • + tiitij = ü lj (i < / ) , 1
*îi + <2i + • • • -H » = an. j

On en tire successivement :
*11 —V®11* *U= "J“ (/>!).
i~i -
tu = y a>il — 2 tii (1 / .
288 SYSTÈMES D’ÉQUATIONS LINÉAIRES [CH. V III
Si tu 0 (i = 1, 2, . . ., n), le système (1) possède une solu

tion unique définie, du fait que
det A = det T' -det T = (det T)2 = (tn U2 . • . ^n)2 ¥= 0.
Les coefficients de la matrice T seront réels si t]] > 0. Dans ce
qui suit nous ne supposerons pas en général que cette dernière con
dition est respectée.
Lorsque la relation (2) est vérifiée, l ’équation (1) est équivalente
aux deux équations
T 'y = b et T x = y ,
ou sous une forme développée
/jol/l "T ^221/2 =

(4 )
twlfi ^2nÿ2 tiinUn —*bn

et
U ix l "4" /l2***2"T • • • 4“ t l n X n —y l»
^22^2 4 “ • • • n tznXji — y 2* ^
(5)
t nnXn — y n • >
On en déduit successivement:
ÿl = -*ï7’
i—1 (6)
è|— 2 tkiUk
k=l
ÿ! = tu (*>i)
et
x —
xn — #y* *
lnn
(7)
Ifi — S *****
h=i+ 1 ( i <n ) .
tu
La méthode exposée de résolution d’un système linéaire s’appelle
méthode des racines carrées. étant une matrice symétrique et T
une matrice triangulaire supérieure, on ne peut inscrire sur le schéma
de calcul numérique que -y (n + i) coefficients supérieurs au et
*ij (i ^ /)• La vérification usuelle se fait à l ’aide des sommes, la
composition des sommes rendant compte de tous les coefficients
de la ligne correspondante.
S 8.] MÉTHODE DES RACINES CARRÉES 289
Remarquons que si pour une certaine s-ième ligne on a t\s < 0 ,

les éléments respectifs tsj seront imaginaires. Dans ce cas-là encore
la méthode est formellement applicable.
L application pratique de la méthode des racines carrées con
siste à calculer successivement par marche directe d ’après les for
mules (3) et (6) les coefficients ti} et y t (i = 1, 2, . . ., n), puis
à calculer par marche inverse d’après la formule (7) les inconnues Xj
(i = n, n — 1, . . ., 1).
E x e m p l e . Résoudre par la méthode des racines carrées le
système d’équations
x, f- 3x2—2x3 — 2x6- 0,5 ;
3xx-\ 4x2—5x3 i- x4—3x3 = 5,4;
— 2xj —5i 2 ■!*3xs—2^4 4" 2x3 = 5,0 j
x2— 2x3-f- 5^4 = / ,5 î
— 2.xi—3x2-f- 2x3-j- 3x4-j 4x3—3,3 .
S o l u t i o n . Inscrivons les coefficients a*j et les termes cons
tants bi du système considéré dans la section initiale A du tableau
Tableau 18
Résolution d’un système linéaire par la méthode des racines carrées
Sec
V tions
“il C/2 °l3 °/4 °/5 hl du
schéma
1 3 -2 0 -2 0,5 0,5
3 4 -5 1 -3 5,4 5,4
_2 -5 3 -2 2 5,0 1,0 A
0 1 -2 5 3 7,5 14,5
_2 -3 2 3 . 4 3,3 7,3
V
til t iZ */3 '14 f/5 Vl
i 3 -2 0 _o 0,5 0,5
2.2301/
S
—0,4472/ -1,3416/ -1,7471/ -1,7471/

sT CO
O
1
i
O
2,0125/ 1,5653/ -7,5803/ -3,1081/ B

3,0414 2,2194 -2,2928 2,9679
0,8221/ 0,1643/ 0,9859/
cJ -r*
CD
-0 ,0 9 7 8 -0,8011 -0 ,8 9 9 6 0,1998 C
1 1
IL
S
—5,0973 -5,8004 0,1007 1,1992
1i*—ü lü 72
(tableau 18) et calculons la colonne 2 . En appliquant les formules

(3) et (6) et en passant successivement d’une ligne à l'autre, cal
culons les coefficients tu et les nouveaux termes constants y t pour
compléter de cette façc.n la section B du tableau.
Par exemple,
4 ®35 *13*1 5 — *23*25 2 — ( —2)( —2)—(—0,4472i)(—1,341Gt) 4
*35----------- S ------------------------------51*944*------------------“
Pour vérifier calculons la colonne 2 . Calculons d’après les for
mules (7) les valeurs des inconnues x t et les grandeurs de contrôle
Xi = Xi + i, en les portant sur la section C. Par exemple,
!/3 — *35*5 — *34x 4
*3 = *33
—7,5803* — 1,5652* .0,1998 - 2,0125*. ( - 0,8996)
6,8011.
0,8944*
§ 9. Schéma de Khaletski
Pour la commodité du raisonnement écrivons le système d’équa
tions linéaires sous une forme matricielle
A x = b, (1)
où A = latj] est une matrice carrée d’ordre n et
’ a i*n+1
, 6= —
J * n , n+t-
sont des vecteurs colonnes. Mettons la matrice A sous forme d’un

produit de la matrice triangulaire inférieure B --= [bij\ et de la
matrice triangulaire supérieure C = [c^l à diagonale unité, c’est-à-
dire
A = BC, (2)
où
1—
O
O
S
1 Cf. • • • Cfn
••
^21 Ô02 • • • 0 0 1 . . . C2n

fi- et C =
^bn 1 bn2 • • • .0 0 ... 1
Les éléments bij et cij se définissent alors d ’après les formules
bu = &iu
i- i
bij = a ij— 2 btkChj (* > •/> 1)
î
§ 9-1 SCHÉMA DE KHALETSKI 291
et
CiJ~ b .ü ’
i-1 (4 )
= [ aU— 2 (*<*</)•
fc=l
D’où le vecteur recherché x peut être calculé d’après la chaîne

d ’équations
B y = 6, Cx = y. (5)
Les matrices B et C étant triangulaires, les systèmes (5) se résol
vent sans peine
. a l, n+1
^ i; *>il
i- I (G)
ÿ i= JJ7 ( al.n+i— 2
h=l
et
%n —Uni
n
(7 )
%i '= - y i S Cik^k (i < n).
fc=i+l i
Les formules (6) montrent qu’il est avantageux de calculer les nom
bres iji simultanément avec les coefficients ctj. Cette méthode a reçu
le nom de schéma de Khaletski. Ce schéma fait appel au contrôle
usuel à l ’aide des sommes.
Remarquons que si la matrice A est symétrique, c’est-à-dire
si al)= ajij
bji
<*<»•
Le schéma de Khaletski est commode pour travailler sur des
calculatrices électroniques, car dans ce cas les opérations de « mé
morisation » (3) et (4) peuvent se faire sans enregistrer les résultats
intermédiaires.
-^2— i j p 2^4 = 6j \
— 5xj Zj -j—3j?3— = —12 \
2xt + x3— x4= l;
Xi — 5x2 4“ 3x3 — 3 X4 = 3.
Tableau 19 Et
2CS
w
CO
7 O
IO CM
1 *d» -
«ri CM 71<3
7 CO o"
1
CO
lO
- 0 ,7 5
- 1 ,7 5
- 1 ,7 5
O CM CO
CM CO CM co
1 O
1
cc lO m
CM SP co CM Ol
CO
H 1 1 1 CO O
2 ,5
O
1 1
O
CO
CO
CO
CO CO CO uo
CO
H 1 a O
O CM
1
1^-
- 5 ,3 3 3 3 3 3
CO — co
CO f» co
m CO CO co
O CO CO
H 1 CO
CO S co
co O •
O co
CM
1
-
CO lo CM lO
K 1 1 CM
CO
Cl «♦ CM co «# CM co
M B* B B B c* B B B H H N H
m •O wo *n •O « *o •O
Cl CO wf CM co CM co
B B B B B* B B B Bo B>
«c
H «# «* «#
N CO CM co «*•
b " B B B B* B B -B
«n
H CO CO CO co CO co “ co
CM « «¥ CM co «If
O* B B B* B •O -O
«rH
«• CM CM CM CM
H CM CM CM CM
CM CO CM co
B* B B B U -O -O «B
«*■*
H CM CO CM co «*
O* B B B •cT -o •B •B
-
§ 9.1 SCHÊM A DE KHALETSKI 293
S o l u t i o n . (Cf. tableau 19).

Ecrivons dans la première section du tableau 19 la matrice des
coefficients du système, ses termes constants et les sommes de con
trôle.
Ensuite, puisque bi{ = ai{ (i = 1, 2, 3, 4), la première colonne
de la section I est reportée dans la première colonne de la section II.
Pour obtenir la première ligne de la section II, divisons tous les
éléments de la première ligne de la section I par l ’élément au = bu ,
dans notre cas par 3.
On a :
ciî = ^- = 0 . (3);
C|3= —4 * = —o. (3);

Cu = -§- = 0, (6);
6 = 2;
tu - — o
Cle = y = 2, (6).
Complétons maintenant la deuxième colonne de la section II

en partant de la deuxième ligne. En appliquant les formules (3)
nous déterminons bi2:
£>22 —a 22 — b2\Ci2 = 1 — ( —5 •-y J = — = 2,66 (6) ;
&82 = a 22—Ô3 1 C1 2 = 0 — 2 — = — J" —0 , (6 );
b12= û 42----^41^12 = — 5 — 1-— = — 5 y = — 5 , (3).
Ensuite, le calcul de c2j (7 = 3, 4, 5, 6) d’après les formules (4)

permet de composer la deuxième ligne de la section II :
c “ = 5“ — 6 2‘c » ) = T [ 3 ~ ( — 5 ) ■( “ t ) ] “ T ’
= ^*2^ 24 baCu) = [( 4) ( 5)*-^-] = — - ;
c« = ï~ (a»—= * |'[ ( —' 12) — ( — 5)-2] = —

c 26 = ^ (02,, — 6 2i c , e) = -g- [ ( — 1 7 ) — ( — 5 ) ~ j = 4 " ‘
Passons à la troisième colonne et calculons ses éléments b33 et b3i

d ’après les formules (3), etc., tant qu’on ne complète toute la sec-
294 SYSTÈMES D’ÉQUATIONS LINÉAIRES [CH. VTIT
lion II. Ainsi, la section II se forme en écrivant tour à tour colon

ne — ligne, colonne — ligne, etc.
En se servant des formules (6) et (7), on détermine dans la sec
tion III yt et x t (i = 1, 2, 3, 4).
La vérification courante s’effectue à l ’aide de la colonne 2
qui subit les mêmes opérations que la colonne des termes constants.

Lorsque le nombre des inconnues d’un système linéaire est grand,
le schéma de la méthode de Gauss qui donne une solution exacte
devient trop compliqué. Dans ces conditions il devient beaucoup
plus commode de rechercher les racines du système par des méthodes
numériques approchées. L ’une d’elles, la méthode des approxima
tions successives dite aussi méthode des itérations, est exposée dans
ce qui suit.
ai\x\ 4“ al2 x 2 + . • • -r cilnx n = &i,
&2ixi “I" ^ 22^2 4 “ • • • 4" a2nxn —&2 ?
anixl + &n2x24" • • • 4“ annxn = bn.

Introduisons dans la discussion les matrices
'a u ai2 . . . a^n r 6* i
. . . 0«n x2 i>2
A = Û21 a22 , x = , &=
0>n2 • • • O’nn _ mmx n_ À .
et mettons le système (1) sous forme d’une équation matricielle
A x = b. (1')
En supposant que les coefficients diagonaux
aa ¥= 0 (i = 1, 2, . . ., rc),
on résout la première équation du système (1) par rapport à xly
la deuxième par rapport à x2, etc. On a alors le système équivalent
X%= pi 4" &12X2 4- &13X2 4" • • • 4" &inx n j '
x2= 02 4“ &2lxi 4" 0^23X3 4- . • • 4- nx ni ^
x n = Pn 4“ &n\x i -\r^n2x24“ • • • 4"<*n. j

§ 10.J MÉTHODE DES APPROXIMATIONS SUCCESSIVES 295
OÙ
CCi/ = aJL pour i =?£=j
au au
et au = 0 pour i = / (i, / = 1, 2, . . n).
Introduisons les matrices
GC|2 • • • 0Cm rpii
CC21 CCoo . . . CCon p2
a= et P =
_Ctnl &n 2 • • • ^nn. . p ».
pour mettre le système (2) sous une forme matûcielle
x = P + ax. (2')
Cherchons la solution du système (2) par la méthode des approxi
mations successives. Prenons, par exemple, pour approximation
initiale la colonne des termes constants x (0) = p.
Puis construisons successivement les matrices colonnes
(première approximation),
x<2>= p -f-ax*1*
(deuxième approximation), etc.
Toute (k + l) lôme approximation se calcule en général d’après
la formule
*(*+!> = p + aarW (&= 0, 1, 2, . . . ). (3)
Si la suite des approximations x (0), x (1), . . x (*>, . . . possède
une limite
x — lim x(k\
k-+oo
cette limite est une solution du système (2). En effet, en passant

à la limite dans l ’égalité (3), on a:
lim ac<fc+0 = P + a lim x (ft)
k-+oo fc-frOO
OU
sr — P -f asc.
c ’est-à-dire le vecteur limite x est une solution du système (2')
et par conséquent du système (1).
290 SYSTÈMES D’ÉQUATIONS LINÉAIRES rcir. VIII
Ecrivons les formules des approximations sous une forme dé

veloppée :
* r” = fc, y
* ? +1, = |iI + S I- (3')

}= i
{au — 0 ; t = l, A= 0, 1, 2, .. . )• -
Remarquons que parfois il est plus avantageux de ramener le
système (1) au type (2) de façon à ne pas annuler les coefficients
a n . Il serait logique, par exemple, pour appliquer la méthode des
approximations successives, d’écrire l ’équation
l,02x, — 0,1 5x2 = 2,7
sous la forme
X\ —- 2,7 0,02x, + 0,15x2.
En général, dans le cas du système
n
(LijXj = bi ( i= 1» 2, . • • , w)»
i=l
on peut poser:
avec a-1/ ^ 0. Le système en question est alors équivalent au système

réduit
n
Xi — Pi -\~ 2 ctijXj ( i r—1, 2, • >.,/?),
l
où
Q bi a\v au
Pi (1, y ^|) » &ij— (U pour
an flii an
C’est pourquoi, dans nos raisonnements nous no supposons géné
ralement pas que a lt = 0.
La méthode des approximations successives définies par les
formules (3) ou (3') s’appelle également méthode itérative. Le proces
sus itératif (3) converge bien, c ’est-à-dire le nombre d’approxima
tions nécessaires pour obtenir les solutions du système (1) avec la
précision imposée n’est pas grand si les éléments de la matrice a
sont petits en valeur absolue. Autrement dit, pour appliquer avec
succès le processus itératif, il faut que les modules des coefficients
diagonaux du système (1) soient grands par rapport aux modules
des coefficients non diagonaux de ce système (les termes constants
ne jouent alors aucun rôle).
§ 10.1 MÉTHODE DES APPROXIMATIONS SUCCESSIVES 297
Exemple 1. Résoudre4 le système

4xj-f-0,24x2 —0,08x3= 8, 'j
0,09x,4 -3 x2—0,15x3= 9, > (4)
0,04x, —0,08x2+ 4x3 = 20 J
par la méthode des approximations successives.
S o l u t i o n . Les coefficients diagonaux 4; 3; 4 du système
dominent nettement ici les autres coefficients des inconnues. En
ramenant ce système à la forme normale (2), on a
Xj = 2 —0,06x2-f-0,02x3, ï
x 2 = 3 —0,03x1+ 0,05x3, > (5)
x 3 = 5 —0 , 0 1 x , + 0 ,0 2 x 2. J
Le système (5) peut s’écrire sous la forme matricielle :
■xti r2~i r o —0,06 0,02“
x2 = 3 + —0,03 0 0,05 x2
_x3J L 5J L— 0,01 0,02 0
Pour les approximations initiales de la solution de (4) on prend :
x(t0, = 2; Xj0) = 3; x<0, = 5.
En portant ces valeurs dans les seconds membres de (5), on
obtient les premières approximations de la solution
x\u - 2 - 0,06 •3 -f- 0,02 •5 = 1,92 ;
= 3—0,03-2 r 0,05-5 = 3,19 ;
xiM= 5—0,01 -2 + 0,02-3 - 5,04.
Ensuite, en portant ces approximations trouvées dans la for
mule (5), on obtient les deuxièmes approximations de la solution:
x?> = 1,9094 ; x<2) = 3,1944 ; x(32>= 5,0446.
Après une nouvelle substitution, on obtient les troisièmes appro
ximations des solutions
*i3>= 1,90923; x*g' 3,19495; 5,04485, etc.
Les résultats des calculs sont portés sur le tableau 20.
R e m a r q u e . Lors de l ’application de la méthode des appro
ximations successives (formule (3)) aucun besoin n’est de prendre
la colonne des termes constants pour approximation initiale x<°>.
Nous allons montrer dans ce qui suit que la convergence du processus
itératif ne dépend que des propriétés de la matrice oc; de plus, cer
taines conditions étant observées, si ce processus converge pour un
choix quelconque de l ’approximation initiale, il convergera égale
ment vers le même vecteur limite pour tout autre choix de cette
T a b le a u 2 0
Résolution du système linéaire par la

méthode des approximations successives
h *00 *<*>
3
0 2 2 5
1 1,92 3,19 5,04
2 1,9094 3,1944 5,0446
3 1,90923 3,19495 5,04485
approximation. C’est pourquoi dans le processus itératif le vecteur

initial z<0>peut être a r b i t r a i r e . Il est raisonnable de prendre
comme vecteur initial une solution approchée du système établie
par approximation grossière.
Le processus itératif convergent jouit de la propriété importante
d ’a u t o c o r r e c t i o n , qui fait qu’une erreur de calcul isolée
n’entache pas le résultat final, une approximation erronée pouvant
être considérée comme un nouveau vecteur initial.
Constatons qu’il est parfois plus commode de calculer non pas
les approximations elles-mêmes, mais leurs différences. En intro
duisant les notations
= (k = 0, 1, 2, . . . ),
un obtient d’après la formule (3) :
af(M-D = p a- ouc<fc> (0)
et
(7)
D’où, en retranchant l’égalité (7) de l’égalité (6),
A(ft+,) = a ( # * - < » - » ) = <xA(ft\
soit
Alk+1) = aA{h) (k = 1 , 2 , . . . ) - ( 8)
On prend pour approximation initiale

A(0W ° \ (9)
alors la m-ième approximation s ’écrit
*<"» = 2 A(h>. (10)

Jt=0
§ 10.] MÉTHODE DES APPROXIMATIONS SUCCESSIVES 209
Si l ’on adopte comme d’ordinaire A(0> = x (0> = P, l ’égalité (8)

est vérifiée également avec k = 0. Dans le cas contraire, pour k = 0
l ’égalité (8) n’a pas lieu. On en déduit la méthode suivante de calcul
de cette variante de l ’itération :
1) si A(0) = jr<°> = P, il vient
A(fc)- a A (fc‘ 1) = a fcP (* = 0, 1, 2? . . . )
et
x<*)= S A(i)= 2 a * P ;
2) si A<0) = jr(0V= P, on trouve

A(0 = x<‘>— = ctx<0>+ p —il»)
pour poser
A(h) = aA<h-1> = a h-1A(1) (fc = l, 2, 3, . . . )
Par conséquent
k h
x W = 2 Aw = *»> + 2 a 8- lAu).
|a0 *=1
E x e m p l e 2. Résoudre le système
22j — ”1“ — 3,
3xj —2X3 = 1, ‘ (11)
xt —4x2 + 1 0 x 3= 0. .
S o l u t i o n . Ramenons le système (11) à la forme (2):
Xj= — 1,5 ~r 0)5x.—0,5x3 i
x2 = 0,2—0,6x2 + 0,4x3 ;
x3= —0,1xj + 0,4 x2.
[ 0 0,5 - 0 , 5 T
—0,6 0 0,4 I
—0,1 0,4 0 J
300 SYSTÈMES D’ÉQUATIONS LINÉAIRES [CH. VII*
Les formules (8) et (9) donnent :
A(0) = p
0 0,5 - 0 , 5 ] r - 1,5-1 r o , i - |
A(l) = aA(0) = - 0,6 0 0,4 0,2 = 0,9 ;
[ - 0,1 0,4 0 J L 0 J LO,23J
0 0,5 — 0 , 5 “| r o ,! 1 r o , 335-1
A(2>= <xA(1) = — 0,6 0 0,4 0,9 = 0,032 ,
[ - 0,1 0,4 0 J 1. 0 , 23 J LO,35o J
etc. Les résultats sont portés sur le tableau 21.
T a b le a u 2 1

méthode modifiée des approximations
successives
(méthode cumulative)
A<*> Ah'
k
*1 *3
0 -1,500 0,200 0,000

1 0,100 0,900 0,230
2 0,335 0,032 0,350
3 -0,159 - 0,001 - 0,021
4 - 0,020 0,011 -0,008
5 0,010 0,009 0,000
6 0,002 -0,004 0,003
7 -0,004 0,000 - 0,001
8 0,000 0,002 0,000
9 0,001 0,000 0,001
V
-1,235 1,089 0,500
Ainsi, les solutions approchées sont:

Xi = —1,235; x 2 = 1,089; x 3 = 0,560.
L’inconvénient de cette variante de la méthode des approxi
mations successives est le cumul systématique des erreurs avec
l'augmentation du nombre de termes, ce qui conduit éventuellement
à des erreurs importantes dans les solutions cherchées. De plus.
Terreur de calcul influe sur le résultat final. La première variante
de la méthode des approximations successives est donc plus sûre.
§ .11.] RÉDUCTION D*üN SYSTÈME À LA FORME COMMODE 301
Remarques sur la précision ‘de calcul. Si tous les coefficients et

termes constants du système donné sont des nombres exacts, sa
résolution par la méthode des approximations successives peut s’ob
tenir avec n’importe quel nombre m de chiffres exacts, donné à
l ’avance. Dans les valeurs des approximations successives'il faut
retenir m + 1 chiffres et calculer les approximations successives
tant qu’elles ne se confondent, après quoi le résultat est arrondi
d ’un chiffre. Si les coefficients et les termes constants du système
considéré sont des nombres approchés écrits avec p chiffres, la réso
lution de ce système se fait de même que dans le cas des nombres
exacts avec m = p chiffres significatifs.
Voici sans démonstration une condition suffisante de la conver
gence du processus itératif (la démonstration est donnée au cha
pitre IX, § 1).
T h é o r è m e . Si au moins une des conditions
1) S 1«/;• I < 1 (i - li 2, n)
j= 1
2) S | a<; I < 1 0 = 1, 2, n)
i= I
est vraie pour le système réduit (2), le processus itératif (3) converge
vers la solution unique de ce système, quel que soit le choix de l'appro
ximation initiale.
C o r o l l a i r e . Pour le système
n
2 atjXj = bt (i = 1, 2, . . . , n)
1
la méthode des approximations successives converge si les inéga
lités
I I > 2 \ au \' (*=1, 2 , . . n)
j=l
i-£i
sont vérifiées, c’est-à-dire si pour toute équation du système le
coefficient diagonal* est plus grand en module que la somme des
modules de tous les autres coefficients (sans termes constants).
§ 11. Réduction d’un système linéaire à la forme commode

pour l’itération
Le théorème de la convergence (§ 10) impose des conditions serrees
aux coefficients du système linéaire considéré
A x = b. (1)
Toutefois, si det A =5^ 0, la combinaison linéaire des équations du

système (15) permet toujours de remplacer ce dernier par un système
équivalent
x = P + ax, (2)
tel que les conditions du théorème de convergence seront remplies.
En effet, multiplions réquation (1) par la matrice D = A~x — e.
où e = le,y] est une matrice à éléments petits en module. On a alors:
(A — e) A x = Db
ou
x = p + ax, (3)
avec a = zA et P = Db. Si | | sont suffisamment petits, il est
clair que le système (3) vérifie les conditions du théorème de con
vergence.
La multiplication par la matrice D est équivalente à l ’ensemble
des transformations élémentaires sur les équations du système. La
tâche consiste à aboutir au type standard (3) avec le moins d'efforts
possible.
En pratique on procède de la façon suivante. Dans le système
concerné on prélève les équations dont les coefficients sont supé
rieurs en module à la somme des modules des autres coefficients de
l ’équation. Toute équation prélevée s’inscrit sur une ligne du nou
veau système de façon que le coefficient le plus grand en module
soit diagonal.
Les équations restantes et les équations prélevées du système
sont associées en combinaisons linéaires linéairement indépendantes
de sorte que soit observé le principe de complétation du nouveau
système décrit ci-dessus et que toutes les lignes vides soient rem
plies. Il faut de plus prendre soin pour que toute équation non uti
lisée fasse partie au moins d'une combinaison linéaire qui consti
tue une équation du nouveau système. Donnons un exemple pour
illustrer tout ce qui vient d’être .dit.
E x e m p l e . Ramener le système
(A) 2xi + 3x 2— 4x3+ —3=--0, '
(B ) 2'j —" 2 ^2 — 5Xj -j- JT4 — 2 — 0 ,
(C) 5xx— 3£2-f- £3 —4x4— 1 = 0 , y
(D) lOxj -f- 2x2— £ 3 -f- 2x4 -j- 4 —0 J
au type commode pour l ’itération.
S o l u t i o n . Le coefficient de £ 3 de l ’équation (B) étant plus
grand en module que la somme des modules des autres coefficients,
on peut considérer cette équation comme la troisième équation d'un
nouveau système. Dans l ’équation (D) le coefficient de xt est égale-
§ 12.1 MÉTHODE DE SEIDEL 303
ment plus grand que la somme ‘des modules des autres coefficients ;
cette équation peut donc être prise pour la première équation du
nouveau système. Par conséquent le nouveau système s’écrit:
(I) 10x, + 2x2— x3-f-2x4+ 4 = 0,
(II)
(III) x, — 2x2—5x3 -f- x4— 2 = 0,
(IV)
En analysant le système donné on voit sans peine que pour
obtenir l ’équation (II) au coefficient de x2 maximal en module, il
suffit de composer la différence (4) — (C) :
(II) X\ -f- DX2 "1” ^3 *4* OX4 — 1 = 0.
Maintenant le nouveau système comprend les équations (-4),
(B) et (D) ; par suite l ’équation (IV) contient nécéssairement l’équa
tion (C) du système donné. La sélection montre que pour l ’équalion
(IV) on peut prendre la combinaison linéaire 2 (4) — (B) — 2 (C) —
— (D), c’est-à-dire
(IV) 3xt -f- 0x2 -f 0^3 — 9j?4 — 10 = 0.
Finalement on obtient le système transformé d'équations I-IV
équivalent au système initial et vérifiant les conditions de conver
gence du processus itératif. La résolution de ce système par rapport
aux inconnues diagonales conduit au système
X\- 0x\ — 0,2x2-f- 0,1 £3—0,2^4—0,4 ;
^2 = 0,2ij “f- 0x2 —*0,2x3 -f- OX4 + 0 ,2 ; ^
x 3 = 0 ,2 x 1 — 0,4x2+ 0x3 -f0,2x4— 0,4;
x4 = 0,333x1+ 0x2 - l 0 x 3 f 0x4 — 1,111, ,
auquel on peut appliquer la méthode des approximations successives.
§ 12. Méthode de Seidel

La méthode de Seidel est une modification de la méthode des
approximations successives. Son idée maîtresse consiste à tenir
compte, lors du calcul de la (k + l)-ième approximation de l ’in
connue Xij des (k + l)-ièmes approximations des inconnues Xj,
x2, . . ., x,_t déjà établies.
Soit le système linéaire réduit
SYSTÈMES D’ÉQUATIONS LINÉAIRES [CH. VIII
Choisissons arbitrairement les approximations initiales de la

solution
,(0 ) JO)
Xo y
en prenant garde, certes, qu'elle correspond dans une certaine mesure

aux inconnues cherchées
^1? ^2* • • •» *^jt•
Ensuite, en supposant que les k~iemes approximations x\
(i = 1, . . ., n) sont connues, nous construisons suivant Seidel
les (k + l)-ièmes approximations de la solution d'après les formules
suivantes:
4 + ,,= P , + S
i=l
_<*+l) _ ft ■_ _<h+l> i V « J k)
j=2
i-1
*!w > = f>i + 2 a„ ift+', + S aijiS*’ ;
;= ! j'-i
a£+,) = pn + s + (fc = 0, 1, 2, . . . ) .
i=l
Notons que le théorème de convergence pour une itération simple

donné au § 10 reste vrai pour une itération suivant la méthode de
Seidel (cf. chapitre IX, §§ 3 à 7).
Dans les cas courants la méthode de Seidel assure une meilleure
convergence que la méthode itérative simple, mais généralement
son application est plus délicate. Le processus de Seidel peut con
verger même dans le cas où le processus itératif simple diverge.
Cependant il n'en est pas toujours ainsi. Il arrive que le processus
de Seidel converge plus lentement que le processus itératif simple.
Bien plus, dans certains cas le processus itératif converge alors que le
processus de Seidel est divergent [11 (cf. chapitre XI, § 6).
E x e m p l e . Résoudre par la méthode de Seidel le système
d ’équations
10.^ 4- xz -r *3 = 12; 1
2xi -p 10xj r I 3 = 13 j 1
2xx-r 2x 2 u- 10x3 = 14. J
§ 13.] CAS D’UN SYSTÈME NORMAL 305
S o71 u t i o n. Ramenons ce "système à la forme commode pour

l’itération
xt = 1 , 2 - 0 , 1*2- 0,lx 3; 1
x2= 1 .3 —0,2^ — 0,lx3 ; >
x3 = 1,4 — 0,2xt — 0,2^2. J
Prenons pour approximations initiales
x\0) = 1,2; x(2°>= 0; x(30) = 0.
En appliquant successivement le processus de Seidel, on a :
x(,,>= 1,2—0,1-0 - 0 ,1 - 0 = 1 ,2 ; ï
x(2° = l,3 —0,2-1,2—0,1-0 = 1 ,0 6 ; >(I)
x ln = 1,4—0,2-1,2—0,2-1,06 = 0,948; J
x ï ^ l ^ —0,1-1,06—0,1-0,948 = 0,9992; \
x,22> = 1,3—0,2-0,9992—0,1-0,948 = 1,00536; | (H)
x ‘32)= 1,4-0,2-0,9992—0,2-1,00536 = 0,999098, etc. >
Les résultats du calcul avec quatre décimales exactes sont portés
sur le tableau 22.
T a b le a u 2 2
Recherche des racines d'un système

linéaire par la méthode de Seidel
h *<h> «W
3
0 1,2000 0,0000 0,0000

1 1,2000 1,0600 0,94S0
2 0,9992 1,0054 0,9991
3 0,9990 1,0001 1,0001
4 1,0000 1,0000 1,0000
5 1,0000 1,0000 1,0000
La solution exacte est: xt = 1 ; x2 = 1 ; x3 = 1.
§ 13. Cas d’un système normal

D é f i n i t i o n 1. Un polynôme entier homogène du second
degré de n variables s’appelle forme quadratique de ces variables.
Dans le cas général, la forme quadratique s’écrit
U (X j, X2, . . x n) = û n Xj + a 22X~ + . . • + 0>nnx h +
+ 2a12x1x2 + 2a 13x1x3 + . . . + 2an. itnxn. 1xn, (1)
20— 01072
où atj (i, / = 1, 2, . . n) sont des nombres constants; pour

i =5^ h par souci de commodité, les coefficients respectifs sont pris
pairs: 2atj. En égalant u à la constante c, on obtient l'équation
d'une quadrique à centre
U (ij, Î2j • • •» ^n) == ^
dans un espace de dimension n.
Si l ’on pose
au = aJh (2)
c’est-à-dire 2atj = l ’écriture de la formule (1) peut être
abrégée :
n n
u{Xt, X2, . . . , X n) = 2 S CLijXiXj. (1')
i= l j= l
La matrice
A = [«„] (3)
s’appelle matrice de la forme quadratique (1'). En vertu de la con
dition (2) la matrice A est symétrique, c'est-à-dire elle coïncide
avec sa transposée. Inversement, pour toute matrice symétrique A =
= laij] on peut construire une forme quadratique correspondante
(!').
D é f i n i t i o n 2. Une forme quadratique (1) est dite définie
positive (négative) si elle prend des valeurs positives (négatives) et
ne s’annule qu’avec
Xj — x2 = . . . = xn — 0.
Si u (xlt x2, . . ., xn) est une forme quadratique définie positive,
l ’équation
u (xly x2, . . ., xn) = c (c > 0)
est l ’équation d’ellipsoïde. Notons que dans ce cas
au > 0 (i = 1 , 2 , . . . , n),
du fait que
an = u (1, 0, . . .,0)> 0,
a 22 = u (0, 1, .. .,0)> 0,
ann = u (0, 0, .. .,1)> 0.

Définition 3. Le système linéaire
n
S = (i = 1T2, *• n) (4)
i= i
est dit normal si: 1) la matrice des coefficients A = [a(j] est symé
trique, c’est-à-dire si atj = aa , 2) la forme quadratique correspon-
i 1 3.] CAS D’UN SYSTÈME NORMAL 307
dante
n n
2 2 OîjXiXi
i-1 J-l
est définie positive.
Les systèmes normaux se présentent dans la résolution de nom
breux problèmes, et, entre autres, dans la méthode des moindres
carrés, la recherche de la direction des axes principaux d ’un ellip
soïde, etc.
Ramenons le système normal (4) par le procédé usuel à la forme
spéciale
n
X, = s a i)X) + $t, (4')
j=i
où
aU /. / •\ . q bi
*U = — SJT 0^*)etp, = — .
T h é o r è m e i. Si le système linéaire (4) est un système normal,
le processus de Seidel du système réduit (4') équivalent est toujours
convergent.
D é m o n s t r a t i o n cf. chapitre XI, § 5, ainsi que [2].
Le mode de réduction d’un système linéaire à la forme normale
est décrit par le théorème qui suit.
T h é o r è m e 2. Si les deux membres d'un système linéaire
Ax = b (5)
à matrice régulière A = [a*j] sont multipliés à gauche par la trans
posée A 9 = [aji1, le nouveau système
A 9A x = A 9b (6)
sera un système normal.
D é m o n s t r a t i o n . Montrons d’abord que la matrice A 9A
est symétrique. En effet, on a:
{A9A )9 = A 9A " = A 9A .
Montrons maintenant que la forme quadratique associée à la ma
trice A 9A est définie positive. Composons la forme quadratique à
matrice A 9A :
n n n
u (X j, Xj, • • •, X n) = 2 S 2 &hiQ’h j 2 i £ j »
i=l
En changeant Tordre de sommation, on obtient :
n n n n n n
U=k=l
2 21 j—
2i Q’h i X i & h j Z j = k»î
2(2 i=»l
& hiZgm 2
j=l
•
308 SYSTÈMES D’ÉQUATIONS LINÉAIRES [CII. VIII
La valeur de la somme ne dépendant pas de la notation de Tindice

de sommation, on a :
n n
t* = zj ( S akixt)2> 0 .
k=i i= l
Par hypothèse, det A = det [aiS\ =£ 0. Donc le système homogène

Tl
S ^ 1 =0 (* = 1, 2, . . n)
i —l
n’admet que des solutions nulles. Par conséquent
u (xlt x2, . . xn) > 0 pour | Xi | + | x2 | + . . . + | xn | ^ 0.
§ 14. Méthode de relaxation
Soit le système d’équations linéaires
a l l x i + fli 2*2 + ••• + nx n = h t, ^
^21^1 4" &22x24" • • • 4” ®2n^n = b2,

(1)
4" &n2x24 “ • • • 4" Qnnxn — bn.
Transformons ce système de la façon suivante: transposons les
termes constants à gauche et divisons la première équation par
— au, la deuxième par — a22, etc. On obtient ainsi un système prêt
à subir la relaxation :
— 4 “ ft|2:r2 4* • • • 4" &!n^n 4 “ ^l = 0» ^
bz\x\ — X1 "T • • • 4 &2nxn 4" ~ 0»
(2)
ànix l 4 " b n2X2 . . . — Xn 4 “ c n — 0 , >

ou
b,j = — — bt = .
( i ^ j ) et et
1 au v ' au
Soit ac<0>= (x;°\ Xj ., x'n) l’approximation initiale de la
résolution du système (2). En portant ces valeurs dans le système
(2), on obtient les résidus
R\°' = Ci- x ? ' - 1- § blSx f \
i=2
f l ; , , = c 2- x ; o , + S ' W 0,t
i=i (3)
2
n -i
R r = C n- x T + J l bnjX f
3=1
§ 14.] MÉTHODE DE RELAXATION 309
Si on donne à l ’une des inconnues xj0> l’accroissement ôxi0>,

le résidu correspondant /?J0) diminue de la valeur ôxi0>, alors que
tous les autres résidus R (i0i ( i ^ s ) augmentent delà valeur bi8àxs0).
Ainsi, pour annuler le résidu successif i ^ 1*, il suffit de donner
à la grandeur xi0> l ’accroissement
ôx; o, = / î ;o>,
pour avoir :
iîil> = 0
et
R\1' = R\» + buôx'a” avec i¥=s.
La méthode de relaxation [3], [4] dans sa forme la plus simple
consiste à rendre nulle à chaque étape le résidu maximal en module
en modifiant la valeur de la composante d'approximation corres
pondante. Le processus s’arrête lorsque tous les résidus du dernier
système transformé s’annulent avec une précision imposée. Nous
n’envisageons pas le problème de convergence de ce processus [41.
lOxt —2x2— 2x3= 6, \
— Xj + lO x * — 2 x 3 = 7 , l (4 )
— Xi — x 2 + 1 0 x 3 = 8 , J
par la méthode de relaxation [3] en effectuant les calculs avec deux
décimales.
S o l u t i o n . Ramenons le système (4) à la forme commode pour
la relaxation
— Xi + 0 ,2 x 2 + 0 , 2 x 3 + 0 ,6 = 0 , ^
—:X2 + 0,1xi + 0,2x3+ 0,7 = 0, l
— *3 + 0,lx | + 0 ,lx 2+ 0,8 = 0. J
En choisissant comme approximations initiales de la solution
les valeurs nulles
x;°> = xj0>= x ^ = o,
on trouve les résidus correspondants
R\0' = 0,60 ; R?' = 0,70 ; R\” = 0,80.
D’après la théorie générale on pose :
Sx;0»=0,80.
D’où l’on tire les résidus
R[1} = R[0' + 0,2 •0,8 = 0,60 + 0,16 = 0,76 ;
R?' = RI01+ 0,2• 0,8 = 0,70 + 0,16 = 0,86 ;
0,80 = 0.
310 SYSTÈMES D’ÉQUATIONS LINÉAIRES [CH. VII
Ensuite, on pose :
8*?’ = 0,86,
etc. Les résultats correspondants figurent sur le tableau 23.
T a b le a u 2 3

méthode de relaxation
*i Ri *2 *2 *3 «3
0 0 ,6 0 0 0 ,7 0 0 0 ,8 0
0 ,1 6 0 ,1 6 0 ,8 0 - 0 ,8 0
0 ,7 6 0,86 0
0 ,1 7 0,86 - 0,86 0 ,0 9
0 ,9 3 0 0 ,0 9
0 ,9 3 - 0 ,9 3 0 ,0 9 0 ,0 9
0 0 ,0 9 0 ,1 8
0 ,0 4 0 ,0 4 0 ,1 8 - 0 ,1 8
0 ,0 4 0 ,1 3 0
0 ,0 3 0 ,1 3 - 0 ,1 3 0,01
0 ,0 7 0 0,01
0 ,0 7 - 0 ,0 7 0,01 0,01
0 0,01 0,02
0 0 0,02 - 0,02
Ô 0,01 0
0 0,01 - 0,01 0
5 0 5
2 1,00 1,00 1,00
En additionnant tous les accroissements ô[fe) (i = 1, 2, 3;

k — 0, 1, . . .), on obtient la solution
Xi = 0 -f- 0,93 -f- 0,07 = 1,00;
^2 = 0 + 0,86 + 0,13 + 0,01 = 1,00;
^3 = 0 + 0,80 + 0,18 4* 0,02 — 1,00.
Pour vérifier, portons les valeurs obtenues dans les équations
initiales ; dans le cas considéré la solution du système (4) est exacte.
$ 15.] CORRECTION DES ÉLÉMENTS DE LA MATRICE INVERSE 311
§ 15. Correction des' éléments de la matrice

inverse approchée
Soit une matrice régulière A ; il faut trouver la matrice inverse
A~l. Supposons que nous avons obtenu une valeur approchée de
l ’inverse D 0 æ A "1. Pour améliorer la précision, on peut utiliser
la méthode des approximations successives sous une forme spéciale.
Utilisons comme mesure préalable de l ’erreur la différence
F q = K — AD q.
Si F0 = 0, il est évident que D 0 = il"1; donc, si les éléments
de la matrice F0 sont petits en module, les matrices il"1 et D 0 sont
voisines entre elles. Construisons les approximations successives
d’après la formule
Dk = £*-1 + (A = 1, 2, 3, . . .); (1)
l ’erreur correspondante s’écrit
Fk = E - A D h.
Evaluons la rapidité de la convergence des approximations
successives. On a :
F{ = E — ADi = E — A (.D q + D qFq) = E — ilZ?o {E + F q) =
= E - ( E - F 0)( E + F0) = E - ( E —FJ) = F;.
et en general
Fh = F ? (* = 1 , 2 , 3 , . . . ) . (2)
Montrons que si
l| /?o l l < 9 < l , (3)
où || jP0 II est une norme canonique quelconque de la matrice F0
(chapitre VII, § 7), le processus itératif (1) converge, c ’est-à-dire
lim Dk = A~1.
h-+oo
En effet, la formule (2) entraîne
i i M < r o i i afc< î * k-
Donc
lim || F* || = 0
h-¥0O
et
lim Fk = lim (E —ADh) = 0
k-*oo k-*oo
OU
E — A lira Dh = 0,
h—*oo
soit
lim Dh= A~1E = A -1.
k-+oo
Notre proposition est ainsi démontrée.

En particulier, si les éléments de la matrice F0 = Ifij] vérifient
l ’inégalité
où n est l ’ordre de la matrice et 0 ^ q < 1, l ’utilisation de la m-nor-

me (chapitre VII, § 7) montre que le processus itératif (1) est bien
convergent.
Supposons respectée l ’inégalité (3) pour évaluer l ’erreur
R k = || A~' - Dh || < || A -' || || E - A D h || = || A -' || || Fh || < || A * || <f-\
Comme
AD0= E — Fo,
il vient
A~l = D0(E — F0)-‘ = D0{E + F0+ F Î + . . . ) .
D’où
|M -» ||< ||D 0||{ ||^ || + 3 + g * + . . . } = ||Doll {il^11 + -j— -} -
Pour une m-norme ou une /-norme on a ||£ || = 1, et c’est
pourquoi
Il A ~ l II < •
Ainsi
IM-‘ - D * | | < 4 - f '|| F* || (4)
ou
l l ^ - ^ I K ^ - f î 2*. (5)
où on entend par norme une m-norme ou une Z-norme. La formule

(4) entraîne que la convergence du processus (1) pour q 1 est
très rapide.
En pratique, le processus de l ’amélioration de la précision des
éléments de la matrice inverse s’arrête dès qu’on vérifie l ’inégalité
Il Dh - D k^ K e ,
où e est la précision demandée.
S 15.] CORRECTION DES ÉLÉMENTS DE LA MATRICE INVERSE 313
E x e m p l e . Corriger les éléments de la matrice inverse appro

chée obtenue dans l ’exemple du § 7, p. 286.
S o l u t i o n . Pour la matrice
r l,8 - 3 ,8 0,7 - 3 , 7 -
- 2,6 - 2,8
7,3 8,1 1,7 - 4 , 9
.1,9 - 4 , 3 - 4 , 9 - 4 , 7 .
on obtient par la méthode de Gauss l ’inverse approchée
r —0,21121 -0,46003 0,16284 0,26956 -
-0,03533 0,16873 0,01573 -0,08920
0,23030 0,04607 - 0,00944 - 0,19885
.-0 ,2 9 3 1 6 - 0,38837 - 0,06128 0.1S513 .
telle que
-0,03 0,00 0,01 0,00-
0,25 0,03 0,02 0,39
AD0 — E —10“3*
8,08 10,17 0,18 - 0 ,0 9 *
.0,00 0,00 0,00 - 0 ,4 8 .
D’où
-0,03 0,00 0,01 0,00-
0,25 0,03 0,02 0,39
F0= E —AD0 = 10-3 •
8,08 10,17 0,18 - 0 ,0 9 '
.0,00 0,00 0,00 - 0,48.
Pour améliorer encore la précision des éléments de la matrice
D 0, on utilise le processus itératif
Dk+i = Dh + Dhfk, Ek = E —AD* (k = 0, 1, 2, . . . ).
Comme
9 = Il F01|, = ÎO"3•(0,03 +10,17) = 1,02 • 10"2 < 1,
le processus itératif converge rapidement.
On a :
- — 0,21121 —0,46003 0,16284 0,26956
_ —0,03533 0,16873 0,01573 — 0,08920
X
D°F° - 0,23030 0,04607 —0,00944 —0,19885
.-0 ,2 9 3 1 6 —0,38837 —0,06128 0,18513
314 SYSTEMES D’EQUATIONS LINÉAIRES [c h . v n i
|-0,03 0,00 0,01 0,001

0,25 0,03 0,02 0,39
x 10-*.
8,08 10,17 0,18 - 0 ,0 9
LO, 00 0,00 0,00 —0.48J
r 1,19 1,64 0,02 - 0 ,3 2
0,17 0,16 0,01 0,11
= 10-3
- 0 ,0 6 - 0 ,0 9 0,00 0,11
L 0,39 0,61 0,00 - 0 ,2 4
D’où
Z)| = Dq-(- DqF0 =
r -0,21121 —0,46003 0,16284 0,26956
—0,03533 0,16873 0,01573 —0,08920
0,23030 0,04607 - 0,00944 0,19885 +
L —0,29316 -0,38837 0,06128 0,18513
r 1,19 1,64 0,02 —0,32
0,17 0,16 0,01 0,11
+ 10-
—0,06 —0,09 0,00 0,11
L 0,39 0,61 0,00 - 0,24 J
T —0,21002 - 0,45839 0,16286 0,26924
—0,03516 0,16889 0,01574 —0,08909
0,23024 0,04598 —0,00944 - 0,19874
L — 0,29277 — 0,38776 0,06128 0,18489
On peut considérer que
A -1 « Du
car
-2 — 2 1 3-
0 2 —1 0
ADl = E — 10'6-
3 4 —5 1
.1 0 0 1.
et
-2 — 2 1 3-
0 2 —1 0
Fi = E —ADi = 10“8
3 4 - 5 1 '
.1 0 01.
§ 15.] CORRECTION DES ÉLÉMENTS DE LA MATRICE INVERSE 315
La formule (4) conduit à l'estimation suivante de l'erreur

II Jailli.
Puisque
Il D01|, = 0,46003 + 0,16873 + 0,04607 + 0,38837 < 1,07
et
|| JM|, = 10-».(2 + 2 + 4) = 8.10-»,
on a finalement :
|| A - ' - D , I K t Æ î R - 8*10' 6 < 9-10"8-
R e m a r q u e . Le choix d’une matrice inverse approchée
peut se faire de façon différente. On utilise entre autres la méthode
de partition des matrices en blocs décrite au chapitre VII, § 12.
En conclusion notons qu’il existe actuellement bien d’autres
méthodes de résolution des systèmes linéaires d’équations algébri
ques (méthode de Purcell, d’escalade 16], de Richardson [7],etc.).
BIBLIOGRAPHIE
1. V. Faddéeva. Méthodes numériques de l'algèbre linéaire. Gostekhizdat,
1950, chapitre II.
2. / . Scarborough . Numerical Mathematical analysis. John Hopkins, 1950.
3. M . Salvadori. Numerical methods in engineering. Prentice-Hall, New York,
1952.
4. E . Beckenbach. Modem Mathematics for the Engineer. Mc. Graw-Hill,
1956.
5. K . Sm olitskt. Calcul numérique (résumé d'un cours). Académie militaire
technique de l'Air Mojaïski de Léningrad, Léningrad, 1960.
6. D . FaddécVy V . Faddéeva. Méthodes numériques de l'algèbre linéaire. Fizmat-
guiz, 1960, chapitre II.
7. /. Bérézine , N . Jidkov. Méthodes de calcul. Fizmatguiz, 1959, chapitre VI.
CHAPITRE IX *
CONVERGENCE DES PROCESSUS ITÉRATIFS

DES SYSTÈMES D’ÉQUATIONS LINÉAIRES
§ 1. Conditions suffisantes
Soient le système linéaire réduit
x = a x + p, (1)
la matrice
a = [a ij]
et le vecteur
donnés et le vecteur recherché
T h é o r è m e . Le processus itératif d'un système linéaire réduit

(1) converge vers une solution unique si l'une quelconque des normes
canoniques de la matrice a est inférieure à l'unité, c'est-à-dire pour
le processus itératif
= (&= 1, 2, . . . )
(x<°> étant arbitraire) la condition suffisante de convergence est
lia II < 1 . (2)
D é m o n s t r a t i o n . En partant d ’un vecteur arbitraire
x (0>, on construit la suite des approximations
ac<,) = P-{-ax<0>J
3r<2>= P + ax « )f
x (fe>= p + aar,(',-1>.
* 1.] CONDITIONS SUFFISANTES 317
D’où
= (E + a + a s + . . . + a * ->) P + a\r«». (3)
Comme pour || a || < 1 on a | | a k ||-*-0 quand k-*- oo, il vient
(cf. chapitre VII, § 10)
lim ab = 0
h-+oo
et
oo
lim (E + a 4 a- 4- . . . 4- a ft_1) = 2 o,k = (E — a)-1.
h-+oo h—0
Donc, en passant à la limite quand h-*- oo dans l ’égalité (3), on a :
x = lim acW= (E — a ) '1p. (4)
h-*oo
La convergence de l ’itération est ainsi démontrée. De plus l ’égalité

(4) entraîne:
(E — a) x = P
ou
x = a x + p,
c ’est-à-dire le vecteur limite x est une solution du système (1). La
matrice du système (1) Z? — a étant régulière, la solution x est
unique.
C o r o l l a i r e 1. Pour le système (1) le processus itératif
converge si:
n ^
a) ||a ||m= niax 2 | ot/j | < 1;
i ;= l
OU
n
b) || a ||, = max 2 I««; | < 1;
j i= l
ou encore
C) | | a | | ft = ] /
i= 1
S .2
i= i
I au |2 < 1 •
En particulier, le processus itératif est nécessairement conver

gent si les éléments de la matrice a vérifient l ’inégalité
où n est le nombre d’inconnues du système (1).

En effet, a), b) et c) sont les normes canoniques les plus simples
de la matrice a.
318 CONVERGENCE DES PROCESSUS ITÉRATIFS [CH. IX
Corollaire 2. Pour le système

n
2 aijXj = bi (i = l, 2, . . . , n ) (5)
i=i
le processus itératif converge si on a les inégalités
a') |«n|> 2 'l« « | (i = 1, 2, .. .,n)

i= l
OU
b') |«7il>S >iil (/=1,2,...,«),

1=1
où l ’apostrophe affectée au signe de sommation signifie qu’en som

mant on omet les valeurs i = /, c’est-à-dire la convergence a lieu
si les modules des éléments diagonaux de la matrice A = latj\
du système (1) dépassent pour chaque ligne la somme des modules
des éléments non diagonaux de cette ligne, ou pour chaque colonne
dépassent la somme des modules des éléments non diagonaux de
cette colonne.
En effet, si l ’inégalité a') a lieu, il est évident que l ’inégalité
correspondante a) du corollaire 1 est vérifiée.
Pour démontrer la deuxième proposition posons dans le systè
me (5) :
Xi = — (i=l,2,
où zi sont de nouvelles inconnues. On obtient alors le système

n
, (t = 1, 2, . ..,ri), (5')
j=l
pour lequel l ’itération converge ou diverge simultanément avec
l ’itération du système initial (5). En ramenant par le procédé usuel
le système (5') à la forme spéciale (1) et en appliquant la condition
b) du corollaire 1, on obtient pour le système (5) la condition suffi
sante de convergence du processus itératif:
n
— S i®*;! Ü = l, 2,
i=l
I 2.1 ESTIMATION DE L’ERREUR DO PROCESSUS ITERATIF 319
§ 2. Estimation de l'erreur des approximations

du processus itératif
Soient set*-1) et x (h) (A > 1) deux approximations successives
de la solution du système linéaire x = a x + p. Pour p ^ 1, on a :
|| x<h+p) _ X (h) || < || jc W -D — artt) || J .
+ || X«h+ 2 ) _ iB» + l) || + . . . f || x<M-P)_x<fc+P-l) ||. (1)
Comme
X (m'*-1* = a x (m) + P
et
ac(m) = cur(m“ *) -J- p,
on a
Xtm+1)— gfin) = CL(x<m>—3j(m-l))
et donc
| x<m+l) _ x (m) || ^ || a || || x (m)_ x (m -1) || ^
< ||a|r*||x< M -0_x< * > || pour m > A > .1.
Il vient de la formule (1)
|| x o>fft) _ xt*> || < || X(ft+D _ XW|| 4 .
+ 1|a || || x<ft+o - x « || + . . . + 1| 0 f 11| ***+» _ x<fc>|| <
< - r = W l |sc“ + ” - x *’ 11-

En passant à la limite dans la dernière inégalité quand oo, on
obtient finalement:
Il a-tfc+t)—a?tft)|r
11* — x W ||< (2)
1-11*11
pour A>. 1, ou
Il * - * « I K - r z ^ i r l l x W - x ^ - o ||.
Si
IM K t *
la formule précédente se met sous la forme
||x —x « ||< ||x » > —* » - ‘>||,
c’est-à-dire dans ce cas si
|| * « — * » -» || < 8 ,
alors également
| | x —x W | | < e .
320 CONVERGENCE DES PROCESSUS ITERATIFS [CH. IX
Dans le cas général, si au cours du calcul il s’avère que

||a;« .)_ sc< A -i)|K ± z £ .e ,
où q = || a || < 1, alors
|| ar — x<fc> ||< [e
et par suite
\xi — x(/ ° |< e (f = 1, 2, . . . , n).
Bien entendu, on suppose que les approximations successives
(/ = 0, 1, . . k) se calculent exactement sans aucune erreur
a arrondi.
En utilisant les estimations obtenues ci-dessus pour la norme de
différence de deux approximations successives, on a suivant la
formule (2)
||x —x<fc>||< ac<‘>—æ(0)||.
En particulier, si l’on choisit
*<0>= P,
il vient
jc(D = a p_|_p
Ct || x<*>—x<°>|| = |[a P ||^ :||a || || P ||.

Par conséquent
<2 ’ >
E x e m p l e . Montrer que pour le système

10xt — x2 + 2x3 —3*4 = 0 , >
Xi + 10x2— x3 + 2x4 = 5 , I
2xt + 3x2 + 20x3—x4 = — 10,
3 ^ + 2x2-fx 3 + 20x4= 1 5
le processus itératif converge. Combien d’itérations faut-il réaliser
pour trouver la solution du système (3) à 10”4 près?
S o l u t i o n . En réduisant le système (3) à la forme spéciale,
on obtient :
X i= 0 , l x 2 — 0 ,2 x 3 + 0,3 x4;
X2 = ---0 , l x t + 0 ,1 X 3 — 0,2x4 -j- 0,5 ;
> (3 #)
x3 = —Ojlxi — 0,15x2 + 0,05x4 —0,5 ;
x4= —0,15xt —0,lx2 — 0,05xs -[-0,75.j
§ 2 .] ESTIMATION DE L’ERREUR DU PROCESSUS ITÉRATIF 321
On en tire la matrice du système

0 0,1 - 0 ,2 0,3 -
- 0 .1 0 0,1 - 0 , 2
a=
- 0 ,1 —0,15 0 0,05
—0,15 - o . i —0,05 0
En utilisant, par exemple, la norme || a ||/, on obtient:
|| a ||/ = max (0,35; 0,35; 0,35; 0,55) = 0,55 < 1 .
Donc, pour le système (3') le processus itératif converge.
Prenons pour approximation initiale de la solution x :
0
0,5
x<°> = p =
—0,5
L 0,75 J
D’où
Il P II* = 0 + 0,5 + 0,5 + 0,75 = 1,75.
Soit k le nombre d’itérations, nécessaire pour obtenir la pré
cision donnée. En appliquant la formule (2') on aura:
Il en résulte
45
0,55k+1 < -prjr* 10"4
et
(* + 1 ) lg 0,55 < lg 45 - lg 175 - 4,
c’est-à-dire
—(* + !)• 0,25964 < 1,65321—2,24304—4 = —4,58983.
Donc
J, I i 4 ,58983 ^ yj n
0,25964 ~ 1 ' **
et
* > 1 6 ,7 .
On peut poser k = 17.
Il est à noter que l ’estimation théorique du nombre d'itérations
nécessaires pour assurer la précision donnée s’avère en pratique
exagérée.
21-01072
322 CONVERGENCE DES PROCESSUS IT ÉR A TIFS [CH. IX
§ 3. Première condition suffisante de la convergenoe

du processus de Seidel
T h é o r è m e . S i le système linéaire
x = ax + P (1)
vérifie la condition
lia llrn <4, (2)
où
|| a ||m= max 2 \<*uU
i 5=1
le processus de Seidel pour le système (1) converge vers une solution
unique quel que soit le choix du vecteur initial x (0).
D é m o n s t r a t i o n . Soit x<fc) = {x[k\ . . ., x lk) la fclùme
approximation du processus de Seidel. On a :
*?>= s «»*?’+ s * „ # - " + * P)

5=1 5=i
(i -- 1y 2| • • • , n y /C-- 1| 2} • • •)•
Si la condition (2) est satisfaite, le système (1) admet une solution
unique x = {xif . . ., xn} qui peut s’obtenir, par exemple, à l ’aide
de la méthode itérative simple. On a:
* i= S (* = f |2 , . . . ) . (4)
#-i
En retranchant l’égalité (3) de l ’égalité (4), on obtient:
xt — x(ifc) = S a u {xj — *}*) + S a {J { x j — X j h ~ l ) ) ;

j= 1 j= i
d’où
l ^ - a f ’ l c ’S l a i / I l 1+ 2 l « « l l * i - * ? " ,) (5)
5=1 5=1
(t = l, 2, . . . . n).
D’après le sens de la norme adoptée
|| x — x ih>||m= max | xi — x?] |,
il s’ensuit donc
\ X j — X<.k> | < | | x — X f h > ||m
(/ = 1, 2, Donc, on déduit de l ’inégalité (5):

| X t — x<*> I< PI II x — x<k>||m+ qi II x —x'*-1' ||m, (6)
s 3 .] PR E M IE R E CONDITION DE LA CONVERGENCE DU PROCESSUS 323
i —1 n
P i = S l a «l et =
i= 1 J= i
Soit s = s (A:) la valeur de l'indice i telle que
IX , — 4 k) I = max | X i — xi** | = || * —x (k>||m.
i
En posant dans l’inégalité (6) i = s, il vient:
|| * — *<*» ||m 11»»+?. Il* — * <fc' 1,||m
ou
H * — *'*» ||m< - 9* II* —* ‘fc-1,||m.
1 — Ps
D'où
Il II» <1*11 * — *<*-!» ||m (7)
avec
u = max “T- ” — . (8)
n i 1 — Pi
Montrons que
P < Il ®||m ^ 1*
En effet, puisque
n
P< + ?i = (2 |® i j l < ||« ||» | ,|
donc
lim x {k*= x ,
k-+co
ce qui démontre la convergence du processus de Seidel vers la solu

tion cherchée.
21*
324 CONVERGENCE DES PROCESSUS IT ER A TES [CH. IX
R e m a r q u e . Comme la méthode itérative simple donne

|| * —x**’ || < || a IU || * —x»"-1»||,
tandis que pour la méthode de Seidel on obtient :
Il X — x lk>j| < P II X —x**-1»Il,
où (1 < Il a ||m, dans les conditions du théorème, la convergence
du processus de Seidel est en général quelque peu meilleure que
celle du processus itératif simple. La formule (8) amène que dans
ce cas, en appliquant la méthode de Seidel, il est commode de dis
poser le système (1) de façon que la somme des modules des coeffi
cients de la première équation soit la plus petite
n
? i= 2 |« i;|-
j=*l
§ 4. Estimation de Terreur des approximations du processus

de Seidel suivant la m-norme
Soient x (k) et x (k+1) deux itérations successives du processus de
Seidel. En appliquant à ces itérations les transformations utilisées
pour démontrer le théorème du § 3, on obtient une inégalité analogue
à (7) du § 3 :
|| X(h+I) —x 'k>||m- x'*-1»||ra
D’où
|| _ x <*>||m< || x <ft+p>_ x <fc+p-i> ||m+
+ 1| x«',+I,- 1» - x ‘fc+p-2>||m + • • • -I-1| x ‘*>||m<
- X ‘*-1 ' llm + H” - 1 II - * <k-1> llm + •••
• • • + n | | x <ft>—x ' ^ ’ llmC-ï-^-llac^»—x <h-1>||(n.

Quand p — oo, on a :
lim x <h+p> -= x
p—♦•oo
et donc
Il X - x<ft>||mC Il X«ft>- x ^ 1»\\m,
où
2 I®U I
fi = max— --------^ | | a | | m.
î — 2 ia »i
j=i
§ 5.] D EU X IÈM E CONDITION DE LA CONVERGENCE DU PROCESSUS 325
Kn particulier, il vient de Tmégalité obtenue:

\x Ix a>—x (0) I
1-(1
c’est-à-dire
|x i —^ K - r r - m a x | ^ 1) —zj0) | ( i = l , 2 , . ..,n ) .
1 P j
§ 5. Deuxième condition suffisante de la convergence

T h é o r è m e . Si le système linéaire
x = a -x + P a)
ll« l l i d .
où
|| a ||: = max 2 I«U I
j i=l
le processus de Seidel converge vers une solution unique (1) quel
que soit le choix du vecteur initial.
4 h) = 2 a tJx f -f 2 + Pi (i = 1, 2. . . . , n ; k = 1, 2, . . .).
5*=l i= i
(2)
Pour la solution exacte x — {xt, x2, ...,* „ } qui existe et qui est
unique on a:
i —1 «
Xi = s <XijXj + 2 a ijXj + Pi. (3)
j= 1 i= i
En retranchant des égalités (3) les égalités correspondantes (2), on
obtient :
x t — x \k )= 2 a u (x j — x<jh)) + S « u (x j ~ x )k~ 1))-

i= 1 i= l
D’où
|x i - x i k> |< 2 |a „ ||* ^ - * f > | + 2 |a o | | * i - * J fc" 1,|
j= 1
—1, 2, • . . , n) •
En sommant les dernières inégalités on aura :
2 1*1—x i^ lc i«=l
il 7=1
2 |<*i;|\*J —^ fc)l+ 2 \ XJ—x<? ~ l)\.
i=i 1=1 i=i
ou, en changeant l ’ordre de sommation,
2 I xt —x i *I^ 2 I x ) —XJ *I 2 I a iJ I+
5=1 1=5+1
\a u \. (4)
5=1 1=1
Posons
n 5
S I<*i5l* * 5 = 2 |a / ; l ( / = 1, 2, . . ra—1)
1=5+1 i= l
et
Sn — 0 , t n — S i ®/5 I
1=1
Il est évident que
Sj + tj= 2 | a « l < | | a | | i < l ;
i=l
d’où
S j < 1.
L’inégalité (4) se met sous la forme
2 l* < —*ik)|< 2 s> |x ,—x f ) | + 2 */|*/ —x$*“ n

1=1 5=1 J=1
ou
S ( i —$/) Ixj xS *I ^ S t j \ x j xS *I*
5=1 5=1
Comme
^5< Il a ||i —^ < Il a ||/ —«5 II a ||/ = || a ||, (1 —5^), (5)
on a ensuite:
C lla llfJ ^ l-^ l^ -x H . (6)

En passant à la limite lorsque k -+- oo et en tenant compte de ce
que ||a ||{ < 1 , on a:
lim 2 (1 —sj) | xj — | = 0.
h-*095=1
Par suite
lim xlh) —xj (/ = 1, 2, . . n),
k-~x> 1 '
ce qu’il fallait démontrer
I 6.] ESTIMATION DE L’ERREUR SUIVANT LA i-NORME 327
§ 6. Estimation de Terreur des approximations du processus

de Seidel suivant la l -norme
Soit
<fc+« = S (1 - s j ) | I (k = 0, 1, 2, .. .)•
5=1
En appliquant aux deux itérations successives et x^ft+1) les
transformations analogues à celles du paragraphe précédent, on
obtient Tinégalité ((6), § 5)
! < P^ft,
où, en vertu de Tinégalité (5) du § 5,
p = max
5
Il en résulte
&h+p pPGft (p = 1 ,2 , . . . ) .
Ensuite, on a:
n
2 I— XJ ^ I ^ °k+ p + tffe+p-1 + • • • + ^
5=1
^ -f- PP *<7* PÂ^ \ ^ p
On en déduit pour p -> oo
5=1
OU
1 5=1
avec
s = max sj = max 2 I I-
5 1=5+1
Puisque la formule (1) entraîne
ok< p h^1oi
l’estimation
\\xj x] ^li — 2 I x i~~xs 1^ <Ji ^ ‘
^ 1 - 5 ) (1 — P ) 2 |x iu - x r i
es
est également vraie.

328 CONVERGENCE DES PROCESSUS ITÉRATIFS [CH. IX
§ 7. Troisième condition suffisante de la convergence

T h é o r è m e . Si le système linéaire
x = ax + P (1)
lia II» < 1 *
où
Ila II*+ j / ^ S I a *vI*.
le processus de Seidel pour le système (1) converge vers sa solution unique

quel que soit le choix du vecteur initial.
V x \ p)‘
X= • et * = .
• •
-*n_ *8"
respectivement la solution exacte du système (1) et la p-ième appro

ximation (p = 0, 1, 2, . . .) du processus de Seidel de ce système.
On a :
i —1 n
Xi = S a uxJ+ 2 a IM + Pi
i= 1 Î=i
et
x (ip) = ÿ , aijX^p) + 2 a < ^ ; P -1 ) + Pi

;= i j= i
(t = 1 ,2 , . . n). D’où
Xi —x(ip) = S a u (xj — Xjp)) + 2 œt; (xj —xjp_ °)

i= i j= i
et donc
| x i — 4 P) |2 < ( 2 |a u | | — * i P) | + S | a«v 11 x^ — x j p - 1 ) | J*.

j= l i= i
En appliquant l’inégalité de Cauchy (chapitre VII, § 7) à la somme

de tous les termes de l’accolade, on a :
|X i—X(iP)|2< S i( S \Xj — x$p)|2 -l-S \xj — x f - , ) |2} (2 )

i= »
§ 7.1 TROISIÈME CONDITION DE LA CONVERGENCE DU PROCESSUS 329
avec
n
* i= S l« « la (i = l , 2 ,
En effectuant la sommation des inégalités (2) par rapport à i

de 1 à n on obtient:
s ‘s .,ix ,- ^ > p + s i.iix ,- * ? - ”!».

i= l i= I j= l *=1 5=»
Le changement de l'indice de sommation dans le premier membre
et de l'ordre de sommation dans le deuxième membre de la dernière
inégalité amène
2 \xj — Xjp )|2< 2 \xj — x$p)|2 S s*-u

5=1 i—1 i= i+ i
+ *=i
s i * j - * r i)i*»=i
s*- (3)
Soient
Sj= 2 S i, 7*i= S Si (7 = 1,2,
i= i+ l i= l
et
n
Sj» = 0, Tn = S *
i=l
Il est évident que
+ = S i] Ia u |2= Ila lift< 1 (7= 1,2, (4)

i= l i= l 5=1
Utilisant ces notations on peut mettre l ’inégalité (3) sous la forme
S 2 2 r 7 |x 7 - x r ‘>|*
j= l 5=1 5=1
OU
il ( 1 - 5 ,) |X 7 - 4 P)|»< 2 T} \ x s - x Ÿ - l)f .
7=1 j= l
En vertu de la formule (4) on obtient :
Tj = || a \ \ \ - S j < || a ||1 - | | a ||î Sj = || a \\l (1 - S j )
et donc
2 (1 —<$7) | X; —x5P) |2•< Il a ||h 2 ( l- 5 7 ) |X 7 - x f - n |a. (5)

5=1 5=1
On déduit successivement de l’inégalité (5) pour p > l î
s (i-s,)i*,-*srti*<(ii«iiwp s ( i- s j) \ z j- x rr.
i—l i=*i
Comme ||a ||* < ; l > on peut en tirer :
lim S ( l - ^ ) | x , - x ^ r - = 0,
p-*<» î= i
et, compte tenu du fait que 0 < S / < 1 ( / = ! , 2, on ob
tient !
lim xjp>= x/ (/ —1» 2, . . . , n),
p-»oo
R e m a r q u e . L’erreur des itérations x M (p = 1, 2, . . .)
est évaluée d’une façon analogue à celle du § 6.
BIBLIOGRAPHIE
1. Méthodes numériques de l’algèbre linéaire. Gostekhizdat, Mos
V. F a d d éeva .
cou-Léningrad, 1950, chapitre II, §§ 17 et 19.
CHAPITRE X
GÉNÉRALITÉS SUR LA THÉORIE
DES ESPACES VECTORIELS
§ 1. Notion de l’espace vectoriel

D é f i n i t i o n . Un ensemble ordonné de n nombres complexes
x = (xlt x2, . . x*) s’appelle point ou vecteur d’un espace de
dimension n et les nombres xi9 x2, . . xn sont dits composantes
ou coordonnées du vecteur x [1], [2], [3]. Voici quelques exemples de
vecteurs :
1) les vecteurs libres dans un plan ou dans un espace tridimen
sionnel sont respectivement des vecteurs bidimensionnels ou tri
dimensionnels au sens de la définition ci-dessus;
2) toute solution d’un système quelconque d’équations liné
aires à n inconnues est un vecteur de dimension n;
3) si on donne une matrice de m lignes et n colonnes, ses lignes
sont des vecteurs de dimension m et ses colonnes des vecteurs de
dimension n.
Deux vecteurs x = (xlf x2, . . xn) et y = (yu y2, . . yn)
sont considérés é g a u x si et seulement si leurs coordonnées
occupant la même place coïncident, c’est-à-dire si xt = yt avec
i “ ■ 1, 2 , • • a, n a
Désignons le vecteur (0, 0, . . 0) par 0 et appelons-le vec
teur nul.
La somme des vecteurs x = (xi9 x2, . . xn), y = (yu y2, . . .
« a •, yn) est un vecteur
x + y = (xi + i/i ; x2 + y2 ; . . . ; xn + yn)
dont les coordonnées sont les sommes des coordonnées correspon
dantes des vecteurs additionnés. L’addition des vecteurs est c o m
m u t a t i v e et a s s o c i a t i v e !
1) x+ y = y+x;
2) (x + y) + z = x + (y + z).
La différence des vecteurs x e ti/s e définit d’une façon analogue.
Le vecteur —x qui satisfait à la condition ( —x) + x = 0 s’appelle
vecteur opposé du vecteur x. On montre aisément que
x —y = x + ( —y).
332 GÉNÉRALITÉS SUR LA THÉORIE DES ESPACES VECTORIELS [CH. X
On appelle produit du vecteur x = (xly x 2, . . xn) par le nom

bre k le vecteur
k x = {kx{, kx2, . . ., kxn).
On déduit de cette définition les propriétés suivantes d’un pro
duit de vecteur par un nombre:
1) k(x±y) = kx± ky ;
2) (k± l)x = k x ± lx ;
3) k (Ix) = (kl) x ;
4) 0 j c = O;
5) ix = x ;
6) ( — i ) x = —X,
où k et l sont des nombres quelconques et x et y , des vecteurs.
Pour les vecteurs x et y la combinaison linéaire
a x + py
(a, P sont des nombres) se définit naturellement tout comme le
vecteur de coordonnées olxj + Py s (j = 1, 2, . . ., n).
Tout ensemble des vecteurs de dimension n, muni des opérations
d’addition des vecteurs et de multiplication des vecteurs par un
nombre qui ne font pas dépasser les limites de cet ensemble, est
dit espace vectoriel. En particulier, l ’ensemble de tous les vecteurs
de dimension n forme un espace vectoriel En de dimension n.
§ 2. Dépendance linéaire des vecteurs

D é f i n i t i o n 1. Les vecteurs x^>, x&\ . . x (OT) de l ’espace
En sont dits linéairement dépendants s il existe des nombres cu
c2y . . ., cm non tous nuis et tels que
ctx (1) + c2x<2) + . . . + c mx l,rt> = 0. (1)
Soit, par exemple, cm =£ 0. L’égalité (1) entraîne
:‘ ra> = Y 1X <1> + Y2*<2>+ • •
- (7 = 1, ïl, m — 1).
Ainsi, les vecteurs donnés sont linéairement dépendants si et seule
ment si l'un d'eux est une combinaison linéaire des autres vecteurs.
Mais si l ’égalité (1) n’est vraie que pour ct = c2 = . . . = cm =
= 0, les vecteurs x<*>, xP \ . . ., x (m) sont dits linéairement indé
pendants, c'est-à-dire que les vecteurs sont linéairement indépendants
DÉPENDANCE LINÉAIRE DES VECTEURS 333
si et seulement si parmi leurs combinaisons linéaires à coefficients non

tous nuis il n'y a aucune qui soit un vecteur nul. Notons que parmi
les vecteurs linéairement indépendants il ne doit pas y avoir évi
demment de vecteur nul.
E x e m p l e 1. Pour le cas d’un espace vectoriel tridimension
nel E 3 la dépendance linéaire de deux vecteurs x et y signifie qu’ils
sont parallèles à une certaine droite, et la dépendance linéaire de
trois vecteurs x , y et 2, qu’ils sont parallèles à un certain plan.
Notons que si une partie des vecteurs est linéairement dépen
dante, l ’ensemble des vecteurs l ’est également.
Soit un ensemble des vecteurs
x ij) = (x<>\ x<», . . x&) (j = 1 , 2 , . . . , m).
Pour déterminer les constantes ck (k = 1, 2, . . m), on obtient
en vertu de l ’égalité (1) le système
ctx\ >+ c2x[Z) + . . . + cmx[m) = 0, >
c i x -f c2xl” cmxW = 0,
> (2)
C%Xnl 4“CzXn* + • • • r CmXn *—0. *

Si ce système possède des solutions non nulles, les vecteurs don
nés sont linéairement dépendants. Dans le cas contraire, ils sont
linéairement indépendants.
Considérons la matrice des coordonnées
r * ; 1' x* <2>
i ... x<m > -
xiz' ... X<m >

x =
-x k " xi2i . .. xn J
Soit r le rang de cette matrice. On montre en algèbre [2] que

le système (2) possède des solutions non nulles si et seulement si
r < m . Les vecteurs x*1), x&\ . . ., x<m) sont donc linéairement
dépendants si r et linéairement indépendants si r = m (il
est évident que le rang r ne peut pas être supérieur à m).
On en déduit que le rang de la matrice X donne le nombre maxi
mal de vecteurs linéairement indépendants compris dans l ’ensemble
de vecteurs donné.
De cette façon, si le rang de la matrice X est r, parmi les vec
teurs colonnes x (;> (/ = 1, 2, . . ., m) : 1) il y a r vecteurs liné
airement indépendants et 2) tous les r + 1 vecteurs (r + 1 ^ m)
de cet ensemble sont linéairement dépendants. Ceci est vrai aussi
pour les vecteurs lignes (s-l>, . . ., x[m>) (i = 1, 2, . . ., n) de la
matrice X .
Exemple 2. Etudier la dépendance linéaire du système

de vecteurs
3Ca > = (l, - 1 , 1. - 1 , 1)
a r (î) = (1 , 0, 2, 0, 1)
= (1 , - 5 ,
j r <s> 2, - 1 )
- 1 ,
ar<4>= (3, - 6 , 2, 1, 1) .
S o l u t i o n . Composons la matrice des coordonnées
1 1 1 3 - ,
—1 0 - 5 - 6
X= 1 2 - 1 2
-1 0 2 1
1 1 - 1 1.
Pour déterminer le rang r de la matrice X effectuons certaines
transformations élémentaires et notamment retranchons de la
quatrième colonne la somme des trois premières pour obtenir:
11 10i
- 1 0 - 5 0
1 2 - 1 0 .
- 1 0 - 2 0
11 -1 0 .
On en déduit que tous les déterminants d’ordre quatre de X sont
nuis. Il est clair qu’il y a des mineurs d’ordre trois différents de
zéro. Donc r = 3, et comme le rang de la matrice est inférieur au
nombre de vecteurs, les vecteurs x ^ \ x&\ x*3), x<4) sont linéaire
ment dépendants. Dans le cas considéré ceci est évident puisque
x (1) + x <2) + x <8}—x <4} = 0.
T h é o r è m e i. Le nombre maximal de vecteurs linéairement
indépendants d'un espace En de dimension n est égal exactement à la
dimension de cet espace.
D é m o n s t r a t i o n . En premier lieu, l ’espace En a des
systèmes de n vecteurs linéairement indépendants. Tel est, par
exemple, l ’ensemble de n vecteurs unités:
6t = (l, 0, 0, . . . , 0);
*2 = (0, 1, 0, . . . , 0);
en = (0, 0, 0, . . . . 1).
§ 2. DÉPENDANCE LINÉAIRE DES VECTEURS 335
Si
^1^1 4" ^2^2 4" • • • 4* C n^n ^ (^1» ^2» • • *i ^n) = 0»
il est évident que cx = c2 = . . . = cn = 0.
Montrons que si le nombre de vecteurs x (1>, x <a\ . . ., x <m> est
supérieur à n (m > n), ils sont nécessairement linéairement dépen
dants. En effet, la matrice des coordonnées de ces vecteurs est n x m
et, par conséquent, son rang est r ^ min (n, m) = n <Lm. Il en
résulte que ces vecteurs sont linéairement dépendants.
D é f i n i t i o n 2. Un ensemble quelconque de n vecteurs
linéairement indépendants de l ’espace de dimension n s’appelle
base de cet espace.
T h é o r è m e 2. Tout vecteur d'un espace En de dimension n
peut être représenté d'une seule façon sous forme d'une combinaison
linéaire des vecteurs de base.
D é m o n s t r a t i o n . Soit x £ En et Et, 82» - . «n la base
de l ’espace En. En vertu du théorème 1, les vecteurs x, Cj, e2, . . .
. . ., sn sont linéairement dépendants:
c0x + CjEj + c2e2 + . . . + cnzn = 0, (3)
où un certain coefficient Cj 0 (0 ^ ^ n).
Dans l ’égalité (3), le coefficient c0 =£ 0, car dans le cas contraire
on aurait
Cj£i + C2E2 + . . . + Cn &n = 0»
où Cj=jfc 0 (7 ^ 1), ce qui contredit la dépendance linéaire des vec

teurs Et, e2, . . ., En. Nous pouvons donc résoudre l ’égalité (3)
par rapport à x :
X = I 181 + £282 + • • • + (4 )
avec
_£l_ c2 cn
6 i = - co Y ^2 *0 y ^n
c0
Ainsi, tout vecteur x de l ’espace En est une combinaison linéaire
des vecteurs de la base. Le développement (4) est unique. En effet,
s’il existe un autre développement
X = Ifii + + • • • + ln*n (4')
différant du premier, en retranchant l ’égalité (4') de l ’égalité (4)
on obtient :
0 —(£l 5i) ®14" (^2 £2) ®24“ • • • 4” (?n £n) y (5)
où au moins l ’un des coefficients ^ 0. L’égalité (5) est
impossible du fait que les vecteurs de base sont linéairement indé
pendants. Par conséquent, il n’existe qu’un seul développement du
type (4).
Interprétation géométrique. Pour le cas d'un espace tridimen

sionnel, la formule (4) est équivalente au développement du vecteur
x suivant les directions de trois
vecteurs non coplanaires donnés
Ci, c2 et c3 (fig. 49).
D é f i n i t i o n 3. Si Ct,
c2, . . . , zn est une base d'un espace
de dimension n et si
X = £lCl + £2®2 + •• • +
les nombres gj, g2, • • •» £* s’ap
pellent coordonnées du vecteur x
dans la base donnée £1, c2, . . .,
. .., en. Remarquons que les coor
Fig. 49. données du vecteur
X = (Xj, x 2, • • •, x n)
sont ses coordonnées dans la base des vecteurs unités
6j = (S|Jf ô2i/f • • •, b nj) (/ = • • • » ^)#
où 6nJ est le symbole de Kronecker. Donc, on a le développement
principal
x — “1” x2e2 "I* . . . -f* (6)
Appelons base initiale de l'espace la base des vecteurs unités
€j (7 = 1, 2, n).
D é f i n i t i o n 4. L’ensemble E k des vecteurs de l ’espace
En de dimension n s’appelle sous-espace linéaire de En s’il vérifie
les conditions suivantes:
1) x Ç Ek et y Ç Eh entraînent x + y 6 E k ;
2) x £ Ek entraîne a x £ où a est un nombre quelconque.
En particulier, 0 £ £*.
Il s’ensuit que E k peut être également considéré comme un
espace vectoriel. Le nombre maximal de vecteurs linéairement indé
pendants de E k est dit dimension de ce sous-espace.
Du théorème 1 on déduit que k ^ n . Ainsi, un espace En peut
contenir des sous-espaces: Ei de dimension un, E 2 de dimension
deux, etc., jusqu’à En de dimension n (l’espace lui-même). Le vec
teur nul 0 peut être considéré comme un espace de dimension nulle.
E x e m p l e 3. Dans un espace ordinaire E z de dimension
trois, le sous-espace E i de dimension un est une d r o i t e, le sous-
espace E 2 de dimension deux est un p l a n (fig. 50).
T h é 0 r è m e 3. Si z if z 2f . . ., z k sont des vecteurs de Vespace
En de dimension n, Vensemble complet des vecteurs
x = axZi + a2z 2 + . . . + akzk, (7)
§ 3.] PRODUIT SCALAIRE DES VECTEURS 337
où a,j (; = l t 2, . . ., k) sont des nombres arbitraires, est un sous-

espace de En, et si les vecteurs ai9 z 2* • • •* «a (& ^ n) son/ linéaire
ment indépendants, /a dimension de ce sous-espace est k .
Inversement, /ou/ sous-espace E k de Vespace En se confond avec
Vensemble de toutes les combinaisons linéaires des vecteurs linéaire
ment indépendants s 2, • • •» -fe
de ce sous-espace (vecteurs de base).
D é m o n s t r a t i o n . La pre
mière thèse en résulte immédia
tement.
Démontrons la deuxième thèse.
Soit x Ç E h et x n’est pas une com
binaison linéaire des vecteurs de
base Sj, s 2, . . . » z h. Alors il est
évident que les vecteurs x l9 z i9
s 2, . . ., z h sont linéairement in
dépendants et de ce fait Eh en pos
sède k + 1. Mais ceci est impos
sible du fait que par hypothèse le nombre maximal de vecteurs
linéairement indépendants de E h est k.
Donc un choix arbitraire des nombres ai9 a2, . . ., ak conduit à
X — S j -f- Û2S 2 -f- . . . -|- d f o Z h j

C o r o l l a i r e . L’ensemble des vecteurs x définis par la for
mule (7) est le plus petit espace linéaire contenant les vecteurs
£i,s2, . . .,Zfc (dit espace engendré par les vecteurs z i9 22, . . ., z k).
§ 3. Produit scalaire des vecteurs

Soit dans un espace En de dimension n les vecteurs
x = (ij, x2, • • •, xn) et y = (ÿi, y2, • • •» î/n)*
Admettons que les coordonnées des vecteurs sont des nombres
complexes :
xj = h + i%i ; ÿj = % + *%•,
où i2= —1; ;' = 1 , 2
Introduisons des grandeurs conjuguées
tii; ÿ ? = n /—iTii-
Il est évident que
XjXj —| Xj |“«
2 2-01072
Par produit scalaire de deux vecteurs on entend le nombre
0*. y ) = 2 xjy*• (i)

i=l
Le produit scalaire jouit des propriétés suivantes:
1. Définition positive. Le produit scalaire d’un vecteur par lui-
même est un nombre non négatif qui est égal à zéro si et seulement
si le vecteur est nul. En effet, la formule (1) donne
(x, x)= S 2 |x^|2>0.

i= 1 i= l
Il est évident que (0, 0) = 0. Inversement, si (x, x) = 0, alors
Xj = 0 (/ = 1 , 2 , . . . , n) et donc x = 0.
2. Symétrie hermitienne. Dans la permutation de deux fac
teurs, le produit scalaire est remplacé par son conjugué. En effet, en
appliquant les théorèmes de la grandeur conjuguée d’une somme et
de la grandeur conjuguée d’un produit *, on a:
(2/. * ) = 2 yj**= S **yj = ( 2 *;i/*)* = (•*. y )*•

2- 1 3= 1 J= 1
Par suite,
{y, a") = (ac, y )*• (2)
3. Le facteur scalaire qui se trouve en première place peut être
sorti de sous le signe du produit scalaire, c’est-à-dire
(ax, y ) = a (x , y). (3^,
Cette propriété se déduit immédiatement de la formule (1).
C o r o l l a i r e . Le facteur scalaire en deuxième place peut
être sorti de sous le sîgne du produit scalaire en le remplaçant par
son conjugué. On a :
(x, a y) = (ay, x)* = [a {y, x)]* = a*(i/, x)* = a*(x, y ).
Ainsi
(x, ay) = a* (x, y).
4. Distributivité. Si le premier ou le deuxième vecteur consti
tuent une somme de deux vecteurs, le produit scalaire de ce vecteur
est égal à la somme des produits scalaires respectifs des termes de ce*a)b
* Ce sont les théorèmes suivants:

a) la grandeur conjuguée d’une somme est la somme des grandeurs conju
guées de ses termes;
b) la grandeur conjuguée d’un produit est le produit des grandeurs con-
jugées de ses facteurs.
$ 3.] PRODUIT SCALAIRE DES VECTEURS 339
vecteur. En effet, soit

x = x (1, + x ‘2\
o ù x<*> = (* < * > , I < * > ................ x<nk >) (& = 1, 2 ).
En partant de la définition de la somme des vecteurs, on a d’après
la formule (1):
(x'^ + x'*’, y ) = S (x?' + x'r')yl =
i= l
= i 2= i +i S
=i
= (*'”, v) + (tf*, y),
c’est-à-dire
(X a , + x ‘*\ y ) = (x'1’, îO + (x « \ y). (4)
Ensuite
(x, î/,l>+ ?/*’) = (î/a> 4* y '" \ x)* = {ya>, x ) * - ( i / <2>, x)* =
= (•*•, ?/"’) t (3C, J/’*’)- (5)
Les formules (4) et (5) s’étendent aisément à un nombre fini
quelconque de vecteurs, à savoir:
m l m l
( 2 * (i). 2 2/(k)) = 2 2 (*°'\ //(k)).
j =1 fc=l j= ifc= l
En plus de Y espace complexe de dimension n, il est utile de consi
dérer l 'espace réel de dimension n, c’est-à-dire l ’ensemble des vec
teurs à coordonnées réelles.
Dans un espace réel de dimension n le produit scalaire est égal
à la somme des produits des coordonnées respectives des vecteurs
(•**, ?/) = S *jyj- (!')

i= l
Voici les formulations des propriétés du produit scalaire qui
viennent d’être exposées:
1) (x, x ) > 0 , et si (x, x) = 0, alors x = 0;
2) (* , y ) = (? /, a r);
3) (ax, 2/) = (x, ai/) = a (x , y) (a est un nombre réel);
4) (x + y y z) = (x, z) + (y, z) ;
(*, 2/+ *) = (*% 2/) + 0*% -)•
Le produit scalaire permet de définir les notions métriques prin
cipales dans un espace de dimension n: longueur d’un vecteur et
angle entre deux vecteurs.
1. Longueur d’un vecteur. On appelle longueur d’un vecteur
dans un espace de dimension n le nombre non négatif
IXI = + V ( x , x).
99*
340 GÉNÉRALITÉS SUR LA THÉORIE DES ESPACES VECTORIELS [CH, X
Il est clair que cette définition s'accorde avec la notion de lon

gueur d'un vecteur dans un espace à trois dimensions.
2. Angle entre deux vecteurs. On appelle angle <p entre deux
vecteurs x et y un angle (0 à 180°) tel que
coscp fo» y)
1*11*1 *
Dans un espace à trois dimensions cette définition s'accorde
avec l ’expression ordinaire de l ’angle des vecteurs traduite par un
produit scalaire. On peut montrer que l ’inégalité
l(*. î / ) |< |* ||2 / |
est vraie 11]. Ainsi, dans un espace réel l ’angle des vecteurs est réel.
§ 4. Systèmes orthogonaux $es vecteurs

D é f i n i t i o n 1. Deux vecteurs x et y de En sont dits ortho
gonaux si leur produit scalaire est nul:
(*. ?/) = 0 (1)
Si les vecteurs sont non nuis, l ’orthogonalité signifie que leur
angle est ù Un vecteur nul est évidemment orthogonal à tout
vecteur de l ’espace.
Ainsi, l ’orthogonalité est une propriété généralisée de la per
pendicularité.
D é f i n i t i o n 2. Un système de vecteurs x*1*, x (2), . . ., x<m>
s’appelle orthogonal si tous ses vecteurs sont orthogonaux deux
à deux :
(orO), ae<h)) = 0 avec / k.
Remarquons que si le vecteur x*1) est orthogonal aux vecteurs
x P \ . . ., x<m\ il est également orthogonal à n’importe quelle com
binaison linéaire de ces derniers; autrement dit, le vecteur x<*>
est orthogonal à l ’espace engendré par les vecteurs x <2), . . ., x<m>.
En effet, si
(x*‘>, x<h>) = 0 pour k = 2, . . . , m,
on a :
m m
(* “ >, S C**(h)) = S <*(x<‘\ x(k>) = 0,
h=2 h—2
où c2, . . ., cm sont des constantes arbitraires.
T h é o r è m e . Les vecteurs non nuis x (1>, x*2), . . ., x (m) ortho
gonaux deux à deux sont linéairement indépendants.
f 4.1 SYSTÈMES ORTHOGONAUX DES VECTEURS 341
D é m o n s t r a t i o n . Eù effet, soit
CiX(1>+ c2oc(2) + • • • + cmæ(Tn) = 0- (2)
Le produit scalaire de deux membres de l’égalité (2) par x (1)
donne
c?(x « \ x ^ + clix'», x'*,) + . . . + A ( x ‘1,f x <m>) = 0,
ou, comme
(x®, x cl,) ^ 0 et (xa\ x ci>) = 0 pour j # l ,
on a c* = 0 et Ci = 0.
On démontre de même que c2 = 0, . . cm = 0. Il en résulte
que les vecteurs xP \ x<m) sont linéairement indépen
dants.
C o r o l l a i r e . Dans un espace En de dimension n le nombre
de vecteurs d’un système orthogonal est égal ou inférieur à n.
D é f i n i t i o n 3. La base Ej, c2, • • •» »n de En est dite
orthogonale si les vecteurs de base sont orthogonaux deux à deux :
(sji Efe) = 0 si / -A ^ (/» ^ = I» 2, . . n).
Si de plus les vecteurs zj (} = 1, 2, . . ., n) sont des vecteurs
unités, la base orthogonale s’appelle normale ou orthonormale.
Dans ce cas on a :
=
où ôjfe est le symbole de Kronccker.
On voit sans peine qu’une base orthonormale la plus simple d’un
espace En est le système de vecteurs unités
ex = (1, 0, 0, . . 0),
e2 = (0, 1, 0, . . ., 0),
en = (0, 0, 0, . . 1),
qui forment la base initiale.
Une base orthogonale Ei, e2, . . ., en peut toujours être normée
en divisant chacun des vecteurs zj par sa longueur. Les nouveaux
vecteurs
e3Ï.0>_
— (/ = 1, 2, n)
VJëJ7~ëj)
forment une base orthonormale.
Exprimons les coordonnées du vecteur x dans une base ortho'
normale el7 e2, Si
* = I i8 i + | 2«2+ . . . +S„e„, (3)
la poslmultiplication scalaire de 1’égalité (3) par Zj amène:

t j = (Of, s,) = n). (4)
Par analogie avec l ’algèbre vectorielle on peut dire que les
coordonnées d'un vecteur dans une base ortlionormale sont égales aux
projections du vecteur sur les vecteurs correspondants de la base.
En élevant au carré l ’égalité (3), on a:
(ar, ar) = ( J ] |/8;, S £'««'<) =

j= 1 hr=[
= 2 S W Î(8J. **)= S U l = S | Si |2, (5)

j = l fe= l 1 j= 1
c’est-à-dire que le carré de la longueur d'un vecteur est égal a la somme

des carrés des modules de ses projections sur les vecteurs de base ortho
normaux (ianalogue du théorème de Pythagore). En particulier, si
l ’espace En est réel, la formule (5) peut s’écrire sans module:
( * *. * ) = 2 ( i ; ) 2- ( 5 ')
;=i
§ 5. Transformations des coordonnées d’un vecteur

avec changement de base
Soient eif e2, . . en et et, z2l . . ., en deux bases d’un même
espace linéaire En. Chaque vecteur de la nouvelle (deuxième) base
zj est muni dans l ’ancienne (première) base ej de certaines coordon
nées Su, S2j, . . #nj * :
= Si;*! + s2je2-r . . . -h snjen (/ = 1, 2, . . . , n). (1)
La matrice régulière S = U*i;] s’appelle matrice de passage de
l ’ancienne base à la nouvelle **. Cette matrice est la transposée de
la matrice qui détermine la transformation de la base. Soit x un
vecteur donné. Désignons par x t les coordonnées de ce vecteur dans
l ’ancienne base et par £; ses coordonnées dans la nouvelle base. Il
est évident que
n n
ar= S *<e«= S \}*J■
i= i j=i
* Pour désigner les coordonnées, on écrit d ’abord le numéro de l'ancien
vecteur de base suivi du numéro du nouveau vecteur de base.
** Le déterminant det S 0, car dans le cas contraire, les vecteurs
«i, ®2f • • •» sn seraient linéairement dépendants.
§ 5.1 TRANSFORMATIONS DES COORDONNÉES D ’UN VECTEUR 343
On en tire en portant dans la deuxième somme l ’expression (1)

pour Zji
n n n n n
x= S x lei =z S 2 Sijei= 2 el S SU%J-
»=1 7=1 i= l i =1 7= 1
Les vecteurs ely e2, . . ., en étant linéairement indépendants9

on trouve :
x i = S sulj (* = 1* 2, . . . n). (2)

;=i
Si l ’on désigne
~x i ’ -h i
x = et 1 =
mXn - -in -
la relation (2) peut s’écrire sous la forme matricielle suivante:

x = S t, (3)
c ’est-à-dire que le vecteur donné par les anciennes coordonnées (dans
Vancienne base) est égal au produit de la matrice de passage S (ou
de la matrice transposée qui donne la nouvelle base) par le vecteur
en nouvelles coordonnées.
La formule (3) entraîne:
6 = S~'x. (4)
Indiquons un cas particulier important analogue à la transfor
mation des coordonnées cartésiennes. Soient l ’ancienne base eiy
e2, • • et la nouvelle base £i, c2, . . . » en réelles et ortho-
normales
(ei, ej) = 6ij (5)
et
(«i» = (5')
où est le symbole de Kronecker.
La formule (1) donne alors
tO
I-*
3.
Il
Il
(6)
£
«#
c’est-à-dire que les éléments de la matrice de passage S sont des

cosinus directeurs et peuvent être donnés par le tableau 24.
* Autrement dit, nous considérons le vecteur x en nouvelles coordonnées

comme un vecteur transformé rapporté à ranci en ne base.
344 GÉNÉRALITÉS SUR LA THÉORIE DES ESPACES VECTORIELS [Cil. X
T a b le a u 2 4
Cosinus des angles des vecteurs unités
de deux bases
Vecteurs Vecteurs unités de l’ancien système

unités du
nouveau
système
«1 c2 ... en
Ci «il Ï2l ... *711
e2 *i2 - *22 ... *712
; : ;
Cn *in *2n ... *7171
En portant l ’expression (1) dans la formule (5'), on a en vertu

des formules (5):
n n n
(«/. e*) = ( 2 Sijei, 2 sikei)= 2 sijStk = àjh,
i= i i= i i= i
c’est-à-dire 1) la somme des produits des cosinus directeurs respectifs
de deux axes de coordonnées différents du nouveau système orthonormal
s'annule et 2) pour tout nouvel axe de coordonnées, la somme des carrés
des cosinus directeurs est égale à l'unité. On en déduit
S 'S = E % (7)
c’est-à-dire que la matrice de passage d'une base orthonormale à une
autre est orthogonale (pour plus de détails cf. § 6).§
§ 6. Matrices orthogonales
D é f i n i t i o n . La matrice réelle A s’appelle orthogonale
si sa transposée A ’ est égale à son inverse A ' 1:
A ’ = A -1 (1)
ou
A A ' = A 'A = E. (2)
§ 7.1 ORTHOGONALISATION DES MATRICES 345
Une matrice orthogonale ‘jouit des propriétés suivantes:

1. Ses lignes (colonnes) sont orthogonales deux à deux.
En effet, si A = [a^l, l ’égalité (2) entraîne:
n
S = 0 pour i j
h=i
et
n
2 = 0 pour *¥=/'•
h=l
2. La somme des carrés des éléments de chaque ligne (colonne)
est égale à l ’unité.
L ’égalité (2) pour i = / donne:
S aik = 2 aM= 1•
3. Le déterminant est égal à ± 1 .
En effet, on a en vertu de l ’égalité (2) :
det A det A 9 = det E.
D’où, comme det A 9 = det A et det E = 1,
(det A)2 = 1
et donc
det A = * i l .
4. La transposée et l ’inverse d’une matrice orthogonale sont
aussi des matrices orthogonales. Cette propriété découle directement
des formules (1) et (2).
§ 7. Orthogonalisation des matrices

Soit la matrice à éléments réels
a il fljo • • • Æ ln
a 21 & 22 • • • ^271
A =
_ ^ n l a n2 • • • A n n .
Considérons les colonnes de A comme des vecteurs
<hj
a (]>= (7 = 1. 2, . . . . n).
-&nj -
Cette matrice peut donc s’écrire 1072 168 2
T h é o r è m e 1. Toute matrice régulière réelle A peut être mise

sous forme de produit d'une matrice aux colonnes orthogonales par une
matrice triangulaire supérieure
A = RT,
où R est une matrice à colonnes orthogonales et T une matrice trian
gulaire supérieure à éléments unités diagonaux.
D é m o n s t r a t i o n . Pour simplifier, démontrons le théo
rème pour le cas où l ’ordre de la matrice est n = 3. Toutefois les
raisonnements seront d’un caractère
général. Soit
au aj2 û 13” l
[ a i i a \Z
A = I #21
&21 a22
a 22 a 23 I •
_fl3l
a 3i a 32 a 33 J
Ecrivons cette matrice sous la forme
A = [«(1> a <2> a <3)1,
où — sont des vecteurs

#"Ë ]
colonnes.
La matrice A étant régulière, les vecteurs a (1), a (2\ a & sont
linéairement indépendants.
En effet, si ces vecteurs étaient linéairement dépendants, l ’une
des colonnes de det A serait une combinaison linéaire de deux
autres et par suite det A = 0, ce qui est impossible.
Recherchons la matrice R également sous la forme
R = lr(1>r t%
i r <S}]>
rO) (/ = 1, 2, 3) étant les colonnes orthogonales à obtenir.
Posons
r (D= a CD. (1)
Ensuite, décomposons le vecteur et ti2r ^ et dont la
première composante a la même direction que le vecteur r*1) et
la deuxième lui est perpendiculaire (orthogonale) (fig. 51) :
n ia>—ti2r ,ly -}- r (2\ (2)
avec
( r ll\ r (ti) —0. ( 2 ')
S 7 .] ORTHOGONALISATION DES MATRICES 347
D’une façon analogue, le vecteur a<3> possède trois composantes

fi3^(1)» *23î#(2) et r<3> dont les deux premières sont dirigées respecti
vement suivant les vecteurs et r*2\ et la dernière est perpendi
culaire au vecteur r (1) ainsi qu’au vecteur r*2* (fig. 51) :
(3)
où
(r a>, r <3>) = 0 et r <*>) = 0. (3')
On voit de la construction que les vecteurs r (l\ r (2> et i*(3) sont
perpendiculaires entre eux. Calculons à partir du système (2) et
(3) les vecteurs r<2> et de même que les coefficients tu . Le pro
duit scalaire des deux membres de (2) par r*1* = a (l) donne, en
vertu de l ’orthogonalité (2'),
(„<2>, r (1>) = /i2(ra\ r {1)) ;
de plus
( r a>, r ll})=£ 0.
Par conséquent,
tl2 (r€l\
et
Remarquons que, la matrice A étant régulière, le vecteur r*1* =

= # 0, ce qui amène (r<*\ r^>) 0. Par ailleurs, r<2> 0,
car autrement les vecteurs a (1) et a (2> seraient linéairement dépen
dants.
La multiplication scalaire successive analogue des deux membres
de l ’équation (3) par r (1>et r<2) entraîne, en vertu de l 'orthogonalité
(2') et (3'),
(a c3\ 0 = ' t3 ^ (l>, r (,,)î
( « <3\ r l*>) = f23 ( r fS>, r cw).
Il en résulte compte tenu de ce que ( r (1\ r a’)=#=0 et que
(r<2\ r (2>)^=0,
, __ (« < 3\ r <1}) ( « <3\ r c2ï)
M3— (/.(!>, r u>) * r23— (r <s>t r lS»)
et
r (3) = «<3)— ti3r (1)— t ^ r {2\
On vérifie facilement que les vecteurs r (2) et r<8) construits
de cette façon sont orthogonaux deux à deux. Ainsi, on a finalement :
348 GÉNÉRALITÉS SUR LA THÉORIE DES ESPACES VECTORIELS [CH. X.
OU
, ( o ° \ r«> ) ^ _ .x
(r<°, r« ) ( <7)
et
(»•(’), r ^ ) ----- 0 pour i =^7 .
Il est évident que le système (4) est équivalent à l'équation

matricielle
[ an a J2 al3l Trn ri2 r |3”| T l tl2 fi3”|
a21 a22 fljj I = I2*22 t~z3 1*1 01i23 I
ou a3l a31 a33J U , 2*52 r33J LO 0 1J

/i = i? r, (5)
R = [r^l étant la matrice à colonnes orthogonales et T = [tuIr
la matrice triangulaire supérieure à diagonale unité.
E x e m p l e . Orthogonaliser les colonnes de la matrice
A=
G i •]
S o l u t i o n . Posons
[;]
Il vient
(a<t\ r <v) l-Q + 2 -1 + 0 -2
0,*.
Trouvons maintenant
r ,:> = « ,î>—/|2r a> -
Pour calculer r <3) trouvons /13 et t^ . On a :

, ( « <3>, r ' 1') 2 - 0 + 0 - 1 + 1 .2 _ 2 _ n
‘ 1 3 — (r ,i, r n,) — 5 5 U’
(«'»>, r<«) 2-1 + 0 -1 ,6 + 1 •( — 0,8) 1,2

‘23— (r<s») r<2)) — l®+ l,6®+0,8® — 4,2
fi 7.1 ORTHOGONALISATION DES MATRICES 349
Il s’ensuit
‘2' 0'
r<
3>= a <3>- t13r a' — = 0 -0 ,4 1
. 1. .2 .
1 ' ’ 1,70'
0,3 1,6 = — 0,88
. —0,8. . 0,44.
Ainsi,
'0 1 1,7 ' 1 0,4 0,4'
A= 1 1,6 —0,88 0 1 0,3
2 —0,8 0,44. 0 0 1 .
les vecteurs
'0 ' ' 1 ' U '
1 ; r (i' = 1,6 ; »-<3>= —0,88
.2 . . —0,8. 0,44.
étant orthogonaux deux à deux, ce qu'on peut vérifier par calcul

direct.
Dans certains cas il vaut mieux orthogonaliser non pas les colon
nes mais les lignes de la matrice en les considérant comme des vec
teurs correspondants.
Soit A ' la transposée de la matrice donnée A qui est ramenée
à la forme
A' = R T, (6)
avec R matrice aux colonnes orthogonales et T matrice triangu

laire supérieure à diagonale unité. En transposant l ’égalité (6)
on obtient :
A = T 'R \ (7)
où T est une matrice triangulaire inférieure et R ’ une matrice aux

lignes orthogonales. Ainsi le procédé d'orthogonalisation des colon
nes d'une matrice décrit ci-dessus convient également pour ortho
gonaliser les lignes, et nous avons le théorème suivant.
T h é o r è m e 2. Toute matrice régulière réelle peut être repré
sentée sous forme de produit d'une matrice triangulaire inférieure à
diagonale unité par une matrice aux 1lignes orthogonales.
Indiquons encore un procédé d'orthogonalisation des lignes qui
parfois est plus commode en pratique [51. Soit une matrice régu-
lière réelle
a M a \2 • • • a \n
_ #21 a22 • • • &2n
ni &n2 • • • ^n n _
Relranchons de chaque i-ème ligne de la matrice A , à partir

de la deuxième, sa première ligne multipliée par un certain nombre
Xii (i = 2, . . n) assujetti au numéro de la ligne. Il en résulte
une matrice transformée
aa»
ii 12 a in "
(i) <n
a21 <1>
A
a (ni1) aa»
an .
où a\y ~ ^ a i j pour £ = 1 et a \ ) ' = fl/y— pour 2.
Choisissons les facteurs de sorte que la première ligne de la
matrice A (1> soit orthogonale à toutes les autres. On a:
n n n n
y aji'asy - S alj(a,j — h i a t j ) = S a i m i — h i S a\} = 0.
j =i j= i j=t i=i
D’où
S a>Jai>
= (i = 2, . . . . n).
Soumettons la matrice ^4(1> à une opération analogue: laissons

ses deux premières lignes invariables pour retrancher de toute i-ème
ligne, où i ^ 3, la deuxième ligne de la matrice A&\ multipliée
par le nombre Xi2 (i = 3, . . ., n). On obtient une nouvelle matrice
ûa ii<2> aU1<22> • • • a ‘.n '
aa 2l
,2) • • • a 'tV
« n ï au n2
<2) • •• u nn
où ai}'z=a\)' pour i —1, 2 et a$} = a\y—X i ^ j pour i> 3.

La première ligne de la matrice A (2) coïncidant avec la première
ligne de la matrice A (1} et toutes les autres lignes de la matrice
<4<2) étant des combinaisons linéaires des lignes de la matrice A t*>
orthogonales à la première ligne de All\ les lignes de la matrice
A& seront également orthogonales à sa première ligne. Choisissons
§ 7J ORTHOGONALISATION DES MATRICES 351
les facteurs Xi2 de sorte que les lignes de à partir de la troisième*

soient orthogonales à sa deuxième ligne. Il vient:
n n n n
S <*j*ïï = S 2 o j y - * » s K y r* = o .
7= 1 j= i 7=1 i =i
D’où
ÿ. o".>0'
.ZJ 27 t7.'.»
7=1______ (i^ 3 , n). (A)
n
V fa'Vl2
1 27 J
7= 1
Ce processus se poursuit jusqu’à ce qu’on obtienne la matrice

“ u “ lî • • • u in
_ < n -n
. cn -i> a tl a 2S . . . u 2n
A
a'"-1*
û <n” n
u ni u m •• • “ n »
dont toutes les lignes sont orthogonales deux à deux :
S a\$-l'a\f-u = 0 pour k ^ i .
7= 1
La matrice A*71-1* = R aux lignes orthogonales s’obtient à
partir de la matrice A après une chaîne d’opérations élémentaires.
C’est ce qui justifie l ’égalité
R = AA, (8)
où A est une matrice régulière qui, dans notre cas, est une matrice
tria ngulaire i nférieure.
La matrice A se rétablit sans peine en soumettant la matrice
unité E à toutes les transformations élémentaires subies par la
matrice A . La formule (8) donne finalement
A = TR ,
T = A-1 étant une matrice triangulaire inférieure.
Indiquons certaines propriétés des matrices aux lignes ou colon
nes orthogonales.
L e m m e. Si les colonnes d'une matrice réelle forment un système
de vecteurs orthogonal, le produit de la transposée par la matrice elle-
même est égal à la matrice diagonale.
D é m o n s t r a t i o n . Soit la matrice A = [a,-/]. Il faut
démontrer que A 'A = D , où A 9 = laJt] est la matrice transposée
de A et
du 0 . • • 0
n_ 0 ^22 • • • 0
0 0 . . . dnn
est une matrice diagonale. Posant D = [d^l, on a d ’après la règle
de multiplication des matrices:
n
dtj = 2 a kidhj»
k=i
Puisque ahl sont les coordonnées du i-ème vecteur n (i> et ahj

les coordonnées du /-ième vecteur a (,\ on en tire :
n
dij — 2 akiakj — (a<i\ «<>>) = 0 si i^ = j.
k=l
D = Idij] est donc une matrice diagonale.
C o r o l l a i r e . Le produit d’une matrice réelle aux lignes
orthogonales par sa transposée est égal à une matrice diagonale:
A A 9 = D.
T h é o r è m e 3. Toute matrice réelle régulière A aux colonnes
orthogonales est une matrice orthogonale multipliée à droite par une
matrice diagonale.
D é m o n s t r a t i o n . En vertu du lemme, on a :
A* A = D % (9)
où D = [dij] est une matrice diagonale. Si A = la^ ], il est évident
que
n
du = 2 aî » > 0 -
k=l
Soit
Pi = V~dïi > 0 (t' = l, 2, n)
et
Pi 0 0
0 Pî 0
d=
0 0 . . . p„
Il est clair que D = d*. La formule (9) entraîne A 'A = d8, d’où
àr'A 'A d -1 = E.
APPLICATION DLS MÊTHODLS D’ORTHOGONALISATION 353
Comme
(d-1)' = d - \ on a (A d '1)' (Ad"1) = E.
Il en résulte que la matrice Ad~x = U est orthogonale, et donc
A = Ud, (10)
ce quTil fallait démontrer.
C o r o l l a i r e . Une matrice réelle régulière aux lignes ortho
gonales peut être représentée sous forme de produit d’une matrice
diagonale par une matrice orthogonale.
En effet, soit A une matrice aux lignes orthogonales; A 9 est
alors une matrice aux colonnes orthogonales. En vertu de la formule
(10) on a A f = Ud avec U une matrice orthogonale et d une matrice
diagonale qui peut être définie par la relation
A A 9 = dr.
Il en résulte:
A = (A9)9 = d9U9 = dU',
où U9 est également une matrice orthogonale.
R e m a r q u e . Pour rendre orthogonale une matrice réelle
régulière A aux colonnes (lignes) orthogonales, il suffit de normer
ses colonnes (lignes), c’est-à-dire de diviser tout élément de chaque
colonne (ligne) par la racine carrée de la somme des carrés des élé
ments de celle colonne (ligne). Par exemple, si A = Ia^) est une
matrice aux colonnes orthogonales, la matrice
A = [dij\t
où
9u
au - ■ n (*, 7 = 1, 2, n)
V
U uk}
vk —1
est une matrice orthogonale.
§ 8. Application des méthodes d’orthogonalisation à la

résolution des systèmes d’équations linéaires
A. P r e m i e r p r o c é d é (orthogonalisation des colonnes)
Soit un système linéaire
Ax = b (1)
à matrice régulière réelle A. En orthogonalisant les colonnes de la
matrice A on obtient la matrice R telle que A = RT, où T est
une matrice triangulaire supérieure. On a:
R T x = b. (2)
23—01072
354 G É N É R A L IT É S S U R LA T H É O R IE D E S E S P A C E S V E C T O R IE L S [C H . X
En multipliant à gauche par R ' les deux membres de l ’égalité

(2), on obtient:
R 'R T x = R ’b. (3)
Mais on sait que R ’R = D, où D est une matrice diagonale.
Introduisons la notation R 'b = P pour obtenir
D T x = P,
d’où
x = (DT)~X P = T-1!?-1?. (4)
La matrice D -1, l ’inverse de la matrice diagonale, se détermine
sans peine ; si
dxi 0 . . . 0 "
0 da . .. 0
D=
0 0 . •- dnn
' d:l 0 ... 0

0 # ... 0
dk0 0 ...
Il est aussi relativement simple d’obtenir l ’inverse T1-1 de la

matrice triangulaire T.
E x e m p l e 1. Résoudre le système
0,4x, + 0,3*2—0,2x3 - 2 ; ï
0,6x,—0,5*2+ 0,3x3—2,5 ; ?
0,3xi + 0,2x2 + 0,5x3= 11 J
par orthogonalisation des colonnes.
S o l u t i o n . Mettons la matrice A du système sous forme de
produit d’une matrice R aux colonnes orthogonales par une matrice
triangulaire à diagonale unité
r ll r 12 r 13*1 I" 1 ^12 ^13*1
[r2J *22 *23 I I 0 1 ^23 I.
J31 rsa Tas J LO 0 1 J
Posons :
r n>—aa>; r™ = a<i'- X l2r <t' ; r'3, = a'a'—Xi3r ," - X 29r't\
On a :
$ 8.] APPLICATION DES MÉTHODES D’ORTHOGONALISATION 335
D’après les formules (4) du paragraphe précédent on trouve:

(«<»>, r (1)) 0 ,1 2 - 0 ,3 + 0 ,0 6 0,12 _ 0 196?.
^•15
12 = ( r , u t r ) 0 ,1 6 + 0 , 3 0 + 0 ,0 9 "0 ,6««
1 ’ ’
f 0,3"| f 0 ,4 1 f 0,37871
—0,5 + 0,1967 0,6 = —0,3820 •
L 0,2 J L 0,3 J L 0,2590J
Vérification :
[ 0,4 T H 0,37871 0,1515 ]
0,6 - 0,3820 = —0,2292 > = 0 ;
0,3 J L 0,2590 J 0,0777 J

, (a ,3>, r«»>) - 0 , 0 8 + 0 ,1 8 + 0 ,1 5 0 ,2 5 n /n n Q .
A‘3 — ( r <i», r »i>) — o ,6 1 — 0 ,6 1 ~ U ,W J0 ’
^ («<»*. r ,î() 0 ,0 7 5 7 4 — 0 ,1 1 4 6 0 + 0 ,1 2 9 5 0 n trjt/
Am— (r ,2>, r ' 2>) 0 ,3 5 — u,1/14;
r -0 ,2 1 r 0,4 1 r 0,37871
^,3,= 0,3 —0,4098 0,6 +0,1714 —0,3820 =
L 0,5 J L0,3j L 0,2590J
[-0—,20,0114
9901
.
0,4215J
Vérification :
(r '1’, r ' 3’) —(r'*’. r ' 3’) = 0.
Ainsi,
r o ,4 0,3787 —0,2990 1 f'1 -0 ,1 9 6 7 0,40981
A-= 0,6 — 0,3820 — 0,0114 0 1 -0,1714 .
L 0,3 0,2590 0,4215 J l .0 0
D’après la formule (4), on a :

x = T~lD~lR 'b,
avec D = R ’R une matrice diagonale et
356 GÉNÉRALITÉS SUR LA THEORIE DES ESPACES VECTORIELS [CH. X
Pour la matrice D et son inverse Z?-1 on obtient les valeurs

suivantes :
0 ,6 1 0 0 ] f l , 64 0 0 ]
0
[0
0,35 0
0
et D~l = 0
0.2672J
2,81 0
|_0 0 3,75j
Ensuite,
f 0,4 0,6 0,3 ] f 2 ] T5,6 ]
R 'b = 0,3787 — 0,3820 0,2590 2,5 = 2,67 .
L—0,2990 -0 ,0 1 1 4 0,4215J |_H J 1.4,08 J
Enfin, on calcule par le procédé usuel :
1 0,1967 -0 ,3 7 6 1 ]
[0 1
0 0
0,1714
1 J
et finalement
1 0,1967 —0,3761] f l , 64 0 0 ] f 5,6 ] f 5,0238]
[ 0 1
0 0
0,1714
1
0 2,81 0
JLo 0
2,67 =
3,75 J l4,0 s J
10,0475 .
|_15,0087j
Par conséquent,
x, = 5,0238 ; x2 = 10,0475 ; x3 = 15,0087 ;
les valeurs exactes de la solution sont: xt = 5; x2 = 10; x3 = 15.
6. D e u x i è m e procédé (orthogonalisation des lignes)

Soit le système
A x = b, (5)
où det A # 0.
Transformons les lignes du système (5) à l ’aide du procédé du
paragraphe précédent de façon que la matrice A sc transforme en
matrice R aux lignes orthogonales. Le vecteur b se transformera
alors en un certain vecteur p. Il en résulte le système équivalent
R x = p. (6)
Par suite,
x = R~1$. (7)
On sait que R R ' = D = dr, où d est une matrice diagonale et
R = dU, U étant une matrice orthogonale. Il s'ensuit donc
(8 )
R -1 = (dU)-1 = U -'d-1 = U'd'd~- = (dU)' d~2 = R'd~2 = R 'D ~ \
Ainsi, en vertu de la formule (7) on a finalement:
x = R'D~l p ,
§8.1 APPLICATION DES MÉTHODES D’ORTHOGONALISATION 357
avec
D = R R '. (9)
Utilisant la formule (S) on peut éviter la procédure imposant
le plus grand volume de travail pour rechercher l ’inverse d’une
matrice non diagonale. L’existence de la matrice D~x ne complique
pas les calculs du fait que D est une matrice diagonale. La formule
(9), nécessaire en fait, peut être utilisée également pour la vérifi
cation.
E x e m p l e 2. Résoudre par la méthode d’orthogonalisation
des lignes le système
3 ,0 0 0 -j + 0 , 15a*2 — 0 ,0 9 o :3 - 0 ,0 0 ; 1
0 ,0 8 a :! + 4 ,0 0 a r2 — 0 , 1 0 x 3 — 1 2 ,0 0 ; > (I)
0 ,0 5 a ;! + 0 ,3 0 a r2 + 5 ,0 0 a r3 = 2 0 ,0 0 . J
S o l u t i o n . D’après les formules du paragraphe précédent,

déterminons les facteurs:
3.00-0,08 + 0,15.4,00 + ( —0,09).( —0.16) 0,8544
Â21 —- 3,002 + 0 ,15- + 0,GO* 9,0306
: 0,0946;
3,00-0,05 + 0,15-0,30 —0,09*5,00 _ 0,2550_
a3j = 3,002 + 0,152 + 0,092 9,0306 —
—0,0282.
En conservant la première équation du système (I), retranchons
de chaque équation suivante la première équation multipliée par
les facteurs correspondants (i = 2, 3):
3 ,0 0 a :! + 0 ,1 5 x 2 — 0 ,0 9 x 3 = 6 ,0 0 ;
—0,2038xi + 3,9858x2—0,1685x3== 11,4324; ► (ii)
0,1346*! + 0,3042a:2+ 4,9975x3- 20,1692. ,
Calculons le facteur du système (II)
_ —0,2038.0,1346-1-3,9858.0,3042 —0,1685-4,9975 0,3430
0,2038*+ 3,9858®+ 0,1685* 15,9565
0,0215.
En conservant les deux premières équations du système (II),
retranchons de sa troisième équation la deuxième multipliée par X& :
3,00xt + 0,1 5x2—0,09x3= 6,00 ; 1
—0 ,2038x, + 3,9858x2—0 ,1685x3= 11,4324 ; > (III)
0 ,1390x, + 0,2185x2+ 5,0011x3= 19,9234. J
Les lignes de la matrice
[-0 ,23,000 3 8 0,15 - 0 ,0 9 "I

3,9858 - 0,1685
0,1390 0,2185 5,0011 J
sont orthogonales. Pour vérifier, composons la matrice

[ 9,0306
0,0017
0,0017 —0,00021
15,9565 -0 ,0 0 1 8 »
—0,0002 - 0,0018 25,0780J

9,0306 0 0
0 15,9565 0
0 0 25,0780
En appliquant la formule (8), on a :
3,00 - 0,2038 0,1390 I
[ 0,15 3,9858 0,2185 x
—0,09 —0,1685 5,001lJ
[0,1107
0
0
0,0626 0
0 I f 6,00 1[1,957]
11,4324 - 3,126
0 0 0,0399J [l9,9234J [_3,803j

Donc
= e1,957
C. T r o i s i è m p r o; c éxd2 é= (méthode
3,126; des
x3 matrices
= 3,803. orthogonales)
Supposons que le système linéaire soit ramené à la forme
Æx = P, (10)
où R —[rjy] est une matrice régulière aux lignes orthogonales et
p= un vecteur des termes constants.
En multipliant chaque équation de (10) par le normalisateur
(i = 1, 2, . . . , n).
on obtient le système
&e = j5, ( 11)
ESPACE DES SOLUTIONS D’UN SYSTÈME HOMOGÈNE 359
où Æ=[[ijr*yl est une matrice orthogonale et

[ H1P1 1
M2P2 I un nouveau vecteur des termes constants.
j â (11)
L’équation J entraîne
= ( 12)
§ 9. Espace des solutions d’un système homogène

Considérons le système linéaire homogène
^ 11*^1 * T a i 2 X Z t • • • a \n x n — 0 ï^
1 "T " û 2 2 ^ -2 I" • • • T — 0 ,

( 1)
^ n l ^ l T" Ûfi2^2 " h • • * "T" ^ n n ^ n — 0 J

ou, en abrégé,
A x = 0, d ')
*1
où A ^ [a/y] et jr ~ est le vecteur recherché.
xn
Si det A ^ 0, en vertu des formules de Cramer le système (1)
a la solution unique nulle x = 0.
Soit det A = 0. Dans ce cas, le système (1) admet une infinité
de solutions (y compris les solutions non nulles).
La formule (1') entraîne que 1) si x est une solution de (1')» alors
ex, où c est une constante arbitraire, est également une solution
de cette équation ; 2) si x& et x& sont des solutions de cette équa
tion, la somme x (1) + x (2) en est également une.
En effet, si
A x = 0,
il vient
A (ex) = cAx = 0.
Par conséquent, ex est une solution du système homogène (1).
D’une façon analogue, si
Ær(1>= 0 et A x i2) = 0,
alors
A (x(1>+ x <2>) = A x il} + A r<2>= 0 + 0 ^ 0 ,
c’est-à-dire x (1> + x<2>est également une solution du système homo-

gène (1).
On en tire que toute combinaison linéaire des solutions d'un système
homogène (1) est également une solution de ce système. Il s’ensuit que
l ’ensemble de toutes les solutions du système homogène (1) forme
un espace vectoriel dit espace des solutions. Le théorème suivant
a lieu.
T h é o r è m e . Si n est le nombre d'inconnues d'un système homo
gène (1) et r le rang de sa matrice A , Vespace des solutions est de dimen
sion k = n — r.
La base de l’espace des solutions s’appelle famille fondamentale
des solutions. Si l ’on connaît pour le système (1) la famille fonda
mentale des solutions
■r,l, = (*;l\ *;11. . . . . x '" )9
* <2,= (* ;2\ x'»)9
JC<*) = (x[h). X ^\ . . . , £<*>),

toutes ses solutions sont alors données par la formule
jr = c1jr<1) + c2Jrri>+ . . . + (2)
ou, plus en détail
Xi = C i^l) + co^2) + . . . 4- C h ^ \ 1
xo ^ + c o x ty + .. . + chx [£ \ y
Xn = C{XÜ) + C2X<p-'r ...+ C kX%\ ,

où Cl, c2, . . ., ch sont des constantes arbitraires.
Pour trouver la famille fondamentale des solutions on prélève
sur la matrice A le mineur ôr d’ordre r différent de zéro. Soit
...
Æoj floo . . . a2r
Ôr =
an a r2 . . . flj-r
On peut toujours l ’obtenir en permutant les équations de (1) et en
changeant la numérotation de ses inconnues. Il est alors aisé de
démontrer que les équations du système (1), à partir de la
(r-f-l)-ième, sont des conséquences des r premières équations de ce
système, c’est-à-dire qu’elles sont vérifiées si les r premières
équations du système (1) sont vraies. Il suffit donc de considérer le
ESPACE DES SOLUTIONS D’UN SYSTÈME HOMOGÈNE 361
sous-système
^11*^14 “a i2^2 4" • • • 4" a ir%r = —Æj. r+i^r+i — • • • —^ i n ^ n y ^
d 2\ ^ \ "1* ^22*^2 4" • • • 4" r^*r = — Û2» r+i***r+l — • • • Û2n^n»
(3)
Q>r1^1 - p Ûr2^*2 4 “ • • • ^rr^'r — — û r . r + i ^ r + i — . . . ü rnX n y ^
dont le déterminant ôr est différent de zéro.
Dans le système (3), les valeurs des inconnues
Xr-f-i — ^1 î 2 = ^2» • • •» = -r =
peuvent être considérées comme arbitraires. En résolvant le système
(3) par rapport aux inconnues Xj, x2, . . ., xr, on obtient:
x, ^ a„c, -h a 12c2 r . . . -!- u.\i<Ch, ^
Xn — CtojCj 0^22^2 ' 4 . • • ~p Ctj/jC/j,
(4)
Xr = a rlCt 4 ar2^2 r - - •
«r/tC/o
où a u (i = 1, 2, . . r; / = 1, 2, . . ., k) sont des constantes
bien définies. D’autre part
Xr+i — C\ j
Xr+2= ^2»
(4')
xn= Cft. _
Les formules (4) et (4') donnent le système complet des solutions
du système (1). On peut adopter comme famille fondamentale des
solutions
« Il’ a , :' a i* "
«M a r2 Ctrft
1 0 0
*<»> = , X<2>= x (h) =
0 1 0
0 0 0
• : *
.0 . . 0 . . 1 .
Ces dernières solutions peuvent s'obtenir directement du système (3)

si l ’on y pose successivement:
x r +1 = 1 y Xr + 2 = . . . = x n = 0 ;
Xr+1 = 0, Xr+2 = 1, Xr+3 = . . . = x n = 0 ;
X r+ i — . . . — i — 0, Xn — 1.
302 G É N É R A L ITÉ S SUR LA T H É O R IE DES ESPACES VECTORIELS ICH. X
E x e m p l e . Trouver la famille fondamentale des solutions

du système homogène
Xj — x 2 -f 5x3— x4 = 0,
X2—2x3-|-3x4 = 0,
3x,— x2-f-8x3-f- x4= 0,
x4-f* S®* 9 X3 “I- 7x4 —0. ,
Solution. Le rang de la matrice (5) est r = 2 ; de plus
1 —1
ô= = 2#0.
1 1
Donc les deux dernières équations du système (5) sont des consé
quences des deux premières. On résout le sous-système
X| —x2——5x3-i- x4, 1
Xi~rx2— 2x3—3x4. J
En posant d’abord x 3 = 1 ; x4 = 0, puis x 3 = 0 et x4 = 1, on
obtient deux solutions linéairement indépendantes
= ( — jp 4 ’ X' °) ;
X(2) = ( _ l , —2, 0, 1),
qui forment la famille fondamentale des solutions du système (5).
Les vecteurs et constituent la base de l ’espace des solu
tions du système donné, et toutes ses solutions sont déterminées par
les formules
xx= —3ci— c2, '
x2 : - 7c[ — 2^2,
x3= 2ci,
x4-- c2j j
où et c2 sont des constantes arbitraires (par considérations de
commodité, la première constante est mise ici sous la forme 2cj).
§ 10. Transformations linéaires

Soient z if x2, . . ., x n un système de variables et yu y2, . . yn
un aulre système de variables associé au premier par les relations
l/i = /l (*i, *2, • • - , *n), '
Ü2 — f z i x l9 • • •» x n)i ^
l/n ~ / n x 2i • • •? j
où /,, / 2, . . ., /„ sont les fonctions données.
§ 10. ] TRANSFORMATIONS LINÉAIRES 363
Appelons transformation le passage du système xu x2, . . xn

au système yif y2, • • Vn•
D é f i n i t i o n . La transformation (1) est dite linéaire si les
nouvelles variables yt, y2, - - yn sont des fonctions linéaires
homogènes des anciennes variables x u x2, . . ., xn, c’est-à-dire
y 1 = ^11*^1 ~1~ ^12^2 "*“ • • • T O'i n^-rif
y2 - ^21^1 _r Q-22x2 ^
i/n = ûnl*î T & n2x 2 "P • • • " ! " ^ n n ^ n » ^
les (î = 1, 2, . . ., h ; / = 1, 2, . . ., n) étant des constantes.

La transformation linéaire (2) est définie de façon univoque par
la matrice carrée de ses coefficients (matrice de la transformation)
a ii a l2 • • • a in
• _ 0>2i &22 • • •
_ûni an2 . . . ûnn.
Inversement, si l ’on connaît une matrice carrée A = [a^ ), on

peut construire la transformation linéaire pour laquelle cette matrice
est la matrice des coefficients. Ainsi, on a une correspondance biuni-
voqae entre les transformations linéaires et les matrices carrées.
Les systèmes des variables xlt x 2, . . ., x n et yl7 y2, . . . » yn
peuvent être considérés comme des vecteurs colonnes
‘ *1 “ ~y\~
X2 ya
X = et y =
_ _ , y n.
d’un même espace vectoriel En. Alors (2) est une application de E n
sur lui-même ou sur sa partie propre.
E x e m p l e 1. La transformation
y i= * i + *2> 1
y2^ x ï \-xz J
transforme l ’espace E 2 en sous-espace yt = y2 de dimension 1.
Les relations (2) sont équivalentes à une relation matricielle
y = A x. (3)
En effet, d’après la règle de multiplication des matrices, on a:

■y r Æu<£| + ^ 1 2 ^ 2 ~ r • • • ~ r
yz ^21*^1 "T" ^22^*2 4" • • • “h X n
=z
. y n . -f- a u Z X 2 ~ r • • . T ûfin*£n _
On en tire, en vertu de la notion de l ’égalité des matrices, les

formules (2). D'après la formule (3) la matrice A peut être considérée
comme o p é r a t e u r de la transformation linéaire.
Il est facile de voir immédiatement qu’une application linéaire
jouit de deux propriétés principales:
1) la constante peiit être sortie de sous
le signe de l ’opérateur:
A (ax) = a.4x;
2) l ’opérateur d’une somme de plusieurs

vecteurs est une somme des opérateurs de
ces vecteurs:
A ( x + z) = A x + A z .
Il s’ensuit que
A ( a x + p.?) = cl4jc + PA z ,
Fig. 52. où x et z sont des vecteurs, a et P des

scalaires.
E x e m p l e 2. Supposons que dans le plan Oxxx2 on fasse
correspondre à tout vecteur
le vecteur
qui est la projection du vecteur x sur l ’axe Ox{ (projection) (fig. 52).
Montrer que la transformation donnée est linéaire et trouver sa
matrice.
S o l u t i o n . On a évidemment :
= 1
1/2 = 0, J
et donc la projection est linéaire. La matrice de la transformation
s’écrit
H 01
§ 10.] TRANSFORMATIONS LINÉAIRES 365
Elucidons le sens des éléments au de la matrice de la transforma

tion A . Considérons les vecteurs unités orientés suivant les axes de
coordonnées Ox{J Ox2, . . . » Oxn :
■1' "0" '0 '
0 î 0
; , <>2 = ; » • • •t €n — ;
.0 . _0 _
En appliquant à ej la transformation A , on aura:
1 ___
1
#11 ^12 • • • &in 0 O • 'o , ; ‘
&21 #22 • • • ^Zrx a2j
X = (/ —1» 2, ri).
*
il
V».
1
_On i #n* • • • a nn _ . a nj m
.0 .
Ainsi au représente la i-ème coordonnée du transformé du jf-ième
vecteur unité.
E x e m p l e 3. Supposons que dans le plan Oxtx2 tout rayon
vecteur x est remplacé par un rayon vecteur y de môme longueur,
tourné par rapport au pre
mier d’un angle a (rotation)
(fig. 53J.
Montrer que la transfor
mation considérée est liné
aire et trouver sa matrice.
S o l u t i o n . Considé
rons le deuxième système
de référence Oyxy2 tourné
par rapport au système
OxiX2 d’un angle a. Les
coordonnées du vecteur y
dans le système Oy{y2 étant évidemment et x2, les coordonnées
de ce vecteur dans l ’ancien système Oxxx2 s’expriment par les
formules connues de la géométrie analytique :
z/i = x t cos a —x2 sin
in a, 1
(4 )
y2= xt sin a - j - x2cos
osa. j
Ainsi une rotation est une transformation linéaire et sa matrice
s’écrit
Pour résoudre ce problème on peut procéder d ’une autre manière :

la rotation fait que le vecteur unité e, se transforme évidemment
en vecteur {cos a, sin a), et le vecteur unité e2 en vecteur {—sin a,
cos a}. Il s’ensuit que la matrice de la transformation est
[ cos a —sina"]
sin a cos a J ’
et nous retrouvons les formules (4).
Définissons les opérations suivantes sur les transformations
linéaires A et B i i) a d d i t i o n A + B ; 2) m u l t i p l i c a
t i o n par un scalaire aA ; 3) m u l t i p l i c a t i o n (composi
tion) B A par conventions naturelles:
1) (A + B) x = A x + B x ; (5)
2) (aA) x = a (Ax) ; (5')
3) (BA) x = B (Ax), (5")
ou x est un vecteur.
On vérifie aisément que si A et B sont des transformations linéai
res, les transformations résultantes A + B, aA et B A sont également
linéaires.
Le principe suivant a lieu : à chaque opération l)-3) sur les trans
formations linéaires est associée une même opération sur leurs matrices,
c ’est-à-dire les formules (5), (5'), (5") peuvent être envisagées comme
matricielles.
Pour démontrer cette proposition nous allons nous borner au
troisième cas (5*), la vérification des formules (5) et (5') étant plus
simple.
Supposons qu’il faut réaliser successivement deux transformations
linéaires :
Ui ~ ^11^1 4" a \2x 2 4 ” • • • 4 ” f ll n Z ru
Û2i*î a22x2 ■ • 4 “ a 2nx m
(6)
y Tl — & nix i 4 “ a n 2 x 2 4 “ • • • 4" °>nnx n d
à matrice A = [a^] et
zi = &iiÿi4- &i2ÿ2 4- • • • 4“ b i n y n ,
*2 = &2 l ÿ l 4“ &22I/2 4“ • • • 4 " I h n y n i
(7)
Zn--bntyi + bn2y2 + -- - +bnnyn é
à matrice B = 16^1.
Désignons par C = [cu ] la matrice de la composée de ces trans
formations dans l ’ordre indiqué, c’est-à-dire le passage des variables
§ 10.1 TRANSFORMATIONS LINÉAIRES 367
x2> • . xn aux variables zj, z2, . . zn. En mettant (6) et (7)

sous une forme abrégée
n
Mb
yk (0 ')
Il
-- S
•
•
5=1
n
2 bihyk
Xi = (i = l , 2 , . . . , « ) ( 7 ')
k=ml
et en portant la formule (6') clans (7'), on obtient :
n n n n
—s 6 jft(S S S bihahj. (S)
h= 1 j=1 j-^1 h=l
Ainsi le coefficient de xj dans l ’expression de s,-, c’est-à-dire

l ’élément de la matrice C s’écrit
n •
Ci) — y \ bikOLu) — b u a i j -f- &i2fly b i na nj.
fc=i
On voit que l’élément de la matrice C qui figure dans la t-ème
ligne et j-ième colonne est égal à la somme des produits des éléments
correspondants de la i-ème ligne de la matrice B et de la /-ième
colonne de la matrice A , c’est-à-dire coïncide avec l’élément respectif
du produit de B par A. Par conséquent, C = B A.
Si l ’on utilise une écriture matricielle, la démonstration devient
nettement plus simple. Soient
*1 Vi
x2 ÿ2 Zî
x= ; y= et s =
Xn. . y ». Xn
les vecteurs correspondants. Les formules (6) et (7) donnent
y = A x et * = B y .
D’où
z — B (Ax) = (BA) x .
La* matrice de la transformation résultante est donc C = B A .
E x e m p l e 4. Trouver le résultat de la réalisation successive
des transformations linéaires
ÿi — 5x, — x2 + 3x 9;
y2 = x, — 2 x 2 ;
y 3 = ?z 2 — *3
3(58 GÉNÉRALITÉS SUR LA THÉORIE DES ESPACES VECTORIELS [CH. X
Zi = 2yx + y3;
*2 = y 2 — 5y z ;
Z^ = 2^2»
Solution. Ecrivons les matrices des transformations

—1 3] T2 0 in
1 -2 0 et * = 0 1 - 5 .
‘ -E 0 7 — 1J Lo 20J
Le produit de ces matrices donne la matrice de la transformation
résultante
[ 20 1-1 r-5 — 1 3“1 r i o 5 5"1
0 1 - 5 1 - 2 O U 1 -3 7 5 .
0 2 oj U 7 —l j L 2 -4 oj
Par conséquent, la transformation linéaire recherchée s’écrit
z{ = 10x, + 5x2 — 5x3;
z2 = x t — 37x2 + 5x3;
z 3 = 2xt — 4x2.
§ 11. Transformation inverse

Soit la transformation linéaire
Ui — di\Xi -f* a 13X2 r • • • -p ainXnj
y2 û 2iXj -f- ÆooXo -p . . . -p CL2nXn y
yn —Û/jjXi ~p an2X2 "h • • • “P

qui associe le système de variables xu x2, . . ., xn au système de
variables ylt y2, . . . »
D é f i n i t i o n . Une transformation qui fait correspondre
au système de variables y4, y2, . . ., yn le syslème de variables
Xi, x2, . . xn est dite inverse par rapport à (1).
Les formules de la transformation inverse s'obtiennent en résol
vant le système (1) par rapport aux variables xlT x2, . . ., x„.
Soient A u (i, / = 1, 2, . . ., n) les cofactcurs des éiémenls au
de la matrice À = [au\ et
det A = det [au] = A =7*=0.
§ U TRANSFORMATION INV ERSE 369
En multipliant les équations de (1) respectivement par A u ,

A 2i , . . -, A n1 et en additionnant, on a en vertu de la formule connue
AuUi + A 2l£/2 + • • • + = AXj.
D’une façon analogue on déduit:
^12*/l + A 22I/2 + • • • + AnzVn =
A-inlh “1“ Aonl/z *4* • • • “h A nnyn A xn .

D’où
^ „ ! A2l n , 14 l„
*1 ■“ — U\ 4 Hz 4" • • • T “Â” J/"’
^41*» i4j<i , i4«2
x2 = yI T y Z 4" • • • 4" yn ,
( 2)
'r — A {n
xn — y1/ 1 "1l~ ^ 2n 1#Ï2-Lr • • • _L
r_ A^n n U
it
n*
Ainsi l ’inverse d’une transformation linéaire est également

linéaire (si elle existe).
T h é o r è m e . Une transformation linéaire possède une transfor
mation inverse univoque si et seulement si la matrice de la transforma-
tion donnée est régulière. L'inverse d'une transformation linéaire est
linéaire et sa matrice est l'inverse de la matrice de la transformation
initiale.
D é m o n s t r a t i o n . Si A = laij] est la matrice de la trans
formation (1) et A = det A # 0, la transformation inverse existe
et est définie par les formules (2). La matrice de la transformation
inverse s’écrit évidemment
Si A = 0, on sait de l ’algèbre que le système (1) est soit incom

patible, soit indéterminé par rapport aux variables x u x2, . . ., xn.
Il n’existe donc pas de transformation inverse univoque et, de plus,
il y a nécessairement des valeurs des variables yx, y2, . . ., yn pour
lesquelles il n’existe pas de valeurs correspondantes des variables
Xj, x2, . . ., xn. Dansrce cas la transformation est dite dégénérée.
R e m a r q u e 1. Mettons la transformation (1) sous une forme
matricielle
y = A x, (3)
A = [ a t j] étant la matrice de la transformation; x et y les vecteurs

colonnes.
24-01072
Si la transformation A est non dégénérée (det A 0), il existe la

transformation inverse
x = A ~hj, (4)
et, en vertu de la formule (3) à tout vecteur x de l ’espace OxLx 2 . . .
. . . xn de dimension n correspond un et un seul vecteur y de cet
espace, c’est-à-dire que la formule (3) applique l ’espace Oxtx2 . . . xn
sur lui-même.
Si la transformation A est dégénérée (det A = 0), la formule (3)
transforme l ’espace Ox&z . . . xn en sous-espace d ’un plus petit
nombre de dimensions.
E x e m p l e . Considérons la projection (§ 10, exemple 2) défi
nie par la matrice
-ca-
Ici A est singulière et la transformation y = A x associe l ’espace
Oxtx2 à l ’axe de coordonnées Oxx.
R e m a r q u e 2. Convenons d’entendre par E x une transfor
mation identique qui laisse invariable le vecteur x .
Puisque les relations
y = A x et x = A~hj
entraînent
y = A A 'h f et x = A ^ A x ,
il vient
A A -1 = A ^ A = E.
§ 12. Vecteurs propres et valeurs propres d’une matrice

Soit la matrice carrée A = la,-/]. Considérons la transformation
linéaire
y = A xy (1)
où jc et y sont des vecteurs de dimension n (matrices colonnes) d’un
certain espace de dimension a, en général complexe.
D é f i n i t i o n 1. Un vecteur non nul s’appelle vecteur propre
de la matrice donnée (ou de la transformation linéaire qu’elle définit)
si son image par l ’application linéaire correspondante est colinéaire
à ce vecteur, c’est-à-dire si le vecteur transformé ne se distingue du
vecteur initial que par un scalaire.
Autrement dit, le vecteur jc=^ 0 s’appelle vecteur propre de la
matrice A si cette matrice transforme le vecteur x en vecteur
A x = Xx. ( 2)
§ 12.] VECTEURS PR O PR E S E T VALEURS PR O PR E S D ’UNE MATRICE 371
Le nombre X qui figure dans l ’égalité (2) est dit valeur propre ou
nombre caractéristique de la matrice A , qui correspond au vecteur
propre x donné.
E x e m p l e 1. Considérons la projection dans l ’espace bidi
mensionnel 0 x ^ 2, déterminée par la matrice
Ici les vecteurs propres sont 1) les vecteurs non nuis x dirigés suivant
l ’axe OxKà valeur propre X^ = 1 et 2) les vecteurs non nuis y dirigés
suivant l ’axe Ox2 à valeur propre X2 = 0 (fig. 54).
T h é o r è m e 1. Dans un espace vectoriel complexe toute trans
formation linéaire (matrice) possède au moins un vecteur propre réel
ou complexe.
V
D é m o n s t r a t i o n . S o it.<4
une matrice de la transformation
linéaire. Les vecteurs propres de A «a
sont des solutions non milles de “
l ’équation matricielle
A x = Xx
X
ou — ^
(A - X E ) x = 0 (3) 0
avec la matrice A — XE, dite ma- Fig- 54-
trice caractéristique. L’équation (3)
est un système linéaire homogène qui a des solutions non milles si
et seulement si le déterminant du système est nul, c’est-à-dire si la
condition
det (A — X E ) = 0 ^ (4)
est vraie.
Le déterminant (4) est appelé déterminant caractéristique (sécu
laire) de la matrice A , et l ’équation (4) est dite équation caracté
ristique (séculaire) de la matrice A . Sous une forme développée,
l’équation caractéristique (4) s’écrit:
an —?. Ûj2 • . . ûfn
i
U2\ a22—a .,■• a2n

=0 (4')
Ûni Û/12 ■• Ann —X
ou
Xn - alXn~1 + o2Xn-2 - . . . + ( - 1 ) ”“^ ^ + ( - l ) n<rn = 0. (5)
24*
372 GÉNÉRALITÉS SUR LA THÉORIE DES ESPACES VECTORIELS tCH. X
Le polynôme du premier membre de l ’équation (5) est un poly

nôme caractéristique de la matrice A . Ses coefficients {i = 1, 2, . . .
. . ., n) se déterminent d’après les règles suivantes. Le coefficient ot
est la somme des éléments diagonaux de la matrice A , c’est-à-dire
n
oi = S aa- Ce nombre s’appelle trace de la matrice A et se note
i=l
ot = Sp A. Le coefficient o2 est la somme de tous les mineurs diago
naux d’ordre 2 de la matrice A . Dans le cas général, le coefficient ak
est la somme de tous les mineurs diagonaux d ’ordre k de la matrice A .
Enfin le terme constant an est égal au déterminant de la matrice A :
an = det A .
L ’équation caractéristique (5) est une équation algébrique de
degré n par rapport à X et possède, comme on le montre en algèbre,
au moins une xacine réelle ou complexe. Soient X2, . . ., Xm
(m ^ n) les racines distinctes de (5). Ces racines sont les valeurs
propres ou les nombres caractéristiques de la matrice A et l ’ensemble
de toutes les valeurs propres s’appelle spectre de Prenons une
racine quelconque % = Xj et portons-la dans l'équation (4). On a
alors (A — kjE) x = 0, ou sous une forme développée
(fla —kj) Xi -f- ai2x2+ • • • =0, ^
}
^21^1 + (<*22— hj) x2 -! -... + a2nxn = 0,
Onl^l 4* anz^2 “H • ■• 4* (ann —Xj) X n = 0.

Le déterminant du système (6) étant det (A — XjE) = 0, ce
système a forcément des solutions non nulles qui sont précisément
les valeurs propres de la matrice A associées à la valeur propre Xj.
( r>)
Si le rang de la matrice A — XjE est r (r < ra), il existe k — n — r

vecteurs propres linéairement indépendants
æ(1;), ac<2>>, . . . , x (h>\
qui correspondent à la racine Xj. Le théorème est ainsi démontré.
R e m a r q u e . On peut montrer que le nombre de vecteurs
propres linéairement indépendants associés à la même racine d’une
équation caractéristique ne dépasse pas l ’ordre de multiplicité de
cette racine. Il s’ensuit, en particulier, que si les racines de l'équa
tion caractéristique (5)^sont distinctes, â chaque valeur propre cor-
respond, à un coefficient de proportionnalité près, un vecteur propre
etûn seul.
E x e m p l e 2. Trouver les valeurs propres et les vecteurs
propres de la matrice
1-
A= 1
2.
§ 12J VECTEURS PROPRES ET VALEURS PROPRES D’UNE MATRICE 373
S o l u t i o n . Composons l’équation caractéristique de A :

[ 2 -X 1 1 T
1 2 —X 1 =0.
1 1 2— xJ
D’où (X — l)2 (4 — X) = 0 et X, = X2 = 1 ; X3 = 4.
Prenons Xj = 1 et portons-la dans l ’équation (7)
(A — X}E) x = 0.
On a:
*1 1 1
1 1 1
\ 1 1
ou
* i + * 2 4 -* 3 = 0, 1 ( 8)
*1 4 - * 2 + *3 = 0, >
Le rang de la matrice*1 4du
- * 2système J
4 - * 3 = 0 (8)
. étant r = 1, deux de ses
équations se déduisent de la troisième (ce qui d’ailleurs est évident).
Il suffit donc de résoudre l ’équation
xC+ x2 + x 3 = 0.
En posant x t = ct ; x2 = c2, on obtient :
*3 = — + c2).
où Ci et c2 sont des nombres quelconques non simultanément nuis.
En particulier, en choisissant d’abord c, = 1 ; c2 = 0 et puis
ct = 0 ; c2 = 1, on obtient le système fondamental des solutions
le plus simple composé de deux vecteurs propres de A linéairement
indépendants :
.Tous les autres vecteurs propres de A, associés au nombre ca

ractéristique Xt = 1, sont des combinaisons linéaires de ces vecteurs
de base et couvrent le plan engendré par les vecteurs x (1) et x (2)
(l’origine des coordonnées exceptée).
Prenons maintenant X3 = 4. Portant cette valeur dans l ’équation
(7) on a : —
OU
— 2xt + £2+ ^3 = 0»
xi — 2 x 2 + £3 = 0, ► (9)
Xi 4“ £2—2*3 = 0. ,
Le rang de la matrice (9) est r = 2,1e mineur supérieur gauche étant
—2 1
6= ^0.
1 —2
Par suite, la troisième équation du système se déduit des deux
premières, et Ton peut se borner au système de deux premières équa
tions
— 2xi -|- x2-(“ £3 = 0 , 1
Xi — 2£2r £3 = 0. J
Il en résulte
X\ *2 *3
1 1 1-2 1 I —2 11
—2 1 - | 1 1 1 1 - 2|
ou
= c’est-à-dire £1= x2 = £3 = c,
avec c une constante différente de zéro.
En posant c = 1 on obtient la solution la plus simple qui réalise
le vecteur propre de la matrice A :
D é f i n i t i o n 2. On dit que le sous-espace linéaire E k

(k ^ n) est invariant par rapport à la transformation linéaire donnée
y = A x,
si tout vecteur transformé de ce sous-espace appartient à ce dernier,
c’est-à-dire x Ç E k entraîne A x Ç E
Il est clair que la démonstration du théorème 1 reste valide
si l ’on considère la transformation linéaire déterminée par la matrice
A dans un espace invariant.
T h é o r è m e 1'. Toute transformation linéaire déterminée dans
un sous-espace invariant d'un espace vectoriel complexe possède au
moins un vecteur propre.
Indiquons encore une propriété importante des vecteurs propres.
§ 13.] MATRICES SEMBLABLES 375
T h é o r è m e 2. Les vecteurs propres d'une matrice, associés

aux valeurs propres deux à deux distinctes, sont linéairement indépen
dants.
D é m o n s t r a t i o n . Soit A la matrice donnée et
A x M = ?vj x M (/ = 1, 2, . . . , m) , ( 10)
où
x ^ ^ O et pour j ^ k .
Supposons que
C ixW - f c 2x<2> + . . . + cmx<m>= 0, ( 11 )
OÙ | Cl | 4“| | T" • • • “P | Cm| ^ 0-

Prenons, pour fixer les idées, c{=£0. En appliquant à (11)
la transformation A, on a en vertu des formules (10) :
Xi^xM + k>c2x<2>-f . . . + U v (m) = 0. (12)
On en tire en multipliant l ’égalité (11) par et en soustrayant
de l ’égalité obtenue l ’égalité (12) :
( ^ - X 1)c1x(0 + (Xm- X 2)c2x(2)+ . . .
. . . -p (Àm—^m-t) ^ —0.(13)
Ensuite, d’une façon analogue, on peut éliminer de l ’égalité (13)
le vecteur ac<m“1>, etc. En éliminant les vecteurs
x (m ) ?
on obtient
(^m — ^l) (^m-l î) • • • (^2 ^l) clX ^ — 0. (14)
Mais cette dernière égalité est impossible, car aucun des facteurs
du premier membre n’est égal à zéro. Par conséquent, notre hypothèse
est fausse et les vecteurs propres x (1>, x (2\ . . ., x (m>sont linéaire
ment indépendants.
C o r o l l a i r e . Si toutes les valeurs propres de la matrice A
d ’ordre n sont deux à deux distinctes, les n vecteurs propres * de
cette matrice qui leur sont associés forment une base de l ’espace
correspondant de dimension n.
§ 13. Matrices semblables

D é f i n i t i o n . Deux matrices associées à une même trans
formation linéaire (réduction) dans des bases différentes sont dites
semblables.
* On suppose que pour chaque valeur propre on prend un seul vecteur

propre.
Si la matrice A est semblable à la matrice B , on note A c o B.

Déduisons la condition de similitude de deux matrices. Supposons
que la matrice A réalise dans une certaine base la transformation
linéaire
y = A x. (1)
Dans une nouvelle base (en coordonnées nouvelles) cette même
réduction sera décrite par une autre matrice B :
*1 = B \ , (2)
où
B c o A.
Désignons par S la matrice de passage du nouveau système
à l'ancien, soit
x = S I , y = St|, (3)
où
det S 0.
En portant les formules (3) dans l'équation (1), on obtient:
iStj = A S l.
Prémultiplions cette dernière égalité par l ’inverse S ”1 pour
obtenir
tj = S -'A S l. (4)
En comparant les formules (4) et (2) on obtient:
B = S -'A S . (5)
Pour les matrices A et B liées par la relation (5), on dit que B
s'obtient de A par réduction à Vaide de S . Ainsi on conclut que deux
matrices sont semblables si et seulement si Vune d'elles s'obtient par
réduction de Vautre à l'aide d'une certaine matrice régulière.
On obtient de l ’égalité (5) A = S B S c ’est-à-dire si la matrice
B est semblable àA ,alors inversement la matrice A estaussi semblable
à B . Indiquonscertaines propriétés de la réduction àl ’aidede la
matrice S .
1. Le transformé d'une somme est égal à la somme des transformés:
S -1 (A + B) S = S -'A S + S -'B S .
2. Le transformé d'un produit est égal au produit des transformés :
S -1 (AB) S = S -'A S -S -'B S .
3. Le transformé de l'inverse d'une matrice est égal à l'inverse du
transformé de la matrice:
S ~ 'A -lS = (S -'A S )-1.
§ 13.1 MATRICES SEMBLABLES 377
4. Le transformé d'une puissance entière d'une matrice (positive

ou négative) est égal à la même puissance du transformé de la matrice :
S ‘'A nS = (S~lA S )".
T h é o r è m e 1. Les matrices semblables ont les mêmes polynô
mes caractéristiques.
D é m o n s t r a t i o n . Soit B go A. On demande de montrer
que
det (A — XE) = det (B — XE).
Comme
B = S -'A S (det S # 0),
il vient
det (B — XE) = det IS~1 (A — XE) S] =
= det S -1 det (A — XE) det S = det (A — XE) *.
Ainsi
det (B — XE) = det (A — XE).
C o r o l l a i r e 1. Les matrices semblables possèdent les mêmes
traces et les mêmes valeurs propres (ainsi que leurs ordres de multi
plicité).
C o r o l l a i r e 2. La propriété du vecteur d’être propre pour
la transformation linéaire donnée ne dépend pas du choix de la base.
En effet, soit
A x = Xx 0).
Si, dans la nouvelle base, le vecteur x est équivalent au vecteur §,
on a :
S étant la matrice de passage.

Il en résulte que ASi, = XS% et, par conséquent, S~XAS% = X%9
c ’est-à-dire | est un vecteur propre de la matrice B = S "1A S oo A
qui décrit dans la nouvelle base notre transformation linéaire.
R e m a r q u e . Le polynôme caractéristique, les valeurs propres
et les vecteurs propres étant les mêmes pour toutes les matrices qui
réalisent la transformation linéaire donnée, ils s’appellent respecti
vement polynôme caractéristique, valeurs propres et vecteurs propres
de la transformation linéaire elle-même.
T h é o r è m e 2. Si la matrice carrée d'ordre n possède n vecteurs
propres linéairement indépendants, en admettant que ces derniers sont
de base on obtient une matrice diagonale semblable à la matrice donnée.
* Nous avons appliqué ici les théorèmes connus (cf. chapitre VII, § 2 et
§ 4): 1) le déterminant du produit de deux matrices carrées du même ordre est
égal au produit des déterminants do ces matrices; 2) le déterminant de la
matrice inverse est égal à I1inverse du déterminant de la matrice initiale.
D é m o n s t r a t i o n . Soit la matrice carrée A. Formons de

ses vecteurs propres ei9 e2J . . ., en une base. Les vecteurs ej étant
propres, alors
Aej — (/ = 1, 2, . . . , w).
Considérons un vecteur quelconque x de notre espace. En le
développant suivant les vecteurs de base ej (j = 1, 2, . . ., n),
on aura :
oo
X = S X J e J,
)= 1
où sont les coordonnées du vecteur x dans la base donnée.
En rapportant l ’application A au vecteur x, on obtient un nouveau
vecteur
n
y—A x = A 2 x Je J
j=i
ou, la transformation étant linéaire,
n n.
y = S XjAej= 2 Xj\jej.
i=i 1=1
Il s’ensuit que les coordonnées du vecteur y dans la base donnée
sont
tjj = hjX] (/ = 1, 2, . . ., ti)
ou
n
yj == S ftjkhjXki
k= 1
où 6Jk est le symbole de Kronecker.
Donc, dans la nouvelle base la matrice de la transformation
est une matrice diagonale
A = (àjkXj)
ou, sous une forme développée,
Â, 0 0 .... 0
0 h 0 .... 0
0 0 0 ... . Kjx
C o r o l l a i r e . Toute matrice carrée, dont les valeurs propres
sont deux à deux distinctes, peut être ramenée par similitude à la
matrice diagonale.
Ce résultat se déduit immédiatement du théorème 2 du paragraphe
précédent.
§ 15.] PROPRIÉTÉS DES MATRICES SYMÉTRIQUES 379
§ 14. Forme bilinéaire d’une matrice

Soient A = laJh] une matrice carrée réelle et x, y les vecteurs d’un
espace complexe de dimension n. Composons le produit scalaire
(Ax, y) = 2 (Ax)i y1f>= S 2 ajhXky*. (1)

i=i i=t h=i
L’expression (1) s’appelle forme bilinéaire de la matrice A.
Déduisons une propriété importante de la forme bilinéaire. Si
l'on modifie l ’ordre de sommation tout en changeant entre elles les
notations des indices, il est clair que la somme (1) aura sa valeur
antérieure. On aboutit donc à
n n
(Ax, y) = S 2 ahjxjyi.
;=i *=. 1
Mettons cette somme sous forme de produit scalaire
n n n n
(Ax, y) = 2 2 ahjxjyt = ( 2 2 o,hjyhx^)* =
j=i ft=i j=t*=i
= (A'y, x y = (x. A 'y).
Ainsi
( A x , y ) = ( x , A fy), (2)
c’est-à-dire dans un produit scalaire (1) la matrice réelle A peut être
portée de la première place à la deuxième en lui substituant sa transpo
sée.
C o r o l l a i r e . Si la matrice A est une matrice réelle et sy
métrique (A' = A ), alors
(Ax, y) = (x, Ay), (3)
c ’est-à-dire dans un produit scalaire une matrice réelle symétrique peut
être portée de la première place à la deuxième.
§ 15. Propriétés des matrices symétriques

T h é o r è m e 1. Toute valeur propre d'une matrice symétrique
a éléments réels est réelle.
D é m o n s t r a t i o n . Soient K une valeur propre de la matrice
A et x un vecteur propre correspondant:
A x = hx (x=j£0). (1)
Comme A9= A,
(Ax, x) = (x, Ax)
ouy en vertu de l’égalité (1),

(Xx, x ) = (x , Xx).
D’où
X(x, x) = X*(x, x).
Un vecteur propre est non nul par définition ; donc
(x, x) =£ 0
et X = X*, c’est-à-dire X est un nombre réel.
C o r o l l a i r e . Pour une matrice symétrique réelle, l ’équation
caractéristique ne possède que des racines réelles.
T h é o r è m e 2. Les vecteurs propres d'une matrice symétrique
réelle, associés à des valeurs propres distinctes, sont orthogonaux entre
eux.
D é m o n s t r a t i o n . Soit A une matrice symétrique réelle.
Considérons deux vecteurs propres x (i> et x<J‘> associés aux valeurs
propres Xt et Xj (X* ^ X^). On a:
i4x(i) = XjX(i> (2)
et
A x '5' = XjX'5K (3)
Composons le produit scalaire
(i4xl<), x (,)) = (x<l), i4x(,)).
En vertu des égalités (2) et (3) on a :
(Xxx (i), x <;>) = (x(1\ XyX(J))
et
X; (x(t), x {i)) = XJ (x (1\ x <;>)- (4)
La valeur propre Xj étant réelle en vertu du théorème 1, X* = X^.
La formule (4) entraîne donc
(Xi — X;) (x(i), x (,)) = 0.
Or
Xi — Xj =£ 0
et
(x(l), x <;>) = 0,
c ’est-à-dire que les vecteurs propres x (i) et x (;) sont orthogonaux
entre eux.
R e m a r q u e . On peut admettre que les vecteurs propres d’une
matrice symétrique aux éléments réels sont réels.
§ 15 .] PROPRIÉTÉS DES MATRICES SYMÉTRIQUES 381
T h é o r è m e 3. Toute matrice symétrique réelle peut être rame-

née par réduction à une matrice diagonale.
D é m o n s t r a t i o n . Pour rendre la démonstration immédia
te bornons-nous au cas de l ’espace E z de dimension trois.
Soit une matrice symétrique A d’ordre trois. On sait que toute
matrice a au moins un vecteur propre (§ 12, théorème 1). Désignons
par e{ le vecteur propre de A. Cette matrice étant symétrique, on
peut choisir le vecteur e t réel.
Considérons tous les vecteurs x orthogonaux au vecteur eif c’est-à-
dire tels que
(x, (5)
Montrons que ces vecteurs forment un sous-espace invariant E 2 par
rapport à la transformation A
(fig. 55).
En effet, si x Ç E 2 et y £ E 2,
c’est-à-dire si
(x, el) = (y, et) = 0,
on a pour tout a et P :
(ax + Py, e,) =
= a ( x ,e 1)-f P (y, ei) = 0
a x + P2/6 En»
Ainsi, l ’ensemble des vecteurs qui
vérifient la condition (5) forme un
espace linéaire et on voit aisément
que c’est un espace de dimension
deux.
Soit maintenant x Ç E 2. Considérons le produit scalaire
(Ax, et) = (x, A e {) = (x, M i) = K (x, e{) = 0,
c ’est-à-dire
A x 6 En.
/
En vertu du théorème V (§ 12), dans un espace E 2 de dimension
deux, il existe également un vecteur propre e2 de la matrice A. Con
sidérons maintenant les vecteurs x orthogonaux au vecteur et ainsi
qu’au vecteur e2, c’est-à-dire tels que
(x, ei) = ( x 1 e2) = 0.
On montre d ’une façon analogue que ces vecteurs forment un
espace E\ de dimension un invariant par rapport à la transformation
A. L’espace E x possède également un vecteur propre e z de la matrice
A . Les vecteurs eif e2l e 3, étant orthogonaux deux à deux, sont

linéairement indépendants. Ainsi, on construit la base orthogonale
de l ’espace E 3 composée des vecteurs propres de la matrice A .
Désignons par Xj les valeurs propres associées aux vecteurs propres
ej. En vertu du théorème 2 du § 13, la matrice A de la transformation
linéaire donnée, rapportée à la base propre eu ^2» £3* sera une matrice
diagonale; de plus, dans notre cas
rXj 0 0
A = 0 X2 0
.0 0 X3J
D’une façon analogue on démontre le théorème pour le cas géné
ral.
C o r o l l a i r e 1. Pour toute transformation linéaire à matrice
symétrique réelle, il existe une base orthogonale composée des vec
teurs propres réels de la matrice donnée, dans laquelle la matrice
de la transformation est diagonale.
C o r o l l a i r e 2. Si la matrice est symétrique, les vecteurs
propres linéairement indépendants associés à chacune de ses valeurs
propres sont comptés autant de fois que l ’ordre de multiplicité de cet
te valeur propre l ’indique.
T h é o r è m e 4 ( p r o p r i é t é e x t r é m a l e des v a
l e u r s p r o p r e s ) . Soit A une matrice symétrique réelle et
X min (Àjj X2, . . ., Xjî)y
A = max (Xi, X2, . . ., XJ,
où Xi, X2, . . Xn sont toutes les valeurs propres de A .
Alors, Vinégalité
X (x, x) < (4x, x) ^ A (x, x) (6)
est vérifiée pour tout vecteur x .
D é m o n s t r a t i o n . En vertu du corollaire 1 du théorème
3 la matrice A possède un système des vecteurs propres elt e2, . . .
• . ., €n
A e j — XjBj (/ = 1, 2, . . ., zi),
qui forment une base orthonormale de l ’espace En. Alors tout vecteur
x peut être mis sous la forme
x = Xiî + x2e2 + . . . + xn€ni
x ^ x 2y . . ., x n étant les coordonnées du vecteur x rapportées à la
base donnée. Par suite
Ax — —X\A€\ — j- x+Aco . . . "f* xnAen —X^x^s^ —
|—X2x2e211■ . . . — XjiXnen»
En tenant compte de ce que les vecteurs de la base sont orthogo-
§ 13 . ] PROPRIÉTÉS DES MATRICES SYMÉTRIQUES
naux, on aura:
n n n n
(Ax, x) = ( S hjxjej, S —S (&ji &h) —
i=i fe=l i=l
n n
S XjXjXfiôjh — 2 Xj | xj J**,
= 1k= i= i
c’est-à-dire
(ite,x)=S-^l*iP. (7)
3=1
En remplaçant dans l’égalité (7) Xj par la plus petite valeur de X,
on obtient :
n
(Ax, x ) > X 2 |xy|a = X(x, OP).
5=1 .
De façon analogue, en substituant à Xj dans l’égalité (7) la valeur
maximale A, on trouve:
n
(Ær, flr)<:A 2 \ x j \2 = A(x, x).
Ainsi, l ’inégalité (6) est démontrée.

C o r o l l a i r e . Les valeurs propres minimale X et maximale A
d’une matrice symétrique réelle A sont respectivement les valeurs
minimale et maximale de la forme quadratique
u = (A x , x)
sur la sphère unité (x, x) = 1.
En effet, en posant dans l ’inégalité (6) (x, x) = l, on aura:
X <(A x, x )< A .
De plus, si i4x = Xx, il vient
/ (A x , x) = (Xx, x) = X;
d’une façon analogue, si i4x = Ax, alors
(Ax, x) = (Ax, x) = A.
Ainsi,
X= min (Ax, x) pour (x, x) = 1
et
A = max (Ax, x) pour (x, x) = 1.
La matrice symétrique réelle A = [a^] est appelée matrice définie
positive si la forme quadratique correspondante
.n n
u = (Ax, x) = S S
»=l i= 1
384 G É N É R A L IT É S S U R LA T H É O R IE D E S E SP A C E S V E C T O R IE L S [C H . X
est définie positive (cf. chapitre VIII, § 13), c’est-à-dire que pour
tout vecteur x #= 0 on a :
(Ax, æ ) > 0 .
T h é o r è m e 5. Une matrice symétrique réelle est définie positi
ve si et seulement si toutes ses valeurs propres sont positives.
D é m o n s t r a t i o n . Si i4 une matrice symétrique réelle et
ses valeurs propres Xj sont telles que X y> 0 (/ = 1, 2, . . ., n),
la formule (7) de la démonstration du théorème précédent amène:
(Ax, x) = S h I I2.
i=l
où x = (*i, x z, . . xn). D’où pour
(Ax, x) > 0,
et la matrice A est définie positive.
Inversement, soiti4 une matrice symétrique réelle définie positive*
En vertu du théorème 1, toutes ses valeurs propres X2, . . Xn
sont réelles et
X — min (X„ X2, . . ., X^)
est la plus petite valeur de la forme quadratique u = (.A x , x) sur la
sphère (x, x) = 1. La forme quadratique étant positive sur cette
sphère, on a donc :
X>0.
On en tire à plus forte raison
Xj > 0 pour j = 1, 2, . . ., n.
Voici sans démonstration les conditions de définition positive
d ’une matrice réelle [2].
T h é o r è m e 6. Pour qu une matrice réelle A = la ^ 1, avec
a tj = aji, soit définie positive, il faut et il suffit que les conditions de
Sylvester
a il a 12
Ai = a „ > 0 ; A2=
a 2j Ü22
au a 12 • • «in '
a 21 a >>2 • • Û2n
An =
_ a nj a n2 • « Ænn
soient remplies, c’est-à-dire la matrice symétrique réelle A est définie

positive si et seulement si les mineurs diagonaux principaux de son
déterminant det A sont strictement positifs.
§ ic>.] PROPRIÉTÉS DES MATRICES À ÉLÉMENTS RÉELS 385
§ 16*. Propriétés des matrices à éléments réels

Dans ce qui suit nous allons étudier essentiellement les matrices
A = [au] dont les éléments atj sont réels.
Soit A = lau ) une matrice carrée réelle d’ordre n. Son équation
caractéristique
det (A — XE) = 0
étant un polynôme aux coefficients réels, si les racines Xj, X2, . . .
. . Xn de l ’équation caractéristique, qui représentent les valeurs
propres de A, sont complexes, elles sont conjuguées deux à deux
(chapitre V, § 1), c’est-à-dire si X5 est une valeur propre de A , le
nombre conjugué X* est également une valeur propre de A de même
ordre de multiplicité.
Il se peut qu’une matrice réelle ne possède pas de valeurs propres
réelles. Toutefois, dans un cas particulier important, lorsque les
éléments d’une matrice sont positifs, on assure l’existence au moins
d’une valeur propre réelle [61.
T h é o r è m e d e P e r r o n . Si tous les éléments d'une ma
trice carrée sont positifs, sa valeur propre la plus grande en module est
également positive et est une racine simple de Véquation caractéristique
de la matrice ; à cette racine est associée un vecteur propre de coordonnées
positives.
Les vecteurs propres d’une matrice réelle A à valeurs propres
distinctes sont dans le cas général complexes et ne jouissent pas de la
propriété d’orthogonalité. Cependant, en faisant appel aux vecteurs
propres de la transposée A ', on peut obtenir ce qu’on appelle les
relations de biorthogonalité qui, pour le cas d’une matrice symétrique,
sont équivalentes aux relations d’orthogonalité ordinaires.
T h é o r è m e 1. Si la matrice A est réelle et ses valeurs propres
sont deux à deux distinctes, il existe deux bases {Xj} et {x)} de Vespace
En composées respectivement de vecteurs propres de A et de vecteurs pro
pres de la transposée A ', qui vérifient les conditions biorthonormales
suivantes:
10 pour
x ‘ >~ U pour ; = *.
D é m o n s t r a t i o n . Soient Xt, X2, . . ., Xn les valeurs pro
pres de la matrice A . Etant donné que la matrice A est réelle, ses
valeurs propres sont conjuguées deux à deux, c’est-à-dire que si Xj
est sa valeur propre, le nombre conjugué X* l ’est également. Dési
gnons par x j (j = 1, 2, . . ., n) les vecteurs propres correspondants
de A
A x j = XjX j (j = 1, 2, . . ., n). (1)
25-01072
386 G É N É R A L IT É S S U R LA T H É O R IE D E S E SP A C E S V E C T O R IE L S [C H . X
Les vecteurs {xy} forment une base de l ’espace E n (§ 12, théorème 2,

corollaire).
Comme le déterminant ne change pas sa valeur lors du remplace
ment des lignes par des colonnes,
det ( A ' — X E ) = det ( A — X E )
et, par conséquent, la transposée A ' de la matrice a les mêmes valeurs
propres Xj que A . Soient x j (j = 1, 2, . . ., n) les vecteurs propres
de la matrice A ' associés aux valeurs propres conjuguées X*:
A 'x j = X Jx j (/ = 1, 2, . . . , n). (2)
Les vecteurs {xj} forment également une base de l ’espace E n.
Les bases {xy} et {xj} sont biorihogonales :
(xy, xi) = 0 pour j ^ k . (3)
En effet, d’une part on a :
(Axj, x^) = (Xjxj, Xk) = X} (xy, xi). (4)
D’autre part, compte tenu du fait que la matrice A est réelle, on
obtient :
( A x j , Xk) = (Xy, A ' x ' k ) = (X y, XJxi) = X k (Xy, Xi). (5)
Les égalités (4) et (5) entraînent
X j (Xy, Xi) = Xh (Xy, Xi). (6)
Comme Xj=£Xh pour 7 A:, l ’égalité (6) entraîne l ’égalité (3).
Montrons que les vecteurs {xy} et {xj} peuvent être normés de façon
que
(xy, xj) = 1 (; = 1, 2, . . ., n). (7)
En effet, développant le vecteur Xy par rapport aux vecteurs de la
base {x;, x;, . . ., x^}, on aura:
Xy = £ |X j -j- . . . -y- C jX j -{- . . . -f“ CjiXfi»
D’où, compte tenu de la condition de biorthogonalité (3),

(X y, X j) = cf (X y, X j) + . . . cj (X y, X j) -f- . . .
• • • + *n (X y, Xn) = cj (X y, X j) > 0 ;
et
(X y, X j) = a y = 5 ^ 0 .
En prenant au lieu des vecteurs x j , . .., x i les vecteurs -^5* x i, ...

.... — on obtient la norme (7) nécessaire du fait que
an
= =i (7 = 1 ,2 , . . . . n).
S 16.] PROPRIÉTÉS DES MATRICES À ÉLÉMENTS RÉELS 387
Ainsi, si les valeurs propres d’une matrice réelle A sont distinctes,

on peut toujours trouver pour une base propre {xj} de A une base
propre {x)} de la transposée A ' telle que
( X j , x 'k ) = ôjh, (8)
où ôjk est le symbole de Kronecker.
C o r o l l a i r e . Si la matrice A est réelle et symétrique (A ' =
= A), on peut poser: x j = x } (/ = 1, 2, . . n), où xj sont les
vecteurs propres normés de A (cf. § 15). Il vient
(Xj, x h) = ôJk.
Déduisons encore un développement bilinéaire d'une matrice .4.
T h é o r è m e 2. Soient A une matrice réelle carrée et
Xj —
- *7ii-
(/ = 1, 2, . . n) ses vecteurs propres considérés comme matrices
colonnes et
Xk = I*i* ••• *n*l
(k = 1, 2, . . n) les vecteurs propres respectifs * de la transposée A
considérés comme matrices lignes, les conditions de biorthonormalité (8)
(Xj,Xk*) = X'kXj = 6Jk (9)
étant vérifiées.
Alorsj on a la relation
A — XjXjXj -f- X0X 0X 2-f* • • • ~f~hnXnXfi, (10)
où X2, . . ., Xn sont les valeurs propres de la matrice A.
D é m o n s t r a t i o n . Considérons les matrices
’ *11 • *171 ‘ .. • *711 ’x'u
x= et X ’ =
0
. *7ll * *7171- . *l7l • • • *7171-
composées respectivement des colonnes X j (/ = 1, . . rc) et des
lignes X k (k = 1, . . ., n).
L ’égalité (9) entraîne
X ’X = [ S = IXjXi 1= [ô„] = E, (11)

*=1
* C'est-à-dire associés aux mêmes valeurs propres des matrices A et A \
25*
où E est la matrice unité. Comme la matrice X est composée de colon

nes linéairement indépendantes, elle est régulière, det X ^ 0, et
il existe donc l ’inverse X ”1. En vertu de l ’égalité (11) (cf. chapitre
VII, § 4, théorème, remarque 1), on a :
x - 1 = X'.
On en déduit
XX' = E ,
et on obtient ainsi les deuxièmes relations de biorthogonalité [7]
n
S XikX'ik^SlJ- (12)
h=l
En appliquant ces relations, on a :
Xfx t + X2X2+ . . . -f XnXn = [3*/i-£ji] -h
+ l X i 2X j 2 ] -r • • • + [Xin Xjn ] = [2 X l hX j k ] = |ô i;l E ,

h=l
c est-à-dire
e = XiX; + x 2x ; + . . . + x nx ;.
En multipliant à gauche cette égalité par A et compte tenu de
A X j = hj Xj (j = 1, 2, . . ., n),
on aboutit évidemment à l ’égalité (10).
Notons que dans l ’égalité (10) X ; et X] (/ = 1, 2, . . ., n)
sont des vecteurs propres de A et A \ associés à la même valeur
propre Xj malgré les notations du théorème 1, où Xj et Xj sont des
vecteurs propres de A et A \ associés aux valeurs propres X} et X*
complexes conjuguées.
BIBLIOGRAPHIE
G. Chilov. Introduction a la théorie des espaces linéaires. Gostekhizdat. Mos
cou-Léningrad, 1952, chapitres I-IX.
J . G u e l f a n d . Cours d’algèbre linéaire, éd. 2. Gostekhizdat, Moscou-Lénin
grad, 1951, chapitres I-II.
A . M altsev. Principes d’algèbre linéaire. Gostekhizdat, Moscou-Léningrad,
1948, chapitres I-Ill.
A . S. Housholder. Principles of Numerical Analysis. Mc. Graw-Hill, 1953,
chapitre II.
J . Schreider. Résolution des systèmes d’équations linéaires algébriques.
Comptes rendus de l’Académie des Sciences de l’U.R.S.S., 5, 1951.
F. Gantmacher. Théorie des matrices. Gostekhizdat, Moscou, 1953, chapitre
VIII.
V .Faddéeva. Méthodes numériques de l’algèbre linéaire. Gostekhizdat, Mos
cou-Léningrad, 1950, chapitre I.
CHAPITRE XI*
SUPPLÉMENTS SUR LA CONVERGENCE DES PROCESSUS
ITÉRATIFS DES SYSTÈMES D’ÉQUATIONS LINÉAIRES
§ 1. Convergence des séries matricielles entières

Théorème 1. Une série matricielle entière
2 akXh (1)
fc=0
à coefficients numériques ah converge si toutes les valeurs propres

A»2» . . ., An de la matrice X se situent dans le cercle de convergence
fermé | x | ^ R (fig. 56) de la série
scalaire entière ÿ
S akXh (2)
k=o
(x = £ + ir\), les valeurs propres reposant
sur la circonférence du cercle de convergence
étant simples et constituant des points de
convergence de la série (2).
Une série (1) diverge si au moins une
valeur propre de X se trouve en dehors du
cercle de convergence fermé de la série (2)
ou s'il existe une valeur propre de X repo Fig. 56.
sant sur la circonférence du cercle de con
vergence pour lequel la série (2) diverge.
D é m o n s t r a t i o n . 1) Soit la matrice X telle que
I K I < R, • • I K I < R-
Supposons pour simplifier que les valeurs propres Xj (j = 1, 2, . . .
. . n) de X soient simples. La matrice X peut alors être diagonalisée
à l ’aide d'une matrice régulière S
x = s-'Ix„ ...,xn\s.
Introduisons les notations
m m
Fm(X)= 2 akX k, fm (x) = 2 akXh
fe=0 fe=0
390 SUPPLÉMENTS SUR LA CONVERGENCE DES PROCESSUS [CH. X I
et
oo
/ (x) = lim f m'(x) = S <****•
m -+ oo fc=0
On a
(X ) = S ah {S'1 [X„ . . . ,X„] S}h = *fc]} S =

h=0 k=0
= S-M/m(*|), (3)
Puisque les nombres X; se trouvent à l ’intérieur du cercle de conver
gence de la série entière (2) ou bien coïncident avec les points de
convergence de cette série, lesdits points appartenant à la circonfé
rence du cercle de convergence, il existe des limites finies
fQ,j) = lim fm(kj) (/ = 1 2 . . . , n).
m-¥oo
En passant dans la formule (3) à la limite quand m -*■ oo on amène :
F (X ) = lim Fm (X) = 5 ' 1 [/ (X,), . . . . / (X„)J S . (4)
m-+oo
c ’est-à-dire la série matricielle (1) converge en X.

On peut démontrer que le théorème est vrai également pour des
valeurs propres multiples Xj, mais nous n’examinerons pas
ce cas [1 J.
2) Supposons, par exemple, qu au moins une valeur propre X*
de la matrice X soit telle que
X, | > i?.
Comme Xj repose hors du cercle de convergence de la série entière
(2), quand m -+■ oo, f m (X,) n’a pas de limite. La formule (3) entraîne
que, lorsque m oo, Fm (X ) n’a pas non plus de limite, c’est-à-dire
la série (1) diverge en X .
oo
Un résultat analogue s’obtient si | Xt | = /? et la série est
h=o
divergente.
R e m a r q u e . D’après (4), si Xlf Xj, . . . , X„ sont des valeurs
propres simples de X , alors /(X,)f . . . /(X„), où
/ ( * ) -kM
SM0 a* * \
sont les valeurs propres de la fonction
F( X) = f j ahX k.
h=0
§ 1.] CONVERGENCE DES SÉRIES MATRICIELLES ENTIÈRES 391
En particulier, les valeurs propres de la matrice X h sont les

nombres XJ, . . X{J.
T h é o r è jn e 2. L a p ro g r e s s io n g é o m é tr iq u e m a tr ic ie lle
E + X + X 2 + ... + X * + ..M (5)

où X e s t u n e m a t r i c e c a r r é e d 'o r d r e n , c o n v e r g e s i e t s e u le m e n t s i to u te s
le s v a le u r s p r o p r e s
Xj = Xj (X) (; = 1, 2, . . n)
de X r e p o s e n t à l 'i n t é r i e u r d u c e r c le u n i t é
IM < 1 (7 = 1 , 2 ............. n ) ; (6 )
d e p l u s , s i la s é r ie
(5) e s t d i v e r g e n t e , X k 7 ^ 0 pour k -+• 0 0 .
D é m o n s t r a t i o n . En effet, puisque pour la série entière
correspondante
V x~k (7 )
le rayon de convergence R = 1, pour | x \ = 1 la série (7) étant

divergente, en vertu du théorème 1, la progression géométrique (5)
ne converge que si les conditions (6 ) sont remplies.
Si la série (5) est divergente, alors
IXj | > 1 (7 = 1 , 2 , . . ., n ) .
D’où on a, en supposant pour simplifier que les valeurs propres

Xi, . . ., X n sont distinctes,
X = S - 1 [X,..........XJ 5,
S étant une matrice régulière. Donc

X k = S ~ ' l X k , . . . , X*] 5,
et, par conséquent, X k -A - 0 pour k -*• 0 0 . Cette dernière affirmation

est vraie aussi pour des valeurs multiples de Xj, mais nous ne nous
attarderons pas sur ce fait.
T h é o r è m e 3. T o u t e v a l e u r p r o p r e XA, . . ., Xn d ' u n e m a t r i c e
ca rrée X n e d é p a s s e e n m o d u le a u c u n e d e se s n o r m e s c a n o n iq u e s
I M < H* H (7 = 1, 2 , . n ).
D é m o n s t r a t i o n . Posons
Il X || « p
et considérons la matrice
v 1
p+e
X, (8 )
392 SUPPLÉMENTS SUR LA CONVERGENCE DES PROCESSUS [CH. XI
avec e > 0 . Il est clair que
Par suite (chapitre VII, § 10, théorème 5), la série

E + Y + Y2 + . . . + Y k + .. .
converge.
On en déduit en vertu du théorème (2) que les valeurs propres
p1? . . ., pn de la matrice Y vérifient les inégalités
I \h I < 1 (/ = 1, 2, . . ., n).
Mais la formule (8) entraîne
^ = (/ = *. 2> •••> *)•

Donc
IM < P + e (/ = 1, 2, . . ., n)
ou, vu que le nombre e est arbitraire,
I M < P = MX || (; = 1, 2, . . . , n),
§ 2. Identité dfHamilton-Cayley
T h é o r è m e . Toute matrice carrée X est une racine de son poly
nôme caractéristique, cest-à-dire si
yp(X)=kn + piXl- 1 -Pn,
ou = det (KE—X), alors
(X) = X" + a X "-i + . . . + p nE = 0.
D é m o n s t r a t i o n . Supposons que toutes les valeurs pro
pres X2, . . ., Xn de X, c’est-à-dire les racines de l ’équation carac
téristique (X) = 0, soient distinctes. La matrice X peut être alors
diagonalisée à l ’aide d’une matrice régulière S :
x = S " 1 ixiy . . ., XJ s.
Comme o|> (X) est un cas particulier de la série matricielle entière,
la formule (4) du § 1 entraîne
if (X) = S~l h|) (Xj), yfp (X2), • • ^ (XJ! S.
Mais il est évident que
^ (M = ° (y = l , 2 , . . . , n).
Il vient donc
i|) (X) = S -1 10, 0, . . ., 01 S = 0.
§3.1 CONDITIONS de la con v erg en ce du processus it é r a t if 393
Si l ’équation caractéristique ^ (X) = 0 possède des racines multi

ples, elles peuvent être considérées comme les limites des racines
distinctes, lorsqu’on donne aux coefficients de l ’équation des écarts
infiniment petits [1]. Il en résulte que le théorème se généralise
à ce cas aussi.
§ 3. Conditions nécessaires et suffisantes

de la convergence du processus itératif
d’un système linéaire
En utilisant les valeurs propres d’une matrice a = [a^] on peut
donner les conditions nécessaires et suffisantes de la convergence du
processus itératif d’un système linéaire
x = a x + P, (1)
avec
'PT ■* r
p- et x =
-P- - %Tl .
T h é o r è m e . Pour que le processus itératif
x h = a x (h“1) -f- P
(A = 1 , 2 , . . .) (2)
converge quel que soit le choix du vecteur initial x l0) et quel que soit
le terme constant P, il faut et il suffit que les valeurs propres de a,
c'est-à-dire les racines de l'équation caractéristique
det (a — XE) = 0
soient en module inférieures à un.
D é m o n s t r a t i o n . La formule (2) entraîne :
x h = (E -f- a -f a 2 + . . . + a*”1) p -f- a*x(0). (3)
On en déduit que la convergence du processus itératif (2), p et x<°>
étant arbitraires, est équivalente à la convergence de la progression
géométrique matricielle
oo
E -f- ce ot* 2 Q?1• (4)

k=Q
En vertu du théorème 2 du § 1 la progression géométrique (4) conver
ge si toutes les valeurs propres Xj (j = 1, 2, . . ., n) de a vérifient
les inégalités
\Xj\ < 1 (; = 1, 2, . . . , n). (5)
Puisque dans ces conditions a h->~ 0 quand k -v oo, la formule (3)
conduit à un processus itératif convergent quels que soient p et
394 SUPPLEMENTS SUR LA CONVERGENCE DES PROCESSUS [CH. XI
c ’est-à-dire il existe une limite

lim x k = Xj
fc-*oo
où x est évidemment une solution du système (1).

Si les inégalités (5) ne sont pas observées, la série (4) diverge.
Dans ce cas, pour un certain choix du terme constant et du vecteur
initial le processus itératif diverge également.
Ainsi, pour rendre convergent le processus itératif (2), il faut et
il suffit que toutes les racines X2, . . ., kn de l ’équation caracté
ristique
a „ — X a 12 a in
a 2i C&22 — ^ . . . a 2n
«ni 0&n2 • • • & nn — ^
vérifient les conditions | X;| < 1 (/ = 1, 2, . . ., n).

C o r o l l a i r e . Pour que le processus itératif (2) convergo il
suffit que
lia II < 1 , (6)
pour une norme canonique (cf. chapitre IX, § 1).
En effet, en vertu du théorème 3 du § 1, l ’inégalité (6) conduit
à l’inégalité (5).
R e m a r q u e . Considérons le système linéaire
A x = b, (7)
où A = \atj\ et b = [6lf . . . i>„1 est un vecteur colonne.
Soit
a tt 0 . . . 0 ■
0 a2Z . . . 0
D=
.0 0 •••
Pour réduire le système (7) au type spécial (1) on pose en général :
A = D + (A - D ) .
D’où
D x = b — {A — D) x ,
et puisque det D = anaZ2 . • • ann 0,
* = D~*b + D -1 (D — A) x .
On peut adopter
a =Z?-1(£> —A).
§ 4.] CONDITIONS DE LA CONVERGENCE DU PROCESSUS DE SEIDEL 395
Ainsi pour que le processus itératif ordinaire du système linéaire

(7) converge quels que soient le terme constant b et le vecteur initial
x<°>, il faut et il suffit que toutes les racines X2, . . .,Xn de l ’équa
tion caractéristique
det LD"1 (D — A) — kE] = 0 (8)
soient en module inférieures à un. Si l ’on applique le théorème sur
le déterminant du produit de deux matrices, l’équation (8) peut être
transformée de la façon suivante:
det D~l det [{D — A) — 7J)\ = 0
ou
det IXD + (A -£> )] = 0,
c ’est-à-dire
Æij X Ûj2 . . . ûjn
“21 • • • &2n
Æfli û n2 . . . a nnX
§ 4. Conditions nécessaires et suffisantes

de la convergence du processus de Seidel pour
un système linéaire
Considérons pour le système linéaire
x = a x + P, (1)
où a = [a^] et P = , le processus de Seidel
j f ) = 2 aj;xW + 2 ° +Pi (i = 1, 2, . . n ; k = 1, 2, . . . )
j=1 } J—i 1
le vecteur initial arbitraire étant
Posons
et = B -j- C,
-0 0 . . . 0 0- "Ou a 12 . . • a in “
021 0 . . . 0 0 0 ot^ . . . 0271

5 =
_<Xn i • • • n -i 0. .0 0 . . ■•
396 SUPPLÉMENTS SUR LA CONVERGENCE DES PROCESSUS [CH. XI
Le processus de Seidel peut se mettre alors sous la forme matricielle

suivante
x 'k>= B x <*>+ Cx<*“*>4- p (k = 1, 2, . . . ) . (2)
T h é o r è m e . Pour que le processus de Seidel (2) du système (1)
soit convergent quel que soit le choix du terme constant P et du vecteur
initial x(°>, il faut et il suffit que toutes les racines Xîf . . ., Xn de
Véquation
Otjj “ A OCjo . . . « in
0&21^ OC?? — X . • . a 2»
det[C —(E— B)K] -
CCfi\X CCn2^ ... « nn — X
soient inférieures en module à un.
D é m o n s t r a t i o n . Il résulte de la formule (2)
(E - B) = Cx<k~l) + p. (4)
La matrice E — B est régulière du fait que
det (E — B) = 1.
Aussi, l ’égalité (4) peut s’écrire
= (E — B )-1C x'h- 1' + (E — B)"1 p. (5)
Il est évident donc que le processus de Seidel est équivalent à une
simple itération appliquée au système linéaire
x = (E - B)"1 Cx + (.E - 5 ) - 1 p.
En vertu du théorème du paragraphe précédent, pour que le processus
(5) soit convergent il faut et il suffit que les racines Xl9 . . de
l ’équation caractéristique
det [(E - B )-1 C - X E ] = 0 (6)
vérifient les conditions
I Xj\ < 1 (/ = 1, 2, . . ., n).
L ’équation (6) est évidemment équivalente à l ’équation (3).
R e m a r q u e . Soit
A x = 6. (7)
Posons
Au 0 . . . 0
0 #22 • • • 0
0.
.0 0 ... ann_
§ 4.] CONDITIONS DE LA CONVERGENCE DU PROCESSUS DE SEIDEL 397
Pour appliquer la méthode de Seidel, dans les cas courants le systè

me (7) s’écrit
D x = (D — A) x + b
ou
x = D -1 (D - A) x + D -lb. (8)
Posons
A —D = B\ -f- Ci,
avec
“0 0 . . . 0 0‘
a21 0 . . . 0 0
_ & n l &n2 ••• n-i 0_

et
0 • • • O'i, n -i
0 0 . . . d2, n-i d2\
•O
0 ... 0 0
Alors, il vient
Z?”1 (D - A) = B + C,
où
B = —D~lB { et C = - D - lCu
de plus, les matrices triangulaires B et C réalisent la partition de la
matrice du système (S) nécessaire pour appliquer le processus de
Seidel. D’après la formule (3), la convergence du processus de Seidel
pour le système (7) est définie par les propriétés des racines de l ’équa
tion
det [ t - (E + D ^ B X) X] = 0. (9)
L ’équation (9) peut être remplacée par une équation équivalente
det \{D + B x) X + = 0
ou
ÛllA CLi2 . . . û|n
^2|X fly>X • • • don
(10)
û/iiX d n2X • • •
Ainsi pour que le processus de Seidel appliqué au système (7) soit
convergent, quels que soient le terme constant b et l ’approximation
initiale il faut et il suffit que toutes les racines Xj de l ’équation
(10) satisfassent aux conditions
I Xj | < 1 (/ = 1, 2, . . ., n).
398 SUPPLÉMENTS SUR LA CONVERGENCE DES PROCESSUS TCH. X I
§ 5. Convergence du processus de Seidel pour

un système normal
T h é o r è m e . Pour un système normal le processus de Seidel
converge quel que soit le choix du vecteur initial.
Démonstration. Supposons que le système linéaire
Ax = b (1)
soit normal, c’est-à-dire que la matrice A = [a^] soit symétrique
et définie positive.
Adoptons
A = D + V + F*,
où
a ll 0 ...0
0 a 22 . . . 0
.0 0 • • • & nn
est une matrice diagonale,
'0 0 ... 0'
v= a21 0 ... 0
.° n l &
n2... 0.
une matrice triangulaire inférieure, et
0 &12 ** ûln
0 0 . . ^2xi
V* =
0 0 ... 0
une matrice triangulaire supérieure, transposée de V par suite de la
forme symétrique^de A . On a alors:
(D + V + V*)x = b.
D’où
D x = b — (V + V*)x
et
x = Z rl& - D - 1(7 + 7*)x, (2)
avec
1
0 ... 0
“il
1
D~l = 0 ... 0
“22
1
0 0
“ nn
$ 5.1 CONVERGENCE DU PROCESSUS DE SEIDEL POUR UN SYSTÈME 390
D’après ce qui précède, le processus de Seidel du système (1)

ou du système (2), équivalent à (1), se construit de la façon suivante :
ac<ft) = D~lb + B x ik>4- Csr<ft- 1) (k = 1 , 2 , . . . ) , (3)
avec
B = —D~l V et C = —D -'V*.
En vertu du théorème du paragraphe précédent, pour que le processus
converge, il faut et il'suffit que toutes les valeurs propres X de la
matrice
M = (E — B)~lC
soient en module inférieures à un.
Dans notre cas on a:
M = —(E + D -1F)-1D -1F* = — [Z?-1 (D + =
= — (£> + V)"1 DD~XV* = — (D + V)"1 V*.
Soit e un vecteur unité propre de la matrice M associé à la valeur
propre X
(D + V)~1V*e = — Xe
ou
V e = -X(D-rV)e.
On en tire
(V e, e ) = — X\(D + V)e, e)
et
■> (Ve, e)
(Üe,e) + (Ve,e) *

n
(De, e) = S ai71012= cf > 0
i=l
et
(Ve, e) = a + /p
(a et P réels et t2= —1).
La matrice V* étant la transposée de V, on obtient :
( V e , e) = (e, Ve) = (Ve, e)* = a - *p.
Donc
i_ g -ff
A~ (o+a) + ip
et donc
p , • V ^+P
V (a+a)2+p 2 (4)
400 SUPPLEMENTS SUR LA CONVERGENCE DES PROCESSUS [CH. X I
Le fait que A est définie positive donne

(Ae, e) = (De, e) + (Ve, e) + ( V e , e) =
= o + ( a -f- ip ) + ( a — ip ) = a - f - 2 a > 0 ,
c’est-à-dire
a + a > — a. (5)
Ensuite, la positivité du nombre a conduit évidemment à :
G + a > a.
Ainsi, l Tinégalité
a + a > |a | (6)
est toujours vraie. Il en résulte pour les termes de la fraction (4) :
W + a p + p* > + W > 0,
ou
m < i,
§ 6. Vérification efficace des conditions de convergence

Pour vérifier les conditions du théorème de convergence des pro
cessus itératifs, il faut disposer de critères efficaces permettant
de définir si les racines A,2, . . hn du polynôme algébrique donné
/ M = P<fi* + Pi^11”1 + • • • + Pu (1)
vérifient ou ne vérifient pas la condition
IM <1 (i = U 2, . . . , n). (2)
Ce problème peut être résolu simplement en faisant appel aux condi
tions de Hurwicz connues [2].
T h é o r è m e d e H u r w i c z . Supposons que les coefficients
p h (k = 0, 1, . . ., n) du polynôme (1) soient réels, que p 0 > 0 et que
~Pl | Po 0 0 . . . 0 0 0 -
Ps Pl Pi Po • • • o 0 0
0 0 0 0 . . . pn pn- 1 Pn-2
.0 0 0 0 ... 0 Pn . 0
soit une matrice d'ordre n dont les lignes sont des suites des coefficients
du polynôme (1)
P im - iï P im -2i • • •» P im -n i
ou on a posé Ph*— 0 pour k < 0 et k > n. Alors, toutes les racines

$ 6.1 VÉRIFICATION EFFICACE DES CONDITIONS DE CONVERGENCE 401
Xj, X2, . - Xn de (1) possèdent des parties réelles négatives

Re X/ < 0 (7 = 1, 2, n)
(cest-a-dire se situent dans le demi-plan gauche du plan complexe
X = a + i(J), si et seulement si les mineurs diagonaux principaux de
M sont positifs, soit
K>
II
P i> 0 ,
Pi Po
t>
>0,
Il
19 Po Pz (3)
•
An —PnAn-i > 0-
Exemple 1. Pour le trinôme du deuxième degré
PoX2 + PiX + P2
les conditions de Hurwicz s’écrivent
Po > 0 , Pi > 0, p 2 > 0.
Nous voulons déterminer le cas où les racines du polynôme (1)
vérifient la condition (2), c’est-à-dire reposent dans le plan com
plexe X à l ’intérieur du cercle unité
I XJ < 1 .
La fonction hoinographique
î _ P+ 1
p -1
permet de transformer l ’intérieur du cercle unité | X | < 1 en un
demi-plan gauche Re p < 0 . Le polynôme (1) se met alors sous la
forme
--- „ J i) V [ po( n-: i r + p , ■■■+?,, f r — i n .

Il en résulte que les racines de (1) reposent à l ’intérieur du cercle
unité si et seulement si le polynôme auxiliaire
F (p) = ± [p0 (fi + l)n + Pt (H- + l)"-1 (p — 1) + . . .
• • • + Pn (H — l ) nl
satisfait aux conditions de Hurwicz (3), le signe étant choisi de façon
que le coefficient du terme principal
dfc (Po + Pt + • • • + Pu) > 0.
E x e m p l e 2. Considérons le trinôme du deuxième degré
/ (X) = X2 + pX + q% (4)
26-01072
402 su pplém en ts su r la co n v erg en ce des PROCESSUS ICII. XI
où p et g sont réels. Le polynôme auxiliaire est de la forme

F (n) = ± [(i* + l)* + p (n + l) (n —l) + g (n —1)*] =
= ± 1(1 + p + g) fi* + 2 (1 — g) p, + (1 — p + g)l.
Les conditions de Hurwicz donnent
±(i+p+g)>o, ï
± (l-g )> 0 , l
± ( 1 —p + g ) > 0 . J
Considérons les cas:
a) g < 1, alors g > —-p — 1 et g > p — 1 ;
b) g > 1, alors g < —p — 1 et g < p — 1,
ce qui est impossible.
Donc les racines X1? X2 de l'équation (4) sont inférieures en module
à un si et seulement si
l p | < 1 + q, I q\ < 1 . (5)
Puisque pour n = 2, l'équation caractéristique de la matrice a
s’écrit
a n — K a 12
0,
OC21 OC02“
ou
X2 — (an + a 22) X + det a = 0,
alors, pour que le processus itératif correspondant d'un système
de deux équations converge, il faut que
| det a | < 1.
En général, les domaines de convergence d'un processus itératif
ordinaire et d'un processus de Seidel se superposent. Il existe des
systèmes linéaires tels que le processus itératif ordinaire converge
alors que le processus de Seidel soit divergent et inversement [3].
E x e m p l e 3. Considérons le système linéaire
x = ax + P (6)
à matrice antisymétrique
p et g étant réels.
L'équation caractéristique de a est de la forme
—X g
g p —X
§ 6.] VÉRIFICATION EFFICACE DES CONDITIONS DE CONVERGENCE 403
OU
(k — p)* + g2 = 0.
D’où
^1,2 = P ±
Pour que la méthode itérative ordinaire converge, il faut et il suffit
que
c’est-à-dire
P* + <? < 1
(domaine A de la figure 57).
Pour la méthode de Seidel l ’équa
tion qui définit la convergence s’écrit
p—X q
=o
—qX p —X
ou
X* - (2p - <f) X + p* = 0. (7)
En vertu des résultats de l ’exemple
(2), pour que les racines et X2 de
l ’équation (7) vérifient les conditions
I M d , IM < i,
il faut et il suffit de respecter les inégalités
I 2p — q2 1 < 1 + p2, P2 < 1 ,
d’où
IpI < i » I q\ < 1 + p
(domaine B de la figure 57). Les domaines A et B se superposent
partiellement; il s’ensuit que pour le système (6) on peut choisir
les coefficients p et q premièrement tels que la méthode itérative
converge et que la méthode de Seidel diverge (par exemple, p =
= —0,5 ; q = 0,6), et deuxièmement, tels que la méthode de Seidel
converge et que la méthode'itérative diverge (par exemple p = 0,5;
ç = D.
BIBLIOGRAPHIE
1. V. Sm irnov. Cours de mathématiques supérieures, t. III. Editions Mir,
Moscou, 1970.
2. A . Kurosh. Cours d’algèbre supérieure. Editions Mir, Moscou, 1971.
3. V. Faddieva. Méthodes numériques de l’algèbre linéaire. Gostekhizdat, Mos
cou-Léningrad, 1950, chapitre II.
CHAPITRE XII
CALCUL DES VALEURS PROPRES ET DES VECTEURS

PROPRES D’UNE MATRICE
§ 1. Notes d’introduction
Il arrive souvent que pour résoudre des problèmes théoriques
et pratiques il faille déterminer les valeurs propres de la matrice A
donnée, c’est-à-dire calculer les racines de son équation caracté
ristique (séculaire)
det (A — XE) = 0, (1)
ainsi que ses vecteurs propres associés. Le deuxième problème est
plus simple, car si les racines de l ’équation caractéristique sont
connues, la recherche des vecteurs propres se ramène à l ’obtention
de solutions non milles de certains systèmes linéaires homogènes.
Nous allons donc en premier lieu étudier le calcul des racines de
l ’équation caractéristique (1).
A cet effet on fait surtout appel à deux procédés: 1) développe
ment du déterminant caractéristique en un polynôme de degré n
D (X) = det (A — XE)
et résolution de l ’équation D (À,) = 0 par l ’un des procédés approchés
connus, (par exemple, par la méthode de Lobatchevski-Graeffe, cf.
chapitre V, §§ 7-12) et 2) approximation des racines de l ’équation
caractéristique (le plus souvent maximales en module) par la méthode
itérative sans développer au préalable le déterminant caractéristique.
Nous exposerons dans ce chapitre les méthodes principales de
résolution du problème général énoncé, en commençant par le
développement des déterminants caractéristiques.
§ 2. Développement des déterminants caractéristiques

Ainsi qu’il est connu, le déterminant caractéristique d’une matrice
A = [aij] est un déterminant du type
an — x &12 • • • 0*171
a*i\ a n2— A
* ... Oofi
D(k) ---- det (A — /Æ) r-. (1)
an\ an2 • • • ann— X
§ 2. ] DÉVELOPPEMENT DES DÉTERMINANTS CARACTÉRISTIQUES 405
En l ’annulant on obtient xtne équation caractéristique

D (K) = 0.
Si le problème consiste à trouver toutes les racines de cette équa
tion, il convient de calculer d’abord le déterminant (1).
Le développement de (1) donne un polynôme de degré n
D (k) = ( - l)n [ r - 0 ^ - 1 + o2kn~* l)n on], (2)
où
n
01 = S aa<z
a=l
est la somme de tous les mineurs diagonaux d’ordre un de la matri
ce A ;
ûaa aap
02
S apa app
a<p
est la somme de tous les mineurs diagonaux d’ordre deux de la

matrice A ;
a av
^3= 2 ap® app a?v
Æyy
est la somme de tous les mineurs diagonaux d’ordre trois de la matri

ce A , etc. Enfin
an = det A .
On voit aisément que le nombre de mineurs diagonaux d’ordre k
de la matrice A s’écrit
(&=1, 2,
On en tire que le calcul immédiat des coefficients du polynôme

caractéristique (2) est équivalent au calcul de
C i+ C i+ ...+ « = 2"-l
déterminants de divers ordres. Ce dernier problème est difficile
à réaliser dès que les valeurs de n deviennent quelque peu grandes.
Aussi a-t-on conçu à cet effet des méthodes spéciales (méthodes de
Krylov, de Danilevski, de Leverrier, méthodes des coefficients indé
terminés, d’interpolation, etc.) (cf. [1]). Dans les paragraphes qui
suivent nous exposerons certaines de ces méthodes.
406 CALCUL DES VALEURS PROPRES ET DES VECTEURS PROPRES [CH. XII
§ 3. Méthode de Danilevski
Cette méthode consiste en principe à ramener le déterminant
caractéristique à la forme normale de Frobénius
— X Pz Pz • • • Pn
1 — X 0 ... 0
D(X) = 0 1 —X ... 0 (1)
0 0 0 ... - X
Si nous parvenons à mettre le déterminant caractéristique sous la
forme (1), on obtient en le développant suivant la première ligne
z)(X)=(Pl- x ) ( - > o n-i - p 2( - ^ r 2+ P 3 ( - x r 3- . . . + ( - i r i Pn
ou
D (k) = ( - i ) n {kn - P i k n~ ' - p ^ - p ^ - . • .-P n ) . (2)
Ainsi, développer le déterminant mis sous la forme (1) ne
présente aucune difficulté. Désignons par
'a u a 12 * * •■ 0*1 n
A= <*2! #22 * * • Û2n
.^ n i a n» • . . _
la matrice donnée et par
Pi Pz • •• Pn-i Pn
1 0 ... 0 0
P=
0 0 ... 1 0
une matrice de Frobénius, semblable à la première, c’est-à-dire
P = S~lA S ,
S étant une matrice régulière.
Les polynômes caractéristiques des matrices semblables étant
les mêmes, on a :
det (4 — XE) = det (P - XE). (3)
Pour justifier la méthode il suffit donc de montrer comment on
construit P à partir de A . D’après la méthode de Danilevski, pour
passer de la matrice A à la matrice semblable P, on effectue n — 1
réductions qui transforment successivement les lignes de la matri
ce A à partir de la dernière, en lignes respectives de la matrice P.
MÉTHODE DE DANILEVSKI 407
Montrons le départ du processus. Il nous faut réduire la ligne

l^n 2 • • • &n9 n -i^n n
pour obtenir la ligne 0 0 . . . 1 0. En supposant que an% 0,

divisons tous les éléments de la (n — l)-ième colonne de A par
On^n-i. La n-ième ligne s’écrit alors
Q'nl&nZ • • • ®nn*
Retranchons ensuite la (n — l)-ième colonne de la matrice trans
formée multipliée respectivement par les nombres anl, an2, . . ann
de toutes ses autres colonnes.
Il en résulte une matrice dont la dernière ligne a la forme cherchée
0 0 . . . 1 0. Les opérations indiquées sont des transformations
élémentaires appliquées aux colonnes de la matrice A. En appliquant
ces mêmes transformations à la matrice unité on obtient la matrice
• 1 0 0 0 •
0 1 0 0
m n- i . i fft-n-l. 2 • • • If tn - i. n-1 n
0 0 0 i .
où
= ------—— avec i^= n — 1 (4)
û n , n -1
et
1
W n - i i n -1 ( 4 ')
fln» n -1
On en tire (cf. chapitre VII, § 14) que les opérations effectuées

sont équivalentes à la prémultiplication de la matrice M n^ par la
matrice A , c’est-à-dire après les transformations indiquées on obtient
la matrice
__ 1
b\2 • • • bit n_i

3
'
bî bon . . . b 2t n—1 bz» n
(5 )
bn-l' 1 bn-1.2 • • • &n- l . n - l bn-1. n
0 0 ... 1 0 .
L’application de la règle de multiplication des matrices donne
les formules pour calculer les éléments de la matrice B:
bij = aij-i-ai. n-i^n-i. j avec l < i < n ; j n— 1 ;(6)
bj, = n-t/Mn-!. n-i avec l < i < n . (6')
408 CA LCU L D E S V A L E U R S P R O P R E S E T D E S V E C T E U R S P R O P R E S [C !I. X I I
Toutefois, la matrice B = A M n ne sera pas semblable à la

matrice A . Pour réaliser une réduction, il faut postmultiplier l ’in
verse i par la matrice B :
M ^ A M n^ = M ^ B .
La vérification directe montre facilement que l ’inverse
est de la forme
- 1 0 ... 0 0
0 1 ... 0 0
(7)
®nl a n2 • • . n-1 û n n
. 0 0 ... 0 1
Soit
M -Â M n -^C .
Donc
C = M~ilB. (8)
Puisqu’il est évident que la postmultiplication de Af“i, par B ne
change pas la ligne transformée de cette dernière, la matrice C
s’écrit
Cii c 12 • •• n-i Cm
c 2l C22 ••• ^2. n - i C2n
c n - 1.1 c n - l , 2 • . . Cn—i. n—| C n -l. n

. 0 o .0 1
En multipliant les matrices M~i, (7) et B (5), on a :

Cij — bij avec l < i < n —2 (10)
et
Cn-1. j = S a„kbkj avec 1 < j < n. ( 10')
fc=i
Ainsi la multiplication de t par B ne change que la
(n — l)-ième ligne de B . Les éléments de cette ligne s’obtiennent
d’après les formules (10) et (10'). La matrice C obtenue est sem
blable à la matrice A et possède une ligne réduite. La première étape
du processus est ainsi achevée.
Ensuite, si n_2 ¥* 0, on peut refaire les opérations analogues
sur la matrice C en prenant comme ligne du pivot sa (n — 2)-ième
ligne. Il en résulte la matrice
D = M~i2CMn- 2
à deux lignes réduites. Soumettons cette matrice aux mêmes opéra
tions. En poursuivant ce processus on obtient finalement la matrice
MÉTHODE DE DANILEVSKI 409
de Frobénius:
P = M ;1 n-2 - •• M i,
si, certes, toutes les n — 1 transformations intermédiaires sont
possibles.
Tout ce processus peut être traduit par un schéma de calcul com
mode dont la composition est illustrée par l ’exemple suivant.
E x e m p l e . Ramener à la forme de Frobénius la matrice
-1 2 3 4-
2 12 3
A=
3 2 12
.4 3 2 1.
S o l u t i o n . Portons les résultats du calcul sur le tableau 25.
Inscrivons sur les 1-4-ièmes lignes du tableau les éléments au
(i, ; = 1, 2, 3, 4) de la matrice donnée et les sommes de contrôle
4
ai5= 2 au (i = 1* 2, 3, 4) (2). Marquons l ’élément a 43 = 2 figu-
rant dans la troisième colonne (colonne marquée). Portons sur la
ligne I les éléments de la troisième ligne de la matrice A/n_t = A/3
calculés d’après les formules (4) et (4') :
m3J — — g 41
a 43
^ 32= —
g 42 . _jL
2 — __15*
— 1 »
g 43
1
ni33 — 2
= 0,5;
g 43
g i4
m3\ — -- = - 1 = 0,5.
g 43
On place sur cette même ligne (I) l’élément

g45 10
"*35 - -5 ,
g 43
obtenu d’une façon analogue à partir de la colonne de contrôle 2-

Le nombre —5 doit coïncider avec la somme des éléments de la ligne
I qui ne font pas partie de la colonne de contrôle (après le remplace
ment de l ’élément m zz par —1). Par commodité, inscrivons le nombre
—1 à côté de l ’élément m33 en les séparant par un trait.
Inscrivons sur les lignes 5 à 8 de la colonne Af"1 la troisième ligne
de la matrice A/”1 qui, en vertu de la formule (7), coïncide avec la
quatrième ligne de la matrice initiale A . Portons sur les lignes 5 à 8
T a b le a u 2 5
Schéma de calcul de Danîlevski
Numéro Colonnes de la matrice

de la M -l V V'
ligne 1 2 3 A
1 1 2 3 4 10
2 2 1 2 3 8
3 3 2 T 2 8
4 4 3 0 1 10
1 m ï \ m 3 -2 —1,5 075] - 1 - 0 ,5 -5
5 4 -5 - 2 ,5 1,5 2,5 - 3 ,5 -5
6 3 2 -2 1 2 -1 -2
m 2 1 0,5 0,5 1,5 3,5 3
8 1 0 0 1 0 1 0
m -2 4 -1 5 11 19 -9
11 Ü7t»'|;V2 —1,000 -0,067| 0,733 1,267 -0,600

-1
9 -2 4 -1 0,167 - 0,333 -0,667 -1,833 _2
10 -1 5 1,2 0,133 -0,467 -0,533 —0,333 0,2
11 11 0 1 0 0 1 0
12 19 0 0 I 0 1 1
0 5 34 24 09
E
111 .V/711M 1 0,107 1—1 -0,833 -5,667 -4,000 -11,500
QU 6 -0,167 1 5,333 3,333 9,500 9,067
14 5 1 0 0 0 1 0
15 34 0 1 0 0 ! * 1
îo 24 0 0 1 0 1 1
QF] 4 40 56 20 120
§ 3.] MÉTHODE DE DANILEVSKI 411
et sur les colonnes correspondantes les éléments de la matrice

B = A M Z1
calculés d’après les formules à deux termes (6) pour les colonnes non
marquées et d’après la formule à un terme (6') pour la colonne mar
quée. Par exemple, pour la première colonne on a :
bn = 1 + 3 ( - 2 ) = - 5 ;
621 = 2 + 2 ( — 2) = —2 ;
&3i = 3 + 1 ( —2) = 1 ;
&41 = 4 + 2 ( - 2 ) = 0 ;
etc.
Les éléments transformés de la troisième colonne (marquée)
s’obtiennent en multipliant les éléments initiaux par m33 = 0,5.
Par exemple,
&13 = 3-0,5 = 1,5;
623 = 2 -0,5 = 1 ;
&33 = 1 -0,5 — 0,5 ;
643 — 2*0,5 — 1.
Constatons que la deuxième ligne de la matrice B doit s’écrire
0 0 10.
Pour vérifier, complétons B par les éléments correspondants cLb la
colonne 2 transformés suivant les formules à deux termes analogues,
avec m35 = —5. Par exemple,
fc16 = 10 + 3 - ( - 5 ) = - 5 ;
626 = 8 + 2 -(—5) = - 2 ;
b38 = 8 + 1 •( —5) = 3 ;
bkQ = 10 + 2 -(—5) = 0.
Inscrivons les résultats obtenus sur les lignes correspondantes de la
colonne 2 '. Ën leur ajoutant les éléments de la troisième colonne,
on obtient les sommes de contrôle
bi6= j j b u (t = 1, 2, 3, 4)
i=i
pour les lignes 5 à 8 (colonne 2).
La transformation M ï l de la matrice B qui donne la matrice
C = M ^ B ne change que la troisième ligne de -B, c’est-à-dire la
septième ligne de la matrice. Les éléments de cette ligne transformée
T s’obtiennent d’après la formule (10), c’est-à-dire ce sont des som
mes des produits pairs des éléments de la colonne Af"1, figurant
4 1 2 CALCUL D E S V A L E U R S P R O P R E S E T D E S V E C T E U R S P R O P R E S [C H . X I I
sur les lignes 5 à S, par les éléments correspondants de chacune des

colonnes de la matrice B . Par exemple,
*3i = 4 ( - 5 ) + 3 ( - 2 ) + 2 - 1 = —24,
etc.
Opérons de même sur la colonne 2 :
c36 = 4 (-3 ,5 ) + 3 ( - 1 ) + 2-3,5 + 1 - 1 = - 9 .
Il en résulte la matrice C composée de lignes 5, 6, 7', 8 aux som
mes de contrôle 2 , la matrice C étant semblable à la matrice A et
possédant une ligne réduite 8. Là prend fin la première réduction
C = M ? A M Z.
Ensuite, en prenant la matrice C pour initiale et en prélevant
l ’élément cz2 = —15 (deuxième colonne), on poursuit la procédure
d’une façon analogu e II en résulte la matrice D = M^ CM* dont
les éléments figurent sur les lignes 9, 10', 11, 12 et qui contient
deux lignes réduites. Enfin, en partant de l ’élément d2{ = 6 (pre
mière colonne) et en transformant la matrice D en une matrice
semblable, on obtient la matrice de Frobénius P cherchée dont les
éléments figurent sur les lignes 13', 14, 15, 16. A chaque étape de la
procédure, le contrôle se fait à l ’aide des colonnes 2 et 2 '.
Ainsi la matrice de Frobénius s’écrit:
r 4 40 56 20-
1 0 0 0
0 1 0 0
.0 0 1 0 .
On en déduit que le déterminant caractéristique réduit à la forme
normale de Frobénius est de la forme:
-4 — X 40 56 20 -
1 —X 0 0
0 1 —X 0
. 0 0 1 —À.
ou
D (K) = V - 4X3 - 40A.2 - 56X - 20.
§ 4. Cas particuliers de la méthode de Danilevski

Le processus de Danilevski ne présente aucun inconvénient si
tout élément marqué est différent du zéro. Nous examinerons dans
ce qui suit les cas particuliers lorsque cette restriction n’est pas
observée.
CAS PARTICULIERS DE LA MÉTHODE DE DANILEVSKI 413
Supposons que la transformation de la matrice A en une matrice

de Frobénius P aboutit après quelques pas à la matrice
du d i2 . . . d itt . • • d x. n-l d ln
do\ d*>ft . . . C?2* • • • do, n-l d%n
dh l d t 12 ••• dhh • •• dh. n-l dhn

D
0 0 ... 1 . .. 0 0
0 0 ... 0 . .. 0 0
.0 0 ... 0 .. . . 1 0
d k . h •-1 = 0.
La transformation par la méthode de Danilevski devient alors
impossible. Deux cas peuvent se présenter.
1- Supposons qu’un élément quelconque de Z?, à gauche de l ’élé
ment nul dh, soit différent du zéro, c’est-à-dire dk, / # 0, où
l <C.k — 1. Cet élément est alors porté à la place de dkt c’est-à-
dire nous permutons les (k — l)-ième et Z-ième colonnes de D en
permutant simultanément ses (k — l)-ième et Z-ième lignes. On peut
montrer que la nouvelle matrice D' sera semblable à l ’ancienne.
Appliquons à la nouvelle matrice la méthode de Danilevski.
2. Soit dht = 0 (Z = 1, 2, . . k — 1) ; alors D s’écrit
(D l) (L) '
Cil Cj2 • • • Cl. fc-l Cl* ••• Cx , n-l C\n
Cfc-i. 1 Cft-j. 2 • •• C h-i.n-i C/t-1 . k . . . Ck —J , 71 1 — O--!, n

D= 0 0 0 Ch h ••• c h. n-l Cli n
0 0 0 1 0 0
0 0 0 0 1 0
(0 ) m .
/ 1*1
L o |Z>J *
Dans ce cas le déterminant caractéristique det (D — XE) se dé
compose en deux déterminants
det (D — XE) = det (.Dt — XE) det (D2 — XE).
La matrice D 2 est déjà ramenée à la forme canonique de Frobénius

et de ce fait le calcul de det (D2 — Xi?) est immédiat. Il reste à
appliquer la méthode de Danilevski à la matrice D j.
§ 5. Calcul des vecteurs propres par la méthode

de Danilevski
Si Ton connaît les valeurs propres d'une matrice, la méthode
de Danilevski permet de déterminer ses vecteurs propres. Soit X une
valeur propre de la matrice A et, donc, une valeur propre de la ma
trice de Frobénius P semblable à A .
Cherchons le vecteur propre y = (1/1, y2, . . ., yn) de P qui
correspond à la valeur donnée de X: P y = Xy. D’où (P — \E) y =
= 0 ou
Pz Pz • Pn
1 —X 0 . . 0
0 1 —X . . 0 = 0.
. 0 0 0 . . - K
En multipliant les matrices entre elles on obtient un système

pour déterminer les coordonnées yu y2, . . ., yn du vecteur propre y :
(P i — *) ÿl + P zP z + • . • + P nÿn = 0 ,
y i — Xy2 = 0,
yz— ty 3 = 0,
y n-1 — Xÿ„ = o.
Le système (1) est homogène. Ses solutions peuvent s’obtenir
de la façon suivante à un coefficient de proportionnalité près. Posons
yn = 1. Alors, on a successivement:
y n-i = X,
y n-2 = X“, ^
(2)
Vi ^ X - 1.
Ainsi le vecteur propre cherché est
-X*-i-
Xn“2
1
§ 6. ] MÉTHODE DE KRYLOV 415
Désignons maintenant par x le vecteur propre de A associé à la

valeur X. On a évidemment:
x = M n-iM n. 2 • • • M 2M ty.
La transformation Mi sur y conduit à
r n . r 71
mii ml2 • • • mln yi S
k=l
mi*yh S Toihÿfc
M ty =
0 1 ... 0 yz yz =
Xn-«
=
_ 0 0 ... 1 . yJ • :
- yn - 1
La transformation AIi ne change donc que la première coordonnée
du vecteur. Une transformation analogue AI2 ne change que la deuxiè
me coordonnée du vecteur M ij/, etc. En reprenant ce processus n — 1
fois, on obtient le vecteur propre x cherché de la matrice A .
§ 6. Méthode de Krylov
Examinons la méthode du développement du déterminant ca
ractéristique due à A. Krylov [2] dont le principe diffère foncière
ment de celui de Danilevski. Soit
D (X) = d e t {XE - A) = Xn + PlXn~1 + . . . + pn (l)
un polynôme caractéristique (à un signe près) de la matrice A.
Suivant l ’identité de Hamilton-Cayley (chapitre XI, § 2), la matri
ce A annule son polynôme caractéristique, et donc
A n + piA71”1 + • • . + pnE = 0. (2)
Prenons maintenant un vecteur non nul quelconque
La postmultiplication de deux membres de l ’égalité (2) par y {0>

donne :
Any i0>+ ptAn~1y w + pny m = 0. (3)
Posons
Ahi T = y * ' (&= 1,2, (4)
l’égalité (3) se met alors sous la forme
y iny+ P iyin~li + . . . + p ny i0)= 0 (5)
416CALCUL DES VALEURS PROPRES ET DES VECTEURS PROPRES [CH. XII
OU
- ÿ<n-l> ÿjn-w.yj»»- ' Pi ■ ~y\n'~
yin~u y?-'-'-y?' Pz y? '
• • •• • • (5')
..y T " ÿn~n - y ? . . Pn.
avec
r y[k)
y?'
?/(k) (k — 0, 1,2, . . . , n).
Par conséquent, l ’égalité vectorielle (5) est équivalente au systè-

me d’équations
Piî/j""1’ - t - P î'/r " + -■■ + PnV?' = — v T (7 = 1 , 2 , . . . , »), (6)
qui permet, en général, de déterminer les coefficients inconnus
Pli P2i • • •» Pn-
Puisque la formule (4) entraîne
(Je —1, 2, . . . , zi), les coordonnées ?/<*>, ?/(*>, . . y <*> du vecteur y

se calculent successivement d ’après les formules
y? ' = S auV ?\
i=i
?/!*’ = S «i7?/7‘*,
(7)
?/in , = ( i --= 1 . 2 ,
i= l J
Ainsi, la détermination des coefficients pj du polynôme caracté

ristique (1) par la méthode de Krylov consiste à résoudre un système
linéaire (6) aux coefficients calculés d’après les formules (7), les
coordonnées du vecteur initial
étant arbitraires. Si le système (6) ne possède~qu’une seule solution,

ses composantes p lt P21 • • •* Pn sont les coefficients du polynôme
caractéristique (1). Cette solution peiit s’obtenir, par exemple, par
$ 6.] MÉTHODE DE KRYLOV 417
la méthode de Gauss (chapitre V III, § 3). Si la solution du système

(6) n’est pas unique, le problème se complique [1]. Dans ce cas il
est recommandé de changer le vecteur initial.
. E x e m p l e . Trouver par la méthode de Krylov le polynôme
caractéristique de la matrice (cf. § 3)
r l 2 3 41
2 12 3
A=
3 2 12
.4 3 2 U
S o l u t i o n . Choisissons le vecteur initial
r 1
0
?/0,= 0
LO J
En utilisant les formules (7), définissons les coordonnées des
vecteurs
y W « j i V 0) (*=1,2,3,4).
On a
r l 2 3 4- - 1 - - 1-
2 12 3 0 2
y " ’= Ay'°' =
3 2 12 0 3 9
.4 3 2 1. . 0 . . 4.
rl2 3 4 - -30-
r 11
2 12 3 2 22
y (t>= Ayn>=
3 2 12 3 18 9
.4321. -4- .2 0 .
2 3 4- -30- - 208 -
2 12 3 22 178
y 'a>= Ay'*' ■
3 2 12 18 192
. 4 3 2 1 . .20. . 242.
r l 2 3 4- - 208 - -2108-
2 12 3 178 1704
y u>= Ayl =
3 2 12 192 1656
. 4 3 2 1 . . 242. .1992.
27-01072
Composons le système (6) :

y\3' y',1’ yil> y't0,i ■ p r y;4’ 1
yT yi*1 yi1’ y;0’ Pz yi4’
y? y ?* ÿ" y'* P3 y?
-y?' y? yi1’ y ? - 1 - P*- yi” J
qui dans notre cas s’écrit
-208 30 1 1- ' Pi~ -2108-
178 22 2 0 Pz 1704
192 18 3 0 Pz 1656
.242 20 4 0. - P4- .1992.
D’où
208pt + 30p2+ P34 P4 — —2108, ^
178pj 22p2 2^3 — — 1704,
192 -f- 18p2 4" 3 p2 = — 1656,
242p, + 20p2-f 4ps = — 1992. >
En résolvant ce système on obtient:
P i = — 4; p 2 = —40; P a = —56; p4 = —20.
Par conséquent,
del (X£ — A) = X4 — 4X3 - 40X2 — 56X - 20,
ce qui coïncide avec le résultat fourni par la méthode de Danilevski
( § 3 ).
§ 7. Calcul des vecteurs propres par la méthode de Krylov

La méthode de Krylov rend simple la recherche des vecteurs
propres correspondants [1].
Pour simplifier, nous nous bornerons au cas où les racines Xlt
X2, . . ., Xn du polynôme caractéristique
D (X) = X* + + . . . + pn (1)
sont distinctes. Supposons que les coefficients du polynôme (1) et
ses racines soient calculés. On demande de trouver les vecteurs
propres x (1>, x {2\ . . ., x {n} associés respectivement aux valeurs
propres Xj, X2, • . ., X^.
Soient ?/<0), y {1) = A y {0\ . . ., y<n- l>= A n~*y{0) les vecteurs
utilisés dans la méthode de Krylov pour chercher les coefficients pj
(i = 1, 2, . . ., n). En décomposant le vecteur y {0) suivant ses
s 7.] CALCUL DES VECTEURS PROPRES PAR LA MÉTHODE DE KRYLOV 419
vecteurs propres ar<l) (i = 1, 2, n), on aura:

y tm = c,x‘1’ + CiX'*' + c nx int, (2)
ct (i = 1, 2, . . n) étant certains coefficients numériques. D’où,
compte tenu du fait que
AxW = Xix,
An-xW = k îx « \ (i = 1 ,2 , . . . , » ) ,
on aura :
?/*’ = + CzXzj '" + . . . + cnXnx <n\
(3 )
y ,n~u = c1^ - ‘* a> + c2X rlx <4’ + . . . + c„Xrlx m‘.
Soit
•pi (X) — 4- ÇiA’1”' + Çn-i. I (4)
(i = 1, 2, . . n) un système de polynômes arbitraire. En formant
une combinaison linéaire de vecteurs i/*0’ aux
coefficients 1, qi-i, . . ., qn-i. t, on aboutit, en vertu des relations
(2) et (3), à
?/"”" + gii?/n‘î' + •. • + g B-i.i ? /“’ =
= Cf<Pi (Xt) X<1>+ C2<Pl (Xz) » <4>+ • • • + Ci»«Pi (Xn) Xin\ (5)
Si l’on adopte
D(X) (i —1» 2, . - •, ra),
«Pi (X) = X—Xt (fi)
on a évidemment]
•Pi (^ ) = 0 pour t # ;
et
«P1 (h) = j y ^ ^ 0.
Dans ces conditions, la formule (5) s’écrit
ji<Pi (Xi) x«>= ■ ? / " - + quV(n~2) +
■f • • • 4 în -l.l î/*1' (*= f • 2, n). (7)
Ainsi, si ct 0, la combinaison linéaire des vecteurs obtenue
ÿ <n-1), ?/<n-2>, . . . . ?/<0) donne le vecteur propre x H) à un facteur
numérique près. Les coefficients qj.t (J = 1, 2, . . ., n — 1) peu.
vent être aisément déterminés d’après le schéma de Homer
?o« = 1* |
9]i = Xiqj-i.i + p j . J
27*
§ 8. Méthode de Leverrier
Cette méthode de développement d’un déterminant caractéristi
que a à sa base les formules de Newton [3] pour les sommes des puis
sances des racines d’une équation algébrique.
Soient
det (XE — A) — X" + pjXn~* + . « . + pn (1)
un polynôme caractéristique de la matrice A = [ai;] et XH X2l . . .
. . Xn l ’ensemble complet de ses racines où toute racine est prise
autant de fois que l ’indique son ordre de multiplicité.
Posons
Sh = X* -{- Xj 4 - . . . X^ (k = 0 ,1 , 2, . . . , n).
Alors pour /c<!n on a les formules de Newton [3]
sk + P iS k -i + • • -r P a -i« i = —k p n (k = 1 2 . . . n). (2i
D’où
P l = — *!•
Pz — —
Pn= ($n “f" P i^ n -i ”1“ • • • "h Pn-l^l) )

n
Si les sommes Sj, s2» • • •» sn sont connues, les formules (3) per
mettent de trouver de proche en proche les coefficients p i9 p 2* • • •
. . ., pn du polynôme caractéristique (1).
Les sommes su s2y . . sn se calculent de la façon suivante:
pour Si on a (cf. chapitre X, § 12) :
Sj = A»i -f- X2 4" • • • "I" = Sp A ,
c ’est-à-dire
Si = s O,,- (4)
i= l
Ensuite, on sait (chapitre XI, § 1) que Xk9 A,*,---- Xn sont les
valeurs propres de la matrice Ak. Donc
Sk = “f" • • • + = Sp Ak,
c’est-à-dire si
il vient
(5)
I-l
§ 8.] MÉTHODE DE LEVERRIER 421
Les puissances A k = A k~xA s'obtiennent par multiplication directe.

Ainsi, le schéma de développement d'un déterminant caracté
ristique suivant la méthode de Leverrier est très simple, a savoir:
on calcule d’abord les A h (k = 1, 2, . . n) qui sont les puissances
de la matrice A donnée, puis on trouve les sh respectifs, sommes des
éléments des diagonales principales des matrices A k et, enfin, d’après
les formules (3) on détermine les coefficients recherchés p t (i = 1,
2, . . ., n).
La méthode de Leverrier est très délicate, car elle impose le
calcul des puissances élevées de la matrice donnée. Son mérite est
dû à un schéma de calcul peu compliqué et à l ’absence de cas parti
culiers.
E x e m p l e . Développer par la méthode de Leverrier le déter
minant caractéristique de la matrice (cf. § 3).
-1234-
2 12 3
L4 3 2 l J
S o l u t i o n . Formons les puissances Ak (k ~ 2, 3, 4) de la ma

trice A. On a:
- 1 2 3 4- -1 2 3 4* -30 22 18 20-
2 12 3 2 12 3 22 18 16 18
3 2 12 3 2 12 18 16 18 22
. 4 3 2 1 . . 4 3 2 1. .20 18 22 30.
a î o z v " 1 2 .5 4 -
au r 208 178 192 242-
20 18 16 18 2 12 3 178 148 154 192
18 16 18 22 3 2 12 192 154 148 178 ;
.20 18 22 30. .4 3 2 1. 242 192 178 208.
-208 178 192 242- - 1 2 3 4 - -2108 1704 1656 1992-
178 148 154 192 2 12 3 1704 1388 13B8 1656
192 154 148 178 3 2 12 — 1656 1368 1388 1704 *
.242 192 178 208. .4 3 2 1. .1992 1656 1704 210S.
Constatons qu’il n’a pas fallu calculer complètement A4, il

a suffi d’obtenir les éléments diagonaux principaux de cette matrice.
422 CALCUL DBS VALEURS PROPRES ET DES VECTEURS PROPRES [CH. X II
D’où
S| — Sp A = 1 + 1 + 1 + 1 — 4j
sz = Sp A 2 = 30 + 18 + 18 + 30 = 96;
s, = Sp A* = 208 + 148 + 148 + 208 = 712;
s* = Sp A* = 2108 + 1388 + 1388 + 2108 = 6992.
D’après les formules (3) on a donc:
Pi-=— S i= — 4 ;
Pz-= — j(s2 + PiSi)= —y (96—4 -4 )= - 4 0 ;
Pa = — ^■(ss + PiSz + PiSi) = —y (712—4-96—40-4)= — 56;
P4= (*« + Pl«3 + P &2 + P 3S1) =

= —1 (6992—4-712 - 40-96 — 56-4)= - 2 0 .
Ainsi on aboutit au résultat déjà connu (cf. § 3) :
X— 1 —2 —3 —4
— 2 X— 1 —2 —3
X*—4X3—40X2—56X—20.
—3 — 2 X— 1 —2
—4 —3 — 2 X— 1
§ 9. Notion de la méthode des coefficients indéterminés

Le déterminant caractéristique peut être développé également
en cherchant un nombre suffisamment grand de ses valeurs numé
riques.
Soit
D (X) = Xn + M " ' 1 + . . . + Pn (1)
le déterminant caractéristique de la matrice A , c’est-à-dire
D (X) = det (XE — A).
Si dans l ’égalité (1) on pose successivement X = 0, 1, 2, . . ., n — 1,
on obtient pour les coefficients pt (i = 1, 2, . . ., n) un système
d’équations linéaires
p n = D( 0),
l n + Pl. l " - * + . . . + p„ = D (l),
2" + Pi*2n“14- . . . + p n = D (2), } (2)
(«— l)n4- pj (n— l)n“l + • •. + p„ = D ( n —1).

$ 9.1 NOTION DE LA MÉTHODE DES COEFFICIENTS IN D ÊT EM R IN E S 423
D’où
Pl + P2+ - • • + Pn-1 = D (1) —D(0) — 1,
2"-1pi + 2n“*p2+ • • • + 2pn-i = D (2)— D (0)—2”,
(3)
(n — l)"-1 px -f (n— l)n”*P2-f . . . + (n— 1) p„-i =
= D (n -i)-D (0 )-(n -i) ,
et
pn = D (0) = det ( —A).
Le système (3) permet de calculer les coefficients pi (i = 1,

2, . . n) du polynôme caractéristique (1).
Si l’on introduit la matrice
‘ 1 1
2»-i 2n-t ... 2
_(n— l)»-« (n— 1)"-* . . . n — 1

et les vecteurs"*
D ( l) —D (0)— l n Pi
D(2)—Z)(0) —2" P2
D = , P =
mD (n — 1)—D,(0)—(n— l)n . _ Pn-1.
le système (3) peut se mettre sous forme d’une équation matricielle

cnP =i>; (4 )
dtou%
P = C n 1D . (5 )
Remarquons que l ’inverse Cû1 ne dépend que de l ’ordre n du

déterminant caractéristique et peut être établie à l ’avance dans
le cas d’un très grand nombre de déterminants caractéristiques de
même ordre.
Ainsi l’application de cette méthode se ramène au calcul des
déterminants numériques
(&) = det (kE — A) (Je = 0, 1, 2, • • M n — 1)
et à la recherche de la solution d9un système linéaire standard (4).
424 CALCUL DES VALEURS PROPRES ET DES VECTEURS PROPRES tCH. X II
§ 10. Comparaison de diverses méthodes de développement

d’un déterminant caractéristique
Le tableau 26 [4] permet de juger de l ’efficacité relative de diver
ses méthodes de développement du déterminant caractéristique.
Ce tableau indique le nombre d'opérations qu'impose chacune des
méthodes considérées en fonction de l ’ordre du déterminant.
T a b le a u 2 6
Nombres d'opérations a effectuer dans le cas de diverses

méthodes du développement du déterminant caractéristique
en fonction de l'ordre du déterminant
Ordre
3 4 i3 7 9
M ultiplications-
divisions M-D
Méthode o«P
f!
5u a
M-D
M-D
°? • cn °? °?
3= < 53 < < 53 <
Développement
direct . . . . 12 10 60 46 320 238 13 692 10 078 986 400 725 758
Danilevski . . . 14 12 42 36 92 80 282 252 632 576
Krylov . . . . 67 3S 179 118 389 280 1287 1022 3 209 2 688
Leverrier . . . 41 27 153 114 414 330 1791 1533 5228 4644
Coefficients in
déterminés . . 67 41 171 116 364 265 1 189 945 2 966 2481
Interpolation * 46 38 125 102 279 230 972 826 2 525 2 202
*Cf. chapitre X l \ \ § 23.
On voit de ce tableau que pour développer les déterminants d’un

ordre supérieur à cinq, c’est la méthode de Danilevski qui est la
plus efficace du point de vue du nombre d’opérations.
§ 11. Calcul de la valeur propre la plus grande en module

d’une matrice et d’un vecteur propre associé
Soit l ’équation caractéristique
det (A — XE) = 0.
Les racines de cette équation Xu X2» • • sont les valeurs propres
de la matrice A . Supposons qu'à ces valeurs propres soient associés
les vecteurs propres linéairement indépendants x {1\ x {2\ . . ., ar(7l>.
Indiquons quelques méthodes itératives pour calculer la valeur
§ 11.J CALCUL DE LA VALEUR PROPRE LA PLUS GRANDE EN MODULE 4 25
propre la plus grande en module d’une matrice A qui n’imposent

pas le développement de son déterminant caractéristique.
C a s 1. Parmi les valeurs propres de la matrice A il y en
a une seule la plus grande en module. Supposons, pour fixer les
idées, que
I Xi | > | I ^ I I ^ ^ I I" (1)
Ainsi la plus grande en module est la p r e m i è r e v a l e u r
p r o p r e . Evidemment, pour une matrice réelle la valeur propre Xj
la plus grande en module est réelle. Notons que ce cas a lieu si la
matrice A est réelle et si ses éléments sont positifs (chapitre X,
§16, théorème de Perron).
Indiquons un mode approché de calcul de la racine Xj. Prenons
un vecteur arbitraire y et développons-le par rapport aux vecteurs
propres de la matrice A :
n
y = 2 c>*(i)»
i-i
où cj(j = 1, 2, sont des constantes. En appliquant la trans-
formation A au vecteur y y on aura:
A y = 2 cjA'x^K
;=1
xü) étant le vecteur propre de la transformation A , c’est-à-dire
= on en tire:
n
A y — S cjXj'xü) ;
j=<
appelons A y itération du vecteur y .
En composant successivement les itérations A y %A*y, . . . A my
on tombe sur
Amy = S cjX?x& (2)
(m-ième itération).
Choisissons dans l ’espace En = {?/} une base eu e2, . . en
quelconque. Soit
Amy = ?/m> (m = 1, 2, 3, . . . )
et
ÿjm> (i = 1, 2, . . n) étant les coordonnées du vecteur y tm> dans

la base retenue.
426 CALCUL DES VALEURS PROPRES ET DES VECTEURS PROPRES LCH. XII
Le développement des vecteurs propres par rapport aux

vecteurs de la base donne
n
* ° )=f 2 x uei- (3)
j=i
En portant (3) dans la formule (2), on a :
2/(m) = £ cjk? £ xi jet,

i=1 i=l
ou, en changeant l ’ordre de sommation,
?/("■>= £ Ci £ (.4)
i=l i - 1
Le coefficient de e* est la i-ème coordonnée du vecteur y<m>.
On peut donc écrire :
»',“>= S c,xu l ? . (V)

1-1
2 /f+ ,)= £ C;X,Ar+1. (4 )

i= l
La division de la deuxième somme par la première amène
«i*iiXT+< + . . . + c n* i n C H
»im) «1* ^ 1*+ • • • + «n*in*JT
Supposons que Cj 0 et xa =5^= 0. On peut l ’obtenir en choisissant

convenablement le vecteur initial y et la base (elt e2, . . en).
Transformons l ’expression (5) de la façon suivante:
, , «2*12 / *2 \ mT-l , , «n*in l K \ m+ 1
y lm + l)
~l" ^ i r u 1 ) + -+ ' ^ i r v ^ )
=h
a 1 «2* i 2 f ^2 \ m ■ ■ enxin ( \m
+ «i*ii U , ) c ,* a U , /
En passant à la limite quand m -*■ 00 et en tenant compte de
l’inégalité (1), on a :
(m + l)
lim ( 6)
m -t-c o y^ ” *
(puisque lim (-5^-) = 0 pour / > l ) ou, approximativement,
y f + ‘>
y(m) ( i = l , 2, (7)
s 11.1 CALCUL DE LA VALEUR PROPRE LA PLUS GRANDE EN MODULE 427
et, plus précisément,
( ( £ ) ’ )•
Si le numéro de l ’itération est suffisamment grand, nous pouvons

définir d’après la formule (7), avec une précision quelconque, la
racine la plus grande en module de l ’équation caractéristique de
la matrice A donnée. Pour chercher cette racine on peut utiliser
une coordonnée quelconque du vecteur y (7rt); on peut prendre en
particulier la moyenne arithmétique des rapports respectifs.
R e m a r q u e 1. Dans les cas exceptionnels, lorsque le choix
du vecteur y est mauvais, il se peut que la formule (6) ne donne pas
la racine cherchée ou même n’ait aucun sens, c ’est-à-dire il se peut
<m+l>
que la limite du rapport yi(m)- n’existe pas. On s’en aperçoit faci-
i
lement d’après les valeurs « sautantes » de ce rapport. Il faut alors
essayer un autre vecteur initial.
R e m a r q u e 2? Pour accélérer la convergence de l ’itération
(6), il est quelquefois avantageux de composer la suite des matrices
AS = A -A ,
A4 = AS-A2,
A8 = A4-A*t
A*k = A?k~1-A2h~1.
D’où l’on tire
2/<m>= Amy
et
^(m+l) —-
avec m = 2 k. Ensuite, on pose comme d’habitude:
y$m+1)
—ÿ r (i “ 1, 2, ■. . , ITr^m
Le vecteur y im>= A my est approximativement le vecteur propre

de la matrice A , associé à la valeur propre Xj. En effet, la formule
(2) entraîne:
= £ c jk fx S \
où = 1,2, . . . , n ) sont les vecteurs propres de A .

428 CALCUL DES VALEURS PROPRES ET DES VECTEURS PROPRES [CH. X II
Par suite
A » y = ctt? {*(*>+ 2 (-j£ )m*tf>} •
;=2
Comme —►* 0 quand m -> oo ( ; > 1), pour m suffisam
ment grand on aura avec la précision qu'on voudra
Amy « c1X7lac<1>,
c’est-à-dire que A my ne se distingue du vecteur propre x (1> que
par le facteur numérique et, par conséquent, il est également un
vecteur propre associé à la même valeur propre k t.
E x e m p l e . Trouver la plus grande valeur propre de la matri
ce
et le vecteur propre qui lui correspond. „

S o l u t i o n . Choisissons un vecteur initial
Composons le tableau 27.

T a b le a u 2 7
Calcul de la première valeur propre
y Ay A*y A*y A*y A*y A*y AlOy
1 5 24 111 504 2268 10161 45433 202 833 905 238 4038 939
1 4 15 60 252 1089 4 779 21141 93 906 417 987 1862 460
1 2 6 21 81 333 1422 6 201 27342 121248 539 235
En s’arrêtant aux itérations ,A9// = 2/<9> et A ”y = y<W, on

obtient les valeurs
y[™ 4038939
— 4 462 •
y P» 905238
„a«. _ 1862460
y‘»>. 417987
= 4,456 ;
y'*10' 539235
121248
4,447 .
i/39>
§ 11]. CALCUL DE LA VALEUR PROPRE LA PLUS GRANDE EN MODULE 429
On peut donc poser approximativement :

Xi = -- (4,462 + 4,456 + 4,447) = 4,455 « 4,46.
Comme premier vecteur propre de A on peut prendre
[ 4038939T
1862460 .
539235 J
[ u,yu-i
Après sa normalisation <ii obtient finalem
^0,90- 0,42
ac<D =
C as 2. La valeur propre de0,12 A laJ plus grande en module est

multiple.
Soit
Xj —Xj — . . . = X,
et
| Xj | > | Xft | pour kz>s.
La formule (5) conduit à
ytm+l) ^
if?n)
« l* ! ^ ? * *1 + ■. ■+C«*i,X ? + 1 + C,+i*f + • • • +CnXlnX” +<
*1* 11X1*+ • • • + e«*l«X™ + + . . • +*n*lnX™
I X,+i \ m+ l / X„ \™ +l
« l * l l + - . + * » * l » + «.+l*l, «+1 ( “ x r * / + - --+ « n * ln )
= / X*4.j \*» ]~kn V" ’
«1*11 + • • • + ««*!»+«5+l*l.«+l ( “ jiï-
) + ’ ' ’ + c’»x *n )
D’où si CiXa+ . . . -t-c»xi,^É=0 et en tenant compte que
Xfc \ m 0 quand m -+■ 00 et k > s .
on obtient
„(m+l)
lim — p - = Xj (t = l , 2, . . . , n )
ou plus précisément
Donc dans ce cas-là aussi on peut appliquer le procédé de calcul

de Xt décrit dans ce qui précède.
De même qu’auparavant,
y(m) = Amy
est l ’un des vecteurs propres approchés de la matrice A associés à la
valeur En changeant le vecteur initial y nous obtenons, dans le
cas général, un autre vecteur de A linéairement indépendant. Cons
tatons que dans ce cas, pour la valeur Xl9 le procédé appliqué ne
garantit pas la détermination de l ’ensemble tout entier des vecteurs
propres linéairement indépendants de la matrice A .
Pour les cas 1-2 on peut indiquer une procédure itérative plus
rapide de la recherche de la valeur propre Xj la plus grande en modu
le; composons la suite des matrices
/AI , /I
A 2 , /I
A 4, AX8 ,
JC • • a, A 2* .
On sait (chapitre X, § 12) que
2 Xi = SP ^4 ;
1=11
d’une façon analogue
S x r= S p y tm,
i=l
avec 771= 2*. En nous bornant pour simplifier au cas 1, on a :
+ . . . + _ c = > ? [ 1 + ( 4 7 ) m+ • • • + ( 4 r ) m] = s p y‘ra ;
d’où
Quand m -►* oo, on obtient:

|X, |= l i m î / S p I ^ r
m-*oo
c’est-à-dire
où m est suffisamment grand.

Pour éviter l ’extraction des racines de grands indices, on peut
trouver
A m+1 = A mA .
Il vient
xm+l + x m+l + ' a-X£+‘ = Sp X"*+X
$ 12.1 METHODE DES PRODUITS SCALAIRES 431
et
x r + x y + . . . + c = s p A m.
Il en résulte, compte tenu de la petitesse relative~de | X21, . . .
.. | Xn | par rapport à | |,
X, « S p Am+1/Sp Am.
§ 12. Application de la méthode des produits scalaires

au calcul de la première valeur propre
d’une matrice réelle
Le calcul de la première valeur propre X1 d’une matrice réelle A
peut se faire en appliquant un autre processus itératif quelquefois
plus avantageux. Cette méthode est basée sur la formation des
produits scalaires
(Ahy 0, A 'hy 0) et (Ak~ly 0, A,hy 0)
(k = 1, 2, . . .) où A 9 est une transposée de la matrice A et y 0 un
vecteur initial choisi d’une façon quelconque.
Passons maintenant à l ’exposé de cette méthode.
Soit A une matrice réelle et Xj, X2, . . Xn ses valeurs propres
qu’on suppose distinctes et telles que
Prenons un certain vecteur y 0 non nul et construisons à l ’aide

de la matrice A la suite des itérations
yh = A//k_, (A: = 1, 2, . . .). (1)
Formons également pour le vecteur y 0 à l ’aide~de la transposée A '
une deuxième suite des itérations
yk = A’y'h- i (fc = 1, 2, . . . , ), (2)
où y'0 = y 0.
D’après le théorème 1 du chapitre X, § 16, choisissons dans l ’espa
ce En deux bases propres {xj} et {x) } respectivement pour les matri
ces A et A ' qui vérifient les conditions de biorthonormalisation :
(jcj, acj) = ôiy, (3)
avec A x i^ X iX i et Arx) — X*x) (i, / = 1 , 2 Désignons les
coordonnées du vecteur ?/0 dans la base {xj} par au . . . , a n, et
dans la base {x]} par bu &2, . . . , 6 n, c’est-à-dire
I/o = + • • • + anx n et ÿ 0= M Î + ••• + W .
D’où
n
y h = Aky 0= 2 afliJjX} (4)
1
et
y'k = A ’hy 0= (fe = 1 , 2 , . . . ) . ( 4 ')
J-i
Composons le produit scalaire
(yh, Vk) = (Ahy 0, A 'ky 0) = (y0, A 'ihy 0) ■=
= ( 2 «|2C<, .2 •
i=l j=i
La condition d’orthonormalisation entraîne
n
(Vk, Vk)= 2 a jb f\lk =
= a |6 * X ,ik 4 - 02&5*2* 4~ - • • + A ri^n^n*- (5)
(l/fc-l» 2/k) = al&î*l* *4" 14 • • • 4" ®nÔ**n* *• (6)
Par conséquent, pour a t6*^ 0 , on a :
(Vk. Vfc) «t***?* 4-«2*5*l* + . . . 4-anffl-n* , . 0 / / Xt \2fcv
(Vft-i- »*) a,6*A.f" 14 - 14-• • • 4-«n*S*Sk“ 1 ^ \ \ h I /'
Ainsi
, _. (0h. Vk) (A»u0, A ' * y o)
Al~ ( y k-1, M ~ ( ^ - ^ 0. ^ 0)
Cette méthode est commode surtout pour une matrice symétrique A
du fait qu’alors A ' = A et on a simplement
! (AhiJ0, Aku 0) .
1 ~ (A*-iy0, A*y0) ’ (8 )
il ne faut donc former qu’une seule s u i t e s = A ky 0 (k = i , 2, . •).

E x e m p l e . Chercher par la méthode des produits scalaires
la plus grande valeur propre de la matrice (§ 11)
[ 4 1 0-
12 1 .
0 1 1.
S o l u t i o n . La matrice A étant symétrique, il suffit de
construire une seule suite d’itérations A ky 0 {k = 1, 2, . . .). En
adoptant pour vecteur initial
§ 12 . ] MÉTHODE DES PRODUITS SCALAIRES 433
on peut utiliser les résultats fournis par le tableau 27. Par exemple,
pour k = 5 et k = 6, on a
[ 2 268t rlO 161 n
1 089 et A*y0^ \ 4 779 .
333J L 1 422 J
D’où
(Aby 0, A*y0) = 2268 -10161 + 1089 -4779 + 333 -1422 = 28 723 005
et
(A*y0, A 6y 0) = 10 1612 + 47792 + 14222 = 128 106 846.
Pi r suite,
y _ (A*v0, A9i/ q) 128 106846 , /f.
1 ~ (A ^0l A*Vo) 28 723 005
ce qui coïncide, pour les chiffres écrits, avec la valeur obtenue au
§ 11 à l ’aide de A 10y 0.
R e m a r q u e . Les méthodes de calcul de la racine la plus
grande en module d’une équation caractéristique (§ 11) peuvent
être utilisées pour le calcul de la racine la plus grande en module
d’une équation algébrique
Xn + P i* ” - 1 + . . . + pn = 0. (9)
En effet, on vérifie immédiatement que l ’équation (9) est ca
ractéristique pour la matrice (cf. § 3, matrice de Frobénius)
' — Pi — Pl • • • — Pn-i — Pn'
1 0 ... 0 0
p =
0 0 ... 1 0 .
c’est-à-dire (9) est équivalente à l ’équation
det (xP — E) = 0.
Si l ’équation (9) ne possède pas de racines milles, on peut déter
miner d’une façon analogue la racine la plus petite en module de
1
cette équation, et notamment pour pn 0t en posant — = y, on
obtient
ÿn + _ P ^ ! _ ÿ». (. _ > + J _ ==0 (10)
Pn Pn
La valeur inverse de la racine la plus grande en module de (10)

donne évidemment la racine la plus petite en module de (9).
28-01072
434 CALCUL D E S V A L E U R S P R O P R E S E T D E S V E C T E U R S P R O P R E S [C H . X I I
§ 13. Calcul de la deuxième valeur propre

et du deuxième vecteur propre d’une matrice
Supposons que les valeurs propres de Xj (/ = 1, 2, . . n)
de la matrice A sont telles que
c ’est-à-dire qu’il existe deux valeurs propres distinctes et X2 de

la matrice A les plus grandes en module. Dans ce cas en appliquant
le procédé analogue à celui du § 11 on peut calculer approximative
ment la deuxième valeur propre ta Ie vecteur propre jr(2) associé.
La formule (2) du § 11 entraîne
Amy - Cl)™x(l) + c2X?jtW cnO (n) (2)
et
A ^ h j = c A r+ V » + c2x r H*<2> + . . . -f c „ C + lJi'(n>. (3)
Eliminons des formules (2) et (3) les termes contenant X,. A cette
fin retranchons de l ’égalité (3) le produit de l ’égalité (2) par Xj.
11 en résulte
Am+'y _ ^ A my = c2X? (X2- X.) a<2>+ . . . -r c„/£ (X„ - X.) (4)
Pour abréger l’écriture introduisons les notations
A),Amy —A m+1y —XAmy ; (5)
appelons l ’expression (5) %-différence de A"'y. Si c2 # 0, il est évident
que le premier terme du deuxième membre de (4) est son terme
principal quand m oo, et nous avons l ’égalité approchée
AxlA "* y « c 2X?(X2- X 1) ^ 2). ( 6)
D’où
Au Am~hj « CjX?-1(X j-X ^ z<2>. (7)
Soit
y(r
Amy = j / m>= y?'
Les formules (6) et (7) donnent
^2 (f = 1. 2, (8)
L’utilisation de la formule (8) permet d’obtenir par calcul appro

ché la deuxième valeur propre X2. Remarquons qu’en pratique, vu
§ 13.1 CALCUL DE LA DEUXIÈME VALEUR PROPRE 435
les pertes de précision par soustraction de nombres voisins, il est

quelquefois plus avantageux de prendre le numéro de l ’itération k
pour %z plus petit que le numéro de l ’itération m pour c’est-à-dire
il est rationnel d’adopter:
où k est le plus petit nombre pour lequel la domination de X2 sur les

valeurs propres successives devient manifeste. En général, la formu
le (9) donne des valeurs grossières de X2. Constatons que si les modules
de toutes les valeurs propres sont distincts, les formules analogues
à (9) permettent de calculer également les autres valeurs propres
de la matrice donnée. Mais les résultats de ces calculs seront encore
moins sûrs.
Pour ce qui est du vecteur propre jr<2), la formule (6) montre
qu’on peut poser
jc<2>« A ^ //^ . (10)
Il existe une extension de cette méthode au cas des racines mul
tiples d’une équation caractéristique [1].
E x e m p l e . Déterminer les valeurs propres et les vecteurs
propres successifs de la matrice (cf. exemple de § 11)
S o l u t i o n . Pour calculer la deuxième valeur propre adop

tons k = 8. On a (cf. tableau 27) :
.A*?/ A8*j A^y
45 433 202 833 905 238

21 141 93 90fi 417987
fi 201 27 342 121248
Composons les ^-différences d’après la formule

( < = i, 2,3 ),
avec yM = A3y . Pour chacune des colonnes on adopte sa valeur de
Xi, soit >*= 4,462; = 4,456; Xt = 4,447 (tableau 28).
28*
436 CALCUL D E S V A L E U R S P R O P R E S E T D E S V E C T E U R S P R O P R E S [C H . X I I
T a b le a u 2 8
Calcul de la deuxième valeur propre
A *y Xi A *y ).lA » y
202 833 202 722 1Ü 905 238 905041 197

93 906 94 204 -298 417 987 418 445 -458
27 342 27 576 -234 121248 121 590 -342
On en tire
myjfl) 197 v?' —458
111
= 1,78; —298
1,54 ;
W S'
—342
—234
1,40.
On peut donc poser approximativement :

Ji2= - j ( l , 78+ 1,54 + 1 ,4 6 )» 1,59.
Pour deuxième vecteur propre on adopte:
&uA8y =
La normalisation de ce vecteur donne :

0,33-j
[ - 0 ,7 6
—0,56J
.
La matrice A étant symétrique, les vecteurs x a> (§ 11) et ac,#*

doivent être orthogonaux entre eux. La vérification donne:
(*<*>, x ,2)) = 0,90-0,33 + 0,42-(-0,76) + 0,12-(-0,56) = 0,09.
D où < (*a », x<2>) = 85°, ce qui est assez imprécis.
La troisième valeur propre X3 se trouve d’après la trace de A :
Il en résulte Xi + Xj + = Sp ^ = 4 + 2 + 1 = 7.
X3 = 7 — 4,46 — 1,59 æ 0,95.
§ 14-] MÉTHODE D’EXHAUSTION 437
Le vecteur propre
se calcule à partir des conditions d'orthogonalité

0,90z5a>+ 0,42x23>+0,12j:33>= 0, |
0,33*;3>+ ( - 0,76) x?' + ( - 0,56) x ? = 0. )
Il en résulte
xi3»
1 0,42 0,12 1 0,12 0,901 " 10,90 0,421
I —0,76 -0 ,5 6 | -0 ,5 6 0,331 | 0,33 —0,761
x'3> x?>
-0 ,1 4 4 0,539 -0 ,8 1 8 ’
Après normalisation on obtient finalement :
x<3>=
§ 14. Méthode d’exhaustion

Il existe encore une méthode pour déterminer la deuxième valeur
propre d’une matrice et son vecteur propre associé, dite méthode
aexhaustion [1].
Supposons que la matrice A = [atj\ soit réelle et possède des
valeurs propres distinctes ta, . . ., Xn, de plus
|fc1| > | f c » l > l * , | > . • • > \ K l
Considérons avec la matrice A la matrice
Ai = A — \ xX iX \, ( i)
où ta est la première valeur propre de A,
xn
x2i
Xi =
_x n\ m
est le vecteur propre correspondant de A considéré comme matrice
colonne, et
— 1^11*^21 * • •
est le vecteur propre associé à Xx de la transposée A \ considérée

comme matrice ligne; en outre, les vecteurs X\ et X\ sont normalisés
de façon que leur produit scalaire soit égal à un:
(* ., * ;* ) = * ;* , - y 1. (2)
Le nombre et les vecteurs X\ et X[ sont supposés connus.

La matrice Ai s’écrit sous forme développée
a li a i2 • • • a in x iX
Û21 ^22 • • • Ûon X2i
A t = [xXiX2X . . . X'm| =
2 • • • & nn _ _ Xjx i _
fl|l Û|2 • • • ain x iix n\
a 2i a 22 • ■■a 2n x2\Xi\ x2ixti x 2 ix n \

(j')
■**
L u ni u n2 . . . an n _ _ XniXxx XjifXJJ x n ix n l
Montrons que tous vecteurs propres X j (j = 1, 2, . . n) de A

sont aussi vecteurs propres de Ai ; de plus, les valeurs propres asso
ciées sont conservées, sauf Xi qui est remplacée par une valeur propre
nulle.
En effet, l ’associativité d’un produit matriciel et la condition
de normalisation (2) font qu’on a
A tXi = A X i - Xi ( Xi Xd X.i = XiX i -
- X i X i (X[Xi) = XiXi - X tXi = 0,
c’est-à-dire
Ai Xi = OXi
et donc la valeur propre de A est zéro.
Ensuite, pour / > 1 et tenant compte du fait que
( Xh X[*) = X'xX j = 0 (/ = 2 , . . M n)
(cf. chapitre X, § 16, théorème 1), on obtient
Ai Xj = A X j - X i (XiX[) X j = XtXj - X i X i (X[Xj) = X j X }
U = 2, . . ., n).
Ainsi, pour la matrice A x la valeur propre la plus grande en
module est X2. Pour déterminer X2 et le vecteur propre X 2 associé
on peut donc faire appel aux méthodes indiquées aux §§ 11 et 12.
Ce procédé s’appelle méthode d'exhaustion. Par exemple, en partant
? 14.] MÉTHODE D’EXH AUSTION 430
du vecteur arbitraire ÿ 0 on peut calculer X2 d’après la formule

M” iro)i
*2 0 = 1, 2,
de plus
X 2 ~ cA™f/o (c =?£=0).
Montrons que pour chercher les itérations ATl/o (m = 1» 2, . . .)
on peut utiliser la formule
A ^ / o ^ A ^ y o - X ^ X ^ y o , (3)
qui permet d’éviter l ’itération directe de la matrice A t.
En effet, supposons que les vecteurs propres X j et X j 0 = 1»
2, . . n) de A et de la transposée A ' vérifient les conditions de
biorthonormalisation (chapitre X, § 16, théorème 2)
X k X j = ôjh ,
où ôjh est le symbole de Kronecker. On est alors en présence d’un

développement bilinéaire de A :
A = + A*XSX ;-f . . . + XnX„Xn• O)
D’où
A t = a - xtX tX ;= a*x2x ; + . . . 4- K x nx „ . (5)
Comme
AmX j = k'fXj 0 = 1.2, . . . , n ) ,
en prémultipliant (4) par A m~l, on a :
Am = A mX xX\ + 4 mX2X; + , . . + A mX nX'n =
=x?x,x;+x?x2x; +... + Cx„x;. («)
D’une façon analogue, en tenant compte de
A T X ^ A ^ - ^ A . X t) = 0
et
A ? X j= k?Xj (;' = 2 , 3 , . . . , n ) ,
on obtient après prémultiplication de (5) par A™-1
AT= ATx2x't +... + i4î*x„x;=
=x?x2x; +... + cx„x;. (7)
AT= Am-kTXiX'l,
ce qui est équivalent à la relation (3).
§ 15. Calcul des éléments propres d’une matrice

symétrique définie positive
Exposons la méthode itérative de la recherche simultanée des
valeurs propres et des vecteurs propres d’une matrice définie posi
tive [5].
On sait (chapitre X, § 15) que si une matrice réelle
A = [au ]
est symétrique et définie positive,
1) les racines X2, . . de son équation caractéristique
’u — h flj2 . . . Q,\n
a2i fl22— ••• n = 0 (i)
®nl û/i2 ••• ^nn ^_
sont réelles et positives ;
2) les vecteurs propres
m
* 0) = I : I (;' = 1, 2, . . . n )
peuvent être pris réels et vérifient les conditions^ d’orthogonalité
2 x^x' P — O pour j k. (2)

»=i
Ecrivons un système qui permet de calculer le vecteur propre
ac(1>c
(a„ — al2x(2l)-t-. . . "
4" (a22— • 4~a2nXn *= 0»
anl*!0 + «n2*<21) + . . . + («nn —*.,) X(„0 = 0 .
x[u = (aux;1’ + + . . . + alnx;‘'),
xiU= Jj- (a21î1>+ 022X;1*+ . . . + <Ï2nXn*).

(3)
XftLi — (fln-1. iX,1 4" ®n-l.2Xj T • • • 4“ ®n-J. nXn*),
>■1= -Tir(antx;1’4-aH-,x\l>+ . . . 4 -annx(n ).

xn
§ 15.] MATRICE SYMÉTRIQUE DÉFINIE POSITIVE 441
Les coordonnées des vecteurs propres étant définies à un facteur

de proportionnalité près, Tune d’elles est arbitraire; par exemple,
on peut poser, sauf le cas particulier, = 1. En général, le systè
me (3) peut être résolu par la méthode itérative [5] en choisissant
des valeurs initiales convenables Xil’0>, Xj01 et en posant
n - 1
“ W ( S «</*!'• *’ + « ..) <1 = 1 .2 ........ n - i ) ;

1 j-l
n —1
M*+‘) = 2 v ! U+1) + «»n (* = 0, 1,2, . . . ).

j=l
On peut également utiliser le processus de Seidel. C’est ainsi
qu’on obtient la première racine de (1)
K« (4)
et le premier vecteur propre
*(1);
xn - 1
Pour calculer la deuxième racine X2 de (1) et le deuxième vecteur

propre jr<2), écrivons le système d’équations correspondant:
V (i2)= S ^ 2) (t = 1, 2, . . . . n). (5)

1=1
Eliminons des relations d’orthogonalité
i=l
2*S 'M ,>= o <#>
l’une des inconnues x}2), par exemple j 42)- Le système (5) sera alors
remplacé par le système équivalent
B -l
E - S ’M ” <1 =1 . 2 .......... n - 2 ) .
;= 1
n —1
(7)
\ 1 ^ -(2) _(2)
— / l Gn-i,]30} •
Z» - ‘ ;=1
En posant = 1, résolvons le système (7) par la méthode
itérative. On finira par obtenir la deuxième racine X2 de l ’équation
caractéristique (1) et le vecteur propre jt<2\ la n-ième coordonnée

de ce vecteur étant fournie par la condition d’orthogonalité (6).
D’une façon analogue on cherche les autres racines Xj (j = 3, . . .
. . n) de (1) et les vecteurs propres associés x (2>.
Nous ne considérerons pas les cas singuliers auxquels cette métho
de peut donner lieu.
E x e m p l e . Trouver pour la matrice [5]
4 2 2
A= 2 5 1
2 1 6.
les racines de l’équation caractéristique et les vecteurs pro
pres x (}>.
S o l u t i o n . La matrice A est symétrique et définie positive
puisque
Aj = 4 > 0 ;
4 2
A2 = 16 > 0 ;
2 5
As = det A = 80 > 0.
Le système associé est de la forme
Xjx[>> = 4xü) -)- 2x(/> + 2xtf>, ï
X,x<» = 2x<>>-f 5xÿ> + x, \ (/ = 1, 2, 3). (S)
= 2x^> + x\ïï -(- 6x^1 j
En posant 7 = 1 et x'l> = 1, on obtient:
x ? ' = ± - ( 4 x ? ' + 2x?> + 2 ) ,
x;u =-^-(2x;l ,+ 5 x ;1, + i),

x1= 2x;u + x ;1>+ 6 .
Le système (9) est résolu par la méthode itérative en prenant
pour valeurs initiales
x‘1(0, = l et x;*’ ®= l.
La dernière équation du système (9) donne alors Xlf = 9. Les résul
tats du calcul sont portés sur le tableau 29.
On peut adopter
Xi = 8,3874
S 1$.] MATRICE SYMETRIQUE DEFINIE POSITIVE W i
T a b le a u 2 9
Calcul par la méthode itérative des éléments propres

d'une matrice relatifs à la première racine
de l’équation caractéristique
fc *(lfc) XU*) x(ifc)

2 3
0 1 1 1 9
1 0,89 0,S9 1 8,67
2 0,85 0,83 1 8.53
3 0,83 0,80 1 8,46
4 0,81 0,78 1 8,40
5 0,805 0,770 1 8,38
6 0,806 0,771 1 8,383
7 0,807 0,771 1 8,385
8 0.8074 0,7715 1 8,3863
9 0,8076 0,7717 1 8,3869
10 0,8076 0,7719 1 8,3871
il 0,8077 0,7720 1 8,3874
et
0,8077
0,7720
11
Posons maintenant dans le système (8) j = 2. La condition
d ’orthogonalité des vecteurs x a> et x (î| conduit à
0,8077 + 0,7720 xJ" + x«* = 0.
D’où
Xj* — —0,8077x5**—0,7720xi". (10)
En portant cette expression dans le système (8) et en posant
xJ” = 1, on obtient :
xJ" = —- (2,3846x1" + 0,4560),
Xi= 1,1923x1" + 4,2280.
Le système (11) est résolu par la méthode itérative en posant
x?'» = i et X;0>= 5,42.
Les résultats du calcul figurent dans le tableau 30.
On peut adopter X2 = 4,4867 et x™ = 0,2170; xi2) = 1.
La troisième coordonnée est déterminée à partir des relations
d ’orthogonalité (10):
X32>= —0,9473,
T a b le a u 3 0
Calcul par la méthode itérative des éléments propres d*une matrice

relatifs à la deuxième racine de l'équation caractéristique
h -(2*) ,<2fc) h x(2*)

*1 x2 4*> 4 2fc)
0 1 1 5,42 0 0,223 1 4,494

i 0,52 1 4,85 7 0,220 1 4,490
2 0,35 1 4,64 8 0,218 1 4,488
3 0,28 i 4,50 9 0,2174 1 4,487
4 0,25 1 4,53 10 0,2171 1 4,4868
5 0,23 1 4,500 11 0,2170 1 4,4867
c’est pourquoi
0,2170
x ci)_ 1
0,9473.
Le troisième vecteur propre x (3> se déduit directement des deux
relations d’orthogonalité
0,8077x(13>+ 0,7720xj3>+ *i3>= 0, 1
0,2170x;3) + x;S)—0,9473xf = 0. J
En posant x\Z} 1, on obtient x‘3>= —0,5673 ; x^3>= —0,3698.
Par conséquent,
' 1
x (3) _ -0 ,5 6 7 3 .
. —0,3698.
La dernière équation du système (8) pour / = 3 conduit égale
ment à
X3 = 2,1260.
Pour vérifier, composons la trace de la matrice A :
Sp A = X, + X2 + X3 = 8,3874 + 4,4867 + 2,1260 =
= 15,0001 « 4 + 5 + 6.
Remarquons que les racines fournies par le processus itératif
sont le plus souvent rangées dans l ’ordre décroissant de leurs modules.
Les vecteurs propres de la matrice sont déterminés à un coefficient
de proportionnalité près, pour cette raison, toutes les solutions du
système (8) sont les suivantes:
§ 16.] COEFFICIENTS D’UN POLYNOME CARACTÉRISTIQUE 445
$ $
x 0 )
h *3
8,3874 0,8077c, 0,7720c, c \

4,4867 0,2170c2 c2 -0,9473c2
2,1260 C3 —0,5673c3 —0,3698c3
{<?!, c2i c3 sont des constantes arbitraires différentes du zéro).

§ 16. Inversion d'une matrice à l'aide des coefficients
d'un polynôme caractéristique
Dans ce qui précède nous avons exposé les procédés de développe
ment du déterminant caractéristique en un polynôme (§§ 3-9).
En utilisant les coefficients de ce polynôme et en composant les
puissances A , A 2, . . ., A71-1 de la matrice régulière A d’ordre n
il est relativement facile d’obtenir l ’inverse A~x. Sous ce rapport,
la méthode de Leverrier (§ 8) présente de grands avantages.
Soit la matrice régulière A d’ordre n. Considérons son polynôme
caractéristique
det (A,2? —A) = Xn + pjX71”1 + . . . + Pn-i^ + Pn•
D ’après l'identité d’Hamilton-Cayley (chapitre XI, § 2), on a
A n + P iA n~x + . • . + P n - i A + p nE = 0. (1)
En prémultipliant l ’égalité matricielle (1) par yl"4 , on obtient
A n~x + p\A n~* + • . . + P n - + PnA~x = 0. (2)
D’où pour pn 0
A~l = — j~ (A n- 1-t PiA"-*- + . . . + Pn-iE). (3)
Pn
Ainsi, si l’on connaît les coefficients du polynôme caractéristique
de A et si l ’on a composé les puissances de cette matrice jusqu’à
la puissance (n — 1) y comprise, la matrice A -1 se calcule sans
peine d ’après la formule (3).
Constatons que si pn = 0 et pn_, 0, pour obtenir la formule con
tenant A -1 l ’égalité vectorielle (1) doit être prémultipliée par A -2, etc.
E x e m p l e . Trouver l ’inverse A -1 de la matrice (cf. § 8,
exemple)
■1 2 3 4 '
2 12 3
A=
3 2 12
4 3 2 1
Solution. Utilisons les puissances de A déjà trouvées (§8):

'30 22 18 20'
22 18 16 18
A*- =
18 16 18 22
20 18 22 30
et
208 178 192 242'
178 148 154 192
192 154 148 178
242 192 178 208
Le polynôme caractéristique de A s’écrivant
det (JL4 — E) = X* — 4A.3 - 40Jt* — 56X, — 20,
on obtient suivant la formule (3)
r ‘ 208 178 192 242‘
1 178 148 154 192
-2 0 ' 192 154 148 178
< .242 192 178 208.
'30 22 18 20 -1234' -îooo-
22 18 16 18 2 12 3 0 10 0
—4 —40 —56 ►
18 16 18 22 3 2 12 0 0 10
20 18 22 30 .4 3 2 1. .0001.
r -104 89 96 121* ‘60 44 36 40"
89 74 77 96 44 36 32 36
\
96 77 74 89 36 32 36 44
.121 96 89 104. .40 36 44 60.
>
8
O
O
*20 40 60 80"
O
40 20 40 60 0 28 0 0
>
60 40 20 40 0 0 28 0
.80 60 40 20. . 0 0 0 28. >
*—0,4 0,5 0 0,1*
0,5 - 1 0,5 0
0 0 , 5 —1 0,5 ‘
0,1 0 0,5 - 0 , 4 .
§ 17.] MÉTHODE DE LUSTERNIK POUR AMÉLIORER LA CONVERGENCE 447
Pour vérifier, composons le*produit

■1 2 3 4" f —0,4 0,5 0 0,11
in
O
lO
o
O
i-i_ 2 12 3
1
L =
3 2 12 0 0 , 5 —1 0,5
.4 3 2 1. 0,1 0 0,5 - 0 , 4 .
•1 0 0 0'
0 10 0
0 0 10
0 0 0 1
§ 17. Méthode de Lustemik pour améliorer la convergence

du processus itératif de résolution d’un système
d'équations linéaires
Supposons que le système d’équations linéaires
Ax = b (1)
est réduit à la forme commode pour l ’itération
x = P + ax. (1')
D’après la méthode itérative (chapitre IV, §8), les approximations
successives de la solution x du système (1') sont définies par la for
mule
x (m> = P + a x <m"l> (m = 1 , 2 , . . . ) , (2)
où x (0) est un vecteur initial arbitraire.

Supposons que les valeurs propres ^2» • • Xn de la matrice a
sont distinctes et que
I * i I > I *2 I > ■ • • > I * J . (3)
Le processus itératif (2) converge si
l*i| < 1 .
La première valeur propre peut être déterminée approxima
tivement moyennant les méthodes décrites aux §§ 11 et 12. Comme
l ’a démontré L. Lusternik [6], en utilisant le nombre on peut
accélérer nettement la convergence du processus itératif (2) de la
résolution du système (1').
Si m est suffisamment grand, on peut poser approximativement
x « x<m>.
Evaluons l ’erreur x — x (m\ Sous la condition de convergence du

processus (2), on a
m
x = lim x (m) = x (0) + 2 (x(h)—«<*-*)) ;
m-M» k= 1
d’autre part,
x (m) _ 3p(0) _j_ 2 (x<*>— *<*-*)).
*=1
Donc
x —ac(m) — 2 —x<ft-1>) =
= [x(m+ 1)—x<m)] + [x<m+2>— +... (4)
Puisque
x<h>— x <
-k~ l '>— [P + a x < h - 1 )J — (P -|- a x ( k - 2 >l =
= a(x<k-1>—x<h-2>) = ah_1 (x(,)—x<°>) avec k = 1 , 2 , . . . ,
il vient
x —x<m) = a m(x(1)_jc«»)-ranH-1(x<1) —x<°))+ . . . (5)
Soient y t, y 2, . . ?/„ les vecteurs propres de la matrice a asso
ciés aux valeurs propres Â.t, X2, . . ., Xn et formant la base de l ’es
pace En. En développant le vecteur x a> — x (0> par rapport aux
vecteurs de cette base, on aura:
x(D— x(°) = C jÿ , + C2ï / 2 -f- • • • + C n»/n,
où cj (; = 1,2, . . n) sont certains nombres déterminés. On en tire
x W— = a*” *(x W —x<°>) =
= !?/i 4“ ^ 2 1?/2 + • • • + *2/11 (6)
(Jc = m -\- i f /7 i- f - 2 , . . . ) .
On obtient donc d’après la formule (5) :
x —x<m>= (1 + -f- + • • •) ?/i +
4“ ( 1 4" ^2 4" ^2 “1“ • • •) V z
• • • 4~ c n ^ n (1 4 “ 4 ” k n 4" • • •) V n =
4"
CiK
1-^1 2 / i 4 T=T2 î/2 H---- Vn-
D’où, compte tenu de l’inégalité (3),

x —x<m>= ?/i -f O (X” ). (7)
De plus, on déduit de la formule (6) pour &= m-f-l:
x <m +1> - x '”»’ = c j f y , + O (X?). ( 8)
§ 17.] M É T H O D E DE L U ST E R X IK PnUR A M É L IO R E R LA C O N V E R G E N C E /4/t g
Par suite,
;/-<m+l>_x i m)
x —x c m ).
1-X, 0(X7).
Ainsi, on a finalement:
—x <m)
;x » X , m ’ -+ (9 )
T=T,
Le terme supplémentaire x< améliore sensiblement la
convergence du processus itératif (2).
Comme la formule (S) entraîne
x 'm*" — x ,m‘ = X, (x ,m’—x ,m-") -f O (\?), ( 10)
la formule (9) peut être remplacée par la formule suivante
„ tm > t / , j m ) ~ .c m -i> \
or.1* ( 11)
La formule (11) rend inutile le calcul de l ’approximation successive.

En vertu de la formule (10), la plus grande valeur propre peut
être calculée d’après la formule
~ X<™“2))| (l — 1» 2, . . . , Tl).
Dans le cas d’une matrice a symétrique, en utilisant la méthode
des produits scalaires on obtient une formule plus précise:
(X<Wl>—
(X(m“lï_x (7n"2,î x(m)_X(m*“1>) *
En particulier, si
^ o, = p ,
il vient
1>_ am-1 ^ « D _ x <«>) = a "»p
et
*«•» = *««+ 2 a k-1 (a-'1' — a ,<0>) = 2 a ftp .

h=l A— 0
On a donc
. _ (a"»E)i
( a ”- i p ) ,
(î — 1, 2, . . . , Tl), ( 12)
où (amP)i et (am"1p)i sont les i-èmes coordonnées respectivement

des vecteurs a mP et a m“'p. D’une façon analogue, si la matrice a
est symétrique
V (o"»-‘P, “T»
0™p) * (13)
2 9 —0 1 0 7 2
E x e m p le . Résoudre le système suivant par itération [1]

0,78*!—0,02x2—0,12x3—0,14x4 == 0,76 ; ^
—0,02*! + 0,86x2—0,04x3 + 0,06x4 = 0,08 ;
— 0,12a:,—0,04x2 + 0,72x3—0,08x4 = 1,12;
—0,14a:, + 0,06x2—0,08x3 + 0,74x4 = 0,68, ^
en appliquant pour améliorer la précision de la solution la méthode
de Lusternik.
S o l u t i o n . Réduisons le système à la forme commode pour
l ’application de la méthode itérative
x, = 0,22a:, + 0,02x2 -J- 0,12x3 -J- 0,14x4 + 0, / 6 ; y
x2 = 0,02x, + 0,14x2 + 0,04x3—0,06x4+ 0,08 ; ^ ^
x3 = 0,12a:, -f 0,04x2 + 0,28x3 + 0,08x4 + 1,12; * **
x4 = 0,14x, —0,06x2+ 0,08x3 + 0,26x4 + 0,68 J
ou en le mettant sous une forme matricielle
"*1 ‘ '0,76 "0,22 0,02 0,12 0,14‘
X2 0,08 0,02 0,14 0,04 — 0,06 *2 (14')
X3 1,12 0,12 0,04 0,28 0,08 x3
„*4_ .0,68 0,14 —0,06 0,08 0,26. .*4.
D’où
’0,22 0,02 0,12 0,14- •0,76'
0,02 0,14 0,04 —0,06 0,08
a - et p =
0,12 0,04 0,28 0,08 1,12
.0,14 - 0 ,0 6 0,08 0,26. .0,68.
Comme
|| a ||m = max (0,50; 0,26; 0,52; 0,54) = 0,54 < 1 ,
le processus itératif de (14) est convergent.
En prenant le vecteur P pour le vecteur initial x <0) on obtient
pour la /n-ième approximation x <m> de la solution cherchée
’ x, “
x2
X ==
% x3
_*4_
l ’expression suivante:
x,m>= fs aftp. (15)

fc=0
§ 17.1 M É T H O D E D E L U S T E R N IK POUR A M É L IO R E R L A C O N V E R G E N T E 451
Ainsi, pour calculer x 'm>, il faut former les itérations successives

du vecteur P à l ’aide de la matrice o. On a:
ro,22 0,02 0,12 0,14' '0 ,7 6 ' '0,3984'
0,02 0,14 0,04 - 0 ,0 6 0,08 0,0304
aP =
0,12 0,04 0,28 0,08 1,12 0,4624
0,14 —0,06 0,08 0,26. .0,68. .0,3680.
'0,22 0,02 0,12 0,14' '0,3984'
0,02 0,14 0,04 - 0,06 0,0304
0,12 0,04 0,28 0,08 0,4624
.0,14 - 0,06 0,08 0,26. .0,3680.
'0,195264'
= 0,008640
” 0,207936 ’
.0,186624.
etc.
Les résultats des calculs correspondants sont donnés dans le
tableau 31.
T a b le a u 31
Itérations successives du vecteur p par la matrice a
f* ap a 2p aip a4p
0,76 0,3984 0,195264 0,09421056 0,04527913

0,08 0,0304 0,008640 0,00223488 0,00055572
1,12 0,4624 0,207936 0,09692928 0,04589292
0,68 0,3680 0,186624 0,09197568 0,04472340
8
a&p aop a"?
ft-^0
0,02174095 0,01043649 0,00500961 0,00240463 1,532746

0,00013570 0,00003285 0,00000792 0,00000190 0,122009
0,02188361 0,01047017 0,00501763 0,00240654 1,972937
0,02160525 0,01040364 0,00500170 0,00240272 1,410737
Dans la formule (11) adoptons m — 8. La matrice a étant symé

trique, utilisons pour le calcul de sa première valeur propre la
29*
méthode des produits scalaires. On a :

. _ (a»p, g«p)
1~ (a'p, a«p) -
240 4632 + 1902 + 240 65'.2+ 240 2722
— 500 961 -240463+ 792.190 + 501 763-240 654 + 500170-240272
On en lire, compte tenu de sr<8>—x ‘’' = a 8P,
rap~
^ JB J_A) l_ g8P
r <s>+ _ __
-1,532746- -0,002405' -1,534965'
0,122009 , 12 0,000002 0,122011
1,972937 ‘r TT 0,002406 1,975159
_1,410737_ .0,002403. .1,412955.
Voici à titre de comparaison les valeurs de la solution du système
(11) fournies par la méthode de Gauss [11:
= 1,534965; x2 = 0,122010;
x 3 = 1,975166; x k = 1,412955.
Ainsi, si x <8> donnait les valeurs de i | (i = 1, 2, 3, 4) avec
une précision de 1 *10“3 à 2-10"3, après les corrections de Lusternik,
la précision sera poussée à peu près à 10 ~G.
La méthode de Lusternik peut être appliquée également au pro
cessus de Seidel. On sait que pour le système (2) le processus de
Seidel est un procédé itératif d ’un système équivalent
x = Pi + C tjX ,
où la matrice est définie par la matrice a (cf. chapitre XI, § 3),

et notamment, si
a = B + C,
où B est une matrice triangulaire inférieure à diagonale nulle et C
une matrice triangulaire supérieure, alors
= (E - B y 1 C.
Donc si £<m> (m = 1, 2, . . .) sont des approximations successives
de la solution x du système (2) établies d’après Seidel, on peut poser :
. l'm+1>-S«m>
+ t - (i, ’
avec p! la valeur propre de ai la plus grande en module.
Notons qu’il existe également d’autres méthodes d’amélioration
de la convergence des processus itératifs de résolution des systèmes
d’équations linéaires, celles, entre autres, de M. Gavourine [7],
[8], de A. Abramov.
§ 17.] MÉTHODE DE LUSTERNIK POUR AMÉLIORER LA CONVERGENTE 453
#
BIBLIOGRAPHIE
1. V . F a d d é e v a . Méthodes numériques d’algèbre linéaire. Gostekhizdat, Mos
cou, 1950, chapitre III.
2. /. G u e l j a n d . Cours d’algèbre linéaire. Ed. 2. Gostekhizdat, Moscou-Lénin
grad, 1951, appendice I.
3. A . K u r o s h . Cours d'algèbre supérieure. Editions Mir, Moscou, 1971.
4. H . W a i l e n d . Représentation de l’équation caractéristique sous la forme d*un
polynôme. Succès des sciences mathématiques II, fascicule 4 (20) (1947),
128-158.
5. W . E . M i l n e . Numerical calculus. Princeton University Press. Princeton,
1949.
6. L . L u s t e r n i k . Travaux do l’Institut des mathématiques V. Steklov, 20
(1947), p. 49.
7. M . G a v o u r i n e . Application des polynômes de meilleure approximation à
l’amélioration de la convergence des processus itératifs. Succès des sciences
mathématiques 5 ; 3 (37) (1950), 156-160.
S. /. B é r é z i n e , N . J i d k o u . Méthodes de calcul. Fizmatguiz, 1959, t. 2,
chapitre VIII.
CHAPITRE X III
RÉSOLUTION APPROCHÉE DES SYSTÈMES D ÉQUATIONS

NON LINÉAIRES
Considérons un système d’équations en général non linéaire
/i(*i, *2, • • - , *n) = 0, "
x2, . . . , xn) = 0, ^
fn(xi , * 2l . . Xn) = 0 ,
à premiers membres réels.
Ecrivons le système (1) sous une forme abrégée. L’ensemble des
arguments Xj, x2, . . ., xn peut être considéré comme un vecteur
de dimension n
" x\ "
- xn -
De façon analogue, l ’ensemble des fonctions /i, / 2, . . ., f n forme
un vecteur de dimension n (vecteur fonction)
r/ii
-/n -
Le système (1) peut donc s ’écrire sous une forme abrégée
/(*> = 0. (1#)
Pour résoudre le système (1') on fera appel à la méthode des ap
proximations successives.
Supposons qu’on ait trouvé la p-ième approximation
r _ _ / r 
J , r , • • • y r \)
d’une des solutions isolées x = (xlt x2, . . ., xn) de l ’équation

vectorielle (1')- La solution exacte de (1') pourra alors se mettre
f
METHODE DE NEWTON 455
sous la forme
/ar = ar'p>+ E,p>, (2)
où c,p) = (e(tp), e'p>, . e<p)) est une correction (e rre u r de
s o lu tio n ).
En portant l’expression (2) dans (1'), on aura
/ ( j r (p>+ c(p,) = 0- (3)
Supposons que la fonction f (x ) soit continûment dérivable dans
un certain domaine convexe qui contient x et x (P) et décomposons
le premier membre de l ’équation (3) par rapport aux puissances
du petit vecteur c(P> en nous bornant aux termes linéaires
f ( x ip) + c(p>) = /*(x<p)) + f (x(p)) E<p) = 0 (4)
ou, sous une forme développée,
M ^ ’- r e r » *T(P)
*-2 _li c2
o» • • • > •*T<
•/»p> 4_ g/\ —
i cn
= f i( x ? \ *a(P)i •••* *n -r‘P>\_l_/'
) \ Jixl /x
\J'i y r ‘P>» •••» x D c r +
-4- V \xi
i /tx2 ( x i p *y x2
X (p} y ••• y X ( p } J E(p>-T
) c2 ^- ■
• ......... x r K p> = 0,
, *;p, + e:p\ . . . . x r + e«p’) -
v
0.
x ? \ . . . . x D + z ^ ^ x r , x:»», x;p,)e;p>+
Il
+ / ^ ( x ; p>, X ? \ x ^ e r - r ... (4 ')
( x r , x ^ > ,. . . . x'p,)ekp) = 0,
/ n W P> + e<p\ x ? ' + e ? \ + e‘p,H

J P>
— f ( r lp)
— Jn V*m » r T - \
» • • • » J'n )
• r ( r <p)
J nxi \ x i * *^2 < p,) e r
+ fnXM P>, . . . . X T )* T + -
_L /'
i /axnV (x<
xiP>» x2
x’P>> < p,K p,- o .
Les formules (4) et (4') entraînent qu’il faut entendre par dérivée
f (x) la matrice jacobienne du système des fonctions / 4, / 2» . . fn
des variables x u z 2y . . xn
d/l 5/. àfi
cte.
i/2 _ jV î. àfz
/ ' (x) — W ( x ) ^ 0Xj dx2 i>xn
a/n g/n <Vn

. C/Xj ÔT.
456 RÉSOLUTION APPROCHÉE DES SYSTÈMES D'ÉQUATIONS TCH. X IH
ou, en écriture condensée,

r (*) = W (x) = [-g j-] (t, 7 = 1, 2...........n).
(4') est un système linéaire par rapport aux erreurs e(jP) (i = 1*
2, . . ., n) à matrice W (x) ; aussi peut-on mettre la formule (4)
sous la forme:
f ( X f1” ) + W ( X irn) E i p ' = 0 .
En supposant que la matrice W (x<p)) est régulière, on obtient :
Par conséquent,
x <p+1>= x <r> _ w -i ( x ) (p = 0, 1 ,2 , .. .) ( 5)
(iméthode de Newton).
On prend pour approximation initiale x <0> une valeur grossière
de la solution cherchée.
E x e m p l e 1. Trouver les solutions positives approchées
du système d’équations (cf. chapitre IV, § 9)
/,(x j, x2) = x ,+ 3 1 g x , —x; = 0, |
/ 2(xi, x2) = 2xJ —x,x2—5xj -f 1 = 0 . j
S o l u t i o n . Les courbes définies par le système (6) se coupent
approximativement aux points Mi (1,4; —1,5) et M 2 (3,4; 2,2).
En partant de l ’approximation initiale
calculons les deuxièmes approximations des solutions, en effectuant

les calculs avec quatre décimales. En posant
on a
= r 3 '4 + 3 lg 3 '4 - 2’2' i_ r ° ' I544i
' 1 |.2-3,4S—3,4-2,2—5 -3 ,4 -M j L - 0 ,3 6 0 0 j‘
Composons la matrice jacobicnne
àfi àfi , r
dXf 0*2
1 t— —2x2
W (x)-
Of 2 Ofz
- dx\
4xj —x2—5 —Xj
dx2 • -
: 1.1 MÉTHODE DE NEWTON 457
avec M = 0,43429. D’où

3*0,43429
- 2 .2 ,2 1 M ,3832 - 4,41
L 4 .3 , 4 - 2 , 2 - 5 - 3 ,4 J U ,4 - 3 ,4 - 1
en outre
A = del W (ae<#’) = 23,4571.
La matrice W (*"”) est donc une matrice régulière. Composons
son inverse
W -i(x <0') = ± l ~ Z/ 1
A L—^,4 1,3832J '
La formule (5) donne
2ra , = r 3.4 l ____ l _ r - 3 ,4 4 ,4 -II- 0 , 15441 =
L 2,2 J 23,4571 | _ H ,4 1,3832J L - 0 , 3 6 0 0 J
r 3 , 4 “1 ! [■— 2,10896-1 r3 ,4 1 r0 ,0 8 9 9 ] p , 48991
L 2,2 J 23,4571 |_ — 1,48604J ~ 2,2 J [ o , 0633J — l_2,2633j ’
Les approximations ultérieures s’obtiennent d’une façon analo
gue. Lçs résultats du calcul sont fournis par le tableau 32.
T a b lea u 3 2
Approximations successives des solutions du système (6)

i *i ci = Axt X* *2— Axi
0 3,4 0,0899 2,2 0,0633

1 3,4899 -0,0008 2,2633 - 0,0012
2 3,4891 -0,0016 2,2621 -0,0005
3 3,4875 2,2616
Si l ’on s’arrête à l ’approximation x t3>, on a:

* 1 = 3 ,4 8 7 5 ; *2 = 2,2616,
et
0,00021
o .o o o o j *
E x e m p le 2. Trouver par la méthode de Newton la solution
positive approchée du système d’équations
x3-fî/2 + s2 = l , l
2** + ÿ S -4 s = 0,}
3**—4ÿ + z* = 0,J
458 RÉSOLUTION APPROCHÉE DES SYSTÈMES D’ÉQUATIONS [CH. X III
en partant de l ’approximation initiale

*o = I/o = Zo = 0,5.
r^ + if+ ^ -n
/(•*•)- 2x2 \-y-— 4s .
I_3x2- 4i/ + z- J
D’où
[ 0,25 + 0,25 + 0,25— 1"| r —0,25'
0,50 + 0 ,2 5 -2 ,0 0 = - 1 ,2 5
Formons la matrice jacobienne

0,75 — 2,00 + 0,25 J L — 1,00.
[ 2x 2y 2s "1
W (x) 4x 2y - 4
6x —4 2zJ
On a
[ 1 1 11
W (x'°>) = 2 1 - 4
et 3 -4 lj
Il 1 11
det IV (x<0') = 2 1 — 4 = —40.
|3 - 4 lf
Cherchons la matrice inverse
’3 1 1'
8 8 8
— 15 — 5 — 5
7 1 3
W '- ( * " ') = - i — 14 — 2 6 l ô 20 20
1. — 11 7 —1 7 1
^ o
40 40 _
D’après la formule (5) la première approximation est
or'1»= a?*0»— W~l (jr(0,) / ( x <0>) =
'3 1 1 ‘
8 S 8
7 1 —3
20 20 20
11 —7 1
.40 40 40 .
0,5-1 r 0,375-j r o ,875-1
0,5 + 0 = 0,500 .
.0,5.| L-0 ,1 2 5 J [_0,375j
MÉTHODE DE NEWTON 459
Calculons ensuite la deuxième approximation x <2>. On a

[ 0,8752 -l 0,5002 + 0,3752- 1“| TO,156251
2 •0,8752 -[- 0,5002-4 -0 ,3 7 5 = 0,28125
3-0,8752—4 - 0 , 5 0 0 0,3752 J Lû,43750J
et
[ 2-0,875 2-0,500 2-0,3751 T l,750 10,7501
4-0,875 2-0,500 -4 = 3,500 1 —4
6-0,875 —4 2-0,375J |_5,250 - 4 0 ,7 5 oJ

D’où 11,750 1 0,750 I 1,750 1 0,750
det W (jra>) = 3,500 1 —4 1,750 0 —4,750 -6 4 ,7 5
| 5,250 4 0,750 112,250 0 3,750
et
-1 5 ,2 5 —3,75 —4,75
1 -2 3 ,6 2 5 -2 ,6 2 5 0 9,625 .
W '1 (x(1>) - 64,75
-1 9 ,2 5 12,25 — 1,75 _
En appliquant la formule (5), on obtient:

X <2> = JC'1' — W~l (xa >)/ (xa >) =
[ 0,8751 r —15,25 —3,75 - 4 ,7 5 1

° ’5Ü0 + 64^75 “ 23’625 “ 2’G250 9’025 X
0,375j L — 19,25 12,25 — 1,75 J
[ 0,156251
1*0,8751 f0 ,085191 1*0,789811
0,28125 = 0,500 — 0,00338 = 0,49662 .
0,43750J [o,375j |_0,00507j [o ,36993J
De façon analogie on calcule les approximations suivantes :
0,785211 [ 0,000011
x t3>= 0,49662 , 0,00004 ,
.0,36992J 0.00005J
etc.
En se bornant à la troisième approximation, on a
x = 0,7852 ; y - 0,4966; 2 = 0,3699.
460 R É S O L U T IO N APPROCHÉE DES SYSTÈM ES D ’É Q U A T IO N S [C H . X III
§ 2. Remarques générales sur la convergence

du processus de Newton
Le § 1 donne un exposé formel de la méthode de Newton. Les
conditions de convergence de cette méthode dans le cas d ’un système
ont été étudiées par Willers, Sténine, Ostrowski, Kantorovitch,
d’autres encore. Nous exposons dans ce qui suit un cas particulier
relatif aux systèmes finis d’équations non linéaires du théorème
de Kantorovitch (théorème 1) II] sur la convergence du processus
de Newton dans des espaces fonctionnels ; pour simplifier le raisonne
ment, on utilise des estimations plus grossières. D’après Kantoro
vitch, on établit également la rapidité avec laquelle le processus
de Newton converge, l ’unicité d’une solution du système et la sta
bilité du processus par rapport au choix de l ’approximation initiale
(théorèmes 2 à 4). On obtient comme cas particulier le théorème
d ’Ostrowski [2] sur la convergence du processus de Newton pour
une équation au second membre analytique complexe.
Dans ce qui suit il serait commode de considérer les ensembles
des fonctions comme vecteur fonction ou fonction matricielle. Pour
alléger l ’exposé nous allons généraliser à ces cas la notion de la -
dérivée.
Soient x = (*], . . ., xn) et
où ft (i = 1, 2, . . ., n).
D é f i n i t i o n 1. Par dérivée / ' (x) on entend la matrice
jacobienne du système des fonctions fi (i = 1, . . ., n) par rapport
aux variables £j, . . ., xn
[s ;]- <‘ >
La fonction matricielle
|7 l l ( * ) • • • / i r ( x ) - |
/•’(*) = .........................
L / , „ ( x ) . . . / nr(x)J
peut être considérée comme un ensemble de m vecteurs fonctions
|7 .i ( * n r/.r(x )
■*l(*) = | I , - .., I \ (JT) =
L/„, (x)J f nT (x)
Il est donc naturel d’entendre par dérivée F ' (x) l ’ensemble
i'1,(x) = [/'^ (x ). . . /<;(x)J,
2.] REMARQUES SUR LA CONVERGENCE DU PROCESSUS DE NEWTON 461
Ù
-dflh àf l h ~
dx\ dxn
Vn h df„h
OX{ 0*n .
sont les matrices jacobiennes (A = 1, 2, . . r).
D é f i n i t i o n 2. Si F (x) = [fu (x)l est une matrice fonc
tionnelle n x r et f u ( x ) £ Ca \ on pose
F ' (x) = [F* (x)], (2)
où
F *(x) = [-|£iL] (*. 7 = 1 .2 , . n; k = 1, 2, . . . . r).
En particulier, si le vecteur fonction f (x) = [fi (jc)] est tel
que /, (x ) Ç C<2>,
/ " (*) = (l^’i (x) . . . W n (x)],
avec
<*= 1 - 2.........”>•
Pour évaluer les matrices nous utiliserons dans ce paragraphe
la m-norme (chapitre VII, § 7) en omettant l ’indice m pour abréger
l ’écriture:
11/ 0*0|| = max |/, (x) | ;
i
|ir< * )ll = m a x 2 | T i r b
J— 1
n
Il/•"(•*•) Il =inax II wk(x) || = max {max 2 | |} etc.
i —1
|| F (x) || = max 2 \ f u ( * ) \ ,
i 7=1
n
QU}(x)
HF ' (x) || = max 2 dxk
<.7 rr.
Déduisons au préalable quelques estimations des m-normes des
différences de valeurs des fonctions matricielles analogues à la
* Puisqu’on a évidemment pour tout ensemble fini des nombres {a^}
max (max (27)=: max a,7 .
formule des accroissements finis, qui nous seront utiles dans ce qui
suit (cf. [1]).
L e m m e 1. Si
F (x) = [/,; ( x ) ] (n X r),
où, fij (x) sont continues avec leurs dérivées premières partielles dans
un domaine convexe qui contient les points x et x + Ax, alors
IlF ( x + Ax) — /'(aO ll < r|| A x INI f ' (|)||, (3)
ou £ = x +QAx, 0 < 9 < 1 ? et par norme des matrices on entend
la m-norme.
D é m o n s t r a t i o n . En appliquant la formule de Taylor, on
obtient :
n
F ( x + A x ) - F (x) = [flJ {x + Ax) - / „ • (x)] = [ 2 A** |
avec l i j = x-{-QijAx, O < 0 /y- < 1 ; i = 1, 2, . . . , n; j = 1, 2, . . . , r .

Si l ’on fixe x et jr-f-Ajr, on aura:
r n
HF (x-f-Ax)— F( x ) || ----- max 2 2 I d,ua^ ù Axu | <
' j—i ft= 1 k
r n
< max 2 2 dfij (lii) | Axh | <
dxh
* i= 1 1
r
Ofij (lu) I.
< m a x | Axh|* 2 max 2 àxk I
k i=i
= r || Ax || max 2 dfîjdxh
(lu)
n=i
Le nombre de couples (i, /) étant fini, il existe un couple (p, q)
tel que
n n
V u (lu) dfpq (%p<i) dftj (Ipq)
max 2 dxh 2 max 2 dxh = 11* " (*)l
*• j ui k=i
OÙ g = \pcr
Ainsi
|| F ( x - ] - A x ) - F ( x ) | | < r || Ax || || F' (%) ||,
$ 2.1 REMARQUES SUR LA CONVERGENCE DU PROCESSUS DE NEWTON /,G3
C o ro lla ire 1. Si
il vient
| | / ( ar + A a r ) - / ( a r ) | | < | | A * |l - | | / ' ( 1 ) | | ,
où S = jr + 0Aæ et O < 0 < 1 .
Ici r = 1.
C o ro lla ire 2. Avec f ( x ) £ C i2) on a:
II/' (x + Ax ) - r (x) Il < n II A* Il l i r (DJI,
où | = ar + 0Ax et O < 0 < 1 .
L e m m e 2. Si
dans un domaine convexe qui contient les points x et x + \ x , alors
Il / ( x + Ax)- / ( * ) - / ' (x) Ax II < 4 » Il II2• Il f (I) II. (4)

où | = x + 0Ax et O < 0 < 1 .
D é m o n s tra tio n . En utilisant la formule du binôme de
Taylor, on obtient :
|| / (x + Ax) —/(x ) —/ ' (x) Ax || =
= l l l / i ( * + 4 * ) —/ i( * ) —«Vitu)! Il —y fl [ S “ïl'io îl AxjAj,,j | ‘

i, *
<- d x jd x h
| Axft
4 m w |A * j |.m a x |A x * |.|[ S 2 |- g f ^ .|j |
= y II A x ||a
|[?s| 3 h
à -h (Si)
d x j dxfr (5)
où |i = x + 0jAx, O < 0j< 1 .

464 RESOLUTION APPROCHEE DES SYSTÈMES D’EQUATIONS [CH. XIII
Puisque
d'~li ( S i )
< max ^ IOzfl (II)
S dxj dxk I àxjdxh
k »'• i k
02h dp)
max 2 dxj difr = n r(ip )iu
compte tenu du sens de la norme, l ’inégalité (5) entraîne

|| / ( x + Ax)- / ( * ) - / ' ( * ) A* ||<
< | Il Ax ||3 H ir (S) II) = y II Ax ||3 || f (1) Il,
où l = sp = x + 0Ax et O < 0 < 1 .
§ 3*. Existence des solutions d’un système et convergence

du processus de Newton
T h é o r è m e 1. Soit un système réel d'équations algébriques
ou transcendantes non linéaires
f (x) = 0, (1)
où le vecteur fonction
f fi (^î» • • •» x n) “]
/(•*■)= ......................
■/fl ( ^ i » • • • I x n)
avec ses dérivées partielles premières et secondes est défini et continu

dans un certain domaine cù, c'est-à-dire
f ( x ) e C ^ im
posons que x {0} est un point contenu dans co avec son <&£-voisinage
fermé
û#e (*im) = {Il * - * <0>Il < m c: co,
où par norme on entend la m-norme* (cf. chapitre VII, § 7) et où
Von vérifie les conditions suivantes:
* C’est-à-dire, si A = [a^]:
| |d || = ||d ||» = niax 2 |« « |.
i ;
§ 3.] EXISTENCE DES SOLUTIONS ET CONVERGENCE DU PROCESSUS 465
1) la matrice jacobienne W (x) = pour x = x <0> possède

une inverse T0 = W -1 ( x i0)) avec
IITollCV;
2) lir„/'(x'«)
3) 2 | ^ | « C
k=l
pour i, j = 1, 2, . . . , n et x 6 Ugg (x<0>) ;
4) les constantes A 0, B 0 et C satisfont à l’inégalité
[io = ^ 1. (2)
Alors, pour une approximation initiale x 10’, le processus de Newton
x (p+1 > = x _ jf - i ( x ) / ( x ) (3 )
(p = 0, 1, 2, . . .) converge et le vecteur limite

x* = lim x 
p-POO
est une solution du système (1) telle que

\\x* — x«»\\< 2B o< éV .
D é m o n s tra tio n . Introduisons les notations
Il x (P+1) —x Il = max| x ^ 1*0 —xiP) |,
h
r p = ^ -1 (x<p») ( p = o , i , 2 , . . .)•
hP = Il r , / ( x ) ||.
Les conditions l)-4) donnent les estimations des quantités Tp
et iy-(*).
Examinons d'abord le cas p = l. En utilisant la condition 2),
on a :
ho = Il *«>—*"»> Il = Il W -1(x‘°>)/-(x<®>) Il < £ 0< -Ç- ;
• En d'autres termes, si W (*<0,) = l“i/l. alors ro=W r”1 ( x« » ) =£ — >

où A ijsont les cofacteurs des éléments a u et A = d e t[aij]; par conséquent,
n
Il r 0 ||= m ax-pL - 2 | A j i |.
30—01072
466 R E S O L U T IO N A PPROCHEE DES SY STÈM ES D ’É Q U A T IO N S [C H . X III
donc
h fy ^ . B q
et
Ü w (x"> )Œ Ü æ (x«').
*)
Pour évaluer I \ = JV"l (x <l)), appliquons la relation (AB)-1-—
= B~1A~1 pour mettre cette grandeur sous la forme
r, - \w (x<°>) •r0w (x '1»)!"1 = i r 0iv (x '1»»-1. r0. (4)
En tenant compte de la condition 1) du théorème, on a :
Il£ - iw (x“>)|| = || r0 n<
< l i r 0|| Il IF (*«»)— ^ (x < 1> ) |K ^ o ||iy ( x (1>)— IV(x<0')||.
Puisque la condition (3) amène
d * f i (X)
Il/*"(*) Il= max 2 dxj dxfr
<C,
i*i *=i
en vertu du corollaire 2 du lemme 1 on obtient :
|| w (x*1*)— W (x*®*) || = || f (x(1>) —f (x<®>) ||<
C « || x a> —x <0) || C*CnB0C ;
et donc
\\E — TqW (x»1») ||< nA0B0C = y •
Par suite (chap. VII, § 10, théorème 5, corollaire), il existe
une matrice inverse
[I W (au'1»)]"1 = { E - (E— T0W (x '1»))}"1,
et comme || E || = || £ | | m= 1,
|| [iyV (x»1»)]-1 | | < — - < 2 . (5)
J __ PO
2
On déduit de la formule (4):
Il IK II [T0W (x a ')\~l \\ | | r 0||< 2 4 o = î- (6)
/ ( x (0>+ f ) (x<°>) (x(1) —x<°>) = 0,
d’où, en vertu du lemme 2,
ll/( x a >) Il = ll/( x (1)) - / ( x < ° > ) - / ' (x<°>) (x<1>-x<°>) || <
1
§ 3.1 EXISTENCE DES SOLUTIONS ET CONVERGENCE DU PROCESSUS 467
avec
|=r.flc«°> + è ( x a >— * <0)) e t O < 0 < 1 .
Compte tenu de l ’inégalité (6), on obtient :
lir,/(ar-‘1> ) ||< |i r 1h ||/'( * <1,)II<
< lA o ^-n B lC =. nAoBIC - - i mÆ0 = (7)
Ainsi pour le point x {1) nous avons
Ü&C (Jc*1*) c: Ü æ (*(0>) cr o>
et, en outre,
lir .iK ^ , /ijir ./M iiC iB ,,
où
A t = 2A0,
Il en résulte
Pi = 2nA^B^C = 2îi*2Aq*-^ [IqBqC = ^q^ tiA qB qC = 1- (8)
On retombe donc dans les conditions du théorème, à cette diffé
rence près qu’au lieu du voisinage (x<0>) on a le voisinage
U ^ ( x il}) emboîté dans le premier voisinage.
En reprenant des raisonnements analogues, nous pouvons établir
que les approximations successives x (P> (p = 1 ,2 , . . .) ont un
sens et sont telles que
U w ( x ' 0)) ^ U M ( x a >)=> . . . D ^ ( X (P,) D . . . ,
U 2P
de plus
f
Il r P|| = ||
Il r P/(*) || = h *<»«>-*<*> n< /?p,
où les constantes A p et B p sont liées entre elles par les relations
de récurrence
A p = 2 A P. U !
B p = j p p - l B p. l J (9)
et
P p = 2nApBpC (p == 1» 2, . . .) . (10)
30*
468 RESOLUTION APPROCHÉE DES SYSTÈMES D’ÉQUATIONS [CH. XIII
Montrons que la suite des' approximations x (p) (p = 0 ,1 , 2 ,. . .)

vérifie le critère de Cauchy (chapitre VU, § 9). En effet, pour q > 0
on a :
x 'v+q,ÇU#e (x<P))-
oP
Par suite, pour tout e > 0 donné à l ’avance

3C ^
|| x <p+î> i r <e’
si p > N et q > 0 avec N suffisamment grand, ce qui est équivalent
au critère de Cauchy. On en tire l ’existence de la limite
lim x= x * e t/<^^?(*(0,).
P-*OO
Montrons maintenant que x* est une solution du système (1).
La relation (3) conduit à
/(x) + W (x)(x<p+1’—x ) .-=0.
En passant dans cette égalité à la lim ite quand p -*-oo et en
tenant compte du fait que
x <p+1>—as—*-0,
ainsi que W (x<P)) est continue et bornée dans on aura:
lim /(x) = 0.
p—►
OO
On obtient en vertu de la continuité de /*(x) :
/(lim x ‘p>) = /(x * ) = 0,
p-*OO
c’est-à-dire x* est une solution du système (1). En outre,
| | X* _ X<°> 11= 1 ^ [x(T>+1)— x (ï>,J l e

p=o
< 2 ||x ‘,,+1' —x (P»|| < 2 B p =ü
Le théorème est ainsi complètement démontré.
R e m a r q u e 1. Si / ( x ) Ç C<2> (©) et dans le domaine (■>
le système (1) a une solution simple x*, c ’est-à-dire telle que
/(x * ) = 0, f ' ( x * ) = W(x*)=fi 0,
les conditions du théorème 1 seront évidemment respectées pour tout
point x ,#> suffisamment proche de x*.
§ 4.] RAPIDITÉ DE LA CONVERGENCE D’UN PROCESSUS DE NEWTON 469
Pour vérifier la condition 2) il est utile de noter que 2?0 donne

une estimation de l ’écart entre les approximations initiale et pre
mière du processus de Newton:
Il r 0/(ac(0>)|| = Il x (1>—x<°>
cette inégalité peut donc être vérifiée aisément dès qu’on trouve
l ’approximation uc(1>.
R e m a r q u e 2. On obtient des énoncés analogues du théorème
de convergence si au lieu de la norme || A ||m on recourt à la norme
Il A IIf ou \\A\\k.
§ 4*. Rapidité de la convergence d’un processus de Newton

T h é o r è m e 2. Si les conditions 1) à 4) du théorème 1 du § 3
sont remplies, les approximations successives x iP) (p = 0, 1, 2, . . .)
vérifient Vinégalité
Il *•-*«**» |I < ( y ) P"V oP" ,B0,
ou x* est une solution du système et p0 est définie par la formule (2)
du § 3.
D é m o n s t r a t i o n . En appliquant les relations (9) et (10)
du § 3, on a
fip = 2nApB pC = 2n •2Ap-i •— Up-iRp-i • C =
= [i p^ ^nAp^ Bp^ C == \il_ r
Il en résulte que
= =
Op
Vp = K •
Ensuite
Bp ==~ Pp-iEp-i ~ »uqP Bp-i •

Donc
^ = T ^ r 4 ^ r 2- - - T ^ o =
= ( - ) p^ r +2P' 2+-• +iB<>=( t Y (2)

Comme
||x.<p+i>_x||<Bp,
470 RESOLUTION APPROCHEE DES SYSTÈMES D’EQUATIONS [CH. XIII
on a pour q > 1
| x«P«> _ JC(P) || < || X<P+1> _ x || J_
+ 1| ar'p+2>—*<p+1>|| -f . . . 4 -1| x (PW»- jr<p«-i» || <
Bp + Bp+I T •■■'T Bp+q- 1 =
= ( t ) P^ oP" 1jBo+ (tP Mo

- P+1- ^ o-- . . . +
+ ( - r p ,_ ‘ ( t ) p ^ üp- ,b » [ 1 +
On en déduit en tenant compte du fait que p0^ l

n -x® u< (-|.)vr-'s.[i + 4 + +
+ (T r ']< (T r v -i> ..
En passant à la limite quand g-»-oo, on obtient finalement:
i i K ( 4 - ) ' " V 5 p-,ft<(T)vr-'«.

OÙ
Po = 2nA0B0C *Cl.
£ j Ainsi pour p<>< 1 la convergence du processus de Newton est
superrapide. En particulier, pour p = 0 on a:
|x * - x < 0>\\< 2B0< g%.
§ 5*. Unicité de la solution

T h é o r è m e 3. Sous les conditions 1) à 4) du théorème 1 du § 3,
le domaine
|| jr — ar<0) || <! 2 B 0 (1)
contientjune seule solution du système (1) du § 3.
D é m o n s t r a t i o n . Supposons qu’en plus de la solution x*
du système (1) du § 3, définie par le processus de Newton, il existe
une autre solution x** de ce système telle que
|| *••_*<•> || < 2 B0. (2)
Les approximations successives x (P> (p = 0, 1, 2, . . .) du
processus de Newton sont comprises dans le voisinage de (1) et
respectent la condition
/ (x) t W p (*<p+1>-*<*>) = 0
§ 5 .] UNICITÉ DE LA SOLUTION 471
avec
W p = W(x*>).
En tenant compte du fait que
/ ( * • • ) = 0,
il vient
\Vv (jf<p+d —jr**) = / (x**) - / (jr) — W p (x** - x )
et. par conséquent,
x (P+i, - *** = r 7, [/ (x**) - / (x)— \Vp (jr** - 3r)],
où
r P=wp\
Calculant l’estimation en norme, on aura:
Il ar" - x ‘™> ||< || Tp || || / (x**) - / (x) - W p (or** - x<”>) ||.
Dans les notations du § 3 (cf. théorème 1)
Il r P \\< A P.
L’application du lemme 2 du § 2 conduit à l’inégalité
Il / ( * • • ) - / (x‘p>)- W p (x**- x)||||a,
où la constante C est définie d’après la condition (3) du théo
rème 1. Par suite
||jr. . . _ JC(P+i ,||< ^ . n^ j)C ||x . . _ ar<p.||2 (p = o, 1, 2, . . . ) . (3)
Posant dans l’inégalité (3) p —0 et utilisant l’inégalité (2), on

obtient
Il x** - x<!> Il < \ nA0C II x** - x<°> II*< 2nA0B;C,
ou, introduisant les nombres définis par les relations
\ip -=2nApB pC,
1 „ |^ (P = °> 0, L 2. •••)» (4)
B P+1 —-$• Pp-Bp
on trouve
||x * * -x < i'||||2< 2nAlB\C = = 2BZ.
En général,
(6
472 RÉSOLUTION APPROCHÉE DES SYSTEMES D’ÉQUATIONS [CH. XIII
Comme la formule (2) du § 4 entraîne que la grandeur B p -*-0

quand p-*- oo, en passant à la limite dans l’inégalité (6), on a:
æ** =lim ac(P>= ac*,
p-*oo
c’est-à-dire la solution du système (1) dans le domaine || ur —
C22?o est unique.
R e m a r q u e . Si le domaine U (ac<0)) est tel que
- ^ - B 0< S f ,
Mo
le système (1) ne possède pas dans le domaine étendu (1)
UX~ jr(0)H (7)

d’autres solutions que x*.
En effet, en supposant que le domaine (7) comporte une solution
x** du système (1) (§ 3 ) et en reprenant les raisonnements du
théorème 1, on obtient une inégalité de la forme (3)
h - jc<p+i> ii < 4 - nAPc h - j* ”' ii2.
où x (p = 0, 1, 2 , __) sont les approximations successives du
processus de Newton à approximation initiale jr<0). D’où, puisque
|| x** —x m || < B0,
on a successivement, en utilisant les nombres pj,+1 = pp
|| ac** _ ar || nA0C =
— 2nAQB0C B o = ——B0 = -jr- B i = - 2?f,

Mo Mo Mô Ml
I|U. . . _ X(2, ||C ^ - B\ =
= 2ni41f?1C ~ 4 piî —jjt =^pi-Bz--^r = B2 = -jj~ Bz,

etc.
En général,
||x * * -a C ||< -— RP (P = 0, 1, 2, . . . ) .
Puisque
p-i
et
Pp — j,
§ 0 .] S T A B IL IT É D E LA C O N V E R G E N C E DU PR O C E S S U S D E N E W T O N 473
il vient
BP i »p-1 / 1 \p B0 /Q,
jip “ 2 ’ Hp_i “ l 2 ) ‘ ^ * (8)
Cette dernière relation peut également s’obtenir directement des
formules (1) et (2) du § 4.
Ainsi
|| ***-*<*> ||< ( 4 ) (p = 0, 1, 2, ...) •
Par conséquent,
jr** = lim x lP) = or*,
p-+oo
§ 6*. Stabilité de la convergence du processus de Newton

devant la variation de l ’approximation initiale
T h é o r è m e 4. Si les conditions l)-4) du théorème 1 du § 3
sont remplies et si
Mo
avec Ho = 2nAoB0C < 1 , le processus de Newton converge vers la
solution unique x* du système (1) (§ 3) dans le domaine principal
|| x — x (0) || ^ 2 B q quel que soit le choix de Vapproximation initiale
x /<0î dans le domaine
H r 'x x - ^ 'I K - ^ - B o . (1)
D é m o n s t r a t i o n . Par analogie avec les notations données
ci-dessus
W0 = W(x'°') et Tq= W Ï "
introduisons
W 9= W ( jt'«>) et r 0= (W 0)-K
Montrons qu’au point x ' 0) on vérifie des conditions analogues
à l)-4) du théorème 1.
Utilisant les notations et la méthode de démonstration du théo
rème 1, on a :
Il e - t 0w 0|| 1| r 0(iK0- if;) \\<
< Il r 01| || W0- IV'01|< A0nC y *'<•> - *•<»>||.
D’où, compte tenu de l’inégalité (1),
Il E - T 0W ’ K ^ o n C 5o = - ^ Ü 2 - < - .
474 R É S O L U T IO N A PP K O C H & E DES SY S T È M E S D ’É Q U A T IO N S [C H . X I II
Par suite,
Il ( i W 11| = || \ e - (E - r 0w gr» || 
)|| < il r 0\\ y / ( * '« » ) - /
- W 0(jt'<0)—x t0>) || -1-1| r 0f (*«») || + 1| *'«»-*<'» ||<
< y/lon C || x'<0'—*<°> |p + B0-f1| :r«"||<
^ t D 1 2fi0■l’ W i o i 1 Mo d _
< — M* o --------------- ---------- ^M
9^7“
o ^0 =
_1 — 2po + Mo+ ityio + 8 —8p0 D (3-fiio)2 D
-- ------------ Wo ------------- * 0 = ”lÔ[io
On en tire en utilisant l ’inégalité (2):
Il K f ( ^ (0,) Il = Il ( W r - r » / (*'<»>) IK
< Il ( r o ^ ') - 11|•Il r 0/ (ac'<0>) || <
4----- (3 -f- Ho)2 f l 3 + Ho B Br (4)
3 + Ho ll>Ho •<Ho v
En vertu des inégalités (3) et (4), on obtient :
440 3 4*Mo B0C = 2nA0B0C — = i
H' = InA 'B'C =
3 + Ho 4{»o Mo
De plus,
2B' + ||x '(0> -
-Mo Mo
el donc, à plus forte raison,
Mo
Ainsi, au point jr'(0) les conditions du théorème 1 sont com
plètement vérifiées ; en outre
U z b - ( * ' <0>) C I U 2Bo ( X <0>) c zUge ( X <0>) (5)
Ho
(fig. 58).
§ 6.J STABILITÉ DE LA CONVERGENCE DU PROCESSUS DE NEWTON 475
La procédure de Newton
x '<p+1 —
où
r p = iv -'(x '" » ) (P = of 1 , 2 , . . . ) ,
converge donc vers une certaine solution x '* du système (1) du § 3
qui repose dans le domaine Uz& (x '(0)). En vertu de la formule (5)
Uofi
Mais la remarque du théorème 3 du paragraphe précédent fait
que dans le domaine U o b 0 ( x <0)) il n’y a qu’une s e u l e s o l u -
Tô“
t i o n x * du système
principal (1). Donc
et
jr* —lim jt' (P\
p-+ 00
Remarque. Si
2B 0 et fi0 < 1 » pour
la première approximation
initiale x (0) il existe tou
jours un voisinage dont
n’importe quel point peut
être pris comme approxima
tion initiale de la procédu
re de Newton qui converge
vers la solution cherchée x*.
En effet, soit
2B0 <Z 2qB0 = Q/i,
où q > 1. Posant
= max (no, - j ) •
on obtient en vertu des théorèmes 1 et 4 que pour une approximation
initiale quelconque x ,{0) qui vérifie la condition
Il *'««>—*<o< || < ± ÿ $ - B o
le processus de Newton correspondant converge vers la solution x*

du système (1).
476 RÉSOLUTION APPROCHÉE DESÊME SYSTS D’ÉQUATIONS [CH. X III
§ 7. Méthode de Newton modifiée

La construction du processus de Newton
x (P+1>-x— W'-1(jr)/(jc) (p = 0, 1, 2, . . . ) (1)
présente un inconvénient important qui consiste à calculer à chaque
pas la matrice inverse W"1 (x(P>). Si la matrice W"1 (x) est continue
dans le voisinage de la solution cherchée x* et l ’approximation
initiale x <0) est suffisamment proche de x *, on peut poser approxi
mativement
IV"1 (x) » W- 1 (x<°>),
et on retombe ainsi sur un processus de Newton modifié
S<p+i> - — (x<®>) f (|) (2)
(p = 0, 1, 2, . . .), où £(0) = x (0). Remarquons que pour les pro
cessus (1) et (2) les premières approximations x (1) et | (1) coïncident
X (1) = |C1).
La convergence du processus de Newton modifié (2) a été étudiée

par L. Kantorovitch II].
T h é o r è m e . Si les conditions 1) à 4) du théorème 1 (§ 3) sont
remplies et si
Po = 2nAoB0C < 1,
le processus de Newton modifié (2) déterminé par Vapproximation
initiale %i0) = x (0) converge vers la solution x* du système
f(x) = 0
et
Il * • —! ,p' ||< il? Il X*—ac<0>IK 2ÆoH? (p = 0, 1 ,2 , . . . ) , (3)
où, on entend par norme la m-norme.
D é m o n s t r a t i o n . Considérons le vecteur fonction
F ( x ) = x — T0f (x) = [Fi (as)],
avec r„ = (x <0>).
Evidemment
F { V P>) = 1<P)— r 0/ ( s ,p>) = 6‘p+1> ) = E - T0f (x<0>) = E — E = 0. (6)
§ 7.] MÉTHODE DE NEWTON MODIFIÉE 477
Montrons par récurrence que toute approximation | (P) (p =

= 0, 1 ,2 , . . .) est comprise dans le voisinage 2B0 du point x (0)
y | * p > _ x (0, ||C 2 B 0. (7)
En effet, avec p = 1 l ’égalité (7) est évidente du fait qu’en vertu
de la condition (2) du théorème on a :
Il gci> _ * < 0 , || = || X C1> _ 2r«o> || 4 ; B Qm
Supposons maintenant que pour un certain p l ’inégalité (7) soit

vraie. Alors, en utilisant le lemmè 2 du § 2 on a:
H g ( p « > _ jp(o, y = y r ( V p ' ) — x ' » || = || i " " — r 0 f ( S CP> ) - ^ ® > || -
= Il r 0 [ / & '») - w ( x « > ) (S- * < * > ] || < || r 0 / ( * < • > ) \\ +
+ Il r 0 { / ( V P)) - / ( * (0>) - w ( x < » ) ( | - *< •> )} h <
En appliquant l’inégalité (7) on trouve:

Il !<P+1»_ x m II < B04- nA0C.4Bl =
. = B q-4- 2/li4()6gC'£g ~ (1 -f- [Ig) B q 25g,
ce qui démontre notre proposition.
Puisqu’on suppose que les conditions du théorème 1 du § 3
sont observées, le système / (x) = 0 possède une solution x*
telle que || x* — x <0> || ^ 2B 0.
Considérons la différence x* — §(P>, où p ^ 1. Compte tenu du
fait que
F (x*) = x* — T0f (x*) = x*
et en appliquant le lemme 1 du § 2, on a :
Il ■*•*-S || = Il F ( x * ) - F (i<p"l>) IK II II-Il F ' (0) II, (8)
où 0 est un point du segment [x *, | <p-1,|.
Ensuite (cf. § 2, lemme 1, corollaire 2)
Il * " W II = Il F ' (0) - F ' (*<•>) ||< » || 0 - max || F" (q) ||,(9)
où i| est un point du segment [0, x <0,j. La formule (5) donne
n
«=1
où ôij est le symbole de Kronecker et r 0 = Ivul* Donc
478 RÉSOLUTION APPROCHÉE DES SYSTÈMES D’ÉQUATIONS [CH. X IÏI
et
n
d-f»
dxj drh — 3 Tl. à x j dxfr
Par suite,
n n n
HF" (t]) || = max 2 d°~Fj{r\) I à 2f« (n) <
d x j dxk | ma?c 2 12 ti. d x j dxk
n n n
< m ax 2 ITi.I S | - S f S - | < max 2 |T i.K = C ||r 0||< y !0C
.=1 k = i1 ' h 1 *'* ,= i
et en vertu de (9), on a
Il ** (0)11 pCIie -*<°>||.
Le point 6 appartient évidemment au voisinage 2B0 du point se<0) ;
donc
||8 -jr< °> ||< 2 £ 0
et
|| F ' (6) || < 2nA0B0C = p0. (10)
Si l’on tient compte de l’inégalité (10), l’inégalité (S) permet de
déduire
||x * - |< I)> ||||,
d’où
Il ar* - | || < pjj| ar* - 1 '° ' || = pp || x* - x<» || < 2 B tf.
Pour p0< l * la dernière inégalité entraîne
lim £‘p>= x*.
p-+ oo
Le théorème est complètement démontré.

Soit un système d’équations non linéaires de forme
J?1 —(Pj (Xj, ^2» • • • » ^n)>
^2“ ^2(^1» ***2» ^
Xn = Cpn (Xj, X2, • • • * ^n)> À
où les fonctions <p4, (p2» • • -i sont réelles, définies et continues

dans un certain voisinage <o d’une solution isolée (x*, xJ, . . xJ)
de ce système.
MÉTHODE DES APPROXIMATIONS SUCCESSIVES 479
Introduisons dans la discussion les vecteurs

x = fo , x2, . . xn) et <p (x) = (cpi (x), (p2 (x), . . <fn (x)),
on peut alors écrire le système (1) sous une forme plus compacte
x = -q>(x) (p = 0, 1, 2, . . . ) , (3)
où l ’approximation initiale x f0) « x*. La convergence' de ce pro
cessus sera étudiée dans ce qui suit. Constatons que si le processus
itératif (3) converge, la valeur limite
g —lim x (p) (4)
P-+OQ
sera nécessairement une racine de l ’équation (2). En effet, en suppo

sant la relation (4) respectée et en passant à la limite dans l ’égali
té (3) quand p -► oo, on a en vertu de la continuité de la fonc
tion <p(x)
lim jr(P+1) = if (lim x (P)),
■p-*oo p -y o o
c’est-à-dire
5 = (P (I).
Ainsi | est une racine de l ’équation vectorielle (2).
Si, en outre, toutes les approximations x <P) (p = 0, 1, 2, . . .)
appartiennent au domaine o> et si x* est une solution u n i q u e
du système (2) dans <o, alors, évidemment,
l = x*.
La méthode des approximations successives peut être appliquée
également au système général
/ ( *) = 0, (5)
où / ' (x) est un vecteur fonction défini et continu dans le voisinage
co du vecteur solution isolé x*. Par exemple, récrivons ce système
sous la forme suivante:
x = x + A f(x),
avec A une matrice régulière. Introduisant les notations
* + A / (x) = q> (x), (6)
on aura
x = q> (x). (7 )
A cette dernière équation il est facile d’appliquer la méthode des

approximations successives ordinaire (3).
Si la fonction / (x) possède une dérivée continue / ' (x) dans co,
la formule (6) entraîne
q/ (x) = E + A f (x).
Dans les paragraphes qui suivent nous montrerons que pour
l ’équation (7) le processus itératif converge rapidement si q>' (x)
est petit en norme. Compte tenu
de cette circonstance, choisissons
la matrice A telle que
<p' (x(0ï) = E + A / ' (x(0)) - 0 ;
d’où, si la matrice / ' (x<0>) est
régulière,
A — — [/ ' (Xe0*)]"1.
Xt Remarquons qu’au fond c’est un
processus de Newton modifié appli
qué à l ’équation (5) (cf. § 7).
Dans le cas du det / ' (x<0)) = 0,
il convient de choisir une autre
approximation initiale x (0>.
Il existe d’autres modes encore
Fig. 59. pour remplacer le système (5) par
un système (7) équivalent.
E x e m p l e . Résoudre à l ’aide de la méthode des approxima
tions successives la solution approchée du système
x] + x l = i , \
* î - * 2= 0. J W
S o l u t i o n . La courbe de la figure 59 montre que le système (8)
possède deux solutions qui ne diffèrent que par le signe. Bornons-nous
à rechercher la solution positive. D’après le dessin nous pouvons
prendre pour approximation initiale de (8) :
Posant
t
on aura:
S 8.1 MÉTHODE DES APPROXIMATIONS SUCCESSIVES 481
D’où
f l,8 11
/ ' (x<°>) = |^2 43 _ J
et
d e t/' (*<0>) = - 1 ,8 - 2,43 = -4 ,2 3 .
La matrice / ' (x(0>) étant régulière, il existe une inverse
[/ (ac<0,),' 1= —T 2 t [ _ 2,43 i j -
Ainsi
A= — ^ <0’^"1 = T 2 t [ - 2 , 4 3 1,8] -
Posons
» (* ) = * + A/<*) = [ * ] - - ^ [ * 43 '
Le système (8) sera alors équivalent à l'équation matricielle norma

lisée
x = q> (x). (9)
Utilisons la formule (4) pour trouver les approximations successi
ves de la solution du système (9) :
“ U rJ 4*23 L2.43 i , s j [*(«)»—«s») J-

[0,91 ri ! 1 1 [-0,0(50] _
_ L0,5J
4,23 |_2,43 — 1,8J |_0,22oJ —
_ r0 ,9 1 r 0,06S31 _ ["0,83171
= Lo.ôJ- L— 0,0630J = [o ,5630J ;
["0,83171 i [1 1 1 [0,83172+ 0,56302— 1]
X<2>= |_0,5630J~T23"|_2,43 — l . s j |_0,83173—0,5630 J=
r0 ,83171 ["—0,00491 r0,82681
= [0,5630J “ |_ 0,0003J = [0,5633J 5
["0,82681 p,00071 ["0,8261 «
x<8>= j.0,5633J “ [o,0002J = |_0,5631 J ;
r o ,82611 r 0,00001 _ r o ,82611
x<<) = 1_0,5631J “ L—0,0005J “ |_0,5636J ’
etc.
3 1 -0 1 0 7 2
482 RÉSOLUTION APPROCHÉE DES SYSTÈMES D’ÉQUATIONS [CH. XIII
En s'arrêtant à la quatrième approximation, on obtient la solu

tion
Zi = 0,8261 ; z2 = 0,5636,
et
à 10 près.
§ 9*. Notion de l'application contractante

Soit un système non linéaire
y 1 = *Pi x 2i • • • 9 x n)i
= *2» • • •» * n )» ^
ÿ n = 
où les fonctions <plt <p2» . . ., <pn sont définies et continues dans un

domaine connu G d’un espace réel En à n dimensions (chapitre X,
§ 1); les valeurs de ces fonctions (yu y2, • . yn) pour (z1? z2, . . .
• • •» xn) € G remplissent un certain domaine G' cz En. Le systè
me (1) établit une application du domaine G sur le domaine G'.
Introduisons les vecteurs
ÿi' >r
• • •
.
, .v= .
» <p= •
-X n .
y n_ ,<pn
pour mettre le système (1) sous la forme abrégée:
y = <p (•»)• ( i ')
Introduisons dans l'espace En une norme canonique ||x || véri
fiant les conditions ordinaires. On peut poser, par exemple,
||x ||m= m ax|x,|,
%
soit
i
soit encore
11*11*=* \ / 2**5»
§ 9 .] NOTION DE INAPPLICATION CONTRACTANTE 483
L'application (1) ou (1') s'appelle contractante dans le domaine G

s’il existe un nombre q < 1 tel que pour les deux points quelconqües
x lf x 2 6 G, leurs transformés y x = q> (x t) et y 2 = q) (x2) satis
fassent à la condition
Il Vi — î/2ll<?ll*l — *2ll. (2)
c’est-à-dire
Il q> (*i) — (*2)Il < ?ll — x 2|| ^(0 < q < 1 ) . (2')
Considérons l ’équation vectorielle non linéaire
x = q) (x), (3)
équivalente au système d’équations non linéaire de forme spéciale
=- (p, (x,, x2, . • • y x n ) y
= (p2(Xj, x2, . • • y x n ) y ^
-^«Pn(*l» x2. • • • y x n ) ' j

La solution x * de cette équation, si elle existe, est un point fixe
de la transformation (1). Pour trouver x * construisons le processus
itératif
x<*>^q>(x cP-i>) ( p = l i 2, ... ) , (4)
où x < °> € G .
T h é o r è m e 1. Supposons que le domaine G soit fermé et que

Inapplication (1) soit contractante dam G, c'est-à-dire que la condi
tion (2) soit respectée. Si dans ce cas pour le processus itératif (4) toutes
les approximations successives x (p> £ G (p = 0, 1, 2, . . .), 1) k pro-
cessus (4) est convergent indépendamment du choix de l'approximation
initiale x (t)), c'est-à-dire il existe une solution
x* = lim x (P> ; (5)
p-+«
2) le vecteur limite x * es£ solution unique de l'équation (3) dans le
domaine G; 3) l'estimation
I I * * — * < ’ > K - r^ | | * ‘1> - * ' « > | | (6 )
est vraie.
D é m o n s t r a t i o n . 1) Pour prouver la convergence de la
suite des approximations x (p > (p = 0, 1, 2 , . . .), appliquons le
critère de Cauchy (cf. chapitre VII, § 9). On a
j| x _ x y = || (x < p+l) — x (P>) + ( x (P+2>— x < p+1>) + ... +
H*<p+ft)—* ,p+''-1 ||< ||* <p+1>—x (P»||4-

0- Il X (PM) _ _ x <p+D II + . . . + || x _ x cp+ * - i > U. (7 )
31*
434 RÉSOLUTION APPROCHÉE DES SYSTÈMES D’ÉQUATIONS [C il. XIII
Utilisons la relation (4) et la «condition de contraction» (2') pour

obtenir successivement
|| *(*+!> _ æ c»> || = || q>( X c » > ) _ ç (X(*-D) || < q || x<8)— x<*~1' || <
< q21| || < q81| x (1>—x<°> || (8)
avec 0. C’est pourquoi en renforçant le deuxième membre de
Tinégalité (7), on aura
|| x <p+*)—x (P) j| < qp || x (1) —x (0) || + qp+11| x (1) —x <0) || +
+ • • • + 9 P+*“11| x (I>—x (0,||
ou, en recourant à la formule de la somme des termes d’une pro
gression géométrique,
Il X (P+*)-- X (P> Il Il X ( 1 ) — & (0} |K ~ Y — g IIx(1>-- x(0> II- (9)
Comme 0 ^ q < 1 et, par conséquent, qp -*■ 0 lorsque p oo il
apparaît de la formule (9) que pour tout e > 0 il existe N = 7V(e)
telle qu’avec p > JV(e) et k > 0 l ’inégalité
|| x {P+k) — x iP) || < e
est vraie, c’est-à-dire que le critère de Cauchy de la suite
xü>)(p = 0, 1, 2, . . . ) est observé. Il existe donc une limite
x* = lim x (P),
p -* oo
et x*ÇG du fait que le domaine G est fermé.

2) Le vecteur x* est une solution de l ’équation (3) du fait qu’en
passant à la limite quand p -*■ oo dans l ’égalité (4) et compte tenu
de la continuité dans G du vecteur fonction q> (x), on aura
lim x (P> —cp( lim x <p-1)),
p-»0O p-¥ OO
c’est-à-dire
x* = q>(x*). (10)
Cette solution est unique dans G. En effet, supposons que x *'
soit une autre solution de l ’équation (3)
x*' = q>(x*'). ( 11)
En retranchant l’égalité (11) de l’égalité (10), on obtient:

x*—x*' = q) (x*)—q) (x*')
pour en tirer
Il x* - x*' Il = Il q> (x*) — 0, l ’inégalité (12) ne peut avoir lieu que pour

|| x * — x*' || = 0, c’est-à-dire si x * = x* '. Ainsi, dans le domai
ne G l ’équation (3) ne peut avoir d’autre solution.
3) En passant à la limite dans l ’inégalité (9) quand k -*■ oo,
on obtient l ’estimation (6).
Le théorème 1 est complètement démontré.
R e m a r q u e 1. Si le domaine G coïncide avec l ’espace En
tout entier, la condition x (p> 6 G (p = 0, 1> 2, . . .) devient évi
demment inutile.
R e m a r q u e 2. Si l ’on utilise les inégalités
|| x ïP+1) —x lV} || < q || x (P) —x {P~l} ||,
|| x cp+2> _ x (P +i, || ^ q~ y x cp> _ X (P -D y,
la formule (7) donne

|| x <p+*> — x ||< g || x iP} — x <p“1) || +- g21| x <P)—x {P~u || -f
+ . . . + 9ft||x-x<p-1' ^||ac<P) —* <p"1>li-
D’où quand k oo
Il * * - * <P) I K t =T II * ,p,- * ,p- 1’ II- (13)

En particulier, si ( X g < 4 - , la formule (13) entraîne que pour
y x _ x (p - d
l’inégalité
||x* —x <p,|| c-e
est vérifiée.
Les conditions du théorème 1 imposent que t o u t e s les
approximations x (p> appartiennent au domaine fixé G. Dans la
pratique cette condition est parfois difficile à vérifier. Aussi donne
rons-nous un théorème légèrement modifié.
T h é o r è m e 2. Supposons que Vapplication (1) soit contractante
dans le domaine fermé G et que g soit un domaine borné compris dans
G avec son voisinage p (au sens de la norme adoptée), où
Dq
p> 1-q ’ (14)
D étant le diamètre du domaine g et q le coefficient correspondant de

Vinégalité (2). Alors, si
x <0)Çg et x (l) ~ q>(xi0))Ç g,
486 RÉSOLUTION APPROCHÉE DES SYSTÈMES D’ËQUATIüNS [CH. XIII
le processus itératif (4) converge et les conclusions du théorème 1 sont

valables.
D é m o n s t r a t i o n . Il est clair qu’il suffit de montrer que
toutes les approximations successives sont comprises dans le domai
ne G :
x "» e G (p = 2 , 3 , . . . ) . (15)
Donnons la démonstration par récurrence.
’ Par hypothèse x {0) ÇG et x (1>ÇG. Soit maintenant x (S'ÇG
(s = 0, 1, . . . , p ) . Comme
||x (D—x<0)||<Df
en vertu de l ’inégalité (8), on a:
||x (,+1> —x (S)|X g * ||x (1) —ac<0) || < Dg* (sÔ , 1, 2.
Par conséquent,
|| x (p+d _ x u> || < || x <2>_ x a> y 4 . . . jr || x «p+n _ x || <
< D g + . . . + Dqp < < p.
Donc x (P+1)ÇG.
Ainsi la propriété (15) est établie et nous tombons dans les con
ditions du théorème (1). Le théorème (2) est démontré.
" R e m a r q u e . Les conditions du théorème 2 sont équivalentes
aux conditions suivantes: soit x (())ÇG et x (1> £ G; en outre,
|| x (1) — x<°>||^D. Si la distance du point x<*> à la frontière T du
domaine G est égale ou inférieure à m» 1© processus itératif (4)
converge.§
§ 10*. Première condition suffisante de convergence des

‘ Considérons le système réduit réel
X \ — <pt ( X | , X2, • . . , # n )»
X* = ^P2(^1 j • • • i£n)t
Xn = (x) est défini et continu avec

sa dérivée q>' (x) = [ J dans un domaine fermé borné convexe
G c: En.
Dans ce paragraphe nous utiliserons deux normes:
|| x ||m= max | xi |
i
et
I M I i = 2 l*i|-
Introduisons les normes par rapport au domaine G:
Il 9 ' (*)||i = max||<p'(x)||m (2)
XÉG
et
|I<P'0*)IIii = max || q>'(ar) ||,, (3)
x£G
OÙ
n
d<Çi (x)
Il 9' (ar)||m= max 2 dxj ( 2 ')
1 ;=i
et
n
3<fi (x) |
||9'(ar)||, = max 2 1 dxj |* (3')
3 . .1
T h é o r è m e . Soient les fonctions ' (x) continues dans
le domaine G, l'inégalité
II<P, (^)I| i < 9 < 1 . (4 )
où q est une certaine constante, étant vérifiée dans G.
Si les approximations successives
x (î>+1) = q>(x(p)) (5)
(p = 0, 1, 2, . . .) ne sortent pas hors du domaine G, le processus itératif
(5) converge et dans le domaine G le vecteur limite
x* = lim jr (p>
p—
*00
est la solution unique du système (1).
D é m o n s t r a t i o n . En vertu du théorème 1 du paragraphe
précédent, il suffit de montrer que sous la condition (4) l'application
y = 9 (ac) (6)
est contractante dans le domaine G au sens de la m-norme.
488 RÉ SO LU T IO N APPROCHÉE DES SYSTÈMES D’ÉQUATIONS [CH . X III
Soit Xj, x 2 6 G et y i = ' (6) IL <11 «i -a fcllm ll* ' (*)IL
On en tire
Il V l — V t \ \ m < 9ll llmt
où 0 ^ g < l , ce qu’il fallait démontrer.
C o r o l l a i r e . Le processus itératif (5) converge si
n
• s
;= 1
d<P/ (*)
<'■0*
( i = l , 2, . . . , n) (7)
pour x Ç G.
Il est évident que le système des inégalités (7) entraîne la condi
tion (4) du théorème.
R e m a r q u e . Le théorème 1 du § 9 conduit pour l ’approxima-
tion x (p> à l ’estimation suivante
| | x * _ j r . ( p ) | | m < ï 2 l _ | | j r ( i ) _ x ( 0 ) ||m (p — 0, 1, 2, . . . ) ,
où x (,) -<p(x<0)).
§ 11*. Deuxième condition suffisante de convergence

des approximations successives
Avant de donner la démonstration du théorème de convergence qui
fait appel aux normes || <p' (x)||n, nous déduirons une estimation
de la différence des valeurs du vecteur fonction analogue au théorème
de la moyenne et qui présente elle-même un intérêt propre.
L e m m e . Si le vecteur fonction
r/iW
/V )-
J n ( ^*) .
est continu avec sa dérivée / ' (x) dans un domaine convexe qui contient
les points x et x + Ax, alors
\ \ f ( x + Ax) - / ( x ) ||, < Il Ax \ \ r \ \ f (5) II,, (1)
où | = x + 0Ax et 0 ■< 0 < 1.
D é m o n s t r a t i o n . Considérons la fonction auxiliaire
Tl
0 (0 = S ei[//(x + *Ax)-/i (*)], >
1
S 11.1 D E U X IÈ M E C O N D IT IO N DE CONVEHGENCE 489
où 0 ^ t ^ 1 est argument scalaire et e* un système de nombres qui

prennent les valeurs —1, 0, 1. Evidemment, 0 (0 ) = 0. Appliquant
le théorème de Lagrange des accroissements finis, on obtient :
2 IU (ar+ Aar)-/, (or)J = O (1)-<D (0) = O' (0) =
{«1
- 2 “ 2 ^ * , h
i=I j= 1
avec £ = x + 0Ax et O < 0 < 1 .
On en tire, compte tenu du fait que |e i |< l l :
2 8/I/i(ar + Ax)—/, (u ))<

i-l
Mï (l)
< 2 2 dxj |A x j|- 2 |A * / |2 0/1dxi(l) ( 2)
i=i j= 1 i=1 i=l
Puisque
àh (l)
dxj | < m a x 2 | - ^ | = il/'(l)lh ,
i=l ' 1=1
en renforçant l’inégalité (2), on obtient :
.2 I/,(ar-!-Aar)-/i(ap)|< j; | t e , \\\f (1) ||, =

i=l l
= ||/ '( § ) l |r 2 l^ xj | = H /, ( I ) ||r ||A x ||l.
i=t
Posons dans cette dernière inégalité
Ci = sgn I/i (x + Ax)—/, (x)) (i = 1, 2, . . . , h)
pour trouver finalement :
2 !/<(* + A * ) - / , (* )K II/" (1) II- Il Ax ||„

c’est-à-dire
||/'(x + Ax) - / ( x ) ||,< Il Ax ||{||/*' (i) |||, (2')
ce qu’il fallait démontrer*.
* Si l'on applique directement le théorème de la moyenne à chaque com
posante du vecteur / (x + Ax) — / (x), on obtient une estimation qui dépend
des valeurs des dérivées aux d i f f é r e n t s points gj (t« 1, 2,. . ., n)
de l'interValle (x, x + Ax). L'inégalité (2') montre qu'on peut se borner aux
valeurs des dérivées 2ÎÆ ) au même point g Ç (x, x + Ax).
dxj
T h é o r è m e . Soit un vecteur fonction '(a s)l|n < g < i, (3)
où q est une constante. Si x (ü) Ç G et toutes les approximations successi
ves
x <p+ i >= <p(x ) (p -= 0, 1, 2, . . . ) (4)
sont aussi contenues dans G, le processus itératif (4) converge vers une
solution de Véquation
x = if (x) (5)
qui est unique dans le domaine G.
D é m o n s t r a t i o n . Montrons que l ’application y = Ji — yz ||t - Il <P (* i) — <P t o ) lit < Il * 1 — *2 II; • Il <p' (1) ||i. (6)
où t£G.
Comme
Il <P' (1) ||<< max || <p' {x) ||, = || <p' (x) ||„ < q,
*£C
l ’inégalité (6) entraîne:

II//1—y*||i<î|| *t —**|li.
avec 0 ^ q < 1 .
En vertu du théorème du § 10 le théorème est démontré.
C o r o l l a i r e . Le processus itératif (4) converge vers une
solution de l’équation (5) et cette solution est unique si pour xÇ G
les inégalités
(7)
j=i
(i = 1, 2, . . ., n) sont respectées.
R e m a r q u e . Le théorème du § 10 entraîne pour l ’approxima
tion x <P) l ’estimation suivante:
Il x* - x<J» ||, < ^ Il xCO-xO» ||If
où x (1) = <p(x(0)).
§ 12J MÉTHODE DU GRADIENT 491
§ 12*. Méthode de la plus grande pente

(méthode du gradient)
Soit un système d’équations
fi (*^1* ^2» • • • * *^n) = 0,
fn (^1> ^2» • • • » %n) = 0 j

ou sous forme vectorielle
/ ( * ) = <> (2)
avec
" /i“
h
• •
_/n _
Supposons que les fonctions f t sont réelles et continûment diffé
rentiables dans leur domaine de définition commun. Considérons
la fonction
U (ar).= I l Iil (x)]» = ( f (x), f (X)). (3)
î=i
Il est évident que chaque solution du système (1) annule la fonc
tion U (x ); par contre, les nombres x u x2, . . xn pour lesquels la
fonction U (x) est nulle forment une solution du système (1).
Supposons que le système (1) n’ait qu’une solution isolée qui
est le point du strict minimum de la fonction U (x). Le problème
se ramène alors à la recherche du minimum de la fonction U (x) dans
l ’espace En = { x u x2, . . xn} de dimension n.
Soient x la solution du système (1) et x (0> son approximation
initiale. Menons par le point x (0) la surface de niveau de la fonc
tion U (x). Si le point x <0> est suffisamment proche de la solution x,
sous les hypothèses adoptées la surface de niveau
U (x) = U (x<°>)
ressemblera à un ellipsoïde.
Suivons à partir du point x <0> la .normale à la surface U (x) =
= U (x(0)) tant que cette normale ne touche en un certain point x (1*
quelque autre surface de niveau (fig. 60)
ï/(x ) = C/(x).
Ensuite, en partant du point x (1\ suivons encore la normale
à la surface de niveau U (x) = U (x(1>) tant que cette normale ne
492 RÉSOLUTION APPROCHÉE DES SYSTÈMES D ’ÉQUATIONS [CH. XIII
touche en un certain point x t2) une nouvelle surface de niveau U ( x ) =

= U (x<2>), etc.
Comme U (x<0>) > U (x(1>) > U (x<2)) > . . ., en nous dépla
çant dans cette direction nous nous approchons rapidement du point
à valeur minimale de U (fond de la
« cuvette ») qui correspond à la solution
cherchée x du système (1). Désignons par
dû
fVxi
grad U (x)
dû
L0*n J
le gradient * de la fonction U (x).
En considérant les triangles vectoriels
OM qM i , OM iM 27 . . . on déduit que
x<p+!>= x<p) — kp grad U (x)
(P = 0, 1, 2, ...) .
Il reste à déterminer les facteurs kp. A
celte fin, considérons la fonction scalaire
® (k) = U [x<p) - k grad U (x <*>)].
La fonction ® (k) donne la variation du niveau de la fonction U
le long de la normale correspondante à la surface de niveau en x (P).
Le facteur k = kp doit être choisi tel que ® (X) soit minimale.
En dérivant par rapport à k et en annulant la dérivée, on obtient
Téquation
O 9(k) - U [x — k grad U (x)] = 0 . (4 )
La racine positive minimale de Téquation (4) nous donne pré

cisément la valeur de kp. D’une façon générale, Téquation (4) doit
être résolue numériquement. Nous indiquerons donc une méthode
de calcul approchée des nombres kp. Considérons que k est une petite
valeur dont on peut négliger le carré et les puissances plus grandes.
* Le gradient de la fonction U (x) (désigné par grad U ou V U ; le symbole

V se lit nabla) est un vecteur appliqué au point x orienté suivant la normale n
à la surface de niveau de la fonction au point donné dans le sens de croissance
de U et de longueur égale à ^ .
La formule suivante a lieu
xrr àU , dû dU
grad U = —— n + —— c2+ •.
dxi ôx2 dx„
où e i (i = 1, 2, . . ., n) sont des vecteurs unités de l’espace E rr
« 1--1 MÉTHODE DU GRADIENT 493
On a
O (X) - S {fi [x- \ grad U ( * <P))|}2 .
1= 1
La décomposition des fonctions U suivant les puissances de X aux
termes linéaires près donne
<t>w= 2 [/* (x(p)) - ^ dUÏ T }) grad u o*00)]2.

i= l
OÙ
<!Ll è Ll !
àx Idxi ’ d x2 * ’ # ’ d x n J *
D’où
«
O ' (X) - - 2 2 [/< (*<”>)- X a/fg ) grad (*<»)] x
t 1
X grad U ( x (p >) = 0.
Par conséquent
S h (x<p,) -a/li x P>) grad ü (x<p,)

i= l
XD=
i=i
( / (x), W (x«P>) grad U (x))
! (H^(x) grad t / (x), W (x))
avec
’d
J± dfl àf i l
dx\ dx2 ‘ ‘ ■ à xn
df2 d f2 àfz
dxi Ô X n ' àxn
dfn <>fn àf n
-dxf dx2 • ' ' à x j
la matrice jacobienne du vecteur fonction /'.

Ensuite, on a
àfl (4P)
ë “ iM s 2 2 '< < * > dxj
i=»l i=l
D’OÙ
2 ^ M * >
i —1
grad U (x) = 2 = 2W ' ( x ) f ( x ) ,
i:
avec W ’ (x) la malrice jacobienne transposée.
Et finalement
( / (p). W p W'vf<rt)
p.p —2ÀP (5)
(W pW p f& \ w pw ' p/ * p >) ’
où, pour abréger l’écriture, nous avons posé
/'(p) = / (x<J»); W P= W ( x ( p >),
de plus
jc — H p W p f i P ) (p = 0 , 1, 2, . ( 6)
Si l’on admet que la fonction f ( x ) est deux fois continûment
dérivable dans le voisinage de la solution cherchée æ, on peut obtenir
des formules de correction plus exactes Ax<P) = x <p+1> — x <P)
(cf. [7]).
E x e m p l e . Calculer par la méthode de la plus grande pente
les solutions approchées du système
x-y-x-— 2yz = 0 ,l; \
y — jr + 3xz = — 0,2; >
z -f- z- + 2xy = 0,3 J
reposant dans le voisinage de l ’origine des coordonnées.
"0
x<°> = 0 .
0
Ici
’x-j-x2—2yz—0,1'
f = y —yz ■+■3xz -j- 0,2
z + z2 + 2xy—0,3.
et
r i + 2x - 2 z —2y "
w= 3z 1—2p 3x .
2y 2x l + 2z_
S 12.] METHODE DV 8 RADIE NT 495
En y portant l’approximation initiale, on aura:

r - 0 ,1 1 1 0 0'
/(•) = 0,2 et W0 = 0 1 0 = E.
.- 0 ,3 . .0 0 1.
Les formules (5) et (6) permettent d’obtenir la première appro
ximation
(/<•>, /«») 4
Fo = (/"», /<«>)
et
o ,r
- 0 ,2
sr( • ) = * (0 ) — \ . Ef ( Q) =
0,3
D’une façon analogue on obtient la deuxième approximation
ar(|). On a :
ro ,i3 i —0,(5 0,41
1,2
/•<» = 0,05 ; H-, = 0,9 1,4 0,3
.0,05. .-0 ,4 0,2 1,0.
D’où
0,181
IVifU) 0,002
.0,147.
et
0,2748
VF, ;/<') = 0,2098
L0,lü32_
Par suite
t>,13-0,2748 + 0 .1 )5 .0 ,2 0 9 8 -1 -0 .0 5 .0 ,1 0 3 2 _ 0,054374
Fr U,27482 + 0,20982 + 0,1632* “ 0,14619797
==0,3719
et
O*1 1 0,181' 0,0327 i
U<2) = - 0 , 2 —0,37119. 0,002 = —0,2007 ! .
[ 0,3 0,147. 0,2453 i
Pour vérifier, calculons le résidu
0,032
/'(2) = -0 ,0 1 7
—0,007
49C RÉSOLUTION APPROCHÉE DES SYSTÈMES D’ÉQUATIONS ICH. XÏ1I
§ 13. Méthode de la plus grande pente pour le cas

d'un système d'équations linéaires
Considérons un système d’équations linéaires
n \
/i = S “\jXj-'bi = 0,
j=i
Tl
fz = 2 °2JXJ— = 0,
i=i (1)
fn = 2 Gn]*] — 6/i = 0
1-1
à matrice réelle A = [üîj] et à colonne des termes constants
V
6:
6=
L^n J
Il vient
f = A x — b
et
a il a l2 • • • a i n
w Û21 Û22 • • • Û9n

dx
_ûnl û/i2 • • • Afin.

Par conséquent,
x (p+*> —x—ppAVp, ( 2)
où r p -i4 x (p) — & est le r é s i d u du vecteur jr<p) et

(rn, yt^lVp)
(3 )
(cf. [5], [6]).

L application des formules (2) et (3) conduit à des calculs très
longs. Aussi en pratique, au lieu de « la plus grande pente » recourt-on
à une « pente » simple en cherchant à minimiser la fonction
U = ( A x — b $ A x — b).
Dans ces conditions, le nombre de pas assurant la précision
imposée des solutions du système (1) devient en général plus grand;
par contre, on peut rendre le calcul de chaque pas plus simple.
§ 13.] MÉTHODE POUR LE CAS D’UN SYSTÈME D’ÉQUATIONS 497
Dans une formulation générale on adopte:

atdH-O —ar— Xp?/ (p = 0, 1, 2, ...) ,
où */(P) est un vecteur arbitraire orienté vers l ’extérieur de la surface
de niveau U = const qui passe par le point x iP}
(grad U (x(p>), yM) > 0.
On a
r P+1 = — b = AxW — b —XpA i/= r p —XPi4//<?>.
L’un des modes possibles déterminant le facteur scalaire est
basé sur la restriction [7]
(•Tp+1. y (p)) = ( r P, ï/(p)) — y™) = 0.
D’où
, (*> ^/(p,)
Ap w' p») *
Tel ou tel schéma de calcul s’obtient en fonction du choix du
vecteur y iP). En particulier, si la matrice A = A' est définie posi
tive (chapitre X, § 15), en posant y {P) = r p on aura:
jt(P-H) = 5f(P) (r p» r p)
\ A r p , r p) * p
(p = 0, 1, 2, • . .), de plus (grad U (x<P)), ?/<p0 = 2 (Arp, r p) > 0

pour r p # 0.
E x e m p l e . Résoudre par la méthode de la plus grande pente
le système d'équations
8xt—x2— 2x3 = 2,3 ; '
i0x2+ x3+ 2x4 = —0,5 ; ^
—xt + 6x3+ 2*4 = — 1,2 ;
3 j|—jj"!" 12^4= 3,7. J
S o l u t i o n . Comme dans la matrice du système prédominent
les éléments diagonaux, on prend comme vecteur initial x (0> le
vecteur dont les coordonnées sont des valeurs arrondies des solutions
du système :
Sxj = 2,3 ; 6 x3 = —1,2;
10x2 = —0,5; 12x4 = 3,7.

Il en résulte, par exemple, que
" 0,3"
*c>= - 0’05 .
- 0,2
0,3.
32—01072
498 RESOLUTION APPROCHEE DES SYSTÈMES D’ÉQUATIONS [CH. XIII
Donc
r Q= Ax(0>— b =
* 8 -- 1 - .2 0* I* 0,3 * 2,3* *0,55*
0 10 1 2 - 0 ,0 5 —0,5 0,4
—
-1 0 6 2 - 0 ,2 - 1 ,2 0,3
3 -- 1 2 12. L 0,3 . . 3,7 J 0,45.
Ensuite
* 8 0 i *0,55* *5,45-
- 1 10 io - 0,4 3,0
A 'r 0 = i6
-2 1 0,3 2,0
i
0 2 2 . 0,45. 6,8 _
et
’ 8 - 1 - 2 0* *5,45* *36,6 *
0 10 1 2 3,0 45,6
- 1 0 6 2 2,0 20,15
. 3 —1 2 12. 6,8 . .98,95.
Appliquant la formule (3) on obtient :

m (r„, A A ’r 0) _0,55.36,G + 0,4.45,6 +0,3-20.15 + 0.45.98,95
— (A A 'r0, A A 'r 0) ~ 36,62 + 45,62 + 20,152+ 98,952
88,9425
13616,0452
0,006532.
D’où
- 0,3 * *5,45* * 0,2644*
- 0 ,0 5 3,0 -0 ,0 6 9 6
-0,006532
-0 ,2 2,0 -0 ,2 1 3 1
0,3 . 6,8 . 0,2556.
(le plus.
0,3109*
0,1020
r<') —b =
0,1684 ’
0,1966.
$ U .] MÉTHODE DES SERIES ENTIÈRES 499
D:une façon analogue on trouve les approximations ultérieures

et les résidus correspondants :
~ 0,2351* 0,0956'
—0,0849 0,0087
x<2>
-0,2147 , »*2= 0,2493 ;
0,2863. .0,0967.
' 0,2296' 0,0712*
X (3) =
-0 ,0812 -0,0280
» r 3=
-0,2251 0,1692 :
0,2748. -0 ,0 8 0 6 .
' 0,2266* 0,0680*
-0 ,0 7 9 2 0,0354
jr<4>= . >*4 =
-0 ,2379 0,1211 ;
0,2875. 0,0334.
* 0,2228" 0,0493'
-0 ,0 8 1 0 0,0013
x<5>
-0 ,2430 , **5 0,0839 ’
0,2823. -0 ,0 4 9 3 .
etc.
Remarquons que dans le cas considéré le processus des approxi
mations converge lentement ; après la cinquième approximation nous
sommes encore loin de la solution exacte du système (4), celle-ci
étant x t = 0,2 ; x2 = —0,1 ; x 3 = —0,3 ; xt = 0,3.
§ 14*. Méthode des séries entières

Soit un système non linéaire
/h (*!> *2» . . ., x„) = 0 (1)
(k = 1, 2, . . ., n), où les fonctions /* sont analytiques dans le
voisinage d’une solution isolée x* = (xî, x$, . . ., xJ).
Considérons un système plus général [8]
** (*i. *2. . • *) = 0 (2)
(k = 1, 2, . . ., n), qui dépend du paramètre réel X et tel que pour
X = 0 la solution de (2) est immédiate, alors que pour X = 1 le
système (2) est identique au système (1)
Fk (*i* *2» • -, xn ; 1) s= /k (x„ x2, . •» xn)
500 RÉSO LU TIO N APPROCHÉE DE S SYSTÈMES D ’É Q U A T I O N S [C H. X III
(k = 1, 2, . . ., n). Le paramètre X doit être introduit de façon que

la relation des fonctions Fk par rapport à X soit la plus simple possi
ble. Par exemple, si x <0) = (xi°\ xo01 , . . . » xjl0>) est une approxi
mation grossière de la solution, on peut poser
i—l 1
(k = 1, 2, . . n), où
X = (xlf Xo, • • ., xn).
Nous supposerons que les soient des fonctions analytiques de X
pour | X | ^ 1.
Supposons que pour | X | ^ 1 le système (2) admette une solu
tion analytique simple xj (X) (/ = 1 ,2 , . . ., n) coïncidant pour
X = 1 avec xj (/ = 1, 2, . . ., n). Posons
X;(0) = Xy (7 = 1, 2, . . . , n),
où xj0) (/ = 1, 2, . . ., n) est une solution connue du système (2)
pour X = 0. En développant les fonctions xj (X) en série de Taylor
au point X = 0, on obtient :
x i M —x3(0) + kx'j (0) + Xj (0) -f . . . (/ = 1* 2, ...» n). (3)
Pour calculer les coefficients xj (0) dérivons l ’égalité (2) par
rapport au paramètre k:
n
+ ^ = 0 (* = 1. 2, (4)
}--=i
Posant x = ac<°> et A,= 0, on aura
dFh (x«»; 0) dFh (x<°>; 0)
S d xj
X j (0) =
dK
(k = 1, 2, . . . . n).
j= 1
on trouve xj(0).
Ensuite en dérivant par rapport à k l’égalité (4), on obtient:
{k)x[{k) +
2 lN « + S 2 dxj dxi 3
1 i= l 1
d*Fh d2Fk
+ 2S d xj dX * iW 4 JiA? = 0 .
j=î
§ 14.] MÉTHODE DES SÉRIES ENTIÈRES 501
D’où pour = et X= 0, oïl trouve:

dFk (x«»; 0)
S dxj) * j< o > = -2 S dxj dxi 01 * i(0) (0 )-
i=t i=l i=i
O*/1* (x<o>; 0) rm d*Fh (x<01; 0) , 0
-2 S .,»)■ (5)
i=l
Comme les x J (0) sont connues, le système (5) permet de détermi
ner x) (0). D’une façon analogue on calcule les dérivées x " ' (0),
*IV (0), . . .
Remarquons que la matrice des coefficients des dérivées supé
rieures est toujours la même et est égale à la matrice jacobienne des
fonctions F{, F2y . . ., Fn relativement aux variables x u x2, . . xn
pour xj = xj0>(/ = 1, 2, . . n) et X = 0.
En supposant que les séries (3) convergent pour X = 1, on obtient
finalement :
x* ^ Xj (1) = Xj (0) + Xj (0) + -£j- x'j (0) + . . . (; -- 1, 2, . . . , n). (6)
L’inconvénient de la méthode est dû au calcul compliqué dans
le cas général des dérivées d’ordres supérieurs. D’autre part, la
rapidité de la convergence de la série (6) peut être insuffisante.
L’application de la méthode n’impose pas nécessairement aux
fonctions xj (X) (j = 1, 2, . . ., n) d’être analytiques, à savoir:
au lieu de la série de Taylor on peut faire appel à la formule de
Taylor en interrompant les séries Xj (X) à une certaine puissance
Xs et en évaluant leurs restes d’après les formules connues (cha
pitre III, § 4).
BIBLIOGRAPHIE
1. L. Kantorovitch. Sur la méthode de Newton. Travaux de l’institut des mathé
matiques Stéklov, XXVIII. Moscou-Léningrad, 1949, pp. 104-144.
2. A. Ostrowski. Recueil de travaux a la mémoire de D. A. Grave. 1940, p. 213.
3. J . B . Scarborough . Numerical M athematical Analysis. John Hopkins, 1950,
chapitre IX.
4. D. Ventsel, JE. Ventsel. Eléments de la théorie des calculs approchés. Edi
tions de l’Académie m ilitaire technique de l ’Air Joukovski, Moscou, 1949,
chapitre III, § 8.
5. W. E. M ilne. Numerical solutions of differential équations.
6 . A . S. llousholder . Principles of Numerical Analysis. Mc Graw-IIill, 1953,
chapitre III.
7. A. D . Booth. Numerical methods. London, Butterworth, 1955.
8. Modem Mathematics for the Engineer, sous la direction d’JE. F. Beckenbach.
Mc Graw-Hill, 1956, chapitre XIV. C. B. Morrey Jr. Non linear methods.
CHAPITRE XIV
INTERPOLATION DES FONCTIONS
§ 1. Différences finies successives

Soil
y = / (*)
la fonction donnée. Désignons par Ax — h une valeur fixée de
l ’accroissement de l ’argument (pas). Alors l ’expression
Ay = A/ (i) = / (x + Ax) — / (x) (1)
s’appelle différence première de la fonction y. D’une façon analogue
on définit les différences d'ordres supérieurs
A"y = A (An*y) (n = 2, 3, . . .).
Par exemple,
A2y = A [/ (x + Ax) — / (x)] =
= [/ (x + 2Ax) — / (x + Ax)] — [/ (x + Ax) — / (x)] =
= / (x + 2Ax) — 2/ (x + Ax) + / (x).
E x e m p l e . Construire les différences de la fonction
P (x) = x3
en considérant le pas Ax = 1.
AP (x) = (x + l)3 — x3 = 3x® + 3x + 1,
A3/> (x) = 13 (x + l)3 + 3 (x + 1) + 1] -
— (3x* + 3x + 1) = 6x + 6,
A3/> (x) = 16 (x + 1) + 6] - (6x + 6) = 6,
AnP (x) = 0 pour n > 3.
Il est à remarquer que la différence troisième de la fonction P (x)
est constante.
Dans le cas général la proposition suivante est vraie: si
P n (x) = flo*" + ai*""1 + . . • + a„
S 1.1 DIFFERENCES FINIES SUCCESSIVES 503
est un polynôme de degré n, ‘alors AnPn (x) = n laji71 = const,

où Ax = h.
En effet, on a:
APn (x) = Pn (x + h) — Pn (x) =
= a0 I(x + h)n — x n] + a, [(x + h)"-1 — x"-1] + . . .
• • • + ®n-l l(* + ty — M.
En se débarrassant des parenthèses suivant le binôme de Newton,
on voit aisément que APn (x) est un polynôme de degré (n — 1) :
APn (x) = box"*1 + 6,x"-2 + . . . + bn_i
Des raisonnements analogues conduisent à la conclusion que la

différence seconde A2Pn (x) est un polynôme de degré (n — 2) :
A2Pn (x) = c<>xn-2 + dx71-3 + . . . + cn_2
et
c0 = (n — 1) hb0 = n (n — 1) h~aQ.
En raisonnant ainsi on établit finalement, de proche en proche, que
AnPn (x) = n \a jin = const,
d ’où l ’on tire en conséquence
A*Pn (x) = 0 pour s > n.
Le symbole A (delta) peut être considéré comme un opérateur
qui associe à la fonction y — f (x) la fonction Ai/ = / (x + Ax) —
—/(x ) (Ax étant une constante). Les propriétés principales d’un
opérateur A se vérifient facilement :
1) A (u + u) = Au + Au;
2) A (Cu) = CAu (C est une constante) ;
3) Am (Any) = Am+n y,
où m et n sont des entiers non négatifs ; par définition on pose A°y=y.
/ (x + Ax) = / (x) + A/ (x) ;
en considérant A comme un facteur symbolique, on obtient :
/ (x + Ax) = (1 + A) / (x). (2)
En appliquant cette relation n fois de suite on aura :
/ (x + nAx) = (1 + A)" / (x). (3)
504 INTERPOLATION DES FONCTIONS [CH. XIV
L’utilisation de la formule du binôme de Newton * conduit

finalement à
/ (x 4- nAx) = 2 C A m/(x), (4 )
m=0
avec
rm n (n — 1) . . . [n — (m — 1)|
C n -----------------^ -----------------
le nombre de combinaisons de n éléments pris m à m.
Ainsi la formule (4) permet d’exprimer les valeurs successives
de la fonction / (x) par ses différences de divers ordres.
En recourant à l ’identité
A = (1 + A) - 1 (5)
et en appliquant le binôme de Newton, on obtient:
A7 (x) = [(1 + A) - 1 ] ” / (x) = (1 + A)n f (x) - Ci (1 + A)"-* / (x) +
+ Ci (1 -i- A)""* / (x) l)n / (x).
II en résulte en vertu de la formule (3):
A7 (x) = / (x -f- nAx) — Ci/ [x4- (n — 1) Ax] +
+ CiJ [x 4- (n —2) Ax) — . . . 4 -(— l)n /(x). (6)
La formule (6) exprime la différence d’ordre n de la fonction /(x)
par les valeurs successives de cette fonction.
Supposons que la fonction /(x) ait une dérivée continue / <7l)(x)
sur le segment [x, x 4- nAx]. On a alors la formule importante
A7(x) = (Ax)7<M) (x + 0nAx), (7)
avec
0 < 0 < 1.
Pour démontrer la formule (7), le plus simple est de le faire
par récurrence.
En effet, avec n = 1 on obtient le théorème de Lagrange des
accroissements finis et, par conséquent, la formule (7) est vraie.
Supposons maintenant qu’on ait pour k < n :
A*/ (x) = (Ax)ft/ ft)(x + 0'ÂrAx),
avec
O < 0 '< 1 .
Il vient
Ak+1/ (x) = Aft [/ (x + Ax) —f (x)] =
= (Ax)k l / k) (x + Ax -f 0' kàx) - / (k) (x + 0'AAx)J.
* Nous laissons au lecteur le soin de justifier Tapplication de la formule du
binôme de Newton.
« 2.] TABLE DES DIFFÉRENCES 505
Appliquant le théorème de Lagrange à l'accroissement obtenu de

la dérivée f {k}(x), on aura:
Ak+1/ (x) = (Ax)k A x/k+1) (x + e'/cAx + 0"Ax),
où O < 0 " < 1 . Posant
e'fc+e* [(8>
0,
*+i
on obtient finalement
Ak+1/ (x) = (Ax)k+1 / (h+,) (x + 0(&+ 1 ) Ax),
de plus, il est évident que
0 <0 < 1.
Nous avons établi de cette façon le passage de k à k + 1 et la for
mule (7) est ainsi démontrée.
/<«> (x + 0*Ax) = ^ £ ) .
D’où, en passant à la limite lorsque Ax-»-0 et en supposant que
la dérivée j (n) (x) soit continue,
A»/(x)
/<n>(x)= lim (Ax)- • (9)
Ax-*0
Il s’ensuit que pour des Ax petits la formule approchée

A -/ (x)
/<«>(x) ( 10)
(Ax)»
est vraie.
§ 2. Table des différences
Il arrive souvent que les fonctions y = / (x) à étudier sont don
nées par des valeurs tabulées y t = / (xt) pour un système de points
équidistants xf (i = 0, 1, 2, . . .), où
Ax* = x t+l — x, = h = const.
Les différences de la suite y-, sont déterminées naturellement par les
relations
Aÿi = y t+ 1 —yt,
A2ÿ| = A (Ayt) = Ayi+l — Ay t.
A"y* = A (An-1ÿ|) = An~lyi+l - àn~'yi.

La première égalité entraîne
yt+i = ÿi + Aÿi = (1 + A) y,.
On en déduit successivement :
y<+2 = (1 + A) y£+1 = (1 + A)2 y lf
y<+ 3 = (1 + A) yl+2 = (1 + A)s yh
ÿf+n — (1 + A)n yt.

En utilisant le binôme de Newton, on obtient:
I/i+n — yi ~h Cn&yt “f“Cn&?yt Anÿ|.
Inversement, on a :
Anj// = [(1 + A) — l]n = (1 + A)n y* —CÀ(1 + A)71"1yi +
+ Cl (1 + A)n“2y< l)n y,
ou
A"#* = ÿn+f — C-n^n+M + C n y n + i - 2 — • • • + ( — 1 )” ÿ|»
Par exemple
A2î = y i+z —2yj+1 + yi,
A#ÿi = ÿi+3 — 3yi+2 + 3yi+i —
etc. Constatons que pour calculer la différence d ’ordre n de Any<f
il faut connaître n + 1 termes yt, ÿl+î, . . ., y£+n de la suite donnée.
Il est commode de ranger les différences finies successives dans
les tableaux de deux types: horizontal (tableau 33) et diagonal
(tableau 34).
Tableau 33
Tableau des différences horizontal
X y Ay A* y A3y
X0 yo Ay0 A2i/0 A3ÿ0

*1 y\ Aÿt A2ÿi A3ÿ j
*2 yz Aÿ. A2ÿ2 A3y2
Tableau 34
Tableau des différences diagonal
X V Ay A2y A 3y
*0 yo A ÿo
*1 yi A ÿi
A 2ÿ 0 A 3ÿo
*2 y2 A y2
A 2ÿ i
*3. Vz
S 2.] TABLE DES DIFFERENCES 507
Exemple 1. Former lé tableau horizontal de la fonction

y = 2s3 — 2x* + 3x — 1 (1)
à partir de la valeur initiale x 0 = 0, en adoptant le pas h = 1.
S o l u t i o n . En posant x 0 = 0, xt = 1 = 2, on trouve
les valeurs correspondantes y0 = —1, yt = 2, y2 = 13. On en
tire:
Ayo = Ui — i/o = 3,
A j/i = i/ 2 — i/i = H ,
A2y0 = A ^ — Ay0 = 8.
Portons ces valeurs sur le tableau 35. Notre fonction étant un poly
nôme de troisième degré, sa différence troisième est constante (cf. § 1)
et égale à
A8*/* = 2 -3 1 = 12.
Pour poursuivre la formation du tableau 35 on peut donc recourir
à la sommation* en utilisant les formules
AVh = A2yt + 1 2 (i = 0, 1, 2, . . .),
Ay<+Î = Ayt + A2y* (i = 1, 2, . ..),
y«+i = Vi + Ayt (i = 2, 3, . . . ).
La ligne étagée indique les données initiales popr former le tableau.
Tableau 35
Tableau des différences horizontal de la
fonction du troisième degré
X y &y Wy
0 -1 3 S 12
1 2 11 20 12
2 13 31 32 12
3 44 G3 44 12
4 107 107 56 12
5 214 163 68 12
R e m a r q u e . En composant le tableau des différences le

calculateur peut commettre des erreurs aléatoires. Voyons quelle
sera l'influence qu’exerce l ’erreur e de yn sur les valeurs des diffé
rences. Le tableau des différences diagonal correspondant s’obtient
sous forme de tableau 36 qui montre que : 1) si yn est entaché d’une
erreur, les différences

&yn-li , A~yn-2i 1»A“l/n,
etc., sont également fausses; 2) les erreurs entrent dans les Aky
différences d’ordre k avec des coefficients binomiaux aux signes
alternés; plus précisément les valeurs respectives des erreurs sont
CU, — Cl e, Ch e, ( — l)h Ch£.
et, par conséquent, la valeur absolue de l ’erreur maximale de la
différence d’ordre k croît rapidement avec le numéro de cette diffé-
§ 2.1 TABLE DES DIFFÉRENCES 509
rence ; 3) pour toute différence Ahy la somme des erreurs, compte tenu
de leurs signes, est nulle, alors que la somme des valeurs absolues
des erreurs est | e | -2*. Ainsi, même une erreur négligeable de la
valeur de la fonction conduit à des erreurs importantes dans ses
différences d’ordres élevés. Remarquons que dans le cas d’un tableau
diagonal l ’erreur maximale des différences Aky se trouve sur la même
ligne horizontale que la valeur tabulée erronée yn ou sur les lignes
supérieure et inférieure voisines.
La loi examinée de la propagation de l'erreur e dans le tableau
des différences permet parfois d’établir l ’existence et l ’emplacement
de cette erreur, ainsi que sa valeur numérique, et par là corriger le
tableau.
Les tableaux des différences se composent en général à une unité
décimale fixée près. Si la fonction y = f (x) possède des dérivées
continues jusqu à l’ordre m, le pas h = Ax étant suffisamment
petit, ses différences changent régulièrement jusqu’à l ’ordre Itt
y compris, la différence d’ordre m étant presque constante dans les
limites des décimales données. Si cette dernière condition est enfreinte
dans quelque partie du tableau et si la fonction n’a rien de singulier,
on est alors en présence d’une erreur de calcul.
Après avoir trouvé l’écart maximal entre la différence d’ordre m
et l ’allure régulière, on peut déterminer l ’emplacement de cette
erreur dans la colonne des valeurs de la fonction y sous l ’hypothèse
que : 1) cette erreur est unique et résulte du calcul erroné d’une
valeur de la fonction et 2) le calcul des différences finies n’a pas
donné lieu à d’autres erreurs. Si on découvre une telle erreur dans
le tableau des différences, on peut la corriger à l ’aide das valeurs
des différences. Montrons comment on le fait tout en nous bornant,
pour simplifier, au cas des différences constantes secondes ou troi
sièmes.
Supposons que la valeur tabulée fausse est yn + e, où l ’indice
n est établi, alors que la valeur de l ’erreur e est inconnue.
Si les différences troisièmes sont pratiquement constantes, les
différences secondes forment une progression arithmétique; la valeur
exacte de la différence seconde A2yn-i sera donc égale à la moyenne
arithmétique de trois différences fausses adjacentes:
- “3~[(A2i/n-2 + e) + (A2yn_i—2e) + (A-yn -f- e)]f

du fait que les termes en e se compensent.
D’après la valeur exacte de la différence seconde A2yn-i on peut
calculer la valeur de l ’erreur e, à savoir: cette erreur sera égale
à la demi-différence des valeurs corrigée et fausse de la différence
A2y„-,
6 " ~T [ A “ÿ n -1 — (A2y n -1 2e)].
Quant à la valeur exacte de la fonction yn elle-même, on l'obtient

de l'identité
yn = (yn + e) — e.
Pour vérifier il faut de nouveau calculer les différences.
E x e m p l e 2. Corriger l ’erreur du tableau 37.
Tableau 37
Différences à erreur unique
X V Ai/ A3U Erreur
15 13,260
884
16 14,144 0
884
17 15,028 0
884 1 8
18 15.912 (-4)0
88(0)4 >- 2 e
19 16,79 (2)6 (8)0
88(8)4
20 17,680 (-4)0 e
884
21 18,564 0
884
22 19,448 0
884
23 20,332
S o l u t i o n . La perturbation maximale du changement régu

lier des différences secondes a lieu pour x = 19. L’erreur concerne
trois lignes réunies par une accolade. Cherchons à déterminer la
moyenne arithmétique de la différence seconde pour la ligne médiane
des trois lignes associées
A2ÿn-i = - y —( —4 + 8 —4) = 0.
D’où
e = l [0—0,008) = —0,004.
En corrigeant la valeur tabulée de y pour x = 19, on obtient:

yn = (yn + c) - e = 16,792 - (-0,004) = 16,796.
Après la correction on a un tableau dans lequel les différences pre
mières changent régulièrement et la différence seconde est constante
(les chiffres incorrects sont mis entre parenthèses). Notons que cette
méthode ne permet de corriger que des erreurs de calcul isolées ou des
s 3.] PUISSANCE GÉNÉRALISÉE 511
lapsus. Pour éliminer un grand" nombre d’erreurs dues à des causes

differentes, ainsi que pour réduire la cumulation des erreurs produi
tes par le manque de précision des méthodes numériques elles-mêmes
et l ’arrondissement des résultats intermédiaires jusqu’au nombre de
chiffres donné, on emploie des procédés de « lissage » spéciaux [1].
§ 3. Puissance généralisée
Dans ce qui suit nous devrons recourir à la notion de puissance
généralisée [11.
D é f i n i t i o n . On appelle puissance généralisée w-ième du
nombre x le produit de n facteurs dont le premier est égal à a; et
chaque facteur suivant est plus petit de A que le précédent:
xlnl = x (x — A) (x — 2A) . . . [x — (n — 1) A1, (1)
où A est une constante fixée.
L’exposant d’une puissance généralisée se met généralement
entre crochets. On pose xl°] = 1.
Pour A = 0, la puissance généralisée (1) coïncide avec la puissance
ordinaire
XW = x*.
Calculons les différences d’une puissance généralisée en posant
Ax = A. Pour la différence première on a :
Axlnl = (x-f A)^n*—xlnl =
= (x + A)x . . . [x —(n —2)A]—x(x — A) . . . [x —(n— 1)A]--
= x(x —A) . . . [x —{n —2)A|•{(x-j-A) — [x—(/i — l)A]}--=
—x(x —A) . . . [x — (n — 2) A] nh ^rcAxl"-1!,
soit
Axtnl = nAxl71” ^. (2)
Calculons la différence seconde :
A2xlnl = A (Axtn)) = A (wAxI71-1!) =
= nh»(n — 1) AxÉn_2J = nh2 (n — 1) xln-2L
Ainsi
Aaxln) = n(n — 1) A2xIn~2L
Il est facile de déduire par récurrence la formule générale
A*xW = » (n — 1) . . . [n— ( A - 1)] A*xï"-^,
où A= 1, 2, ...,/? •
Il est clair que
A*xlnl = 0 pour k > n .
512 INTERPOLATION DES FONCTIONS [CH, XIV
La formule (2) permet également de déduire une formule simple

de sommation finie. Soient
Xq, X j, X2 , - . •
des points équidistants de pas h

xi+i xi = h (t —0, 1, 2, . . . )•
Considérons la somme
N—1
i=U
2 4 nl-
Comme en vertu de la formule (2) on a :
A(» + l) ’
il vient
N-l
■*»=
i=Ü
_ _ _ { x ^ n + l ] _ I [n + l] + . . . + * £ + * ] — x t» + /l} =
= T ( ^ H ) - ( 4 n+,1- 4 n+,]L
Ainsi
iV-l
4v+11- 4 n+l)
2 4 nl M «+ l) (3)
La formule (3) est analogue à la formule de Newton-Leibniz pour

une puissance positive entière.
§ 4. Position du problème d’interpolation

Le problème d'interpolation le plus simple [2] consiste en ce
qui suit. On donne sur le segment [a, b\ n + i points x0, xlf . . xn
qui s’appellent points d'interpolation, et les valeurs d’une certaine
fonction / (x) en ces points
/ (*o) = ÿû» / (* l) = 01. • • •> / (*n ) = ÿ n. (1 )
Soit à former la fonction F (x) (jonction d'interpolation) qui

appartient à une certaine classe connue et qui prend aux points
d ’interpolation les mêmes valeurs que / (x), c’est-à-dire telle que
F (*o) = ÿo, F (x,) = y„ . . F (x„) = yn. (2)
§ 5.1 PREMIÈRE FORMULE D ’INTERPOLATION DE NEWTON 513
Géométriquement cela signifie qu’il faut trouver une courbe

d’équation y = F (x) et de type donné passant par le système des
points donné (xh y() (i = 0, 1, 2, . . .) (fig. 61).
Le problème posé sous une forme générale peut avoir un nombre
infini de solutions ou n’en avoir point. Toutefois, il a une et une
seule solution si l ’on cherche non pas une fonction arbitraire F (x)
mais un polynôme Pn (x) de degré inférieur ou égal à n vérifiant les
conditions (2) et tel que
P n (Xo) = UOi Pn («î) = I/lï • • •» Pn (*^n) = I/n-
La formule d’interpolation obtenue

y = F (x)
s’emploie généralement dans le calcul approché des valeurs de la fonc

tion donnée / (x) pour les valeurs de l ’argument x qui diffèrent
de celles des points d’interpolation. Cette opération s’appelle inter
polation de la fonction f (x). On distingue une interpolation au sens
strict lorsque x Ç [x0, xnl, c’est-à-dire lorsque la valeur de x est
intermédiaire entre x0 et xn, et une extrapolation lorsque x £ [x0, xnl.
Dans ce qui suit, nous entendrons par interpolation la première ainsi
que la deuxième opération.
§ 5. Première formule d’interpolation de Newton

Soit yi = / (xj) les valeurs données de la fonction y = / (x) pour
des valeurs équidistantes de la variable indépendante xt- = x0 +
+ ih (i = 0, i, 2, . . ., n), où h est le pas d'interpolation. On se
propose de choisir un polynôme Pn (x) de degré inférieur ou égal
à n, qui prend aux points x t les valeurs
P n (*i) = yi (i = 0, 1, . . ., n). ( 1)
33—01072
Les conditions (1) sont équivalentes à ce que

AmPn (*o) = Amÿ0
pour m = 0, 1, 2, . . . » n.
Recherchons d’après Newton le polynôme sous la forme
P n (x) = a0 + a, (x — x0) + a 2 (x — x 0) (x — x,) +
+ a3 (x — x 0) (x — x,) (x — x2) + • • •
. . . + On (x — X 0) (x — X j ) . . . (x — Xn _ j ) . (2)
La puissance généralisée permet d’écrire pour l ’expression (1)
P n (x) = a04- (x —x0)[11-f-<*2(x—x0)121 +
-4" ( x — X ( j ) ^ "4“ • • • "4* a n ( x — X0) t n l. ( 2*)
Notre tâche consiste à déterminer les coefficients at (i = 0, 1, 2, . . .

. . ., n) du polynôme Pn (x). Posant dans (2') x = x0, onaura:
Pn (*o) = ÿo = «o-
Pour trouver le coefficient at composons la différence première
AP n (x) = a ji 4- 2a2(x— x0)t,J A +
+ 3a3(x—x0)l2] h + . . . + nan (x—x0)[n" 11h.
Supposant que dans cette dernière expression x = x0, on obtient:
dl %
APn (x„) = Aÿ0 = a,ù,
ou
a ,= Ayo.
11 h
Pour déterminer le coefficient a2 composons la différence seconde
A2P n (x)=2 ! fe202 + 2-3A2a3(x—x0)m + . . . +
+ (n— l)n h 2a„ (x—x0)tn-21.
Posant x = x0, on obtient:
A2P„ (x0) = A2ÿ0 = 2 ]h?a2 ;
d’où
A2y0
«2 = 2 ! A2 *
De proche en proche, on trouve que
Afÿo (i = 0, 1, 2 , ----- n).
f IA*
où l ’on a posé
0! = 1 et A°y = y.
§ 5. J PREMIÈRE FORMULE D’INTERPOLATION DE NEWTON 515
Portant les valeurs obtenues des'coefficients at dans lTexpression (2')

on aboutit au polynôme d'interpolation de Newton
À2ÿo
^ . ( ^ ^ - ^ ( x - X o ) 1' 1 21 h- ( x - x 0)m +
I A»ÿ0
‘ n ! h" (x —x»)1"1 (3)
On voit facilement que le polynôme (3) vérifie parfaitement les
restrictions du problème posé. En effet, premièrement le degré
du polynôme Pn (x) est égal ou inférieur à n, deuxièmement
Pn (*o) = ÿo
et
P n (x*) = ÿ0 f (Xfc— x „) + y j g r (Xfc— x 0) (Xfe — X ,) +
-777-(Xfc —x0)(xh —X,) . . . (Xfc — Xfc_,) =
= y0 + k&y0+ * (fc2| A2y0+ •■ •.+ k{k X i 1 Ahy° =

= (1 + A)*ÿ0= ÿn (* = 1. 2, . . . , n).
Notons que pour h -► 0 la formule (3) se ramène au polynôme de
Taylor pour la fonction y.
En effet,
l i n ,i hshM - \7 dTx J)
h-+Q x = xq -f* ™ -
De plus, il est évident que
lim (x—x0)lnl = (x —x0)n.
/i-*0
Il en résulte que quand A—►0, la formule (3) prend la forme du
polynôme de Taylor:
Pn (z) = y (x 0) + y’ (x„) (x —x0) + . . . + y<n'n \Xo) (x —x0)n-
Pour rendre plus commode l ’utilisation pratique de la formule
de Newton (3) on l ’écrit sous une forme quelque peu différente.
A cette fin introduisons une nouvelle variable d’après la formule
alors il vient
(*-*o) (* -* 0- * ) (*-*0-2/1)
hi h ' h ' h
[*—*o—(Z—1) Z*1 —l)(g —2) — (g—£+1)
h
( î = 1, 2, . •., n).
33*
516 IN TE R PO L A TIO N DES FO N CTIO N S IC H . X IV
Eii portant ces expressions dans la formule (3), on aura:

Pn(x) Ho r q 11 A*ÿo +•••"-
+ , ^ (4 )
où q.= est le nombre de pas nécessaire pour atteindre le

point x en partant du point x 0. C’est la forme définitive de la pre
mière formule d'interpolation de Newton.
La formule (4) présente un avantage lorsque la fonction y = f (x)
est interpolée d a n s l e v o i s i n a g e de la v a l e u r
i n i t i a l e x 0, où q est petit en valeur absolue.
Si dans (4) on pose n = 1, on obtient la formule d'interpolation
linéaire
P\ (*) = i/o + qày0.
Avec n = 2 on a la formule d'interpolation parabolique ou quadratique
Pz (*) yo + gAÿo -f A*y0.
Si le tableau donné des valeurs de la fonction y est infini, le
nombre n dans la formule d’interpolation (4) peut être quelconque.
Pratiquement dans ce cas on le choisit tel que la différence Ânyi
soit constante avec la précision imposée. Pour valeur initiale x0 on
peut prendre toute valeur tabulée de l ’argument x .
Si le tableau des valeurs de la fonction est fini, le nombre n est
borné et, notamment, n ne peut être supérieur au nombre de valeurs
de la fonction y diminué d’une unité.
Remarquons qu’en appliquant la première formule d’interpola
tion de Newton (par différences descendantes), il est commode de
recourir au tableau horizontal, les valeurs nécessaires des différences
de la fonction figurant sur la ligne horizontale correspondante du
tableau.
E x e m p l e 1. Le pas étant h = 0,05, construire sur le segment
[3,5 ; 3,6] le polynôme d’interpolation de Newton pour la fonction
y = ex donnée par le tableau
X 3,50 3,55 3,60 3,65 3,70
y 33,113 34,813 36,598 38,475 40,447
S o l u t i o n . Formons le tableau des différences (tableau 38).

Remarquons que, comme d’ordinaire, dans les colonnes des diffé
rences nous n’indiquons pas la place de la virgule, qu’on trouve dans
la colonne des valeurs de la fonction. Les différences troisièmes étant
P R E M IÈ R E FORM ULE D ’I N T E R P O L A T I O N DE NEWTON 517
Tableau 38
Différences de la fonction y = ex
X V A i/ A2 y A 3 IJ
3,50 33,115 1698 87 5

3 ,5o 34,SI3 1785 92 3
3,60 36,598 1877 95
3,65 38,475 1972
3,70 40,447
pratiquement constantes, on pose dans la formule (4) n = 3. Adop

tant x 0 = 3,50, i/o = 33,115, on aura:
P3(x) = 33,115 + 1,698g + 0,087 <?(<?~ 1) + 0,005 (<?~ 2)
OU
P3(x) - 33,115 T 1,098g + 0,0435g(g — 1) 0,00083g(g- 1)(g - 2),
avec
Exemple 2. Le tableau 39 donne les valeurs de l'intégrale

de probabilité
y ü
En appliquant la première formule d’interpolation de Newton,
trouver la valeur approchée de O (1,43).
S o l u t i o n . Complétons le tableau 39 de y jusqu’aux diffé
rences troisièmes y comprises.
Tableau 39
Différences de la fonction y — O (x)
X u Au A2U A3|f
1,0 0,8427 375 -7 4 10

1,1 0,8802 301 -6 4 10
1,2 0,9103 237 -5 4 9
1,3 0,9340 183 -4 5 9
1,4 0,9523 138 -3 6 9
1,5 0,9661 102 -2 7 5
1,6 0,9763 75 —22 6
1,7 0,9838 53 -1 6 4
1,8 0,9891 37 -1 2
1,9 0,9928 25
2,0 0,9953
Prenons pour x 0 la valeur tabulée la plus proche de la valeur

x = 1,43, c’est-à-dire posons x0 = 1,4. Comme h = 0,1,
En portant dans la formule (4), on obtient :

y « 0,9523 4- 0,3-0,0138 + 0,3 ( -0,0036) +
+ 0.3 (0 ,3 -1 ) (0 ,3 -2 ) <0>0009 = 0)95680.
(Valeur tabulée: <D (1,43) = 0,9569; cf. «Tables des fonctions»

de Yanke et Emde.)
Il arrive souvent en pratique qu’il faut choisir une formule analy
tique traduisant avec une certaine précision les valeurs tabulées
données de la fonction considérée. Une telle formule est dite empi
rique ; le problème admet plusieurs solutions.
Pour construire une formule empirique il faut prendre en considé
ration les propriétés générales de la fonction. Si le tableau des diffé
rences révèle que les différences d’ordre n de la fonction pour des
valeurs équidistantes de l ’argument sont constantes, on peut prendre
comme formule empirique la première formule d'interpolation de
Newton correspondante.
E x e m p l e 3. Construire une formule empirique de la fonc
tion y donnée par le tableau
X 0 1 2 3 4 5
y 5,2 8,0 10,4 12,4 14,0 15,2
S o l u t i o n . Le tableau des différences (tableau 40) montre

que la différence seconde est constante. En utilisant la formule
d’interpolation de Newton sous la forme (3) et compte tenu de ce
que h = 1, on aura :
ÿ - 5 ,2 - f 2 ,8 x — ^ - x ( x - l )
OU
y = 5,2 + 3x — 0,2 xr.
Exemple 4. Trouver la somme des carrés
iSn = 1“ + 2“ + . . . + n2
des nombres naturels de 1 a n .
§ 5. 1 PREMIÈRE FORMULE D’INTERPOLATION DE NEWTON 519
S o l u t i o n . On a évidemment :
ASn = Sn+1 — S n = (n + l)2.
D’où
A2Sn = 2n + 3, AsSn = 2
et, par conséquent, S n peut être recherchée sous forme de polynôme
du troisième degré par rapport à n.
T a b le a u 40
Différences de la fonction y
X V Ay A2y
0 5,2 2,8 - 0 ,4
1 8,0 2,4 - 0 ,4
2 10,4 2,0 - 0 ,4
3 12,4 1 ,6 - 0 ,4
4 14,0 1,2
5 15,2
Pour déterminer les différences

AiSi, A25i,
il faut calculer trois valeurs S u S 2 et S s. On a:
51 = 1,
5 2 = Si + 22 = 1 + 4 = 5,
S z = S 2 + 32 = 5 + 9 = 14.
D’où
AS j = 5 — 1 = 4 ,
AS2 = 14 - 5 = 9,
A2Si = 9 - 4 = 5,
et
A3Si = 2.
En appliquant la première formule de Newton et en tenant compte
de ce que
n—l 4
q ——J—=n—î,
on a:
S„ = l + 4 ( n - l ) + + 2(n-l)(n-2)(n-3)
o
OU
<S„ = -^ n (n 4-1) (2n + 1).
§ 6. Deuxième formule d’interpolation de Newton

La première formule de Newton est pratiquement incommode
pour l ’interpolation de la fonction dans la partie finale du tableau.
Dans ce cas on recourt à la deuxième formule d'interpolation que
nous déduisons ci-dessous.
Soit un système des valeurs de la fonction
ÿi — y (*i) (i = 0, 1, 2, . . n)
pour des valeurs équidistantes de l ’argument
Xi == x o + ih.
Construisons le polynôme d’interpolation de la forme suivante:
Pn (x) = a0 + a, (x — xn) + a, (x — x n) (x — x„_,) +
+ a3 (x — x n) (x — xn_|) (x — x„_.) + . . .
. . . + an (x — x„) (x — x„_,) . . . (x — x,),
ou, en appliquant la puissance généralisée, on obtient :
Pn (x) --- aQl a , (x—x„)m -f a. (x —x„_,)[2]-f
-f a3(x —x„.2)l31-f . . . -|-a„(x—xt)[nl. (1)
Notre tâche consiste à calculer les coefficients a0, a2, a2, . . ., an
de sorte que les égalités
Pn (xi) = yi (i = 0, 1 , 2 , . . ., n)
soient vérifiées. A cette fin il faut et il suffit que
AlP n (xn-i) = Aly n.i (i = 0, 1, . . . , n). (2)
Posons dans (1) x = xn. Alors, on aura :
Pn (Xn) = yn = «o,
et donc
<*o = Uii-
Prenons ensuite les différences premières des premier et deuxième
membres de (1)
AP n (x ) = ax• 1h 4- a2• 2h (x — x n^{)[11 4-
+ a 3 >3A(x —x„.2)[23 - f - . . . + û nnA(x —Xj)171" 11.
On en tire en posant x = x n~i et compte tenu des relations (2):
A P n (Xn- 1) = = ÛjA.
Par suite
_ _
§ 6.] DEUXIÈME FORMULE D’INTERPOLATION DE NEWTON 521
Formant de même la différence seconde de Pn (x) on obtient :

A2/>„ (x) = a,2 ! h* + a33 . 2hr (x — x„_2)1 1-f . . . -h
-f a„n (n — 1) h2(x—Xj)1"-21-
Posant x = arn_2» on trouve:
A2P n (xn-z) — A-yn~2 —dz2 ! A2,
ainsi donc
La loi qui régit les coefficients at est suffisamment claire. On peut

donner une démonstration rigoureuse par récurrence du fait que
a' = - % r - (* = o , i , 2 , (3)
En substituant ces valeurs dans la formule (1) on a finalement:
Pn (x) = y n + —j y j p (x —X n ) + A2 U i ~22 (* — * " ) ( * — X„_,) +
+ A3 U 33 (X—Xn)(X —Xn-|)(x —X»_,)+ ■. . +
+-ïrn$r(x - Xn) ••• (4)

La formule (4) s’appelle deuxieme formule d'interpolation de
Newton.
Introduisons une écriture plus commode de la formule (4). Soit
-*n
?= h ’
alors
X XN- 1 x — jcn + h
= g + l,
x x n-2
~ q - f-2, etc.
En portant ces valeurs dans la formule (4)T on obtient :
Pn (x) = y n + gAyn_, -f -q A2y„_2-j-
■ ? ( '/+ ! ) (7 + 2) Ai q ( q + \ ) ... (< 7 + k — 1)
i---------J]-------- a yn-3 H • • • "f n! i/o - (4')
C’est précisément la forme usuelle de la deuxième formule de
Newton. Pour le calcul approché des valeurs de la fonction y on
pose :
y = Pn (X).
522 IN T E R P O L A T IO N D E S FO N CTIO N S [CH. X IV
E x e m p l e 1. Soit le tableau des valeurs y = lg x des loga:

rithmes à sept décimales
X V
1000 3,0000000
1010 3,0043214
1020 3,0086002
1030 3,0128372
1040 3,0170333
1050 3,0211893
Trouver lg 1044.
T a b le a u 41
Différences de la fonction y = Igx
x y ùfiy A3 y
1000 3,0000000 43214 -4 2 6 8

1010 3,0043214 42788 -4 1 8 9
1020 3,0086002 42370 -4 0 9 8
1030 3,0128372 41961 -401
1040 3,0170333 41560
1050 3,0211893
Adoptons
xn = 1050,
alors
1044-1050
x — xn
h 10
- 0 ,6.
En utilisant les différences soulignées, on a, en vertu de la formu
le (4'):
lg 1044 = 3,0211893 + ( - 0,6). 0,0041560- ( - ° ’6 H - ° ,6 + 1) X
x 0,0000401 + (-o .C H -o .S + tH -o .e -f-2) . q,0000008 = 3,0187005.
Dans le résultat obtenu tous les chiffres sont exacts.

Les deux formules de Newton peuvent être utilisées pour extra
poler la fonction, c’est-à-dire pour calculer les valeurs de y pour
des valeurs de x dépassant les limites du tableau. Si x < x 0 et x est
§ G.] DEUXIÈME FORMULE D’INTERPOLATION DE NEWTON 523
proche de x0, la première formule présente plus d ’avantages. Dans

ce cas
g = Z ^ o < 0.
Si x > xn et x est proche de x„, il est plus commode de faire appel

à la deuxième formule de Newton, et on a
g= J ^ > 0.
Ainsi la première formule de Newton est appliquée généralement

pour interpoler en avant et extrapoler en arrière, alors que la deuxième
s’emploie à l ’inverse pour interpoler en arrière et extrapoler en avant.
Remarquons que dans le cas général l ’extrapolation est une
opération moins précise qu’une interpolation au sens strict.
E x e m p l e 2. Trouver sin 14° et sin 56° à partir du tableau
des valeurs de la fonction y = sin x entre 15° et 55°, le pas étant
h = 5° (tableau 42).
T a b lea u 42
Différences de la fonction y = s i n x
X y Ay A*y A3y
15° 0,2588 832 — 26 -6

20° 0,3 4 2 0 806 —32 -6
25° 0,4226 774 —38 —6
30° 0,5000 736 —44 —5
35° 0,5736 692 -4 9 -5
40° 0,6428 643 -5 4 —3
45° 0,7071 589 -5 7
50° 0 ,7660 532
55° 0,8192

On voit que les différences troisièmes de y sont pratiquement cons
tantes et nous pouvons donc en rester là.
Pour trouver sin 14° posons :
x0 = 15° et x — 14°;
d’où
q 14° — 15° _ Q2
524 INTERPOLATION DES FONCTIONS [CR. XIV
En appliquant la première formule de Newton et en opérant avec

les différences soulignées, on aura :
sin 14° = 0,2588 + ( - 0,2) -0,0832 + (~ ° ’2^([~ 1,2) (—0,0026) +
+ ( - ° '2) ( - ^ 2) ( - 2.2) ^_ o ooog) = o,2419.
D’après la table sin 14° = 0,24192.

Pour calculer sin 56° posons :
xn = 55° et x = 56° ;
d’où
En appliquant la deuxième formule de Newton et en utilisant les

différences soulignées de deux traits, on aura :
sin 56° = 0,8192 + 0,2-0,0532+ 0' \ \ ' 2 (-0 ,0 0 5 7 ) +
f 0’213,2‘2’2 ( —0,0003) =0,8291.
La table donne sin 56° = 0,82904.
§ 7. Tableau des différences centrales

Pour construire les formules de Newton on ne recourt qu’aux
valeurs situées d’un seul côté de la valeur initiale choisie, ce qui
donne à ces formules un caractère unilatéral.
Dans de nombreux cas on a intérêt à mettre en œuvre des formules
d’interpolation concernant les valeurs situées des deux côtés du
point de départ. Les plus usitées sont celles qui contiennent les
différences données par la ligne horizontale du tableau diagonal
correspondant aux valeurs initiales x 0 et t/0, ou par les lignes immé
diatement adjacentes. Ces différences Ay_lt Ay0, A2y .|, . . . sont
dites différences centrales (tableau 43), où
x t = x 0 + ih (i = 0, ± 1 , ± 2 , . . .), y t = f (*,),
Ayt = y i+1 — yt ; A2yt = Ay i+i — Ayh etc.
Les formules correspondantes s’appellent formules d'interpolation

par différences centrales. Ce sont entre autres les formules de Gauss,
de Stirling, de Bessel [31.
S 8.] FORMULES D’INTERPOLATION DE GAUSS 525
Tableau 43
t3
X y Ay A*y A3y A*y Ay Asy
*U £U
Ayu
y-3 A2y..
Ay-3 AJy.<
X-2 y-î A2y 3 A*y.*
ày-2 AJy.j Asy .t
x- , y-, A2y.2 a V * A*su
Ay.t> 7 ^ A3y-s .
V *4
xa ya 'p ÿ ? <t?y.2 Â*y.3
Ay„' AJy-, Asy.2
xr Vt A2y0 A*y-, A6y.z
Ay, A3y0 Asy-,
*2 y2 A2y, A%
Ay2 A3y,
X3 y,j A2y2
Ay,
X4 y<
§ 8. Formules dTinterpolation de Gauss

Déduisons d’abord les formules de Gauss.
Soient 2 n + 1 points équidistants
x —
(n—
1)t • • 1» x 0i x \i • • •» x n —1 »
OÙ
= x l +{ — x t = h = const (t = —n, —(/* — 1), . . rc—1),
auxquels on connaît la valeur de la fonction y = / ( x )
Ui = / (î) (£ = 0, ±1» • • -î ±rc).
On demande de construire un polynôme P (x) de degré égal ou
inférieur à 2n et tel que
P (x^ = i ji pour i = 0. ± 1 , . . .. n
La dernière condition entraîne

A hP( Xi ) = A "y,. (1)
pour toutes les valeurs respectives de i et de k.

Cherchons ce polynôme sous la forme
P (x) = a0 + a, (x — x„) + a2 (x — x 0) (x — x,) +
+ a 3 (x— x_j) (x — x0) (x — x,) + a 4 (x — x_,) (x —x0) (x — x,) x
X (x— x2) + as (x — x_2) (x — x_,) (x — x„) (x— x,) (x — x2) +
• • • + <*2n-l (* — *_<„_!,) . . . (x — X_,) (x — X0) (x — X,) . . .
• • • {.X Xn—i) + <Z2n (X £— (n—1>) • • • (X I . |) (x— Xo) (x— Xj) . . .
. . . (x — x„_,) (x — x„). (2)
Introduisant les puissances généralisées, on obtient:
P (x) = ûq —ûj (x —x0)1 ^-j- &2 (x —Xo)^”^4-
- r a 3 (x — x M)t314 - a 4 (x — x M)l4] + . . • + a 2n-i (x — x ^ . , , ) 12”" 1^
-f-Û2n (X (3)
En appliquant pour calculer les coefficients at (i = 0, 1, . . 2n)

le même procédé que pour déduire les formules d’interpolation de
Newton et en tenant compte de la formule (1), on trouve successive
ment :
Ay0 _ A2ÿ -i _ A3y_ |
a o — U oj a i — i j * a 2 — 2 j / t2 * a3 “ 3 j /*3’
_ _ „ _ A 2 n - i^ n. 1} ^ _ A2ny-n
4 U * ’ • • • » “ 2n-l — (2n— 1) ! A2n-l * a 2n — (2*) | fc2n *
Introduisons ensuite la variable
et, après avoir effectué la substitution nécessaire dans la formu

le (3), on obtient la première formule d'interpolation de Gauss
P (x) = y0+ qby0 + q (V f — A*ÿ-i + (<?+1)J7.(<7~ 1) A3y_i +

(<7+l)<7(<7-«)(7-2) (7 + 2) (q + l ) q ( q - l ) ( q - 2 ) ^ + _
A*y. 51
41
(aA-n—1) ... (7 —n+ 1 )
(2it —i) 1 A2" - W „
(7 + n - l ) . . . ( 7 - n ) A2n f4)
(2n) I *" W
§ 8.] FORMULES D’INTERPOLATION DE GAUSS 527
ou en abrégé
P (*) = g A ÿ o - r 4 r A2y- ‘ + (q+3 \ 1 à3y~l +
. ( '/ + 0 ^ Aiu I (9+ n —1)^"" ^ A2n-i„ I

41 ^ ÿ-2 - • • • H--- (2/i —ï j ! A *-«»-*» +
(g+ n -l)^ " 1
+ (2n) 1 a ÿ- n (4')
avec x = x0 + qh et qlm1 = q (q — 1) . . . [g — (m — 1)].

La première formule de Gauss contient les différences centrales
Ai/o» A2y . u A3y_„ AV-2» A6i/_2» Aflj/_3, .. . .
(cf. tableau 43, où ces différences forment la ligne brisée inférieure

suivant la flèche). D’une façon analogue on peut obtenir la deuxième
formule d'interpolation de Gauss qui contient les différences centrales
Az/_i, A2t/-i» A3i/_2» A4y_2, A5z/_3, A6i/_3, . • .
(dans le tableau 43 ces différences forment la ligne brisée supérieure

suivant la flèche).
La deuxième formule de Gauss s’écrit
P (x) = y0 + qky-t + (<7— l-?- &y-i + (<?+1^ [(<?~ 1) A3y_, +
(9+2) + ( '/ - D ( 9 + n — 1) • • • ( î — « + 1 ) A 2 n -i.. ,

41
A4y_2 + (2n—1) 1 a y- n+
(? + " ) ( g + n — 1) . . . ( 9 — n + 1) a a n .. /c *
(2/i)I A ÿ~n ^
ou, en notations abrégées,
p ( * ) = yo+ i&y-i + (<7~^11)11 A*y-, +
4!
( 9 + n - l P » - 1! A«n-i ■ (g+/i)[2n] Ain /y .
(2n—1) ! A y‘n + (2/t) I A y-n (n )
avec
x = x0 + qh.
§ 9. Formule d’interpolation de Stirling

Prenant la moyenne arithmétique de la première et de la deuxiè
me formule de Gauss (4) et (5) (§ 8), on obtient la formule de Stir
ling :
â3i/_2+A3y_1 ,
3! 2 f
92 (92- l 2) a ,.. , 7(9 2- l 2)(7 2-2 2 ) \ 3y- 3+V</_,
----- 4l----- + T-j------------- 5-------
. 9(9 2- l 2)(9 2- 2 2)(9 2- 3 2) . . . [ 9 2 - ( ' » - l ) 2l „

^ (2n —1) ! *
„ A2"-iÿ_n +A2'*-iy.(n_t) , 92 (92- l 2)(9 2- 2 2) . . . [ ,2 - ( „ _ 1 ) 2 | A2n.
X ---------------- j 1 (2 ÏÏf!----------------------- * y- n’
OÙ
ar—T0
Q h
On voit aisément que
P (xt) = yi pour i = 0, ± 1 , . . ±n.
§ 10. Formule d’interpolation de Bessel

Outre la formule de Stirling, on utilise souvent la formule de
Bessel. Pour la déduire faisons appel à la deuxième formule de
Gauss (5) (cf. § 8).
Prenons 2n + 1 points d’interpolation équidistants
X -n i x -in-l) Xq • Xji-i xn, j j j
au pas h et soit
yi = f (xi) (i = —rc, • • n + 1)
les valeurs données de la fonction y = / (x).
Si l ’on prend pour valeurs initiales x = x0 et y = y0>en utilisant
les points x h (k = 0, ±1» • • •* ± n ) on a:
P (x) = yQ+ gAy.j -f- 2! A2y-i
: (g-fl)Ç (g -1 ) A3y a . (g + 2)(g+1)q(g-l) 2
3! 4I
^ (g+ n —1) ... (g —i»-f P l 2n-i
( 2 ^ — 1) !
!/-n
, ( 7 + « ) (<7 + n — î ) “ • (<7 — n - M ) A2T,..
^ ---------------(SÔT -------------A y~n• (1)
§ 10.1 FORMULE D’INTERPOLATION DE DESSEL 529
Prenons maintenant comme valeurs initiales x = z x et y = yt

et utilisons les points a:1+h (k = 0, ±1» • • •» ±rc)- Il vient
h
les indices de toutes les différences du deuxième membre de (1)
augmentant respectivement de l ’unité. Si dans le deuxième membre
de (1) on remplace q par q — 1 tout en augmentant de l ’unité les
indices de toutes les différences, on obtient la formule auxiliaire
P {X) = —1) Aÿ0+ * (q27 A*ÿo +
+ ■?.(?— â3y .{ + to+Qgfr-mg-Z) A V i t
, (?+ l)?(7-l)(g-2)(g-3) A&„ , ( ? + * — 2) . . . (q — n ) w
5! a y _ 2- t - ...- h (2n — 1) ! X
v A2n-1.. . (? + n“ 1) • • • (V“ *) A2n ZO\
X a £ M n - i)“l n f î ------------- a ÿ-<n-1>- \*)
En prenant la moyenne arithmétique des formules (4) du § 8 et (2)
après des transformations élémentaires on obtient la formule
d'interpolation de Bessel
P(»l--a+a- + ( ,—|) to + îS S f lL . +
(«— A 3 .. i 9 ( 9 — 1 )(9 + 1 ) ( 9 — 2) A4y _ 2 + A 4ÿ_i ,
3! A y-i H------------ 4"!-------------------- 9-------- r-
( î —y ) 9(9—1) (9+1) (9—2)
5! A5y-2+
, 9 (9 - 1) (9+ 1) (9 - 2) (g + 2) (7 - 3) A«y_3+ A «ÿ_2 ,
H---------------------g-|----------------------------5---------r " *
, 9 (9—1) (9 + 1) (9 —2) (9 + 2) . . . (9 —n ) (9 + n — 1) w
‘•‘+ (2/i)! X
.. A2nÿ_n + A 2nÿ -n+i .
A 0 "T”
( 9 —y ) 9(9—1) (g+1) (g —2) (g+2) . . . ( q — n) ( g + n —1)

(2n + l ) !
A*n+1y_n, (3)
ou
J —Jp
Comme le montre la déduction, la formule de Bessel (3) est un poly

nôme qui coïncide avec la fonction donnée y = / (x) en 2n + 2
34-01072
points
^-(n-1)» • • xn+1*
Dans le cas particulier, pour n = 1, en négligeant la différence
A3y_i on a la formule d’interpolation quadratique de Bessel
D yo+yo+Ayo (g — & y0 j i i n i l . Ayo —A i/.!+ Ayt~Ay 0
2 1 V
\ * 2 )/ 1 22 2
OU
**(*) = Ko+ ?Aÿ0—g, (Aÿj—Ay_, )
avec
? (1 —9)
gi:
Dans la formule de Bessel tous les termes contenant les diffé
rences d’ordre impair comportent le facteur g — 4" * c’est pourquoi
avec g = y la formule (3) devient beaucoup plus simple:
p ^ *o+*i \ ÿp+ÿi 1 A2y_i+A2ÿ0
■) 2 8 2
3 A4y - 2+ A 4y_i 5 Agy_3-f Agy„2
128 1024 2 ^
n [1 -3-5 . . . ( 2 n — l )]2 A2”y-n + A ^ y .n4l
22" (2/i) I 2
Ce cas spécial s’appelle formule de dichotomie de Bessel. Si dans la
formule (3) on effectue le changement de variable d’après la formule
q — -1- = /?, la formule devient plus symétrique :
A2ÿ_, + A2Wo
f(« )-T r+ A -i
' ( p! z r ) . + ( ^ ~ t ) ( pZ—t ) . ^
3! 4!
5! 61
, A6y~3+Agy.2 ,
' 2 * (2»)!
(2n—l)2
A2ny-n+ A2ny-n +l p ( p 2- | ) (p * - !-) • • • [ > ]
(2n + l)!
X A2n+1y_n+lJ (3')
Où p = ± (J *o+ *i
)•
§ il.] CARACTÉRISTIQUE DES FORMULES D’INTERPOLATION 531
§ 11. Caractéristique générale des formules

d'interpolation à pas constant
Pour donner une caractéristique générale des formules d’inter
polation notons que dans le cas des formules de Newton on prend
comme valeur initiale x0 le premier et le dernier point d’interpola
tion ; dans le cas de l ’interpolation par différences centrales, le point
initial est médian. Le tableau 44 schématise l ’utilisation des diffé
rences dans les formules d’interpolation principales. L’ordre d’in-
dexage dans la deuxième formule de Newton est changé pour rendre
plus commode la lecture du tableau.
T a b le a u 44
X y Ay A2y dy ' Hy N otes
2 e form ule
de Newton
x-z v.z A2y.j
&y-z Â Jy ^
x -, y-, A2y .r ' A*y-3
W
A y .,^ A39LZ
a2
Xa * A y., . - J — m-A*y.2 - Formule
'4 — aeS ttrh n g
Ây„ -v -- 1 ■WîV-r-- -Formule de
iV - : 2 Bessel
X, y0 A"y.,
Ay, ^ A Jÿo
v
X2 ÿz A2y, ^ A*y.
Ayt A*y, ^^l™formule
de New ton
Xj & A2y, A*y,
Une étude plus poussée des formules montre que pour | q | ^ 0,25
il vaut mieux appliquer la formule de Stirling, et pour 0,25 ^ q ^
^ 0,75, celle de Bessel. Il est avantageux d’appliquer la première
et la deuxième formule de Newton lorsque l ’interpolation porte sur
le début ou respectivement sur la fin du tableau et les différences
centrales nécessaires font défaut [41.
E x e m p l e 1. Les valeurs de l ’intégrale de probabilité [31
v ü
sont données dans le tableau 45. Trouver d> (0,5437).
532 INTERPOLATION DES FONCTiuNS [CH. XIV
T a b le a u 15
Différences de la fonction 2/ = O (x)
X V A y A2y A3 y
0,51 0,5292437
86550
0,52 0,5378987 -8 9 6
85654 —7
0,53 0,5464641 -903
84751 —7
0,54 0,5549392 —910
83841 ”” —7
0,55 0,5633233 —917
82924 -6
0,56 0,5716157 —923
82001
0,57 0,5798158
S o 1 u t i ’o n. Complétons le tableau 45 par les différences finies

de la fonction donnée y = O (x). Posons x 0 = 0,54 et x = 0,5437 ;
il vient
* - x 0 _ 0,5437 —0,54 ,
h 0,01
:0,37.
1 3
Comme -7- < ? < -r-,
4 appliquons la formule de Bessel (3'). On a :
p = q— = 0,37—0,50 = —0,13 ;
d’où, en utilisant les différences soulignées,
<D(0,5437) = + 0,5633233 +
0,0169 —0,25 —0,0000910 —0,0000917
+ ( — 0,13)0,0083841 2 (2 '
+ ~ 0,13 (0’^ 69- ° ,25) (—0,0000007) =

= 0,55913125 —0,00108993 + 0,00001065 = 0,5580520.
E x e m p l e 2. Soit le tableau 46 des valeurs de l’intégrale
elliptique totale
n
2
K (a )= \ - - j dx
v 7 J V l —sin2 a:ssin2
i x
Trouver K (78°30').
* 11.] C A R A C T É R IST IQ U E DES FORM ULES D ’I N T E R P O L A T IO N 533
* T a b le a u 46
Valeurs de l'intégrale elliptique totale K (a)
a K (a) AK A * K A3JC A4K
75° 2,76806
6461
76° 2,83267 528
6989 84
77° 2,90256 612 19
7601 103 13
715 32 -5
O0
2,97857
8316 135 8
79° 3,06173 850 40 18
9166 175 26
80° 3,15339 1025 66 -1
10191 241 25
81° 3,25530 1266 91 43
11457 332 68
82° 3,36987 1598 159
13055 491
83° 3,50042 2089
15144
84° 3,65186
S o l u t i o n . Posons x 0 = 78°; h = 1°; x = 78°30' ; d’où

q = 0,5. Si l ’on recourt a la formule de dichotomie de Bessel, on
aura en se bornant aux différences cinquièmes:
K (78°30') = 2,97857 + 0,5• 8316-10"5—0,125. 715+ 850 . K)-*4-
« %
H- 0,023437 10_5 = 2 97g57 _ 0t04158_
—0.000978 + 0,000008 = 3,019180.

Pour comparer appliquons maintenant la formule de Stirling
K (78°30') = 2,97857 + 0,5 7601 + 8316 . io-» +
+ 0,125715-10~»-0 0625- 103+ 135 -10-»—
-0,0078-32.10-»+ 0 0117--£±£.10-» =
= 2,97857 + 0,039792 + 0 000894 —0 000074—

—0,000002 + 0,000001 = 3,019181.
534 INTERPOLATION DES FONCTIONS [CH. XTV
§ 12. Formule d’interpolation de Lagrange

Les formules d’interpolation déduites dans les paragraphes
précédents ne sont applicables que dans le cas des points équidistants.
Pour des points arbitraires on utilise une formule plus générale
appelée formule d'interpolation de Lagrange.
Supposons que pour n + 1 valeurs distinctes de l ’argument
x0, x tj z 2, . . ., Xn données sur le segment [a, h] on connaisse les
valeurs correspondantes de
Kronecker (fig. 626).

Le polynôme à obtenir s’annulant en n points x0, xt> . . .
. • «i Xfwi9 «T|î9 . . *i Xji9 il s écrit
Pt (*) = Ci (s —x0) (x—Xi) . . . (x —Xi.i) (x—xi+1) # . . (x xn)y (2)
où est une constante. Posant dans la formule (2) x = Xj et prenant
en considération que pi (xj) = 1, on obtient:
Ci (X<—X0) (*i—*l) . . . (Xj Xi _,) (X i— X i+i) . . . (Xf—xn) = 1.
D’où
______ 1_________
Ci = (*«“ X Q) ( X i — X i ) . . (X | — (X i — x i+ 1 )
S 12.] FORMULE D’INTERPOLATION DE LAGRANGE 535
Portant cette valeur dans la formule (2) on obtient:

/ y ( * ~ *0) ( * ~ * l) • • • (* — * I - l ) ( J — * i+ l) ■. . (x — Xn ) .g .
' (* | — ■
* o ) ( x <— * l) • • • (*! — * i - l ) ( * i — * i+ l) • • • ( * | — ■
*n) * V '
Maintenant passons à la résolution du problème général qui con
siste à former le polynôme Ln (x) vérifiant les conditions indiquées
ci-dessus: Ln (x() = y t.
Ce polynôme est de la forme:
Pi{x)yt- (4)
i= 0
En effet, premièrement, il est clair que le degré du polynôme

construit L n (x) est égal ou inférieur à n, et deuxièmement, en vertu
de la condition (1), on a:
n
Ln{xj)= S Pi{xj)yi = pj(xj)yj = yj (;' = 0 ,1 .
»=o
Portant dans la formule (4) la valeur de pi (x) tirée de (3) on obtient
l ’expression
r / T\ VI „ ( i —Jq) (x — Xj) . . . (x — Jj_i) (x— Xj+1) . . . (x— x„) / cy
ni 1 2 i U1 (xt —*0)(* i —i , ) . . . (xj —x j . j X i j — *<+1) . . . (Xi —x n) ' '
»=0
qui est précisément la formule d'interpolation de Lagrange.
Montrons l ’unicité du polynôme de Lagrange.
Raisonnons par l ’absurde.
Soit En (x) un polynôme distinct de Ln (x) de degré égal ou
inférieur à n et tel que
(*i) = yi (i = 0, 1, . . n).
Alors, le polynôme
<?„ (x) = Ln (x) — Ln (x).
dont le degré est évidemment égal ou inférieur à n, s’annule en
n t+ 1 points x0, x,, x2, . . xn, c ’est-à-dire
- Q n ( X) = 0
Par suite,
En (x) = L n (x).
On en tire en particulier que si les points d’interpolation sont
équidistants, le polynôme de Lagrange coïncide avec le polynôme
de Newton correspondant.
Remarquons dans le cas général qu’avec un choix de points
approprié toutes les formules d’interpolation précédentes se dédui
sent de la formule de Lagrange.
La formule de Lagrange (5) peut être mise sous une forme plus
condensée. A cet effet introduisons la notation
nn+i (x) = (x — x„) (x — X ,) . . . (x — Xj,). (6)
En dérivant ce produit par rapport à x on obtient:
n
n ;+ , (x) = S (x X0) (x X |) . . . (x— X ;_ j)(X — X J+i ) , . , ( x — X „ ).
j=0
Adoptant x = x t ( i = 0, 1, 2, . . ., n ) , on aura:
ni+ i (Xj) = (X,—X0) (X,—X,) . . . (X,—X,.,) (x, — x l+i) . . . (Xj —x0).
(7)
Portant les expressions (6) et (7) dans la formule (5) on obtient:
L„(x) = nn+1(x) n. (*!)*(*—*,) •

»=0
Il convient de signaler un fait important: à la différence des
formules précédentes, la formule de Lagrange contient y t sous une
forme explicite.
Considérons deux cas particuliers du polynôme de Lagrange.
Pour n = 1 nous avons deux points et la formule de Lagrange
est dans ce cas l ’équation d’une droite y = Li (x) qui passe par deux
points donnés:
où a et & sont les abscisses de ces points.

Pour n = 2 on obtient l ’équation d’une parabole y = L 2 \x)
qui passe par trois points:
(s-5)(*-c) .. (* -q )(* -c) . (x -a)(x -& )
(a — 6) (a — c) ' (6 — a ) ( 6 — c) ~ (c— a ) ( c — &)
où a, &, c sont les abscisses des points considérés.

E x e m p l e 1. Construire le polynôme de Lagrange de la
fonction y = sin ji x pour les points
*0=0, *i = -g- *2 = Y
Solution. Calculons les valeurs correspondantes de la

fonction :
ÿo — 0, yi = s in -2 -= - j, p2 = s in ^ - = l .
S 13.] CALCUL DES COEFFICIENTS DE LAGRANGE 537
Appliquant la formule (5), on‘aura:
ou
L z (x ) = y x —3x2.
Exemple 2. Soit le tableau des valeurs de la fonction y =
= /(* ) [31:
X v
321,0 2,50651 .
322,8 2,50893
324,2 2,51081
325,0 2,51188
Calculer la valeur / (323,5).

S o l u t i o n . Posons x = 323,5; n = 3. Alors d’après la for
mule (5), on a :
. .ooo r \ (323,5—322,8) (323,5 —324,2) (323,5—325,0)
7 — (321—322,8) (321—324,2) (321—325) 2,50651+
(323,5—321) (323,5— 324,2) (323,5— 325) o cn00o
(322,8—321) (322,8- 324,2) (322,8- 325) * z >o u o + ;
(323,5- 321)(323,5 -322,8) (323,5 - 325) 0
(324,2—321) (324,2 —322,8) (324,2—325) ‘ Z,01UÔ1
(323,5 - 321) (323,5—322,8) (323,5- 324,2) 0 c ^ 00
(325- 321) (325 —322,8) (325—324,2) *44,01100
= —0,07996+1,18794+ 1,83897 — 0,43708 = 2,50987.
§ 13*. Calcul des coefficients de Lagrange

Indiquons un schéma qui rend plus facile le calcul des coeffi
cients de ÿi (i = 0, 1, 2, . . ., n) dans la formule de Lagrange dits
coefficients de Lagrange
(* —*o)(*~*l) ••• (*—*i-l)(j —*i+l) •••(*—*n)
1 ' ’ (*t — —*l) •••(*! —*i-l)(*i —*i+l) ••• (*!—*n) ’ ' ’
ou sous une forme abrégée
T m> l r \ _______ Hn-M (J )_____
( 2)
1 w ( * - * i) n â « (* i) ’
538 INTERPOLATION DES FONCTIONS LCH. XIV
OÙ
n„+1 (x ) = (X — X0) . . . (X — X *).
La formule de Lagrange s'écrit alors
L n(x) = |S L\**(x)yi.
i= 0
Notons que la forme des coefficients de Lagrange est invariante par
rapport à une substitution linéaire entière x = at + b (a, b sont
des constantes et a =^= 0). En effet, posons dans la formule (1)
x = at + 6; xj = atj + b (/ = 0, 1, . . n) ;
en divisant le numérateur et le dénominateur par an, on obtient:
rm>/«\ _ (* *o) (* *l) (3)
Li
ou
nn+i ( 0 (3')
(t fj) (h)
avec
n„+i (t) = (* - *0) O.
Pour calculer les coefficients de Lagrange on peut utiliser le
schéma ci-dessous, commode à réaliser sur un calculateur électroni
que. Rangeons d'abord les différences en un tableau de la façon
suivante :
X — X q X q — Xj X q — X2 . . • Xq — Xn
Xj — X q X — X\ Xj — X 2 • ■ • Xj — X n
X2 — X0 x 2 — Xi X — x 2 . . . x 2 — xn (*)
Xjj Xq X ji Xj X ji I2 • • • X x n.
Désignons le produit des éléments de la première ligne par D 0, de la

deuxième ligne par D u etc. Quant au produit des éléments de la
diagonale principale (éléments du schéma soulignés), il est évident
qu’il s’écrit Iln+i (x). On en tire que
4 % ) = nnDt(j) (i = 0, 1, . . . , n). (4)

Par conséquent,
n
L n (x)= n n+1 (x) 2 • (5 )
1-0
§ 13.] CALCUL DES COEFFICIENTS DE LAGRANGE 539
Dans le cas des points équidistants, les coefficients de Lagrange

peuvent être simplifiés.
En effet, en posant
x = x 0 + th,
on aura :
/q = 0, ——1, • • •, tfl — —TLm
D où
n n+1 (<) = < ( « - l ) ( U 2 ) . . . ( t - n )
et
n ; +1(o = ( - i ) n-1n ( / i - i ) !
Portant ces expressions dans la formule (3'), on obtient:
t| _ , n (1 = 0 , 1 , . . . n), (6)
où • .
ni »!
i l (fi — i ) ! *
On en tire
n C*
L n(x)= n n+1 (o 2 ( ■- i r * - r r r *> (?)
h •
Dans le cas d'un pas h constant, le problème d'interpolation est
rendu encore plus facile par le fait qu'il existe des tables des coef
ficients de Lagrange (cf. [5]), les calculs se ramenant ainsi à la
multiplication des coefficients tabulés par les valeurs correspon
dantes de la fonction y t et à la sommation.
E x e m p l e 1. Soit le tableau des valeurs d’une fonction
y = y (x)
X 0 ,0 5 0 ,1 5 0 ,2 0 0 ,2 5 0 ,3 5 0 ,4 0 0 ,5 0 0 ,5 5
y 0,9512 0,8607 0,8187 0,7788 0,7047 0,6703 0,6065 0,5709

t 1 3 4 5 7 8 10 11
Trouver y (0,45).
S o l u t i o n . Pour simplifier les calculs, posons :
x = 0,05*.
Alors les valeurs de la nouvelle variable t associées aux points
d ’interpolation seront 1, 3, 4, 5, 7, 8, 10, 11. Il faut trouver la valeur
540 IN T E R P O L A T IO N D E S PO N CTIO N S [C H . X I V
de y pour x = 0,45, c’est-à-dire pour 2 = 9. En adoptant t = tt

(i = 0, 1, 2, . . ., 7), disposons les calculs suivant le schéma ci-dessus
(tableau 47).
T a b le a u 47
Schéma de calcul des coefficients de Lagrange
fi - Vi
i Di
0 =jti) Di
0
0 - 2 —3 —4 - 6 —7 —9 - 1 0 -7 2 5 760 0,9512 —0,0131-10-*
1 2
H -1 —2 - 4 - 5 -7 -8 26 880 0,8607 0,3202-10"*
2 3 i
2
0 -1 -3 -4 -6 —7 - 7 560 0,8187 -1,0829.10-*
3 4 1
B -2 -3 -5 -6 5 760 0,7788 1,3520.10“*
4 6 4 3 2
0 -1 -3 -4 - 3 456 0,7047 -2,0390-10-*
5 7 5 4 3 1
□2 -2 —3 2 520 0,6703 2,6530-10-*
6 9 7 G 5 3
H -1 11340 0,6065 0,5348-10-*
7 10 8 7 6 4 3 i M - 8 0 640 0,5769 -0 ,0 7 1 5 -10-*
n (9) = 3840 S = 1,6535-10-*
On en tire
i=»7
y (0,45) = n (9) 2 ^ - = n (9)-5 = 3840• 1,6535• «T 4 = 0,6349.
i=0
Exemple 2. La fonction y = cos x est donnée par le
tableau [5]
JC 5,0 5.1 5.2 5.3
y ' 0,283662185 0,377977743 0,468516671 0,554374336

* 0 1 2 3
X 5,4 5,5 5.6 5.7
y 0,634692876 0,708669774 0,775565879 0,834712785

t 4 5 6 7
5 l'».l ÉVALUATION DE L ’E R R E U R D E L A F O R M U L E D E L A G R A N G E 541
Trouver cos 5,347.

S o l u t i o n . Effectuons le changement de variable suivant
la formule
x = 0,1* -f- 5.
Les valeurs de la variable t relatives aux points d’interpolation
seront alors 0, 1, 2, 3, 4, 5, 6, 7 et la valeur recherchée x = 5,347
deviendra x = t = 3,47. En tenant compte du fait que les points*
tt = i (t = 0, 1, . . ., 7) sont équidistants, les calculs peuvent
se faire d’après le schéma donné ci-dessus (tableau 48).
T a b le a u 48
Schéma de calcul des coefficients de Lagrange pour le cas
des points équidistants
i Vi t-i (-i)7-iC *Ü _
' 7t - i
H
0 5,0 0,283662185 3,47 —1 -0,08174702
1 5,1 0,377977743 2,47 7 1,07119198
2 5,2 0,468516671 1,47 -21 -6,69309530
3 5,3 0,554374336 0,47 35 41,28319523
4 5,4 0,634692876 —0,53 -3 5 41,91368048
5 5,5 0,708669774 —1,53 21 -9,72684003
6 5,6 0,775565879 -2 ,5 3 —7 2,14583444
7 5,7 0,834712785 -3 ,5 3 1 -0,23646254
n=42,8848749 5 = 69,67575724
Le tableau 48 donne:
11(3,47)=, S (3,47 — i) —42,8848749
i--=0
et
7
S = 2 (- 3 ^ r r 7 = 69,67575724.
i= 0
En vertu de la formule (7)
cos 5,347 = y p l l (3,47).5 = 0,592864312.
§ 14. Evaluation de l ’erreur de la formule de Lagrange

Au § 12 nous avons construit pour la fonction y = f (x) le poly
nôme de Lagrange Ln (x) qui prend aux points x0, x„ . . ., xn les
valeurs données
y 0= f (x 0), y i = f (x,), . . ., yn = / (x„).
Une question se pose de savoir: quelle est en d’autres points

l ’approximation du polynôme construit par rapport à la fonction
/ (x), c ’est-à-dire quelle est la grandeur du reste
Rn faO = î (%) — Ln (x).
Pour déterminer cette approximation imposons à la fonction
y = f (x) des restrictions supplémentaires. Supposons que dans
le domaine considéré a ^ x ^ b de variation de x, qui contient
les points d’interpolation, la fonction possède toutes^les dérivées
f (x), f* (*)» • • •» / (n+1) (x) jusqu’à l ’ordre (n + 1) y compris.
Introduisons une fonction auxiliaire

u ( x ) = f (x) - Ln (x) - ÀJIn+1 (x), (1)
où
nn+i (x) = (x — x0) (x — Xi) . . . (x — xn)
et k est une constante qui sera choisie dans ce qui suit.
Il est évident que la fonction u (x) possède n + 1 racines aux
points
Xoi x„ • • •» xn.
Choisissons maintenant la constante k de sorte que u (x) ait une
(n + 2)-ième racine en un point quelconque fixé x du segment
[a, 61, autre que les points d’interpolation (fig. 63). A cet effet il
suffit de poser
/ (x) — Ln (x) - &nn+1 (x) = 0. ^
D’où, puisque, Iln+1 (x) tÔ,
k = /(j)~ L1 {x) - . (2)
n„+i (x)
Pour cette valeur du coefficient k, la fonction u (x) a n + 2
racines sur le segment [a, 6] et s’annule aux extrémités de chaque
segment
[Xo, Xj], [Xj, Xj], • • •» [X/, X], [X, Xj+j J, • • •> [Xn—
1* ®nl*
§ 1 4 .] ÉVALUATION DE L’ERREUR DE LA FORMULE DE LAGRANGE 543
En appliquant le théorème de Rolle à chacun de ces segments

on voit que la dérivée u' (x) compte au moins n + 1 racines sur le
segment [a, 6]. Opérant de même pour la dérivée u' (x) on voit que
la dérivée seconde u ” (x) devient nulle au moins n fois sur le seg
ment [a, 6].
Finalement ces raisonnements aboutissent à la conclusion que
sur le segment donné [a, 6], la dérivée u(7l+l) (x) possède au moins
un zéro que nous désignerons par u(T1+1) (g) = 0.
Comme
Z4n+1)(*) = 0 et n î ÿ 1', (*) = (n4-l)!,
la formule (1) entraîne
u(n+l)(j-) = /(n+D(x)— k(n~- 1)!.
Pour x = | on obtient :
0 = /<»+‘> (|)_& (ra+ l ) ! .
D’où
/<"+*>(£)
k (3 )
(n + 1)! *
La comparaison des seconds membres des formules (2) et (3)
donne :
i ( i ) - L n {x)l /(n+1)(5)
nn+i(i) ("+1)' ’
c’est-à-dire
/ W - ^ n ( x ) = - ^ J - n n+1(ï). (4)
Puisque x est£arbitraire, la formule (4) peut également s’écrire :
Rn (x) = / (x)— L n (x)= “^ i p ï j y ” n n+i (x),] i(5)

où £ dépend de x et repose à l ’intérieur du segment [a, b].
Notons que la formule (5) est vraie pour tout point du segment
[a, b]y y compris pour tout pointé d’interpolation.
Désignant par
* max | / (n+1)(x) |9
a^x^b V
on obtient l ’estimation suivante de l ’erreur absolue de la formule
de Lagrange:
l * n ( s ) |= |/ ( * ) - M x ) r < (- p iy -,|n n+1(x)|,' r(6)
avec
n„+ir(x) = {x — x 0) {x — Xi) . . . (x — Xn). (6')
544 INTERPOLATION DES PONCTIONS [CH. XIV
E x e m'p 1 e. Avec quelle précision peut-on calculer V"ll5 à l ’aide

de la formule de Lagrange pour la fonction y = Y * si l ’on prend
les points d’interpolation x0 = 100, x t = 121, x 2 = 144?
S o l u t i o n . On ai
Il en résulte
M3 = max | ÿ"j = - i. 1 . io-> pour 100<a:<:l44.
En vertu de la formule (6)

I fl* | 10-° — 1(115-100) (115 -1 2 1 ) (115 -1 4 4 ) | =
= iO-*•15. ô . 29 « i,6 • iO"3.
§ 15. Evaluation des erreurs des formules de Newton

Si les points d’interpolation x 0, xu • • ♦> tfnsont équidistants et si
x i+i — x t = h (i = 0, 1, 2, . . ., n — 1),
en posant
on obtient en vertu de la formule (5) du paragraphe précédent le

reste de la première formule de Newton
R n (x)= y * . q{q~ £ + i){r n) / (n+,)(i), (i)

où £ est une certaine valeur intermédiaire entre les points d’inter
polation x 0, xiy . . ., xn et le point concerné x. Notons que dans le
cas de l ’interpolation au sens strict, £ Ç [x0, xn] ; dans le cas de
l ’extrapolation, il est possible que 5 6 ko»
D’une façon analogue, en posant dans la formule (5) du § 14
on obtient le reste de la deuxième formule de Newton

R n (X) = - ? ( g + ( l )+ y ) |( ,? + n ) (Ê ), 1( 2)
où £ est une valeur intermédiaire entre les points d interpolation
x 0, x u • • •» xn et le point x .
Dans les cas pratiques il est d’usage d’arrêter le calcul suivant
les formules de Newton aux termes qui contiennent des différences
§ 15.] ÉVALUATION DES ERREURS DES FORMULES DE NEWTON 545
pouvant être considérées comme constantes dans les limites de la

précision imposée.
En supposant que An+1 y soient quasi constantes pour la fonc
tion y = f (x) et h suffisamment petit, et en tenant compte du
fait que
An+1y
/("+ ^(x) —lim 9
/i-*0
on peut poser approximativement :
/<»+!)(!)« An+1t/0 fcn+i '
Dans ce cas, le reste de la première formule de Newton est égal à

<7(7— 1) ••• (g — w)
Un (x) (n + 1)! An+1i/o-
Sous ces mêmes conditions, pour le reste de la deuxième formule de
Newton on obtient l ’expression
R„ (x) « <7(<7+(1n)+ '1')(i<?+n) An+1y„.
E x e m p l e 1. Les tables des logarithmes à cinq décimales

donnent les logarithmes des entiers de x = 1 000 à x = 10 000
» 1
avec une borne d’erreur absolue égale à y •10“5. Est-il possible de
réaliser une interpolation linéaire avec la même précision?
S o l u t i o n . Posant
^ y = ig *
on aura :
, M M
y = — et y *2
avec M — 0,43. D’où
0,5
M» = max | y" | < 10«
Pour n — 2 et h = 1 la formule (1) donne l ’estimation suivante
de l ’erreur d’interpolation linéaire:
2!
Comme pour on a
g{ i - 9 ) = t “ ( t - ? ) 2 < T ’
on obtient finalement :
i_
| fil (x) | y •10"®< 10"7*
Par conséquent, l ’interpolation linéaire est tout à fait admissible.
35—01072
E x e m p l e 2. Evaluer l ’erreur d’approximation de la fonction

/ (x) = sin x par le polynôme de cinquième degré P h (x) coïncidant
avec la fonction donnée pour les valeurs x = 0°, 5°, 10°, 15°, 20°, 25°.
S o l u t i o n . Ici / <6> (x) = —sin x; par suite | f iB) (x) | ^ 1.
En vertu de la formule (1), on a :
|s in x —P6 (x ) |<
(* - ■ è ) (* --§ ■ ) (x — r ) ( * — & ) l *
Par exemple, pour x = 12°30' = arc 0,21816, on obtient :
| sin x — P b (x) | <2,2*10"®.
§ 16. Evaluation des erreurs des formules d’interpolation

par différences centrales
Voici sans démonstration les expressions du reste des formules
de Stirling et de Bessel [31.
a) Reste de la formule d'interpolation de Stirling. Si 2n est l ’ordre
maximal des différences utilisées du tableau et si x £ [x0 — nh, x0 +
+ nh], alors
A2n+v 2n+ 1)(i)
R n{x) (2ra + l) !
q ( q - - V - ) { r - 2 - ) ( r - 3 - ) . . . (q2- n 2),
où
q= X hX<) et ?€ lô —nh, x0-'~nh\.
Si l ’expression analytique de la fonction / (x) est inconnue, bn pose
pour un h petit :
Rn(x) &2n+ly-n-i+ h 2n+ly-n q ( q - - V - ) ( q - - 2 2) . . . ( q » - n 2).
2(2n + l)!J
b) Reste de la formule d'interpolation de Bessel. Si 2ra -f- 1 est
l ’ordre de la différence maximale utilisée du tableau et si x Ç [x„ —
— nh, x 0 + (n + 1) Al, alors
fin(x) = 1 £ ^ r P ’' + 2> G ) q ( q ° - r - ) ( ? s - 2 * ) X ...
... X (q2— n2)[q — («4-1)1,

OÙ
q = X~ X° et çÇ[x0—nh, x0-*-(» + !)/*].
Si encore la fonction /(x) est donnée par le tableau et le pas h
est petit, on adopte :
A ^ y . n.i + A2n+2y.n
Rn(x) 2(2n+2)! ?(<?*- 13)(?2-2® )X . . .
X (q2—n2) [ g —( n - p 1)J.
§ 17.1 SUR LE MEILLEUR CHOIX DES POINTS D’INTERPOLATION 547
En particulier, avec g = -5- une erreur de la formule de dichotomie

décrit
» , 2 n « /( 2 n + 2 ) (5 )/ (1 .3 .5 . . . (2n + l ) p
“ n— (2n + 2) I V 9 2n + 2
OU
A ^ 2 y . n- , + A 2 " ^ y - n nn+1
,(_ l)n +l J [w
1 .3 - 5' . M 2 n + 1 )F
R„ » 2(2n + 2)! 2 2 II+ 2
Si l’on pose
g= P - r |
l’expression du reste de la formule de Bessel se met sous la forme
( P - - |) ( ï - i ) •
§ 17. Sur le meilleur choix des points d’interpolation

L’analyse de la formule (5) du § 14 montre que l ’erreur R n (x)
de la formule de Lagrange est, à une constante numérique près,
le produit de deux facteurs, dont l ’un, / <n+1) (g), dépend des pro
priétés de la fonction / (x) et ne se prête pas à l ’ajustage, alors que
la grandeur de l ’autre, n n+î (x), n’est déterminée que par le choix
des points d’interpolation.
Dans le cas d’une mauvaise répartition des points d’interpola
tion Xi, la borne supérieure du module de l’erreur R n (x) ((6) du
§ 14) peut être très grande. Par exemple, si les points se concen
trent au voisinage de l ’une des extrémités du segment [a, b], R n (x)
sera dans le cas général grand aux points x proches de l ’autre extré
mité du segment. Le choix des points d’interpolation xt (pour le
nombre n donné de points) doit être donc le meilleur pour que le
polynôme IIn+i (x) soit sur le segment [a, 6] minimal en valeur
absolue maximale, ou comme on dit pour abréger, « s’écarte de zéro
sur [a, b] le moins possible ». Ce problème a été résolu par le mathé
maticien russe P. Tchébychev [2], [6] qui a montré que dans ce sens
le meilleur choix des points d’interpolation est donné par la formule
b -4- a , b —a «.
xi = —j — I---- —
OÙ
|j = _ c o s - ^ — a (i —0, 1, 2, . . . , n)
sont les zéros du polynôme dit de Tchébychev rn+i (x). Dans ce
cas on a :
inn+1(x)|<2 (A=±)n+1.
54 8 INTERPOLATION DES FONCTIONS [CH. XIV
Il est curieux de noter que ces points ne sont pas équidistants,

mais s’accumulent aux extrémités du segment. Même avec un tel
choix de points on ne peut pas garantir dans le cas général que la
valeur absolue de l ’erreur soit aussi petite que l ’on veut pour un n
suffisamment grand.
Voici des remarques générales sur la détermination des erreurs
des formules d’interpolation. Si les différences maximales sont
pratiquement constantes, le résultat d’interpolation au sens strict
compte généralement autant de décimales exactes qu’en comptent
les données tabulées; l ’évaluation des erreurs n’est donc pas obli
gatoire. Dans le cas de la formule de Lagrange, il est impossible
de suivre la variation des différences et, par suite, il faut, si pos
sible, évaluer le reste.
Si la fonction / (x) est tabulée et que son expression analytique
soit inconnue, l ’évaluation de l ’erreur du polynôme d’interpolation
est en toute rigueur impossible. En effet, théoriquement on peut
construire pour le polynôme considéré un nombre infini de fonctions
différentes coïncidant avec ce polynôme dans le système de points
donné. Ainsi aux points intermédiaires, l ’écart du polynôme d’in
terpolation par rapport à la fonction peut être quelconque. Toute
fois, si la fonction est telle que sa courbe est régulière, les erreurs
des polynômes d ’interpolation peuvent être déterminées approxi
mativement avec un grand degré de certitude à partir des valeurs
des différences d’ordres supérieurs d’après les formules données
dans ce qui précède.
§ 18. Différences divisées

Jusqu’à présent, en dressant le tableau des différences, nous
avons supposé que les valeurs de l ’argument d’une fonction sont
é q u i d i s t a n t e s , c’est-à-dire que leur pas est constant. Toute
fois dans la pratique on rencontre également des tableaux pour des
valeurs n o n é q u i d i s t a n t e s de l ’argument, c’est-à-dire
des tableaux au pas variable. Il en est souvent ainsi, par exemple,
des données empiriques. Pour les tableaux au pas variable, la notion
des différences finies est généralisée, et on introduit ce qu’on appelle
les différences divisées.
Supposons que la fonction y = / (x) soit tabulée, x 0, xu x2, . . .
les valeurs de son argument et y0j yu y2, . . . les valeurs respec
tives de la fonction où les différences
Axj == Xi 0 (i = 0, 1, • • *)
ne sont pas égales entre elles.
Les relations
yi+i—vi
[*i, **+il = Xi+i—Xl
§ 18.] DIFFÉRENCES DIVISÉES 549
(i = 0, 1, 2, . . .) s'appellent différences premières divisées. Par

exemple,
Vi —yo yz—yi etc.
[*o, *|] : *1—*0 [*!» ^2l: x2—X,
D'une façon analogue on détermine les différences secondes divisées

( x / + l » x i+z]
_ i
[Xi, x/+1, xi+2] = ----------■ —lx.---------
i» x * + ll
x l+2 — xl
(/ = 0, 1, 2, ...) . Par exemple,
rr
[x0, Xl, xr 2]i -_ 1*1- x— x gfl
etc.
D’une façon générale, les différences divisées d'ordre n s’obtiennent
à partir des différences divisées d'ordre (n — 1) à l ’aide de la rela
tion récurrente
[Xf, x*+1, . • yî+nl [xi+l» xi-»»nl— (j:l ■
> i+n-ll
x i+n — xi (1)
(n= 1, 2, . . . ; i = 0, 1 , 2 , . . . ) .
Remarquons que les différences divisées ne changent pas avec
la permutation des éléments, c’est-à-dire qu’elles sont^des fonctions
symétriques de leurs arguments. Par exemple,
= = etc.
Les différences divisées forment généralement un tableau du

type suivant (tableau 49).
Tableau 49
Différences divisées
Différences divisées
X y
ordre 1 ordre 2 ordre 3 ordre 4
x 0 Uo
1*0. * ll
x l Ui I x 0» XU xz\
1*1. *2] 1* 0 . * i . * 2 - * 3 ]
x 2 y z
[X j, x 2l X3 I [X q , x 2 , X 3, X 4]
[* 2 . * 3] 1* 1 . * 2 . * 3 . * 4 l
XZ y z
[x2, x3ï x 4]
[ * 3 . * 4l
*4 y *
550 INTERPOLATION DES FONCTIONS [CH. XTV
E x e m p l e . Composer les différences divisées de la fonction

donnée par le tableau suivant:
X 0 0,2 0 ,3 0 ,4 0 ,7 0 ,9
y 1 3 2 ,G51 14 8 ,8 7 7 1 5 7,464 16G,375 195 ,1 1 2 2 1 6 ,0 0 0
S o l u t i o n . En appliquant successivement la formule (1), on

aura :
148,877 — 132,651
[*0, *il = 0 , 2 —0
= 81,13 ;
157,464 — 148,877
[ r 1? x 2\ -
0 , 3 - 0,2
= 85,87 ;
8 5 ,8 7 - 81,1 3
l*o, x u x i\ 0 ,3 — 0
15,8,
etc. Les résultats des calculs sont portés sur le tableau 50.
Tableau 50
Différences divisées de la fonction y
X V ordre 1 ordre 2 ordre 3 ordre 4
0 132 ,6 5 1
8 1 ,1 3
0,2 1 4 0 ,8 7 7 1 5 ,8
8 5 ,8 7 1
0 ,3 1 5 7 ,4 6 4 1 6 ,2 0
89,1 1 1
0 ,4 1 6 6 ,3 7 5 1G,7 0
9 5 ,7 9 1
0 ,7 1 9 5 ,1 1 2 1 7 ,3
1 0 4 ,4 4
0 ,9 2 1 6 ,0 0 0
§ 19. Formule de Newton pour des valeurs

non équidistantes de l ’argument
En utilisant la notion des différences divisées on peut mettre
la formule de Lagrange sous une forme analogue à la première for
mule de Newton. Démontrons au préalable un lemme qui présente
lui-même un intérêt propre.
$19.1 FORMULE DE NEWTON POUR DES VALEURS NON ÉQUIDISTANTES 551
L e m m e. Si y = P (x) est un polynôme de degré n, sa différence

divisée d'ordre (n -f- 1) est identiquement nulle, c'est-à-dire
[x, Xq, Xj, . . ., xn] = 0
pour un système quelconque des nombres distincts entre eux x, x0,
Xj, . . . t xn•
En effet, si P (x) est un polynôme de degré rc,
[X, X0] = P{X)x Z P
^ Xa) ■= P (*. *«)
est un polynôme en x de degré (n — 1). Ensuite
[X, X0, xt] = ^ = P (Xt Xo, x,)
est un polynôme en x de degré (n — 2). En effet, la fonction
P (x, x0) — P (x0, Xj) = P (x, x0) — P (x1? x0) admet pour racine
x = Xj et, par conséquent, en vertu du théorème de Bézout, le
polynôme P (x, x0) — P (x0, x t) est divisible par le binôme x — Xj.
Des raisonnements analogues montrent que
Ix, x0, . . ., xn_il = P (x, x0, . . xn-i)
est un polynôme de degré nul, c’est-à-dire
P (x, Xq, • • •» ^ n -l) =
D’où
( x , Xq, • • • , Ænl = “ x ~
xn
= 0*
Soit maintenant P (x) un polynôme de Lagrange de degré n

tel que
P (*i) = / fa ) = Vi (1)
(i = 0, 1, . . ., n), où y = f (x) est la fonction donnée. Désignons
par P (x, x0), P (x, x0, x^, . . ., P (x, x0, . . x n) les différences
divisées successives du polynôme P (x). On a :
^(*0, *i) = [*o, *l],
^(xo, xlt x2) = [x0, xt, x2],
(2)
P (^*0? ^1» ■• • »Xn) —1^0» • • • , X71] , j

de plus, en vertu du lemme,
P (^» *0. • • ^n) = (3 )
Par définition
P (x) —P (Jo)
x — Xq = P {Xy *o) ; (4 )
552 INTERPOLATION DES FONCTIONS ICH. XIV
d’où
P (x) = P (x0) + P (x, x 0) (x — x0). (5)
Par définition
n (~. uôt
mt
~ \ __ P(x*
~ • • • »xm;--------------------x P (x 0* — yxm) •
_---------------------
On en tire
P (x, x0, . . ., xm_,) = P (x„, . . xm) -f-
■ f (,X Xm ) P {x , * 0 . • • •» Xm ) (6 )
(m = 1, 2, . . n).
Utilisant la formule (6) on déduit, de proche en proche, de la
formule (5) :
P (x) = P (x„) -f P (x , x0) (x — x„) =
= P ( Xo) + P ( * 0 . * l ) (X — * o ) L
+ P (x , x0, x,)(x—x0)(x —x,) =
= P (*o) + P (*0, xl) (x — Xo) +
+ ^ (x 0, xi, x2)(x —x„)(x—x,) - f . . .
• • • “ 1“ P (*^0* X \1 • ' • t Xji) ( x X q) ( x Xi ) . . .
• • • (x — X n _ i ) “i- P (x, X q , • * » , X n ) X
X (x—X„)(x —x,) . . . (x—x„),

ou, en tenant compte des égalités (2) et (3), finalement on obtient
la formule de Newton pour les valeurs d'argument non équidistantes
P (x) = ÿo + 1x0, x ,l(x —x0) + [x0, xt, x2](x —x0)(x —x,) + ...- f -
+ [x0, x„ ...,x „ ] ( x —x0)(x —x,) ...( x —x„_,). (7)
Comme dans les cas courants, l ’erreur de la formule (7) s’écrit
R (x) = / (x) - /> (x) = ( x - x 0) ( x - x i ) . . . ( x - x n), (8)
où £ est une valeur intermédiaire entre les points x0, xlt . . xn

et x.
E x e m p l e . Former le polynôme d’interpolation de la fonction
y = f (x) donnée par le tableau :
X 0 2,5069 5,0154 7,52270
y 0,3989423 0,3988169 0,3984408 0,3978138

S 20.] INTERPOLATION POUR LE CAS DES POINTS ÉQUIDISTANTS 553
Trouver à l ’aide de ce polynôme / (3,7608).

S o l u t i o n . Calculons les différences divisées de la fonction y
(tableau 51).
Tableau 51
Différences divisées de la fonction y
X y ordre 1 ordre 2 ordre 3
0 0,3989423
-5 0 0
2,5069 0,3988169 — 190
— 1499 0
5,0154 0,3984408 -1 9 9
-2 4 9 6
7,5270 0,3978138
En utilisant la formule (7), on tombe sur

y = 0,3989423 — 0,0000500* - 0,0000199* (* - 2,5069).
D’où
y (3,7608) = 0,3989423 — 0,0000500 -3,7608 —
— 0,0000199 -3,7608- (3,760S — 2,5069) = 0,3986604.
§ 20. Interpolation inverse pour le cas

des points équidistants
Soit la fonction y = / (*) donnée par le tableau.
La tâche de Y interpolation inverse consiste à calculer d’après
la valeur donnée de la fonction y la valeur correspondante de l ’argu
ment *.
Considérons d’abord le cas des points équidistants. A cette fin
on recourt d ’ordinaire à la méthode des approximations successives.
Supposons que la fonction y = / (*) soit monotone et que la
valeur donnée de y est comprise entre yQ= / (*0) et = / (*i).
En remplaçant la fonction y par le premier polynôme de Newton,
on obtient :
y = y<>-r -y r ? + T i r 5 (?—1) + • • • + ^ r f2- ? (?— 1) • • • (9—n + 1) ;

d’où ç = <p(ç), avec
•• “f* 1).
On admet pour approximation initiale:
En appliquant la méthode des approximations successives, on aura :

Çm = <P (Çm -l) (pl = 1» 2, . . .). (1)
Si / (x) Ç C<n+1) [a, 6], où l’intervalle [a, b] contient les points
d ’interpolation et que le pas h soit suffisamment petit, ce processus
converge, c ’est-à-dire
lim qm = g.
où q est une solution réelle.

Pratiquement le processus itératif se poursuit tant que les chif
fres de précision imposée ne deviennent invariables et on pose q «
æ çs, où qs est la dernière approximation.
Après avoir trouvé q on détermine x suivant la formule
d ’où
x — Xq -f- qh.
E x e m p l e 1. Utiliser les valeurs de la fonction y = lg x
données par le tableau
X 20 25 30
y 1 ,3 0 1 0 1 ,3 9 7 9 1,4771
pour trouver la valeur de x telle que y = lg x = 1,35.

S o l u t i o n . Formons le tableau des différences.
Tableau 52
Différences de la fonction y
X V A/y
20 1 ,3 0 1 0 969 — 177
25 1 ,3 9 7 9 792
30 1 ,4771
S 20.] INTERPOLATION POUR LE CAS DES POINTS ÊQL IDISTANTS 555
Adoptant y0 = 1,3010, on aura:

" y —ÿo 1,35 — 1,3010 490 A
Ço:
Ayo 0,0969 ^ 969 ==0'° 0C-
Ensuite, en gardant trois décimales, on a par le procédé de
proche en proche :
g, = 0,506------------ -0,506 (1 —0,506) = 0,506—0,023 = 0,483 ;
g2= 0,506---- g ljg - -0,483 (1—0,483) = 0,506 - 0,023 = 0,483.

On pose
q = 0,483.
D’où
X = X0 + qh = 20 + 0,483 -5 = 22,42.
Le tableau des antilogarithmes donne x = 22,39. L’écart impor
tant entre les valeurs calculée et exacte s’explique par le fait que
le pas h = 5 est trop grand.
Nous avons appliqué la méthode des approximations successives
à la résolution d’un problème d’interpolation inverse en recourant
à la première formule de Newton. Mais d’une façon tout à fait ana
logue on peut l ’appliquer également à d’autres formules d’interpola
tion, et notamment à la deuxième formule de Newton, aux formules
de Stirling, de Bessel, etc. Illustrons ce fait par l ’exemple suivant.
E x e m p l e 2. Le tableau 53 donne les valeurs de l ’intégrale
de probabilité [3]
»=ï¥k ïO '" * * * ■
Pour quelle valeur de x l ’intégrale y est-elle égale à y ?
Tableau 53
Valeurs de l ’intégrale de probabilité
! i
f »
A3î/ A*»/
!
0,45 0.4754818
91737
0.46 0,4846555 —840
90897 -1 1
0,47 0,4937452 -8 5 1 1
90046 -1 0
0,48 0,5027498 —S61 2
89185 -8
0,49 0,5116683 -8 6 9
SS316
0,50 0,5204999
S o l u t i o n . Complétons le tableau 53 par les différences de la

fonction y. La grandeur tabulée la plus proche de l ’argument X,
associée à la valeur de la fonction y = j , est x0 = 0,47. Ici il
est commode d’employer la formule de Bessel.
On a x0 = 0,47 ; h = 0,01 ; y = 0,5.
En portant ces valeurs dans la formule (8) du § 7 et en utilisant
les données tabulées correspondantes, on obtient:
0,5 .■=0,4982475 + 0,0090046p- />'~~0,25 ( ~ 85i~ m ) . io-7 +
+ p(/>2~°»25) ( — 10).10-7. (2)
On en tire en divisant les deux membres de l ’égalité (2) par 0,0090046

et en isolant le terme de premier degré en p :
p = 0,194623 + 4,753.10-3 {p2 - 0,25) +
+ 1,85 - 1 0 (p2 — 0,25). (3)
Admettons pour première approximation du paramètre p:
p (1> = 0,194623.
Portant p ll) dans l ’expression (3) on obtient la deuxième appro
ximation:
p<2> = 0,194623 + 4,753-10-* l(0,194623)2 - 0,25] +
+ 1,85-10“5-0,194623-[(0,194623)2 — 0,25] =
= 0,194623 - 0,001008 — 0,000001 = 0,193614.
De même, en portant dans la formule (3) p <2> au lieu de p, on obtient
la troisième approximation:
p<3> = 0,193612.
Comme les premières cinq décimales coïncident, le processus itératif
peut être considéré comme achevé.
Ensuite on trouve successivement:
q = p -)-1 = 0,693612
et
x = s,, + qh = 0,47 + 0,01 -0,693612 = 0,47693612.
Les six premières décimales de cette valeur sont exactes.
s 21.] INTERPOLATION POUR LE CAS DES POINTS NON ÉQUIDISTANTS 557
§ 21. Interpolation inverse pour le cas des points -

non équidistants
Le problème d'interpolation inverse pour le cas des valeurs non
équidistantes de l ’argument x0, x iy . . xn peut être résolu immé
diatement à l ’aide de la formule de Lagrange. A cette fin il suffit
d ’admettre que la variable y est indépendante et écrire la formule
qui exprime x en fonction de y (fig. 64)
n
Y (y—ÿi)(ÿ—ÿ2>••• (y—y<-i)(y—y.-n) ••• (y—yn)
i= 0
où yi = / (a:*) (i = 0, 1, . . n). On peut également, en considé

rant y comme argument, utiliser la formule de Newton pour les
valeurs non équidistantes de
l ’argument (cf. § 19) :
x = x0 + [y0, yj (y — y0) +
+ lÿo» yi, yz\ (y —y<>) (y —yù +
+ • • • + tÿo» yu • • •. yn1x
x (y —y0) (y —yô • • •
• • • (y — yn~i), (2)
où ly0> ÿil, li/o, yu Itel. • • •
• • •» lÿot ÿi» • • •> ÿn) sont les diffé
rences divisées correspondantes.
E x e m p le . Résoudre l ’exem
ple 2 du § 20 à l’aide de la
formule de Lagrange pour 1'interpolation inverse [3].
S o l u t i o n . Bornons-nous aux quatre valeurs :
x 0 = 0,46 ; = 0,47 ; x 2 = 0,48 ; Xi = 0,49.
En posant
u = 107y
on aura le tableau suivant :
X 0,46 0,47 0,48 0,49
U —153445 -62548 27498 116683

La valeur donnée y = y correspond à u = 0. En appliquant la

formule (2), où y est remplacé par m, on obtient:
62548 •( —27498) •( — 116683) n ,. ,
X ~ ( — 153445 + 62548)•(— 153445 — 27498)•( — 153445— 116683) ‘ ■ ° ' r
153445-(-27498) (-116683) n ,
+ (-6 2 5 4 8 + 1 5 3 4 4 5 )-(-6 2 5 4 8 - 27498).( — 62548— 116683) ' ■ ' ‘
153445-62548-(-116683) n
+ (27498+153445)-(27498+ 62548)-(27498— 116683) ' U,4b +
, 153445• 62548•( — 27498) ft /O -
‘ (116683 +153445) •( 116683 + 62548) - (116683 — 27498) ‘ 'U,'*a —
= —0,020779 + 0,157737 + 0,369928 - 0,029950 = 0,476936.
§ 22. Recherche des racines d’une équation par la méthode

d’interpolation inverse
Notons en conclusion que la résolution de l ’équation
/(* )* = 0
peut être ramenée au problème d’interpolation inverse. A cette
fin il faut dresser le tableau des valeurs de la fonction y = / (x)
et construire le tableau correspondant des différences pour les valeurs
de x voisines de la racine. Ensuite on applique les procédés d’in
terpolation inverse en recherchant la valeur de x associée à ÿ = 0.
E x e m p l e . Trouver à 10“3 près à partir du tableau des valeurs
de la fonction de Bessel y = J 0 (x) la racine de l ’équation J0 (x) =
= 0 comprise dans l’intervalle (2,4; 2,6).
X 2 ,4 2 ,5 2 ,6
y 0 ,0 0 2 5 — 0 ,0 4 8 4 - 0 ,0 9 6 8

Adoptons y = 0 et x 0 = 2,4 ; y0 = 0,0025 ; on obtient alors en
vertu de la formule (1) du § 20:
_ y~~~yp 0,0025 _ rj n / Q .
$0 Aay»,-
0 n0,0509
ni^VQ UjlMU ,
Vt = < lo + -^ < lo (l-q o ) =

25
= 0,049- 2*509
•0,049-0,951 = 0,049 —0,001 = 0,048 ;
25
g2 = 0,049 2*509
-0,048-0,952 = 0,049—0,001 = 0,048.
§ 23.] INTERPOLATION POUR DÉVELOPPER LE DÉTERMINANT 55*1
Tableau 54
Différences de la fonction de Bessel
ij= zJ T 0 ( x )
X y au A2V
2 .4 0 ,0 0 2 5 -5 0 9 25
2 .5 - 0 ,0 4 8 4 — 4S4
2 ,G — 0,09G 8
Adoptons
q = 0,048;
d’où
x = x 0 + qh = 2,4 + 0,048 -0,1 = 2,405.
Les tables donnent

x = 2,4048.
§ 23. Méthode d'interpolation pour développer

le déterminant caractéristique
L’interpolation des fonctions peut être utilisée pour développer
le déterminant caractéristique (séculaire) (cf. chapitre]* XII)
D (X) = det (A - XE)y
où A = [a^l.
Choisissons des points équidistants
Xq —
—0, Xj = 1, . • Xji = fi
et calculons pour le déterminant D (X) les valeurs correspondantes
D (0) = £><>, D (1) = D u . . ., D (n) = Dn.
En dressant le tableau? horizontal des différences de la suite
des nombres D (0), D (1), . . ., D (n), on trouve par le procédé
usuel les différences AiD (0) (i = 0, 1, . . ., n). D’où l ’on tire,
en appliquant la première formule de Newton, l ’expression poly
nomiale du déterminant caractéristique
n
D (>.) = D (0) + 2 * ( * - 1 ) • • • Q— i + 1)- d)
i=i
Si l’on pose
_ 2 C .A - (1 = 1 , 2 , . . . ) , (2)
771= 1
après des transformations élémentaires on obtient la formule de

Markov :
/>(?.) = Z>(0) + s km S cmlA‘0 ( 0). (3)
m= 1 i= m
Les calculs suivant la formule (2) sont rendus plus faciles par les
tableaux des coefficients cmi [81.
Dans un cas plus général, si l'on prend comme points d’inter
polation les nombres X* = a + ih (i = 0, 1, . . n), la formule
{3) s’écrit
D (k) - D (a) + S ( k - a ) m 2 c ^ h ^ D (a). (4)
771=1 i —m
Bien que la méthode d'interpolation qui vient d’être exposée

impose de longs calculs de n + 1 déterminants d’ordre n, cette
méthode est pour autant commode par son schéma de calcul très
simple. De plus, elle est applicable au développement d ’un déter
minant de forme plus générale
F (k) = det lfu (*)!,
où f u (k) sont des polynômes entiers en k.
E x e m p l e . En utilisant la méthode d’interpolation dévelop
per le déterminant caractéristique
1— k 2 3 4
2 1— k 2 O
O
3 2 1- k 2
4 3 2 1 —Â
{cf. chapitre X II, § 3, exemple).
S o l u t i o n . Calculons successivement D (i) pour i = 0, 1, 2,
3, 4. On a :
D (0) = - 2 0 , D (1) = -1 1 9 , D (2) = -3 0 8 ,
D (3) = -5 7 5 , D (4) = -8 8 4 .
Les différences AlD (0) (t = 0, 1, 2, 3, 4) sont consignées sur le
tableau 55.
§ 23.1 INTERPOLATION POUR DÉVELOPPER LE DÉTERMINANT 561
* Tableau 55
Différences des nombres Z)(X)
A DOi) AD(X) A2d a) A3D(X) A*D (X)
0 -2 0 —99 -9 0 12 24
1 -1 1 9 —189 -7 8 36
2 -3 0 8 -2 6 7 -4 2
3 —575 —309
4 —884
Puisque
X (X -l) X3 X .
2! ~ 2 2 ’
X(A— 1) (X—2) _ X3 _ A
3] ~~ 6 2 3" ’
X(X- 1) (/- —2) (X—3) X3 11X2
4! 24 24
la formule (2) conduit à
C|i — i ;
î 1
C 22 = r
2 ’ Cj2 — 2 ’
1 1 1
C33 = 6 ’ C23 = ci3 = -3 ;
2 ’
• 1 1 11
C41 — 24 ’ C34 ==
II
c u — —
1^
~r
4 » 4
D’où, en appliquant la formule de Markov (3),

D(k) = D (0) + [cn AD (0) + c12A2D (0) -f cl3A3D (0) -f-
+ c14A4D (0)1 Xr [c22A2D (0) + Cn&D (0) + c24A4D (0)] X2+
+ [c33A3D (0) -f c34A4D (0)] X2 + c44A4D (0) X4 =
= —20 + ( - 9 9 - 1 + 9 0 -1 + 1 2 .1 —2 4 .1 ) \ +
+ ( - 9 0 .1 - 1 2 . 1 + 2 4 -^ ) ^ + ( 1 2 .1 - 2 4 .1 ) ^ +
+ 2 4 ~ ljL « = - 2 0 - 56X-40X2—4X3 + X*.
3 3 —0 1 0 7 2
§ 24*. Interpolation des fonctions de deux variables

Soit la fonction
* = /(*. y)
donnée sur un système de points équidistants (xj ,yj) (i, ; = 0, 1,
2, . . .), avec
*i = *o + *A, y t = y0 + Jk,
de plus
A = Ax* = const ; k = Ayj = const.
Pour abréger l ’écriture introduisons les notations
zu = / (*i, y;).
Les valeurs de la fonction z peuvent être rangées dans un tableau
à double entrée (tableau 56).
Tableau 56
Valeurs d ’une fonction de deux variables
JC
*0 X1 X2
y
»
00 -00 -10 -20
yi -01 -Il -21
02 -02 Znn
...
L’interpolation d’une fonction de deux variables

z = / (*, y),
c ’est-à-dire le calcul de ses valeurs non tabulées peut se faire, de
proche en proche, séparément par rapport à chaque variable x et y.
Supposons, par exemple, qu’il soit nécessaire d’obtenir la valeur
z = f (x, y).
L ’interpolation des fonctions dûment choisies d’une variable x:
fh (x) = / (x, y*),
où yk « y, permet de trouver les valeurs f k (x). A cet effet on utilise
les lignes correspondantes du tableau double. En considérant les
valeurs obtenues f h (x) = f (x, yk) comme les valeurs de la fonction
/ (x, y) d’une seule variable y, on obtient à l ’aide d’une des formules
d ’interpolation la valeur cherchée / (x, y) = z.
On peut opérer également dans l ’ordre inverse.
§ 24.] INTERPOLATION DES FONCTIONS DE DEUX VARIABLES 563
Exemple. Les valeurs de la fonction de posteffet
/(x , y)= j e-****-*-**"*cfe
sont données par le tableau suivant (cf. Yanke et Emde, « Tables

des fonctions »)
Nw x
0 .4 0 ,7 1.0
y
0 ,0 0 2 ,5 0 0 1 ,4 2 9 1 ,0 0 0
0 ,0 5 2 ,4 8 7 1 ,4 1 9 0 ,9 9 5
0 ,1 0 2 ,4 5 6 1 ,4 0 0 0 ,9 8 1
Trouver / (0,5 ; 0,03).

S o l u t i o n . Formons les tableaux 57a, 57b, 57c en utilisant
les lignes du tableau double donné.
!/—0 Tableau 57a y - 0 ,0 5 Tableau 57b
Puisque pour ces tableaux

A = 0,7 - 0,4 = 0,3,
en posant x 0 = 0,4, on a :
x — xq 0 , 5 — 0 ,4 1
q~ h <p " "3
36*
On en tire successivement en utilisant la première formule de

Newton :
/o = / (0, 5 ; 0) = 2,500 — L • 1,071+ 3 Vÿ-3 ' -0,642 = 2,072 ;
/,= /( 0 ,5 ; 0,05) = 2 ,4 8 7 -1 -1 ,0 6 8 — 1-0,644 = 2,069 ;
/ 2 = / (0,5 ; 0,10) = 2,456 - - - - 1 ,0 5 6 -y -0,637 = 2,033.

Formons le tableau des valeurs obtenues (tableau 58).
Tableau 58
// / A/ AV
0 2 ,0 7 2 - 0 ,0 0 3 - 0 ,0 3 3
0 ,0 5 2 ,0 6 9 — 0 ,0 3 6
0 ,1 0 2 ,0 3 3
En adoptant k = 0,05 — 0 = 0,05 et y0 = 0, on obtient :

0 ,0 3 -0 3
q ~ 0 ,0 5 — 5 *
D’où
/ (0,5 ; 0,03) = 2,072— 1-0,003 -(—0,033) = 2,074.
§ 25*. Différences à deux variables d'ordres

supérieurs
Pour la fonction z = / (x, y) donnée par le tableau double
{Zij} on peut calculer les différences partielles
&x% ij = S f+ l. j Zij et Ay Z tj — Z i'j+ i— Z ij.
En reprenant ces opérations, on obtient des différences a deux varia-

blés d'ordres supérieurs
Am+nzu = A™+n„z„ = A*m(A"„Zjj) = A"„ (A > ,v),
où l ’on a posé A0+0Zjj = zkj. Par exemple,
Al+mZ i j = Ax (Ay y Z i j ) = Ax (Z i , 2Z;t j + 1"f*s/y) —
^ (2«+l. y+2 22/4.!. *r Zf+i, (Z;, y+2 — 22;, y+j -|- Z;y).
§ 26.] FORMULE DE NEWTON POUR UNE FONCTION DE DEUX VARIABLES 565
§ 26*. Formule de Newton pour une fonction

de deux variables
En recourant aux différences d’une fonction de deux variables
z = / (x, y), on peut former un polynôme d’interpolation analoguo
à celui de Newton. Soit P (,x, y) un polynôme entier tel que
A™+;„/>(x0, ÿo) —Am+nZoo (1)
(m, n = 0, 1, 2, . . .)• Supposons que P (x, y) soit développé
par rapport aux puissances généralisées des différences x — xc et
y — y0, c’est-à-dire
P (x, y) = c00 + c10 (x — x0) + c0i (ÿ — i/o) + c20 (x — x0) X
X (x — x,) + c,! (x — x0) (y — ÿo) +
+ C02 (ÿ — ÿo) (ÿ — ÿi) + • • . (2)
Posons x = x0 et ÿ = ÿ0 pour avoir, en vertu de la condition (1),
P (x0, ÿo) = Zoo = coo-
Composons les différences premières du polynôme P (x, ÿ)
AXP (x, ÿ) = ci0h + 2c20A (x — x0) + cuk (ÿ — ÿ0) + • . •
et
AyP (x, ÿ) = colk + Cuk (x — x0) + 2 c02à: (ÿ — ÿ0)
Il en résulte en posant x = x0 et y = y 0 et en vertu de la condi
tion (1) :
AXP (x0, ÿ0) = A1+Oz00 = c, oft
et
AyP (x0, y0) = A0+1z00 = coiA,
c ’est-à-dire
&1+0zoo AO+isoo
C10 fl ’ c 10 k
Ensuite, en calculant les différences secondes du polynôme P (x, y),
on trouve:
&xxP (x, y) = 2 lc2()h~ + . . . ,
&xyP {x, y) = cuhk -r . . . ,
&yyP C*1'» y) ~ 2 \cqJ c~
D’où pour x = x0 et y = y0:
&xxP (xqj y0) = A-f%o = 2 !cooA“»
&xyP (ôt y0) = A1+1Zoo —Cuhk,
^yyP (*^0» ô)= A0+“Zqo = 2 Ic^k",
et
C20 = 2! A2+0~oo
h2 ’
Cil — A /ifr
^ sqq .
’ A2
566 INTERPOLATION DES PONCTIONS [CH. XIV
On opère d'une façon analogue pour obtenir les coefficients ulté

rieurs de la décomposition (2). En portant les valeurs des coeffi
cients obtenues dans la formule (2) on compose le polynôme d'in
terpolation d'une fonction de deux variables
P (x, y ) —Zoo [ — l*00 (x— x0) -+ ■A° ^ J°0- (ÿ—ÿ0)] +
+ A~%*° (J —Jo)121 r 2 • ~A (J —Jo) (ÿ—Uo) +
+ - ^ ^ 22-(ÿ—ÿo)t21] + ••• (3)

Pour interpoler la fonction / (x, y), on pose :
/ (x, y) æ P (x, y).
En introduisant les variables
X — x0 y—yp
h = p, k *
on rend généralement les calculs plus commodes; il vient alors
^ r — p -U - ^ = 5 -1 .
etc. Par suite, la formule (3) se met sous la forme
Z « Zoo T" (p A 1+0Z00 + 9A0+1Sqo) +
+ "27 [P ( P — 1) A2+02oo + 2pgA1+1Zoo h g (g — 1 ) A0+2Zool + (4)

avec
x = x0 + pA, y = i/o + g*.
Si l ’on pose p = 0 ou g = 0, (4) devient une formule de Newton
correspondante.
E x e m p l e . Appliquer la formule (4) et calculer / = / (0,5 ;
0,03) de la fonction / (x, y) de l ’exemple du § 24.
S o l u t i o n . En posant x0 = 0,4, y0 = 0, formons les ta
bleaux des différences premières de la fonction / (tableaux 59a et
59b).
Tableau 59a Tableau 59b
i= 2
O
A 1+ 0 / A 1 + 0 / i = 1
II
A f0j
£f»
i=o —1,071 - 0 ,4 2 9 A0+1/io — 0 ,0 1 3 — 0 ,0 1 0

i i
o p
/= l —1,068 -0 ,4 2 4 A o + i/i, - 0 , 0 3 1 - 0 , 0 1 9
/= 2 - 1 ,0 5 6 -0 ,4 1 9
s 26.] FORMULE DE NEWTON POUR UNE FONCTION DE DEUX VARIABLES 567
On en tire les différences secondes

A2+0/oo = A1+0/ 10— Al+0/oo = — 0 ,4 2 9 — ( - 1 ,0 7 1 ) = 0,642 ;
A1+l/oo = Al+0/oi - A1+0/oo = — 1,068— ( - 1 ,0 7 1 ) = 0,003
OU
A1+1/oo - A0+1/io — A0+1/oo - —0,010—(-0 ,0 1 3 ) = 0,003 ;
A0+2/o o = A0+1/oi — A0+1/o o = — 0,031 — ( — 0,013)= —0,018.
Puisque
en appliquant la formule (4), on obtient :
/ = 2,500' ( - 1-071) -r T ‘( —° ’013) +
+ T [ T - ( - T ) - ° ' 642 + 2 4 - f 0 ’003 +

+ | ~ ( —- |) (—0,018)] =2,500—0,357-0,0078—0,07134-
4- 0,0006 -\ 0,0021 = 2,067.
En comparant avec le résultat / = 2,074 obtenu par la première
méthode on voit que les chiffres des millièmes méritent peu de con
fiance.
BIBLIOGRAPHIE
1. E. W hittaker, G. Robinson. The calculus of observations. A treatise on nu-
merical mathematics. Blackie and Son, L td., London and Glasgow, ‘4e éd.,
1944.
2. V. Gontcharou. Théorie d'interpolation et d'approxim ation des fondions.
GTTI, Moscou-Léningrad, 1934, chapitre I, §§ 18 a 21.
3. / . Scarborough. Numerical Mathematical Analysis. John Hopkins, 2e éd.,
1950.
4. V. Bradis. Théorie et pratique des calculs. Outchpedguiz, Moscou, 1935,
chapitre IX.
5. W. E. M ilne. Numerical calculus. Princeton University Press, Princeton.
1949, chapitres III, IV.
6. E. Rémez. Méthodes numériques générales de l’approximation de Tchébv-
chev. Editions de l'Académie des Sciences de la R.S.S. d ’Ukraine, 1957.
partie I. chapitre I.
7. Travaux pratiques sur les calculateurs, appareils de calcul et outils de calcul.
Sous la direction générale de N. Lednev, «Sovietskaïa nauka», Moscou, 1959,
chapitre III.
8. V. Faddéeva. Méthodes numériques d'algèbre linéaire. Gostekhizdat, Moscou-
Léningrad, 1950, chapitre III, § 27.
CHAPITRE XV
DÉRIVATION APPROCHÉE
§ 1. Position du problème
Il arrive souvent que pour résoudre des problèmes pratiques il
faut calculer les dérivées a ordres imposés d’une fonction y = f (x)
donnée par un tableau. Il se peut également que l ’expression analy
tique compliquée de cette fonction rende difficile sa. dérivation
immédiate. Ce sont autant de cas où l ’on recourt à la dérivation
approchée.
Les formules de dérivation approchée se déduisent en remplaçant
la fonction donnée f (x) sur le segment concerné la, b] par une fonc
tion d’interpolation P (x) (le plus souvent par un polynôme) et
en posant ensuite:
/'( X ) = i> '(x ) (1 )
pour
a ^ x 2^ b.
Les dérivées d’ordre su
périeur de la fonction f (x)
s’obtiennent d’une façon
analogue.
Si l ’on connaît l ’erreur
R ( x ) = f (x) - P (x)
de la fonction d’interpolation P (x), l ’erreur de la dérivée P'{x)
est donnée par la formule
r (x) = /'(x) - P'(x) = R ’(x), (2)
c’est-à-dire Verreur de la dérivée d'une fonction d'interpolation est
égale à la dérivée de Verreur de cette fonction. Il en est de même pour
les dérivées d’ordre supérieur.
Il convient de noter que dans le cas général, la dérivation appro
chée est une opération moins précise que l ’interpolation. En effet,
le voisinage des ordonnées de deux courbes
y = f (x) et Y = P (x)
§ 2.] FORMULES BASÉES SUR LA PREMIÈRE FORMULE DE NEWTON 569
sur le segment [a, 6] ne garantit pas encore la proximité sur ce seg

ment de leurs dérivées f'(z) et P'(x), c’est-à-dire un faible écart
des coefficients angulaires des tangentes aux courbes considérées,
les valeurs de l ’argument étant les mêmes (fig. 65).
§ 2. Formules de dérivation approchée basées

sur la première formule d'interpolation de Newton
Soit la fonction y = / (x) donnée aux points équidistants x t
(i = 0, 1, 2, . . ., n) du segment [a, 61 par des valeurs yt =
= / (xf). Pour chercher sur [a, 61 les dérivées y' = / ' (x), y ” =
= /* (i), etc. *, remplaçons approximativement la fonction y
par le polynôme d’interpolation de Newton établi pour un système
de points x0, xlt . . ., xk (fc ^ n).
On a
U M = So-i-çMü - j ÿ 11 A-ÿo -y , ( , ~ 3 I|I’ ~ 2) A3y o -
+ « ,— , (1)
OÙ
Ç= T hX° et h = x i+l— xi (i = 0 , 1 , . . . ) .
En multipliant les binômes, on obtient:
y { * )-!/o :-9Aÿ0 - + Asÿo-r
+ A*ÿo + • • • (1’)
Puisque
dij __ dy_ ' dq_ _ dy_
dx dq dx h dq ?
il vient
3 ,2 —6, + 2
y ‘' (•x) = ~r [Ay0-f ■-"$ 1 Aay0+ 6 A 3(/o
2 .73 - 9 9 2 + 1 1 7 - 3
+ 12 A 4ÿo 4- . . . j . ( 2)
D’une façon analogue, comme

d(>f) d( y' ) dq
/ ( * ) = dx dq dx ’
------ r ~
* Bien entendu, le fait de l’existence des dérivées correspondantes de la
fonction / (x) doit être connu à l’avance, car s’il n’en est pas ainsi, les calculs
ont un caractère illusoire.
570 DÉRIVATION APPROCHÉE [CH. XV
on a
y' (*) = -à- [ A2i/o - (g ■-1) A3ÿ0+ <w2- f f i ± AL A ^04 - . . . ] • (3)
Quand la nécessité se présente, on procède de même pour cal

culer les dérivées de la fonction y (x) d'un ordre quelconque.
Constatons que pour chercher les dérivées y' (x), y ” (x), . . .
en un point fixé x, il faut prendre comme x0 la valeur tabulée de
l'argument la plus proche.
Quelquefois il faut chercher les dérivées de y aux points tabu
laires principaux Dans ce cas les formules de dérivation numé
rique deviennent bien plus simples. Toute valeur tabulée pouvant
être considérée comme initiale, posons, x = x0, q = 0 ; alors on a :
« ■ ( - 1 1 4 ( 4 » - ^ + ^ - ^ + ^ — •) (4)
et
y"(xo)= -j-s (A2J/o—A*ifo -12 A4(/o—4A5#, [-•••)• (5)
Si P* (x) est un polynôme de Newton qui contient les différences
Aÿoi A2p0» • • •» Afty0 et si
-fl* (x) = y (z) — Ph (x)
est l ’erreur correspondante, l’erreur de la détermination de la déri
vée s’écrit
P* (x) = y' (x) — Pi (x).
On sait" (chapitre XIV, § 15) que
a. w = (a=
»“ *■' (i).
où £ est un certain nombre intermédiaire entre les valeurs x0,
Xi, . . . , xh et x. Aussi, en supposant que y{x)ÇC {h+2) on obtient:
* - - B P {s'**" (I) £ 19(q - 1) ■ • • ( ? - *>]-H
Supposant ensuite (1)1 bornée et en tenant compte du

fait que [g (g— 1) . . . (q—Ar)J,2=o = (— l)ft A: !, on en tire avec
x = x0 et, par suite, avec g = 0,
^ ( x 0) = ( - l ) ft^ T y<h+')(Ê). (6)
§ 2.3 FORMULES BASÉES SUR LA PREMIÈRE FORMULE DE NEWTON 57 I
Comme dans de nombreux cas y ik+1) (£) se prête mal à l’esti

mation, on pose approximativement pour un h petit:
S k+1y0
hh+1
et donc
Rk{*o)** { ~ h i ) h T + i-
D’une façon analogue on trouve l ’erreur Rh (x0) de la dérivée
seconde y ” (x0).
E x e m p l e 1. Chercher y' (50) de la fonction y = lg x donnée
par le tableau 60.
Tableau 60
Valeurs de la fonction y = \ g x
X y A[/ A 2|/ A3y
50 1 ,6 9 9 0 414 —36 5
55 1,7 4 0 4 378 -3 1
60 1 ,7 7 8 2 347
65 1 ,8 1 2 9
S o l u t i o n . Ici h = 5. Complétons le tableau 60 par les

colonnes des différences finies (comme d’ordinaire, la place de la
virgule n’est pas indiquée; elle est définie par les décimales des
valeurs des fonctions).
En utilisant la première ligne du tableau on a, en vertu de la
formule (4) :
y' (50) = -- (0,0414 - 0,0018 0,0002) = 0,0087.
Pour évaluer la précision de la valeur obtenue constatons que
puisque la fonction tabulée ci-dessus est y = lg x,
M 0 ,4 3 4 2 9
V * ~ — :— T—
Par conséquent,
//nm 0 ,4 3 4 2 9 A A no.
y (a0) = —^ — = 0,008/.
Ainsi, les résultats coïncident à la quatrième décimale près.
E x e m p l e 2. La distance y = / (/) parcourue par un point
en mouvement rectiligne pendant le temps t est donnée par le ta
bleau [1]:
Temps Distance y (tp Temps Distance y (tp

i
en s en cm en s en cm
I -
0 0 ,0 0 0 ,0 0 0 5 0 ,0 5 35,721
1 0 ,0 1 1 ,5 1 9 0 ,0 6 5 0 ,0 0 0
2 0 ,0 2 6 ,0 3 1 7 0 ,0 7 6 5 ,7 9 8
3 0 ,0 3 1 3 ,3 9 7 0 ,0 8 8 2 ,6 3 5
4 0 ,0 4 2 3 .3 9 6 0 ,0 9 100,000
9
Utiliser les différences jusqu’à l ’ordre cinq y compris pour

trouver la vitesse V = ^ et l ’accélération W = approchées
du point aux instants t = 0 ; 0,01 ; 0,02 ; 0,03 ; 0,04.
S o l u t i o n . Composons le tableau des différences (tableau 61).
Tableau 61
Différences de la fonction y = f (t )
i byi A A*Ul A*yi A
0 1 ,5 1 9 2 ,9 9 3 - 0 ,1 3 9 - 0 ,0 8 2 - 0 ,0 0 4
1 4 ,5 1 2 2 ,8 5 4 - 0 ,2 2 1 - 0 ,0 8 6 0 ,0 2 1
2 7 ,3 6 6 2 ,6 3 3 - 0 ,3 0 7 - 0 ,0 6 5 0 ,0 0 2
3 9 ,9 9 9 2 ,3 2 6 - 0 ,3 7 2 - 0 ,0 6 3 0 ,0 1 8
4 1 2 ,3 2 5 1 ,9 5 4 - 0 ,4 3 5 - 0 ,0 4 5 0 ,0 1 4
5 1 4 ,2 7 9 1 ,5 1 9 - 0 ,4 8 0 - 0 ,0 3 1 —
6 1 5 ,7 9 8 1 ,0 3 9 - 0 ,5 1 1 —
7 16,8 3 7 0 ,5 2 8 —
8 1 7 ,3 6 5 —
9 —
Adoptant h = 0,01 et appliquant les formules (4) et (5) on obtient

les valeurs approchées de la vitesse V (cm/s) et de l ’accélération
W (cm/s2). Par exemple,
V (0) = 100 (1,519 — 1,496 - 0,046 + 0,020 - 0,001) = -0 ,4 cm /s,
W(0) = 10000 (2,993 + 0,139 - 0,075 + 0,003) = 30600 cm/s2.
Les valeurs correspondantes de V et de W sont portées sur le
tableau 62.
Remarquons que la loi du mouvement tabulée est donnée par
la formule
y — 100 ( 1—cos .
§ 3.1 FORMULES BASÉES SUR LA FORMULE DE STIRLING 573
* Tableau 62
Valeurs de la vitesse V et de l'accélération W définies
par la loi du mouvement y = f ( x )
t V W V w
0,00 0 ,4 30 600 0,00 30 462

0,01 3 0 3 ,6 29 780 3 0 3 ,0 8 30 001
0,02 5 9 6 ,3 28 780 5 9 6 ,9 8 28 625
0 ,0 3 8 7 3 ,2 26 250 8 7 2 ,6 6 26 381
0 ,0 4 112 1 ,7 23 360 112 1 ,9 23 340
D ’OÙ
x, dy 5000:i . 50ji*
-------- 9 S ln 9
et
, (P>j 250000n2 5 0n(
W = - Ï Â — si— C0S —
Les deux colonnes droites du tableau 62 donnent à titre de com
paraison les valeurs exactes V et W .
Notons que les formules de dérivation approchée peuvent égale
ment être déduites de la deuxième formule de Newton.
§ 3. Formules de dérivation approchée basées
sur la formule de Stirling
Les formules de dérivation numérique déduites au § 2 pour la
fonction y au point x = x0 ont l ’inconvénient de n’utiliser que les
valeurs unilatérales de la fonction pour x > x0. Les formules de
dérivation symétriques qui tiennent compte des valeurs de la fonc
tion donnée y aussi bien pour x > x Q que pour x < x 0 sont relati
vement plus exactes. Ces formules s’appellent en général formules
de dérivation par différences centrales. Nous allons déduire l ’une de
ces formules en partant de la formule d’interpolation de Stirling.
Soient . . x_3, x_ 2->x_i, Xq, Xj, ^21 X3, . . . un système de
points équidistants à pas x;+1 — x t = h et yt = / (xf) les valeurs
correspondantes de la fonction donnée y = / (x). Si l ’on pose
et remplace approximativement la fonction y par le polynôme de

Stirling, on aura :
y{z) = yo-1-<i&y_i l go?2- ! ) A3z/ t 72 (<?2- D
A4ÿ-2 +
3!
g(<?2- i ) ( 72-22) <72 (<72 — 1) (<IZ— 22)
5 ! y - 6! A6</-3 ( 1)
574 DÉRIVATION APPROCHÉE ICH. XV
où, pour abréger récriture, on introduit les notations

_ Ay.j + Ayo
Ay 1 2 ’
A3y A3//_2+A3y_i
A‘y_5 = A5y-3+A5y_2
2
2
etc.
En tenant compte de
dq___±
dx h ’
on obtient de la formule (1)
ÿ' (x) T ( i -r a -h ^
+ v ~,,y + 4 ^ _ ; + i v , - ■••) ■ (2)
»■ (*)= - ^ (A-ÿ- , + j + ^ 7 * A<»-«+
+ V j ^ L A « , _ |+ 1 V 7 y + i A V .+ - ) ■ (2-)
En particulier, si l’on pose g = 0, on a:
y'(xo) = M b y _ i _—4 A3ÿ_ 3+ . i a Y _ l + • • • ) (3)

2 2 2 *
et
lT(*o) = + ( A2y_i—■- A4y_, + 1 A®y_s + • • • ) • (3')
E x e m p l e 1. Calculer y' (1) et y" (1) de la fonction y =

= y (x) donnée par le tableau 63.
S o l u t i o n . En composant les différences de la fonction y
(tableau 63) et en utilisant les termes soulignés on a en vertu de la
formule (3) :
87 255 + 83 656 25 + 26
.10“7 «TM l . i . 10
0,02 1 ■’ ) =
30
=- —50-(88 005,5 + 4 ,2 ->-0)*10”7 = —0,4400485.

Pour vérifier, constatons que la fonction tabulée est une fonc
tion de Bessel à indice nul y = J o (x).
§ 3.1 FORMULES BASEES SUR LA FORMULE DE STIRLING 575
Tableau 63
Valeurs de la fonction y = y (-r)
X y M! A-»/ & y A4U
0,96 0,7825361
—86029
0,98 0,7739332 -1326
—87355 25
1,00 0,7651977 -1301 1
-"88(556 26
1,02 0,7563321 -1275
-89931
1,04 0,7473390
On sait que
y; (1) _ y , (*) i ^ , = -0,4400506.
D’une façon analogue, l ’utilisation des termes soulignés d’un double
trait et l ’application de la formule (3') amènent:
y’ w = ô w ■( - 1301 •10"7 ~ T 2 ' 1 ■•10-7 ) =

= -2 5 0 0 -1 3 0 1 .10"7- -3 ,2 5 2 5 .1 g"1- =0,325250.
Pour comparer, voici la valeur exacte donnée par les relations entre
les fonctions de Bessel
if'(i) = j;(D = ( i ) - J 0 (i) =
= 0,4400506 - 0,7651977 = -0,325147.
Ainsi la recherche numérique de la dérivée seconde est en général
une opération moins sûre que celle de la dérivée première.
R e m a r q u e . Parfois il faut trouver l ’extrémura d’une fonc
tion à dériver y = y (x) donnée tabulairement. A cet effet, il faut
que l ’égalité y' (x) = 0 soit vraie au point de l ’extrémum x. En
annulant la dérivée y' (x) de la formule (2) on trouve à l ’aide de la
méthode des approximations successives la valeur correspondante
de q. On en tire
x = x 0 + qk,
et on calcule la valeur y d’après la formule (1) ou l ’une quelconque
des formules d’interpolation. La valeur obtenue y est un extrémum
de la fonction si dans le voisinage du point x le signe de la diffé
rence seconde À2y est constant.
E x e m p l e 2. Trouver le zéro de la dérivée de la fonction

y = Ji (x) donnée par le tableau 64.
T able au 64
Valeurs de la fonction y = ,Ji (x)
X y Ay A=!/ A3y
1,80 0,5815170
2561
1,82 0,5817731 -1643
9*8 2
1,84 0,5818649 -1641
-7 2 3 4
1,86 0,5817926 -1637
-2360 2
1,88 0,5815566 -1635
-3995
1,90 0,5811571
S o l u t i o n . Complétons le tableau 64 par les différences de

la fonction y. Posons x 0 = 1,84. Utilisons les différences soulignées
pour obtenir en vertu de la formule (2)
A 9 1 8 -7 2 3 , , AC/AS , 392_ i 2+ 4
0 = — j------ 1-?( — 1641H— — ------ J -
OU
0 = 97 - 1641g + - |g s.
Il en résulte que
97 . 1 ,,.
q *“ 1641 + 1094 q ~'
Rejetons le petit terme non linéaire; on obtient alors la première

approximation :
3a , = î S i = 5 ’911-10' a-
En améliorant la précision de cette valeur, on obtient à partir
de la formule (4) la deuxième approximation:
+ ^ 4 te*1’]2 = 5,911 • 1 0 - + ^ • 3,494.10- =
= 5,911 • 1 0 - + 3 ,2 -1 0 - - 5,911 • 1 0 -.
Par conséquent, on peut poser:
q = 0,05911.
I)’où
x = x 0 + qh = 1,84 + 0,05911 0,02 = 1,8411822.
Ainsi
/ ; (1,8411822) = 0.
§ 4.] FORMULES EXPRIMÉES PAR DES VALEURS EN CES POINTS 577
§ 4. Formules de dérivation numérique

pour des points équidistants, exprimées par des valeurs
de la fonction en ces points
Soient les points équidistants x0, xlt x2, . . ., xn
x i+1 — x t = h (i = 0, 1, 2, . . ., n — 1),
et soient les valeurs connues y* = y (x*) (i = 0, 1, . . n) de la
fonction y = y (x). Formons pour le système donné des points x t
le polynôme d’interpolation de Lagrange (cf. chapitre XIV, § 12)
n
r (r\ — V n n+i (*) ui
t=0
ou
nn+1(x) = (x—x0) (x— xt) . . . (x—x„).
Il vient
L n (x i)^ y i (i = 0, 1, . . n).
En posant
*o _„
h —q'
on obtient
n n+i (*) = P 1? ( q - 1) . . . (q—Tl) = «
et
n ; + l (X i) = (Xi — X0) (Xi — Xt) ... (Xi — XM )( X j — Xi+1) . . . (Xi — x n) =
= hni(i — 1) . . . 1 ( - 1 ) . . . [ — (n— i)] = ( — l nm,i)hnil( n — i)\ (1)
Le polynôme de Lagrange Ln (x) est donné donc par l’expression :
£ „ (* )= (2)
N 1 i ! ( n —i)l q — i v '
î= o
En retenant que
d x .
— = h ,
d q »
on en tire
1 ^ ( - l ) " -1 y i d f 0[ n + l ] !
y ( z ) * L n ( * ) = T 2 j i 1( n — t ) I ~ d q ( — T } * (3 )
1=0 H J
D’une façon analogue on peut trouver les dérivées d’ordre supérieur
de la fonction y (x) donnée. Pour évaluer l ’erreur
rn (x) = y’ (x) — Ln (x)
37—01072
578 DERIVATION APPROCHÉE [CH. XV
faisons appel à la formule connue de l ’erreur d’une formule d’in

terpolation (2) (chapitre XIV, § 14)
R n (x) = y {x )— L„(x) = - Ç ^ I n n+1'(z), (4)
où £ = 5 (*) est une valeur intermédiaire entre les points x 0y x t , ...

. . x n et x.
Supposons que y(x)ÇC(n+2> pour déduire
r„(x) = f?;(a: ) = ürqiïr i {y‘-**>(6)n;+I( * ) + n B+l(*)-^.[»‘»«>(6)]}.
D’où l ’on obtient, compte tenu de la formule (1) et supposant

iL [y<n+i> (|)] bornée, l ’erreur de la dérivée aux points
R n
’ iX i) = (-1 T '1h '» (©,(5)
*5
£ étant la valeur intermédiaire entre x0, Xj, . . x n et x.
I. Effectuons le calcul pour n = 2 (trois points). La formule (2)
entraîne
(x ) = — i/o (g— 1) (g—2)—y t q (g—2) + y y2g (g— 1).
D’où, en tenant compte de ce que = on aura:
y ’ (x ) tt L A
’ x) = ± [ ± y 0( 2 q - S ) - y l ( 2 q - 2 ) + ± y 2 { 2 q - i ) ].
En particulier, pour les dérivées
y (xi) = y \ (« = 0 , l , 2 )
on obtient les expressions suivantes :

y o’ = ~2h( —% 0 + ^ ÿ i— y z ) ;
y o + y 2) ;
ÿi = -^-(ÿo—4ÿi-t-3y2)
aux erreurs respectives :
r0 = y * V (6 o );
r1= - l A V ( i , ) ;
r* = - ù V ( l 2)-
fi 4.] FORMULES EXPRIMEES PAR DES VALEURS EN CES POINTS 579
Voici sans démonstration les formules de dérivation pour quatre

et cinq points [31 que le lecteur peut facilement justifier lui-même.
IL n = 3 (quatre points) :
= " à - ( — 1 l ÿ o + 18ÿi ~ 9 ÿ z + 2y*)— ^ r y (t) (5) ;
ÿi = - ^ (—2ÿo—3yt + 6y2—y3) + ■ y<4) ( t ) ;
i />3
y't = -gjr (!/o—6ÿi + 3y2+ 2y3) — ^ y<4’ (1) ;
yi = - ^ ( — 2yo + 9y, — 18y2 11y3) -f- y'4' (Ç).
III. /i = 4 (cinq points):
y°= Ï1Â ( — + 48yi—3Gy2+ 16y3—3y4) -h — y'5»(i) ;
y; = Ï5J (—3y° — 10y 1+ iSyz —6y3 + y4) — y,s’ (g) ;
y*= m (y°— 8y i + — y * ) + î J y (i>(£) ;

y; = Ï5Â(—yo + 6yi — 18y2+ 10y3+ 3y4) — y<s>(1) ;
y'*= è h (3y° ~ 16^ + 36yz—4Sy3+ 25y4) + -Ç- y<s>(|).

L'examen des formules II et III montre que si le nombre de
points est impair et si la dérivée est prise au milieu, la formule de
dérivation numérique correspondante devient plus simple et est
un peu plus exacte.
h h h h
-cr* y ■■»»
X~2 X-t XQ Xi x2 x
Fig. 66.
Ci-dessous nous donnons pour les cas n = 2 et n = 4 les formules
de telles dérivées aux différences centrales [31 ; pour rendre la symé
trie évidente nous avons modifié la numérotation des points (fig. 6 6 ) :
I. n = 2.
—y - i ) —t -
y '< > = 4 h ( y * y ' 3' ®»
où yi = y(xi) et i = — 1 , 0 , 1 ;
II. n = 4.
y;=^ (yi- y-i)-ïi(y2 -y-*) + y<6’(5),
où yj = y(xj) et t' = — 2 , — 1 , 0 , 1, 2 .
37*
§ 5. Dérivation graphique
Le problème de dérivation graphique consiste à construire d’après
la courbe de la fonction y = f (x) donnée la courbe de sa dérivée
y = r (x).
Soit la courbe de la fonction y = f ( x ) (fig. 67). Pour construire

à une échelle connue Zla courbe de sa dérivée, on choisit sur cette
courbe un réseau suffisamment serré de points 1, 2, 3, 4, 5, . . .
qui comprend autant que possible les points remarquables du gra
phique. On mène à la levée par ces points avec le plus grand soin
possible les tangentes à la courbe de la fonction. Ensuite, en choi

sissant sur Taxe O x un point P (—Z, 0) (pôle) on mène les droites
P I ', P2', P3', P4', P 5', . . . parallèles aux tangentes respectives
jusqu’à leur intersection avec Taxe O y . Les segments de l ’axe O y :
0 1 \ 02', 03', 04', 05', . . . sont respectivement les grandeurs pro
portionnelles aux valeurs de la dérivée y ' = / ' (x) aux points choisis,
c ’est-à-dire sont les ordonnées de la courbe de la dérivée. En effet,
on a par exemple pour le point 1 de la figure 67 :
O A = Ztg ai = I f ' (Xi).
Pour tous les autres points on obtient des résultats analogues. Les
points d’intersection 1", 2 " , 3 ” , 4 \ 5", . . . des parallèles menées
par les points 1', 2', 3', 4', 5', . . . avec les verticales respectives
qui passent par les points 1, 2, 3, 4, 5, . . . appartiennent donc à
la courbe de la dérivée y = l f f (x).
§ e.l NOTION DE CALCUL APPROCHÉ DES DÉRIVÉES PARTIELLES 581
Si nous relions les points 1^, 2", 3", 4", 5", . . . par une ligne
dont l ’allure tient compte de la position des points intermédiaires,
nous obtenons la courbe approchée de la dérivée y ' à l ’échelle l .
En prenant l = 1, on obtient la courbe à l ’échelle naturelle.
Pour que le graphique soit plus exact il est recommandé d’établir
d ’abord la direction de la tangente et de ne marquer qu’ensuite le
point de tangence. A cette fin on
divise la courbe de la fonction donnée
en petits arcs qui diffèrent très peu
d ’un segment de droite. Considérons
l ’un de ces arcs A B (fig. 68). Cons
truisons une famille de cordes parallè
les à la sécante A B . Le lieu géométri
que des milieux de ces cordes forme
une courbe K qui coupe la courbe de
la fonction en C, où la tangente est
parallèle à la sécante A B . Ce procédé permet de déterminer? sur
chaque arc le point et la direction correspondante de la tangente.
En poursuivant la construction on opère de la même façon.
Pour plus de détails il faut se référer à des ouvrages spéciaux
(cf. par exemple, [5]).
§ 6*. Notion de calcul approché des dérivées partielles
Si la fonction z = / (#, y ) est donnée par un réseau'rectangulaire
z = x 0 + ih ; y = y 0 + jk
(i, y = 0, 1, 2, . . .), on peut la représenter approximativement

par une formule d’interpolation (chapitre XIV, § 26)
z = Zoo+ [pA1*0^ + gA0+1Zo3l +
+ Yf IP ( P - 1) Aa+0Soo+ 2M A1+12oo + q ( q - 1) A0+2Zoo| +
+ -jj- [P(P- 1 ) (P- 2 ) A3+0Zoo+ 3 p ( p - l ) ?A2+1Zoo+

4 3p q (q — 1) A1+2Zoo4ç ( g - 1) ( g - 2) A^z*,] + . . . , (1)
et A7n+nz00= A ^ n S (0,0) sont des différences mixtes à deux

variables.
La formule (1) conduit facilement aux dérivées partielles
dz _ dz dp __ 1 dz dz __ dz dq 1 dz
dx dp dx h dp ’ dxj dq dy k dq ’
etc.
582 D É R IV A T IO N APPROCHÉE [C H . X V
B IB L IO G R A P H IE
1. A . Kryloü. Conférences sur les calculs approchés, éd. 6, Gostekhizdat, Mos

cou, 1954, p. 228.
2. / . B. Scarborough. Numerical Mathematical Analysis. John Hopkins, 1950,
chapitre VII.
3. W. E . Milnc. Numerical calculus. Princeton University Press, Princeton,
1949, chapitre IV.
4. Ch. Mikêladzé. Méthodes numériques d'analyse mathématique. Gostekhizdat,
Moscou, 1953, chapitre XII.
5. C . Rungué . Méthodes graphiques des calculs numériques. GTTI, Moscou-
Léningrad, 1932, chapitre III, § 14.
CHAPITRE XVI
INTÉGRATION APPROCHÉE DES FONCTIONS
Si la fonction / (x) est continue sur le segment l a , 61 et si l’on
connaît sa primitive F (x), l ’intégrale définie de cette fonction dans
les limites de a à b peut être calculée d’après la f o r m u l e d e N e w t o n -
L e ib n iz
b
Jf ( x ) d x = F (b )- F ( a ), (1)
où F ' ( x ) = f (x).
Pourtant dans de nombreux cas la primitive F (x) est trop com
pliquée ou ne peut s’obtenir à l ’aide de procédés élémentaires;
il en résulte que le calcul de l ’intégrale définie d’après la formule (1)
peut être trop difficile ou même pratiquement impossible.
Par ailleurs, dans la pratique, l ’expression sous le signe somme
/ (x) est donnée souvent tabulairement et la notion même de pri
mitive perd alors tout son sens. Des problèmes analogues surgissent
lors du calcul des intégrales multiples. C’est pourquoi les méthodes
approchées et, en premier lieu, les m é t h o d e s n u m é r i q u e s de calcul
des intégrales définies acquièrent une grande importance.
Le problème de l ’intégration numérique d’une fonction consiste
à rechercher la valeur de l ’intégrale définie à partir de plusieurs
valeurs de la fonction sous le signe somme.
Le calcul numérique d’une intégrale simple s’appelle q u a d r a t u r e
m é c a n i q u e , celui d’une intégrale double, c u b a t u r e m é c a n i q u e . Les
formules respectives sont dites f o r m u l e s d e q u a d r a t u r e et f o r m u l e s d e
c u b a tu re .
Nous allons étudier d’abord le calcul numérique des intégrales
simples. Le procédé usuel pour réaliser une quadrature consiste
à remplacer la fonction donnée / (x) sur le segment concerné [a, 6]
par une fonction d’interpolation ou d’approximation <p (x) simple
(par un polynôme, par exemple), pour admettre approximativement
ensuite
b b
j / (x) d x = j <p(x) d x . ( 2)
584 I N T É G R A T I O N A P P R O C H É E D E S P O N C T IO N S [C H . X V I
La fonction <p (x) doit être telle que le calcul de l ’intégrale

&
^ cp (x) dx soit immédiat.

a
Si la fonction / (x) est donnée analytiquement, il faut évaluer
l ’erreur de la formule (2).
Considérons de plus près l ’utilisation à cette fin du polynôme
d’interpolation de Lagrange (chapitre XIV, § 12).
Supposons que pour la fonction y = f (x) on connaît les valeurs
correspondantes
/ (*i) = y i ( i = 0, 1 , 2 , . . ., n ) (3)
aux 7i + l points x0, xlt x2, . . ., x* du segment [a, b ] . On demande
de trouver approximativement
b b
j y d x = j/( x ) d x .
a a
Formons le polynôme de Lagrange d’après les valeurs données iji
i=0
où
n „ +1 (x) = (x —x0)(x—X,) , . . ( x —xn),
de plus,
(i = 0, 1, 2,
L n (x i) = yt n ).
Remplaçons la fonction / (x) par le polynôme L n (x) pour'obtenir

l ’égalité
b b
j / ( x ) d x = jL „ (x )d x + R„[/J, (5)
a a
où R n [/I est une erreur de la quadrature (5) ( r e s t é ) . L’application de
l ’expression (4) conduit à la formule de quadrature approchée
( 6)
avec
n„+i (x) dx (t = 0 , 1, 2, •* 4 (7)
(*—*i) nA+1(*<)
Si les limites d’intégration a et &sont des points d’interpolation,
la formule de quadrature (6) est dite « formule du type fermé » ;
dans le cas contraire, on dit qu’elle est du « type ouvert ».
§ 1.] G É N É R A L IT É S 585
Pour calculer les coefficients A i constatons que

1) les coefficients pour la répartition donnée des points ne
dépendent pas du choix de la fonction / (x) ;
2) pour le polynôme de degré w, la formule (6) est exacte, puisque
dans ce cas L n (x) = / (x) ; par conséquent, en particulier, la formule
(6) est exacte pour y = x * ( k = 0, 1, . . ., n), c’est-à-dire R n [x,ll =
= 0 pour k = 0, 1, . . n .
Si dans la formule (6) on pose y = x k ( k = 0, 1, 2, . . ., n ) ,
on obtient un système linéaire de n + 1 équations
/<>= l u . - ,
i=0
n
/, = 2 ( 8)
1=0
n
In = S A t f ,
1=0
où
(k = 0, 1, n).
k + l
qui permet de définir les coefficients A 0 , A u . . A n [1], [2].

Le déterminant du système (8) est un déterminant de Vandermonde
D = n (-i- x i) =5* 0.
i> ;
Remarquons que l'application de cette méthode rend superflue la
construction du polynôme de Lagrange L n (x).
S. Nikolski [3] a établi une méthode simple de calcul des erreurs
des formules de quadrature.
E x e m p l e . Déduire une formule de quadrature de la forme
1
j y d x = A 0y (•}•) + A xy ( y ) + 4 # ( - |) . (9)
0
S o l u t i o n . Adoptons dans la formule (9)

y = ** { k = 0, 1, 2);
en tenant compte du fait que

î î î
jd x = l, jx d x = y , j x 2dx = y ,
O U Ü
580 INTÉGRATION APPROCHÉE DES PONCTIONS [CH. XVI
on obtient le système
1= Aq -f- A i -J- A 2 j
1 __ 1 A . 1 A , 3 A
1 1 A . 1 A L9 A
T = Î6^° + T a i + w a *
D’où
„ 2 . 1 . 2
i 40 = - j , = — y , A2
3
et donc
( 10)
(t ) + 1 » ( 4 ) -
La formule de quadrature (10) du type ouvert est précisément
la formule exacte de tous les polynômes de degré égal ou inférieur
à deux. On voit facilement que pour y = a ? la formule (10) donne
également un résultat correct. Elle est donc exacte encore pour les
polynômes de troisième degré.
§ 2. Formules de quadrature de Newton-Côtes

Supposons que pour la fonction donnée y = / (x) il faille cal-
culer l ’intégrale
b
^ y dx.
Adoptons le pas
n
et découpons le segment [a, b ] à l’aide des points équidistants
x0 = a, x t = x0 + i h (i = 1, 2, . . ., n — 1), x n = b
en parties égales; soit
n
V i = / (*i) ( i = 0, 1, 2, • • ., n ) .
Remplaçons la fonction y par le polynôme de Lagrange L n ( x )

correspondant pour obtenir la formule de quadrature approchée
xn in
( y dx= 2 ( i)
xo i=o:
où A i sont des constantes.
* 2.] FO RM U LES D E QUADRATU R D E N E W T O N -C O T E S 587
Déduisons les expressions explicites pour les constantes A t

de la formule (1).
On sait (chapitre XIV, § 12) que
Ln (*) = S P i ( x ) V ty ( 2)
i= 0
ou
, v_ (x — *o) (*—Jl) ••• (J—3-<-t) (*-»!♦!) ... (j —jn) (3)
P i ' ' (*£ — X 0) ( X l — X,) . . . (*£ — Xi. , ) ( X i — XM ) . . . (XI — x n )

X — Xp
(4 )
et
g[n+i] = q (q — 1) . . . (g — n), (5)
pour obtenir (cf. chapitre XV, § 4, formule (2)):
r ^ ( - D 1*-1 7 [ n + , ] ..
L n {x )— 2 l U („ — £ )! ’ q — i y ‘ ‘ ( 6)
i=0
En remplaçant dans la formule (1) la fonction y par le polynôme
L n (x) on obtient, en vertu de la formule (6),
J i !(n — i) ! q— i
ou, comme
x — Xq dx
, dq —
en faisant un changement de variables de l’intégrale définie, on

amène
= /t ] T = T dq <ÏS=° ,1 '2 , ••*>")•

Puisque
6—a
on pose ordinairement
At = ( b - a ) H t,
588 INTÉGRATION APPROCHÉE DES FONCTIONS [CH. XVI
sont des constantes appelées c o e f f i c i e n t s d e C ô t e s (cf., par exemple»

11], 14]).
La formule (1) se met alors sous la forme
b n
[y dx •-={ b — a) 2 H ty h (8)
a i —0
avec
h —b~ a ot y,- = f i (a i/i) (t = 0, 1, . . . . //)•
On voit sans peine que les relations
1) S # i = l ; 2) H i = H n. i
i= 0
sont vérifiées.
§ 3. Formule des trapèzes et son reste
En appliquant la formule (7) du paragraphe précédent pour
n = 1, on a
u
1
# != j qd q = j ;
0
d’où
*1
j y d x -~ ---j(y o + y i)‘ ( 1)
XQ
Nous avons obtenu la f o r m u l e d e s t r a p è z e s , connue pour le calcul

approché d’une intégrale définie
(fig. 69).
Le reste (erreur) de la formule de
quadrature (1) s’écrit
R = j y d x — y ( y 0+ îM-
*0
Supposons que y 6 C(2> [a, b \ et dé
duisons une formule bien simple
pour le calcul du reste. Considérons
R = R (h ) comme une fonction du pas h ; on peut alors poser
x0+h
R (h ) — j y d x — Y ly (x o ) + y(x o + h )\.
XO
F O R M U L E D E SIM PSO N E T SON R E S T E 5S9
Dérivons cette formule deux fois par rapport à h
R' (h) = y (x„ f-h) —y [y ( * o ) + y ( * o + A)1— \ y' (x0 hh) =
= y I» (x° + h) — y (*b)l —y y' (*o 4- h )

et
R" (h) = y y' (x0+ A)—y y' (*o H- —y y* (*o A) = —y y’ (*o + A),
de plus
i? (0) = 0, R ' (0) = 0.
En intégrant par rapport à h et en appliquant le théorème de la
moyenne, on déduit successivement :
h h
R ' (h) = R ’ (0) -(- j R '(t)d t = —y j ty ” (x„ + t)d t =

U U
h
= -yif(Ê,) J + &)•
Ainsi on a finalement :
* = --§ •/« ). (2)
où I 6 (*0> *l)«
Il s’ensuit en particulier que si y " > -0 , la formule (1) donne
la valeur de l ’intégrale par excès, et si y" < 0 , cette valeur est
donnée par défaut.
§ 4. Formule de Simpson et son reste
La formule (7) du § 2 entraîne pour n = 2
U
2
" .- - 7 4 î « < « - 2>*ï = 4 .

2
0
/ , * = 4 4 î » < « - 1>,i» - 4 -
590 INTÉGRATION APPROCHÉE DES FONCTIONS [CH. X VI
Donc, puisque x2—x0 = 2A, on a :

xt
J y dx = y (y„ + 4yt + y2)* (1>

*0
La formule (1) s’appelle f o r m u l e d e S i m p s o n . Son interprétation
géométrique est donnée en remplaçant la courbe concernée y = f (x)
par une parabole y = L 2 (x) qui passe par trois points M 0 (x0, y0)r
M i { x u yi) et M 2 (x2, y 2) (fig. 70).
Le reste de la formule de Simpson s’écrit
y d x — j { y 0+ 4y, + y 2) .
*0
Supposant que y Ç C<4) [a, 6], on déduit d’une façon analogue à la
formule des trapèzes une expression de R plus simple. En fixant
le point médian et en considérant R = R ( h ) comme une fonction
du pas h ( h ^ 0), on obtient
X l+ h
R (h ) =
JL y d x — ^ [y (x t — h) + 4y
D’où, en dérivant trois fois de suite la fonction B (A) par rapport

(x,) + y (xt + A)]-
à h , on aura
B ' (A) = [ y (x t + A) + y (x, — A)] — | [y (x4— A) + 4y (x,) + y (*, A)J —
— | l —y ' {* i— A) + y' (*i + A)] = -|-[y(zi—A) + y(xt + A)l —
- 4 y (*i) — J l - » '( * * - fc>+ » ' (**+*01 ;

§ 4.1 FORMULE DE SIMPSON ET SON RESTE 591
R ’ (à) = y [ ■- y ' (* t-- h) + y ' (x, + A)] -
— j I —y ' (Jj —h ) + y' (xj + A)1 —y [y *(*, —h ) + y ' (x, -f /i)| -
= 4 - 1— y ' (*> — h) + y' t a + * ) ] — 1 1 / (x «— * ) - r y”(*i~\ à)\:
R" (h) = y 1 / (*» - * ) + y " t a + * )i -
—y ly" (x«—/j) + y' (*1 + A)1 —y [ —y" (Xi —A) + y " (Z i -f A)] =
= — y (y* (*i + h)— ym(x j—A)] = — - y 1 ÿIV (la).
où | 3£(*i —K x ,+ A).
En outre, on a:
Jî(0) = 0, i?'(0) = 0, R”(0) = 0.
Une intégration de proche en proche de fl" (A) et l’application du
théorème de la moyenne donnent
J -A J
h h
R '(h ) = R '(0 ) + R ” (t) d t =

ü 0
A
= — y y I V ( £ 2) î < \ * = - - f c W f e ) ,
OU Ê2 6 (^î— + A) ;
A A
ü ' (A) = fl' (0) -h j fl" (0 d t = - A j « y v ( y ^ =

Ü ü
à
= —|y IV&) J t* d t= - A f t y v ^
où Ii *1+7*) ;
A A
R (A) = fl (0) + j fl' (0 A = — A j * y v <&) * =

0 Ü
- - S » ”'® J t ' d l=
où 1 Ç (xt — A, x, + A).
592 IN TÉG R A TIO N A PPRO CH ÉE DES FONCTIONS [CH. XVI
Ainsi le reste de la fo rm u le de S im p so n vaut
<2 >
où e (x0, x 2) .
i
Cette formule est donc e x a c t e non seulement pour les polynômes
du deuxième, mais aussi du troisième degré, c’est-à-dire la formule
de Simpson est plus exacte bien que le nombre d'ordonnées est
relativement petit.
§ 5. Formules de Newton-Côtes d’ordres supérieurs

Les calculs correspondants pour n = 3 donnent suivant la for
mule (7) du § 2 la f o r m u l e d e q u a d r a t u r e d e N e w t o n
j y dx = ^ - ( y 0 -H 3 y , + 3y, + y 3) (1 )
*0
( règ le des ).
tro is h u itiè m e s
Le reste de la formule (1) est égal à [21
3h *
yIV(5), R =
80
OÙ ? 6 (x0, x 3) .
Les formules de quadrature de Newton-Côtes d ’ordres plus
élevés sont données dans [Il et [21. Les restes de ces formules sont
établis par Steffensen (cf. [11, [51, [6]).
Remarquons que si la fonction y = / (x) est suffisamment lisse,
l ’erreur de la formule de Newton-Côtes à n + 1 ordonnées est au
moins de l ’ordre [1], [6]
2e ( | ) + 3
R = 0 [ k
E étant la partie entière de la fraction

{"t )
Il s’ensuit qu’au sens de l ’ordre de précision les formules de

quadrature au nombre d’ordonnées impair sont plus avantageuses.
Tableau 65
Coefficients de Côtes
Dénom inateur
n //o Üi i/a #3 Û4 fh fit f it HS commun N
1 1 1 2
2 1 4 1 6
3 i 3 3 1 8
4 7 32 12 32 7 90
5 19 75 50 50 75 19 288
6 41 216 27 272 27 216 41 840
7 751 3577 1323 2989 2989 1 3 2 3 3577 751 17 280
8 989 5888 - 9 2 8 1 0 4 9 6 - 4 5 4 0 10 496 -9 2 8 5888 989 28 350
§ 5.] FORMULES DE NEWTON-COTES D’ORDRES SUPÉRIEURS 593
Voici à titre de référence le tableau des coefficients de Côtes

(tableau 65). Pour la commodité de l ’écriture, les coefficients de
Côtes pour chaque n figurent sous la forme de fractions
U
H i = i r
au dénominateur commun N . Pour vérifier constatons que

2
i=0
Nous attirons l ’attention sur le fait que pour de grands n les
coefficients de Côtes peuvent être négatifs (cf., par exemple, n = 8).
E x e m p l e . Calculer
U
en appliquant la formule de Newton-Côtes à sept coordonnées (n = 6).
S o l u t i o n . Adoptant le pas
dressons le tableau 66 dans lequel on a posé pour commodité H t =

= 840 H h
Tableau 66
Calcul de l'intégrale d’après la formule
de Newton-Cotes
3 8 —0 1 0 7 2
D’OÙ
/ = ^.581,994372 = 0,0933.
La valeur exacte est

/ = ln 2 = 0,69315 . . .
Les coefficients de Côtes étant très compliqués dans le cas d ’un

grand nombre d’ordonnées, le calcul approché des intégrales défi
nies s’opère pratiquement de la façon suivante: on divise l ’intervalle
d’intégration en un nombre suffisamment grand d’intervalles par
tiels pour appliquer à chacun de ces derniers la formule de quadra
ture de Newton-Côtes à petit nombre d’ordonnées (cf., par exemple,
[7]). Les formules ainsi obtenues sont d ’une structure plus simple
et leur précision peut être aussi élevée que l ’on veut.
Dans les paragraphes qui suivent nous considérerons des exem
ples de formules de ce type.
§ 6. Formule des trapèzes générale

Pour calculer l ’intégrale
divisons l ’intervalle d’intégration [a, h] en n parties égales [x0, x J,

[Xi, x2), . . ., [xjj.j, x n ] et appliquons à chacune d’elles la formule
des trapèzes (cf. § 3 (1)). Posons h = et désignons par y t =
= / (X|) (i = 0, 1, . . ., n) les valeurs de la fonction sous le signe
somme aux points x4*; il vient
b
j y d x = Y(ÿo-fÿi) + Y(ÿi + ÿ2)-r . • • - ! - (yn-t h yn)

U
OU
b
J yd x= --k ^ — h i/i + + - - • + y n-2 + y n-i + j •(1)
a
Géométriquement la formule (1) s’obtient en remplaçant la

courbe de la fonction sous le signe somme y = f (x) par une ligne
brisée (fig. 71).
$ tf.l FORMULE DES TRAPÈZES GÉNÉRALE 595
Si y 6 C,S) [a, 61, en vertu de*(2) du § 3 le reste de la formule de

quadrature (1) est égal à
*n n
j y d x ~ j 2 to t- i+ y i) =
*0 i=l
n *i n
= 2 [ J y d x - Y ( y i - i - y O ] = — & 2 ^ ) . (2>
»—1 .X£_j t=*l
où 11 6 x ,).
Considérons la moyenne arithmétique
n
••“ T S »■«■>• (3)

i= 1
Evidemment, p est compris entre les valeurs minimale m 2 et
maximale M 2 de la dérivée seconde y ” sur le segment [a, 6]
n*2 ^ H ^ Af2-
Comme y " est continue sur le segment [a, 6], elle prend comme
valeurs sur [a, b ] tous les nombres intermédiaires entre m 2 et M 2 .
Il existe donc un point £ 6 Ig* b\ tel que

* = r «).
nh3 (6— a) h2
R =
12 12 iT(H\
où l 6 (a, b].
38*
§ 7. Formule de Simpson générale (formule des paraboles)

Soient n = 2 m un nombre pair et i/; = f ( x ^ ( i = 0, 1, 2, . . .
. . n ) les valeurs de la fonction y = f (x) pour les points équi
distants a = x0, x u . . x n = 6, dont le pas est
, b—a b—a
Fl
n
—- n 2n i •
En appliquant la formule de Simpson (§ 4, (1)) à chaque intervalle
double [x0, x 2 ] j [x2, x J , . . [x2m_2, x 2m\ d’une longueur de 2h

(fig. 72), on aura
b
j y d z = -g {yo -r4 yi + y i) - T - j( y i- \- 4 y z -\-y t ) - { - . . .

a
• • • b-J ( y 2m - 2 T 4y 2m ~ i + ^2m)«
On en tire la fo rm u le de S im p so n g é n é ra le
i
y d x z =~3 [(ÿo + ÿ2m) + 4 (y ,-f y 3 + . . . -i-y2m-i) +
+ 2 (y2 + ÿ4 r • • • -r y z m - z ) ] • (1)
= ÿl + ÿs + • • • + y 2 m -1»
°2 = ÿ2 + ÿ* + • • • + ÿ i m
pour mettre la formule (1) sous une forme plus simple:
b
j ydx = |-I(y 0-f y n) + 4a,-f 2o2]. (!')
Si y Ç C,4> [a, 6], l ’erreur de la formule de Simpson sur chaque

intervalle double l x 2 h - z > *2*1 (& = 1, 2, . . ., m ) est donnée en
s 7.] FORMULE DE SIMPSON GENERALE (FORMULE DES PARABOLES) 597
vertu du .§ 4, (2) par la formule

—-5^- 1/IV(ife).
où g/t Ç (x2fc-2* *2/t)- En additionnant toutes ces erreurs, on obtient
le r e s t e d e l a f o r m u l e d e S i m p s o n g é n é r a l e sous la forme
« 4 s i " i w
Comme i/IV(x) est continue sur le segment [a, 6], il existe un point
56 [a, 6] tel que
m
R^t
On a donc
R = — ^
90 y * l v {l) =
w 180 ( 2)
OU 56 [fl, 6J.
Si l ’on donne la borne d erreur admissible e > 0, en désignant
M 4 = max | y ™ (x) |,
le pas h sera déterminé par l ’inégalité

h*
d’où
u ^ I f 180e
h<- V (6-a)A /4 ’
c’est-à-dire l ’ordre de h est ^ &.

Dans de nombreux cas il est malaisé d’évaluer d’après la for
mule (2) l ’erreur de la formule de quadrature de Simpson (1). On
applique alors le calcul double pour les pas h et 2h et on considère
que les décimales qui coïncident sont celles de la valeur exacte de
l’intégrale.
On peut indiquer encore un procédé pratiquement commode pour
évaluer l ’erreur de la formule de quadrature de Simpson. Supposons
que sur le segment [a, 61 la dérivée y 1 Y (x) varie peu. En vertu de
la formule (2) l ’expression approchée de l ’erreur cherchée est
R = M h \
où le coefficient M est considéré comme constant. Soient 2^ et

2 h les valeurs approchées de l ’intégrale
b
I j y dx,
a
598 IN T É G R A T IO N A P P R O C H É E D E S F O N C T IO N S [CH. XVI
fournies par la formule de Simpson respectivement pour des pas h

et H = 2 h . On a
I = 2 h + M/*4
et
/ = 2 H + A/ (2A)4.
D où
R
15
Il est rationnel de prendre comme valeur approchée de l ’intégrale I
la valeur corrigée
/ = 2* 15
Constatons que si le nombre de divisions n est multiple de 4,
le calcul de la somme 2 h peut se faire à l ’aide des valeurs tabulées,
en les prenant deux à deux.
E x e m p l e . Calculer à l ’aide de la formule de Simpson l ’in
tégrale
î
Ü
en posant n = 10.
S o 1 u t i o n. On a 2m = 10. D’où
‘ - T T " 0' 1'

Les résultats des calculs sont donnés dans le tableau 67.
Tableau G7
Calcul de l ’intégrale suivant la formule de Simpson
* xi ” 2 j- l y zJ
0 0 I/o=1,00000
1 0,1 0,90909
2 0,2 0,83333
3 0,3 0,76923
4 0,4 0,71429
5 0,5 0,66667
6 0,6 0,62500
7 0,7 0,5$S24
8 0,8 0,55556
9 0,9 0,52632
10 1,0 0,50000 = yn
2 3,45955 (<*i) 2,72818 (*2)

§ 8.1 NOTION DE LA FORMULE DE QUADRATURE DE TCHÉBYCHEV 599
La formule (1') donne

I « -g- (ÿo + î/n + 4<7i + 2o2) = 0,69315. (3)
Calculons l ’erreur du résultat (3). L’erreur totale R se compose

de l ’erreur générée R t et du reste i?2- Il est clair que
i?, - S A * ,
1=0
A i étant les coefficients de la formule de Simpson et e l ’erreur d’ar
rondi maximale des valeurs de la fonction sous le signe somme.
Dans notre cas
i?, = nhz = (b — a ) e = 1 4 -ÎO"® = 0,5 -10“5.
Le reste est évalué d’après la formule (2). Puisque
y = TT^ = (1 + x)' 1’
il vient
24
yiv = ( _ i ) ( _ 2 ) ( _ 3 ) ( - 4 ) ( l + x ) - * = T- ^
D’où
max |ÿIV | = 24 pour 0 ^ x ^ 1
et donc
| AS|C 1 (0-1)4
180
.24 = 1,3-10-®.
Ainsi, la borne d’erreur totale s’écrit
R = 0,5.10-® + 1,3-10-® = 1,8.10-* <0,00002

I = 0,69315 ± 0,00002.
§ 8. Notion de la formule de quadrature de Tchébychev

Considérons la formule de quadrature
1 n
j = (i)
-1 i=l
où B t sont des constantes.

Tchébychev a proposé de choisir les abscisses t L telles que
1) les constantes B t soient égales entre elles;
2) la formule de quadrature (1) soit exacte pour tout polynôme
jusqu’au degré n y compris.
Monlrons comment dans ce cas on peut trouver les grandeurs

B i et En posant
Bi = B 2 = . . . = Bn = B
et en tenant compte de ce que pour f (t) = 1 on a
2=2*1,
on obtient :
La fo rm u le de q u a d ra tu re de Tchébychev s’écrit donc

1 71
( 2)
-1 i=l
Pour définir les abscisses t t remarquons que d’après la condition
2) la formule (2) doit être exacte pour les fonctions de la forme
/ (t) = t, fi, .. tn.
Si l ’on porte ces fonctions dans la formule (2), on obtient un

système d’équations
<! + * * + • .. -1 *» = 0,
t\ + t\ +
.. + t 3n - •0,
—— y
(3)
t u - n - r •* î l1*n
4- t n n [1 —(—l)a+1]
2 (n + î)
qui permet de déterminer les inconnues t t (i = 1, 2, . . n).

Tchébychev a montré que la résolution du système (3) se ramène
à rechercher les racines d’une certaine équation algébrique de degré n
[6], (81. Le tableau 68 consigne les valeurs des solutions t { du système
(3) pour n — 2, 3, . . 7.
Notons que le système (3), comme l ’a montré S. Bernstein, ne
possède pas pour n = 8 et n ^ 10 de solutions réelles. C’est là
un inconvénient de principe de la formule de Tchébychev.
E x e m p l e 1. Déduire la formule de Tchébychev pour trois
ordonnées ( n = 3).
§ 8.] NOTION DE LA FORMULE DE QUADRATURE DE TCHÊBYCHEV 601
Tableau 68
Valeurs des abscisses £j de la formule de Tchébychev
n i U I 71 i ‘«
2 1; 2 T 0 ,577350 6 1; 6 T 0 .866247
3 1; 3 ifOT707107 2; 5 ^F0,422519
2 0 3; 4 T 0 ,266635
4 i; 4 T 0 ,794654 7 1; 7 qpO,883862
2; 3 =F0,187592 2; 6 ^FO,529657
5 i; 5 ip0,832498 3; 5 3=0,323912
2: 4 T 0 ,374541 4 0
3 0
S o l u t i o n . Pour déterminer les abscisses (i = 1 ,2 , 3)

on a le système d'équations
h + *2 + *3 — 1
> (4)
<ï + <5-MÎ--=0. J
Considérons les fonctions symétriques des solutions
= *i + *2 + *3»
C2 = t\to + txt$ + ^2*3,
C 3 = ^1/2*3-
Le système (4) donne
Ct = 0;
£2 = y K*1 + *2 + *ô)l ~ y ( 0 _ " 1 ) = — T ’
c 3= - [(*, + + 13) 3 - 3 (f, + U /,) ( t î 1 ; I- *;) I- 2 (/; + -i- /“)] -
- -(0 -0 + 0 )= 0 .
O11 en tire que les t t sont les racines de l'équation auxiliaire
fi — C xf i + C2^ — C3 = 0
ou
On peut donc adopter

V2 V2
<1= - ^2 - 0, £3
Ainsi la formule de Tchébychev correspondante s’écrit
] /< ') * 4 [ / ( - î k ) +/<0>+ / ( î k ) ] -

Pour appliquer la formule de quadratuie de Tchébychev à P inté
grale de la forme
b
J /(x )d x ,
a
il faut la transformer en utilisant la substitution
qui associe le segment a ^ x ^ b au segment —1 ^ t ^ 1. En

appliquant la formule de Tchébychev (2) à l ’intégrale transformée
on aura
b n
J / ( x ) * r — ^ . 2 / ( * i ), (5)
a »=i
6 4 - a , b— a .
x i — —^ — + —— ti (G)
et // (/ = 1, 2, . . ., n ) forment la solution du système (3) (figu

rant dans le tableau 68).
La formule de quadrature de Tchébychev s’emploie essentielle
ment dans la construction navale.
Exemple 2. Calculer l ’intégrale
î
r __ f x dx
J T + 7
u
d ’après la formule de Tchébychev à cinq ordonnées (n = 5).
S o l u t i o n . Introduisons les notations
on a
1 = J l f (*i) + / ( * 2) + / ( * 3) - r / ( * 4) + / (*&)l»
§ 9 .J FORMULE DE QUADRATURE DE GAUSS 603
où, en vertu de la formule (6),

Xl^ i + ± / l = ± + - i . ( _ 0,83250) ^0,08375 ;
Xo = ~ 2 - T ÿ to = —0,3/454) —0,31273 ;
i 3 = T “!",2^3= 2, + t #0 - 0,5 ;
x4 - 1 —x2“ 0,68727 ;
:r5= l — = 0,91625.
Les valeurs correspondantes y t = / (x,) (i = 1, 2, 3, 4, 5) de la
fonction sous le signe somme sont portées sur le tableau 69.
Tableau G9
Calcul de l'intégrale d’après la formule
de Tchébychev
t xi Vl
1 0,08375 0,0773
2 0,31273 0,2382
3 0,50000 0,3333
4 0,68727 0,4073
5 0,91625 0,4781
2 1,5342
D’où
/ = i ~ 1,5342 = 0,3068.
A titre de comparaison voici la valeur exacte de l ’intégrale avec

six décimales significatives
/ = 0,306846 . . .
§ 9- Formule de quadrature de Gauss

Dans ce paragraphe nous appliquerons certains renseignements
sur les polynômes de Legendre. On appelle polynômes de Legendre
les expressions de la forme
p -'< * ' = k**■- i n <"=0 , 1 , 2 , . . . ) .
f)04 INTÉGRATION APPROCHÉE DES FONCTIONS [Cil. XVI
Voici les propriétés fondamentales de ces polynômes [11:

1) P n (1) = 1, P n ( - 1 ) = (-1 )» ( n = 0, 1, . . .),
i
2) j P n ( x ) * Q h ( x ) d x = 0 (k < n ), où Q k (x)*est polynôme quel-

-i
conque de degré k inférieur à n ;
3) le polynôme de Legendre P n ( x ) possède n racines distinctes
et réelles comprises dans l ’intervalle (—1, 1).
Ci-dessous nous donnons cinq polynômes de Legendre et leurs

courbes (fig. 73) :
/> o(*)= l,
P i (*) =
= 3x2- 1 ) ,
P a(x) = y (Sx3—3x),
P* (*) = y (35x4 —30x2 3)-

Déduisons maintenant la f o r m u l e d e q u a d r a t u r e d e G a u s s .
Considérons d’abord la fonction y = / (/) définie sur le segment
usuel [—1 ; 11. Le cas général se ramène aisément à notre cas par
substitution linéaire de la variable indépendante.
FORMULE DE QUADRATURE DE GAUSS 605
Voici la formulation du problème: comment sélectionner les

points Zj, • . .» t n et les coefficients A iy A 2, . . ., A n pour que la
formule de quadrature
1 n
J/(O *-2 'W ) (!)
—1 i—1
soit exacte pour tout polynôme / ( t ) de degré N le plus grand possible.
Puisque nous avons 2n constantes t t et A i ( i = 1, 2, . . ., n ) ,
alors que le polynôme de degré 2n — 1 est défini par 2n coefficients,
ce degré maximal dans le cas général est évidemment N = 2 n — 1.
Pour garantir l ’égalité (1) il faut et il suffit qu’elle soit vérifiée pour
f ( t ) = 1, t , t \ t* " -'.
En effet, en posant
1 n
j = (Jfc = 0, 1, 2, . . . . 2 n - i ) ( 2)
-1 i —1
et
2n—1
/(*) = S c ht \
h=0
on aura
2 n —1 2n—1
j /(<)*= 2 2
-1 fc=0 -1 k=0 i= 1
n 2n—1 n
= 2 ** 2
i= l k =0 i= l
Ainsi, en tenant compte des relations
= / avec k p a i r ;
-1■ \ 0 avec k impair.
on tire la conclusion que pour résoudre le problème posé [2], [3], [6],
il suffit de déterminer t t et A i à partir du système de 2 n équations
n x
2 * 1 = 2,
i= i
i= l
(3)
2 2n —1 ’
<=1
2
GOG INTÉGRATION APPROCHÉE DES FONCTIONS [CH. XVI
Le système (3) est non linéaire et sa résolution par la voie usuelle

présente de grandes difficultés. Toutefois, on peut appliquer à cet
effet l ’artifice suivant.
Considérons les polynômes
f(t) = t hP n ( i ) (k = 0, 1, . . . . n - 1 ) ,
où P n (t ) est le polynôme de Legendre.
Les degrés de ce polynôme ne dépassant pas 2n — 1, ces polynô
mes doivent vérifier en vertu du système (3) la formule (1) et
1 n
\ t hP n (t ) d t = V A iÜ P n (*,) (/; - 0, 1, . . . . n - 1). (4)
-1 1=1
D’autre part, l ’orthogonalité des polynômes de Legendre (propriété
(2)) rend vraies les égalités
i
j t h P n { t ) d t = 0 pour &</ / ,
-i
aussi
i u t*?z>n (f,) = 0 (* = 0, 1, (5)
i= i
Si l ’on pose
Pn (*i) = 0 (i = 1, 2, . . n), (6)
les égalités (5) seront nécessairement vraies quelles que soient les
valeurs A*. On sait (propriété (3)) que ces zéros sont réels, distincts et
compris dans l ’intervalle (—1, 1). Si l ’on connaît les abscisses t i f
on trouve facilement à partir du système linéaire des n premières
équations du système (3) les constantes A i ( i = 1, 2, . . ., n ) .
Le déterminant de ce sous-système est un déterminant de Vander-
monde
Z? = U ( t i — t j ) 0
et, par suite, la détermination des A t est univoque.

On peut montrer que la formule (1) à coefficients ainsi déter
minés est exacte pour tout polynôme de degré égal ou inférieur à
2/i — l.
La formule (1) où les t t sont les zéros du polynôme de Legendre
P n ( t ) et où les A t ( i = 1, 2, . . ., n ) sont définies à partir du
système (3) s’appelle f o r m u l e d e q u a d r a t u r e d e G a u s s .
E x e m p l e 1. Déduire la formule de Gauss pour le cas de
trois ordonnées ( n = 3).
FORMULE DE QUADRATURE DE GAUSS G07
Solution. Le polynôme de Legendre du troisième degré

s’écrit
P 3 (t) = - ( 5 t ^ S t ) .
En annulant ce polynôme on obtient les racines

*, = — j / - | « —0,774597 ;
*2 = 0 ;
*3= j / " « 0,774597.
Pour déterminer les coefficients Ag, A 2, A z on a, en vertu de

(3), le système
-4i + A 2 -\- A z — 2 , ^
~ V T A i + V ^ T A * ~ 0;
3 , , 3 , 2
T Ai + T
d’où
A t = A 3 = j , a 2=
Par conséquent,
4 -)+ 8 /(0 ) + S / ( / ! ) ] •
Voici à titre de référence (tableau 70) les valeurs approchées

des abscisses tg et des constantes A g de la formule de Gauss (1) pour
n = 1 à 8 (cf. [1], [41, [6]).
La formule de Gauss présente cet inconvénient que les abscisses
des points tg et les coefficients A g sont en général des nombres irra
tionnels. Cet inconvénient est en partie compensé par une préci
sion élevée en présence d’un nombre d’ordonnées relativement
petit.
Examinons maintenant l ’utilisation de la formule de Gauss
pour calculer l ’intégrale généralisée
b
\ n * ) d x .
a
En changeant la variable
b+ a , b— a 4
x
2 2
Tableau 70
Eléments de la formule de Gauss
n i <; ai
1 1 0 2
2 1; 2 3=0,57735027 1
1; 3 3=0,77459667 y = 0,55555556
3 8
2 0 --=0,88888889
/
H 1; 4 3=0,86113631 0,34785484
2: 3 3=0,33998104 0,65214516
1; 5 3=0,90617985 0,23692688
5 2; 4 3=0,53846931 0,47862868
3 0 0,56888889
1; 6 3=0,93246951 0,17132450
6 2; 5 3=0,66120939 0,36076158
3; 4 3=0,23861919 0,46791394
1; 7 3=0,94910791 0,12948496
7 2; 6 3=0,74153119 0,27970540
3; 5 3=0,40584515 0,38183006
4 0 0,41795918
1; 8 3=0,96028986 0,10122854
8 2; 7 3F0,79666648 0,22238104
3; 6 3=0,52553242 0,31370664
4; 5 3=0,18343464 0,36268378
on obtient
f ( ï + i + t z ! ,) * .
a —1
Appliquant à la dernière intégrale la formule de Gauss (1), on aura
b n
j/(x )d x = ^2 A ‘f ( x ' î ’ (7)
a i=»l
PORMULE DE QUADRATURE DE GAUSS 609
OÙ
= + (i = i , 2, (8)
/( étant les zéros du polynôme de Legendre P n (0? c’est-à-dire
P n ( t l ) = 0 .
Le reste de la formule de Gauss (7) à n points est donné par

l ’expression [1], [6] :
( 6 — a ) - n + i ( n I)«/<2n> (g )
n [(2n)!]3(2« + l)
d’où l ’on tire
* -» (* ? )> « > •
= Ï575Ô ( 2 ~ ) ^<6>
^ 4 = 3472875 [ ~ 2 ~ ) ^
R * = 1237732650 ( " T ) ^<10>
= 648984486150 (" T " ) ^ ^ ) ’ etC‘

E x e m p l e 2. Calculer l ’intégrale
î
/= J0
en utilisant la formule de Causs à trois ordonnées (n = 3).
S o l u t i o n . On a a = 0 et 6 = 1. En vertu de la formule (8)
et du tableau 70 les abscisses des points avec cinq décimales signi
ficatives seront les suivantes:
x‘ = T + T * 1= 0’11270;
*2 = Y + T *2= ^*^0000 i
^ T + T * ^ 0’88730-
Dans notre cas les coefficients respectifs de la formule (7) seront:
C . ^ , 4 , .4 . 4 = ^ = 0,27778;
C2= ^ A - 4 4 = 4 = °,44444;
Cs = T ^ = 4 4 = f s = 0 ’27778-
Les calculs ultérieurs sont rangés dans le tableau 71.
2 9 —0 1 0 7 2
T a b le a u 71
Schéma de calcul d'une intégrale d’après la formule de Gauss
i xl ci c t» i
1 0,41270 1,10698 0,27778 0,30747

2 0,50000 1,41421 0,44444 0,62853
3 0,88730 1,66571 0,27778 0,46270
2 1,39870
Par suite
J = S CiVl = 1,39870.
i= l
Pour évaluer le reste R 3, on peut utiliser la formule
Adoptant
/ ( x) = V T + 2 ^ = (1 + 2 x)T ,
on obtient
_n
2 .26 =
= —945 (1 + 2x) 2 .
D’où
max | / <6) (x) | = 945 pour 0 ^ x ^ 1
et donc
945 1
\Ü 3\< 15750 2000 ‘
Remarquons que la valeur exacte de l ’intégrale est

I = V 3 — j «1,39872.
§ 10. Certaines remarques sur la précision des formules de quadrature

Les formules de quadrature que nous venons d’étudier ont la
structure suivante
j / (x) dx = 2 A if (*/) + R I/l. (1)

§ 10.1 REMARQUES SUR PRÉCISION DES FORMULES DE QUADRATURE 611
x u x 2, . . ., xn étant le système des points donné appartenant au

segment d’intégration [a, 6], Ai certaines constantes connues et
R [/] le reste.
Pour le même nombre d ’ordonnées, la précision de différentes
formules de quadrature n’est pas la même.
E x e m p l e . Comparer la précision des formules différentes
à trois ordonnées pour l ’intégrale
1
7 = j V T F * &:=== 21^3— - = 2,797435...
-1
S o l u t i o n . Appliquons la formule de Simpson pour obtenir
/ » y [ V 2 = i -1-4 V T f Ô + V 2 + Î] = y -8,428905 = 2,809635.
La formule de Tchébychev donne le résultat suivant :
I 4 ( V 2 - Jr + ^ 2 + 0 + | / 2 + 5 p = y -4,220097= 2,813398.
Enfin la formule de Gauss fournit la valeur suivante:

I 0,555566 ( V 2 —0,774597 + V 2+ 0,774597) +
+ 0,888889 V 2 T Ô = 2,797460.
Ainsi dans ce cas la formule de Gauss est la plus exacte.
Nous nous bornerons à l ’étude des formules de quadrature aux
points équidistants; ce sont en particulier les formules les plus usi
tées, celles des trapèzes, de Simpson, de Newton-Côtes. La pré
cision de ces dernières est définie surtout par l'ordre du reste
R = O (hm), (2)
où
est le pas (n est le nombre de partitions) et m un nombre naturel.

Par exemple, le reste de la formule des trapèzes s’écrit ( §3) :
R i n = - b- r r h*r®>
donc m = 2; celui de la formule de Simpson ( §4) :
R m = - bi w h*fl v ® '
d’où m = 4. La précision de la formule de quadrature est considérée
d ’autant plus élevée que le nombre m est plus grand ; dans ce sens
la formule de Simpson est p l u s e x a c t e que celle des trapè-
39*
zes. La qualité de la formule se manifeste déjà avec un pas h suf

fisamment petit.
Il ne s’ensuit nullement que dans des cas concrets une formule
plus grossière ne peut donner pour le même pas de meilleurs résultats
qu’une formule exacte. Par exemple, pour la fonction (fig. 74)
f (x) = - 8 + 45** — 25**
on a
î
/ = Ç f{x)dx — 2{ —8 + 15 —5) = 4.
-i
Pour h = 1 la formule des trapèzes donne la
valeur exacte
A = y / ( - 1) + / ( 0 ) + t ^ 1) = 6 - 8 + 6 = 4
alors que la formule de Simpson pour h = 1
n’assure même pas le signe de l ’intégrale
/2 = {[/(-l)+ 4 /(0 ) + /(l)| =
= •1 (1 2 -3 2 + 1 2 ) = —-1 .
-/
Fig. 74.
La précision d’une formule de quadrature pour un nombre de

points fixe dépend sensiblement de la répartition de ces points.
Si cette répartition est mauvaise, les résultats fournis par une for
mule de quadrature peuvent être très compromis. Par exemple,
pour la fonction y = f (x) représentée sur la figure 75, on obtient
en choisissant les points équidistants a = x 0y xiy x 2, x3, z 4 = b et
§ 10.1 REMARQUES SUR PRECISION DES FORMULES DE QUADRATURE 613
en utilisant la formule de Côtes correspondante à cinq ordonnées

b
1 = J/(x)dx<0,
u
alors qu’il est clair que I > 0.
Il n’est pas difficile non plus de construire des exemples analo
gues pour une formule de quadrature quelconque à nombre d’ordon
nées arbitraire.
En général, dans le cas d’un grand nombre de zéros de la fonction
/ (x) sous le signe somme ou d’un grand nombre de ses extrémums
(c’est-à-dire d’un grand nombre de zéros de la dérivée /'(x)) la
précision des formules de quadrature diminue nettement par suite
de grandes valeurs inévitables des dérivées supérieures. Aussi le
pas h doit-il être choisi de sorte qu’il soit bien inférieur aux distances
entre les zéros voisins de la fonction / (x) et de sa dérivée 7'(x).
A cette fin on recommande de partitionner le segment d’intégration
principal [a, 6] en segments partiels [a, p] à l ’intérieur desquels
les fonctions / (x) et /'(x) restent du même signe (si c’est possible),
et de calculer l ’intégrale par parties en choisissant en général pour
chaque segment partiel son propre pas. Dans des cas plus complexes
il faut tenir compte également du comportement des dérivées d’ordre
supérieur / (Tl)(x) (n ^ 2). Pour une orientation générale, il convient
de construire au préalable la courbe de la fonction sous le signe
somme y = / (x). Si cette fonction oscille fortement, il convient
d’appliquer des procédés de calcul spéciaux. La précision des for
mules de quadrature peut être également améliorée par des procédés
généraux établis à cet effet [9].
Lorsqu’on cherche la borne d'erreur totale d’une formule de qua
drature (1), on doit également tenir compte de Yerreur de sommation
Ri. Supposons que les termes de la somme / (xj) (î = 1, 2, . . ., n)
sont calculés avec une erreur absolue égale ou inférieure à e; et
les coefficients A\ de la formule de quadrature sont des constantes
positives exactes. On peut alors poser
n n
f l,< 2 ^ i e = e S Ai. (3)
1—, i=l
La formule (1) étant vérifiée pour f(x) = 1, il vient
b n
\ dx = b —a = 2 A*
a i=l
La formule (3) entraîne donc

fl, ^ (6 — a) e. (4)
C14 IN T É G R A T IO N A P P R O C H É E D E S F O N C T IO N S [C H . X V I
Par conséquent, si Ton ne tient pas compte de l'erreur d'arrondi

du résultat, la borne d’erreur totale de la formule de quadrature est
R = (6 _ a) e + | R [/] |,
où | R [/] | est une erreur de la méthode qui peut être définie par le
procédé indiqué dans ce qui précède.
Constatons que si la fonction y = / (x) sous le signe somme est
donnée par le tableau des valeurs yt = f (xj) (i = 1, 2, . . ., ri),
alors en toute rigueur nous
sommes dans l'impossibilité
d’évaluer la précision de la
formule de quadrature (1). Il
en est ainsi parce que par
un système fini de points
Mi (xi, yi) on peut mener un
nombre illimité de courbes
y = / (x) (fig. 76) délimitant
sur le segment donné [a, b]
des surfaces différentes, c’est-à-
dire l ’intégrale
b
/ = J/(x)dx
peut avoir a priori une valeur parfaitement arbitraire (cf. fig. 76).
L’application des formules de quadrature n ’est alors admissible
que dans le cas où l ’on connaît dans une certaine mesure des valeurs
intermédiaires non utilisées de la fonction sous le signe somme et
ses propriétés générales qui permettent de juger sur l ’allure de sa
courbe.
§ 11*. Extrapolation suivant Richardson
Si l ’on connaît l ’ordre du reste R = R [/] de la formule de qua
drature (1) du§ 10, la grandeur R peut être évaluée d ’après la méthode
de calcul double. Soit
R = O (hm) (m > 1),
où
^ _b —a
n
(n est le nombre de divisions) ; on peut poser approximativement

R = M km, (1)
où M est une certaine valeur considérée pour la fonction / (x) sous
le signe somme comme constante dans l ’intervalle d’intégration
fi il.] E X T R A P O L A T IO N S U IV A N T R IC H A R D S O N 615
[a, b]. Choisissons deux pas distincts

7 b— a . , b— a
•&
4—““n i“
1
Gt fl-) -- n2 *'
où et n2 (n2 > nt) sont les quantités de segments partiels dans le
premier et le deuxième cas.
Désignons par J ni et I ns les valeurs approchées correspondantes
de l ’intégrale J. La formule (1) conduit à
iîni = / _ / ni = A f ( ^ ) m ( 2)
et
( 2')
R ni et R„t étant les restes correspondants. D’où
et
(nin2)m ^r»2 ^ni
M-.
(6—a)m nj1—nf1
En vertu de la formule (1) l ’expression du reste s’écrit
R = ( nin2 \ m /w2 i ni
*l .
\ n / n™—n™ »
en particulier, pour h = fi2, c’est-à-dire pour n = n2, on a:
= n f - «"• (/n*—/n ‘)' 0)

Utilisons la correction (3) et obtenons en vertu de la formule (2')
pour l ’intégrale / la valeur précisée:
nm
I n j. ri2 = In2 + n m _L n m "2 (4 )
Ce procédé s’appelle extrapolation suivant Richardson [101. Intro

duisons les notations
în =a (a > 1)
pour avoir
J?II. 7»2 —^î»2 + P (*^TI2 ^ni)i (5 )
ou
1
p= ’a« —r (6)
Les coefficients P sont tabulés pour de différentes valeurs de

a et m. Constatons que, pour la formule des trapèzes, m = 2 et,
616 IN T É G R A T IO N A P P R O C H É E D E S F O N C T IO N S [C H . X V I
pour la formule de Simpson, m = 4. Le cas particulier de la for

mule (5) a été donné au § 7.
Montrons que si I nizjfcln2, alors I nu na se trouve toujours
hors du segment [/ni, / naj.
En effet, si
7"ns ^ Tnj j
il suit de la formule (5) que
^ni, t»2^ 7ji2 = m ai{/flj , /no}*
Mais si
In2 ^ I ni *
cette même formule (5) nous donne
I ni, na — -7ns P (Tni — 7 na) ^ 7 n a — m iu { /n i t A ia}-
Ainsi
• *7ni, ns 6 [Tni, /na]»
c’est-à-dire 7„lt na s’obtient de / ni et de I n2 par e x t r a p o l a t i o n .
D’où la dénomination de la méthode.
T a b le a u 72a
Extrapolation pour le cas de la formule des trapèzes
n °n ° /
d’ordre /* /4 'î.4
n
1 /= l sin x dx 1,571 1,896 2,00*4 2,000
J
0
o
2 / = ( e ~ x i dx 0,877 0,881 0,8823 0,8821
J
0
7
3 I = [ x2 ln x d x 185,7090 179,5385 177,4819 177,4836
J
3 l
4
4 / - ( Jîf__ 0,9695 0,9389 0,9286 0,9267
J V 5 -x *
n°n° *2=7 - / 4
d'ordre ' l . 2 = I “ 72.4
1 0,429 0,104 —0,004

2 0,0051 0,0011 -0,0002
3 —8,2254 —2,0549 0,0017
4 -0,0428 —0,0122 —0,0019
§ 11.1 EXTRAPOLATION SUIVANT RICHARDSON 617
T able au 72b
Extrapolation pour le cas de la formule de Simpson
n °n °
d ’ordre I2 U hA 1
n
1 7 = ^ s in x d x 2 ,0 9 4 2 ,0 0 4 2 ,0 1 0 2 ,0 0 0
0
2 /= f dx 0 ,7 8 3 3 0 ,7 8 5 3 0 ,7 8 5 5 0 ,7 8 5 4
J 1+*2
u
7
3 7 = ^ x 2 ln x dx 1 7 7,454 177,481 177,483 177,4836
k
4 7= [ dx 0 ,0 5 7 7 0 ,0 5 4 1 0 ,0 5 3 8 0 ,0 5 3 3
J (2 5 — *2)3/ ’
n °n ° e2= l - h
d'ordre
1 — 0 ,0 9 4 - 0 ,0 0 4 - 0 ,0 1 0
2 0,0 0 2 1 0,0001 - 0 ,0 0 0 1
3 0 ,0 2 9 6 0 ,0 0 2 6 0 ,0 0 0 6
4 - 0 ,0 0 4 4 - 0 ,0 0 0 8 - 0 ,0 0 0 5
Si / ni= / n2, il vient évidemment

^Tij, n 2 = / n i = / n 2 •
On peut montrer que pour une fonction / (x) sous le signe somme
suffisamment lisse, l ’ordre du reste de / ni.n2 est au moins égal ou
supérieur à m + 1.
R e m a r q u e . Les tableaux 72a et 72b donnent des exemples
d’extrapolation suivant Richardson.
Il apparaît de ces tableaux que pour les fonctions sans singu
larités l ’extrapolation, en règle générale, améliore la précision des
calculs.
On peut également déduire des formules d ’extrapolation plus
exactes en utilisant les valeurs / ni, I nt et I nz de l ’intégrale cherchée,
relatives à trois pas distincts
A. = — (* = 1, 2, 3)
et en tenant compte de deux premiers termes de la décomposition
du reste de la formule de quadrature [101.
OIS INTÉGRATION APPROCHÉE DES FONCTIONS [CH. XVI
§ 12*. Nombres de Bernoulli

Considérons la fonction
/(*): «*—1 * ( 1)
En utilisant le développement connu

r= l ^+ —
1 M+ —
2! ^+ —•
3 M+
on peut écrire:
/(* ) = - X x~ (2)
1 1 2 1 ^ 3 1 1‘ * 1 + 2T'f 3T'i'
Il est donc évident que dans le voisinage de x = 0 la fonction / (x)
admet le développement en série entière qui, pour la commodité
des calculs, peut être mise sous la forme
ex — i
y n !
(3)
n —0
où 2?o = / (0) = 1. Pour déterminer les autres coefficients du déve
loppement Bn (n = 1, 2, . . .) qui s’appellent nombres de Bernoulli
utilisons l ’identité obtenue en vertu de la formule (2)
xn
2 <"+l)l n= 2 T T * ” = '•
n=0 0
En multipliant les séries entières entre elles et en annulant les
coefficients des puissances positives de x on obtient un système
infini d’équations linéaires
Bn 1 i Bn-1 f i Ba
0 (n--= 1 , 2 , 3 , . . . )
----------(
n ! 1! ^ 1 r(i«y—r *
1 )2
! r +2! - 1• •' * " ' U! (n + 1) !
ou en multipliant par (n-f-1)! et vu que

(« + !)!
(n-*)!;(*+l) ! “ C"+‘ (* - 0, 1, + 1),
on aura
Cn+lBn + ^n+l-^n-l "T • • • T" ^n+l-®l + 1 = 0 . (4)
Si l ’on convient que
Bh = B \ (5)
la formule (4) peut se mettre sous la forme symbolique abrégée
(£ + l)"+1- £ n+l= 0
$ 12.] NOMBRES DE BERNOULLI 619
ou, en remplaçant n + l par /i,

(B + l)n — Bn = Q. (6)
Posant n = 2, 3, 4, . . . dans la formule (6), on obtient le système
infini d’équations
2Bi + 1 = 0,
3B2-f- 3Z?**4-1 = 0, I
4B, + 6B* + 4B1+ l = 0 , I (7)
5Bt + 105s + 10S2+ 5B t + 1 = 0 , 1
On trouve successivement :
Bi — y i B2— g î -18 B2 —0 , Bi — 2Qî Bi —0 î
= 42 î B7= 0 B q= 0 ; D _ ^ .
II
oo
1
**10 66 ’
’u = 0 , B l2 = 69* . n _o •
2730’ o u — M, * u - T » Bu = 0 ;
3617. B -0- n 43867. D 174611
510’ —u » i ' ,8 — 798 ’ 2?i9 = 0 ; 330 ’
etc.
Ainsi les nombres de Bernoulli peuvent être déterminés de
proche en proche à partir de la formule symbolique (6) ; de plus,
après le développement du binôme suivant la règle de Newton,
les puissances du nombre B doivent être remplacées par les nombres
de Bernoulli aux indices respectifs.
La fonction (1) s'appelle fonction génératrice des nombres de
Bernoulli. En utilisant les notations (5), le développement (3)
peut être mis sous la forme symbolique suivante:
La structure du système (7) montre clairement que tous les

nombres de Bernoulli sont rationnels. De plus, on a découvert que
les nombres de Bernoulli aux indices impairs, sauf B u sont nuis.
Démontrons cette propriété pour le cas général. Si l'on tient compte
du fait que
B0 = 1 et B t = —— ,
on a
If* " (8 )
n=2
620 INTÉGRATION APPROCHEE DES PONCTIONS [CH. XVI
Il est évident que

x
x (e* + l ) __ x x
<p(x) 2 (r* —1) “ T X J cth |
o
e “ —e
est une fonction paire. Son développement (8) ne contient donc que
les puissances paires de x et, par conséquent,
B n = 0 avec n = 3, 5, 7, . . .
Les nombres de Bernoulli trouvent une application dans de
nombreux domaines. En particulier, on les utilise dans la formule
importante d’Euler-Maclaurin dont nous donnons ci-dessous la
déduction.
§ 13*. Formule d’Euler-Maclaurin
Soit y = f (x) une fonction définie dans le domaine x ^ x0.
Considérons’ l ’opérateur de la différence finie
A/(x) = / ( * + * ) - / ( * ) ,
où h est une valeur positive fixe. On entend naturellement par
opérateur inverse de la fonction / (x) la fonction F (x) qui vérifie
l ’équation aux différences finies
AF (x) = / (x). (1)
Ainsi l ’équation (1) entraîne:
F (x) = - ~ f ( x ) . (2)
Si la fonction / (x) est considérée sur un ensemble des points
équidistants
*0. x li • • •»
où Axj = x/+1 — xi = h(i = 0, 1, 2, . . .), l ’opérateur inverse
F (X|) = -^ / (s*) se construit facilement. En effet, composons la
somme finie
S(xl) = 2 f ( x j ) (i = l ,2 , . . . ) ,
}=o
en admettant par convention que S (z0) = 0. On obtient évidemment
AS (x,) = S (xl+1) - S (x,) = / (x,). (3)
Par ailleurs, en vertu de l ’équation (1), on a
AF (x,) = / (x,). (4)
S 13.1 FORMULE D’EULER-MACLAURIN 621
Retranchant de l ’égalité (4) l ’égalité (3) on obtient:

A [F (xt) - S te)] = 0
avec i = 0, 1, 2, . . . Par conséquent, la différence F (X|) — S (xt)
ne dépend pas de l ’indice i et nous pouvons adopter:
F (z,) - S (Zi) = F (x0) - S (x0) = F (x0),
d’où
F (Zi) = F (x0) + S (z,),
F (x0) étant une grandeur constante arbitraire. Ainsi
- L f ( x l) = F(x0) + S ( x i), (5)
c’est-à-dire Y opérateur inverse d'une différence finie est opérateur
de sommation finie.
Introduisons maintenant Y opérateur de dérivation
o m
Par opérateur inverse -jy on entend l ’opération d’intégration

X
4"/(x)= J f{x)dx.
En utilisant la série de Taylor, on trouve
oo oo
hh „ r-CT h*Dh
N (x) = S T T D*f (*) = { S -T?-} / (x) (*hD- l ) / (*>•
fe=i
h=l
Par conséquent,
A = (eu> — 1).
Il en résulte pour l ’opérateur inverse l’expression suivante:
A ehD_ i •
En multipliant les deux membres de cette dernière égalité par hDf
on aura :
1 hD
hD A
ehD- i '
Ici le deuxième membre est la fonction 'génératrice des nombres

de Bernoulli. Pour cette raison
622 INTÉGRATION APPROCHÉE DES PONCTIONS ICH. XVI
ou, avec plus de détail,
( 6)
*=o
En intégrant l’égalité (6) dans les limites de x ~ x0 à x = xn et
en utilisant la formule (5), on aura
*71 OO
î f W dx+ *=1
*0
2tT" Ak"1^,'"1,
ou
n—1 n—i
^ (x 0) + 2 /(x J) - / ’(x0) = 2 /(* ,) =
J-o 3=0
= A f / (X) dx 4- 2 I f ^ ' l I/'""1’ (*») - f lh~1' (ô)l -

*0 h=i
Vu que
Bi = — j et Bÿt+i = 0 pour k = 1 , 2 , . . . ,
on obtient la formule d'Euler-Maclaurln
xn
\ f { x ) d x = h [ ± f (x0) + / (X .) + / (x*) + . . . + / (X n -0 + y / (*») ] -
*0
- 2 lâfl ft2k[/(2ft"1)W - / 12"-0 (*o)l + * 2m, (7)

où R 2m ®st le reste. L’écriture de la formule (7) sous forme d’une
série infinie n’est pas toujours légitime du fait qu’une série peut
être divergente. En y portant les valeurs des nombres de Bernoulli,
on aura
*71 ^
j yd x = h (y ÿ o + */i + !/2 + • • • + ÿ n -i + y ifo) — - y ô) +
A*
720 ^ 30240 yo ) •••
(2m) 1 » - 1/12’ - " ( x . ) - y ° * - * > ( ^ i + j w (S)

Le reste de la formule d’Euler-Maclaurin s’écrit [6]
D _ t.2 m+ 3 £ 2 *1+4 ^(2»,+ 2 ) /tx
R vn= -nh (2m+2), / (I),
OÙ i 6 ( x 0, * „ )•
S 13.] FORMULE D’EULER-MACLAURIN 623
La formule d’Euler-Maclaurin (8) s’emploie pour le calcul appro

ché des intégrales définies, ainsi que pour la sommation approchée
des valeurs des fonctions, les valeurs de l ’argument étant équidistan
tes. En effet, il résulte de la formule (8) que
n
/(*o)+/(*„)
S /(*<)= y j /(* )* ? 4 2
2m+2 B2m+2 /(2m+2)/.\

(xn) - / (2',- 1)(i0)} + nh (2m+2)!7
(9)
E x e m p l e 1. Utiliser la formule d’Euler-Maclaurin pour le
calcul approché de l ’intégrale définie
0.2
S o l u t i o n . Divisons le segment [0, 2; 1] en huit inter

valles, par exemple, en prenant h = 0,1 et en posant
£| = 0 , 2 - |- i *0,1 {i = 0 , 1, • . ., 8 ).
Les résultats du calcul des valeurs correspondantes de la fonction

/ (x) = sin z — ln x + ex sont donnés dans le tableau 73.
Tableau 73
Valeurs de la fonction /( æ ) = sin x —In æ + c*®
X 0,2 0,3 0,4 0,5 0,6
/(* ) 3,02951 2,84930 2,79754 2,82130 2,89759
x 0,7 0,8 0,9 1,0
/(* ) 3,01435 3,16005 3,34830 3,55975
On en tire
f (xo) + / (*i) + • • • + / (i?)+ 4 / (xs) = 24,1894.
En nous bornant à la dérivée d’ordre cinq, on aura:

/ ' (x) = cosx—-j- + ex,
1" (x) = —cos x —-^ + ex,
f y (x) = cosx— ^L + ex.

Par suite
/ ' (0,2) = - 2,7985 ; / '( 1 ) = 2,2586 ;
r (0,2)= -249,7587; /"(1) = 0,1780;
f y (0, 2) = - 74997,7985 ; f y (1) = —20,7415.
Portant les valeurs obtenues dans la formule (8), on obtient :
7 = 2 4 ,1 8 9 4 -0 ,1 - ^ -(2 ,2 5 8 6 + 2,7985) +
+ ^ -(0,1780 + 249,7587) —^ ^ -(-20,7415 + 74997,7985) =

= 2,41894 - 0,00421 + 0,00004 = 2,41477.
L’intégration immédiate donne
/ = [ —cosx —x( l nx — l)+e*]|o,2» 2,4148.
E x e m p l e 2. Trouver la somme
* -U * - | î
512 "T 53î -r 552 -rL • • • -r
_i L
ü92 •
Solution. Dans notre cas
/(x) = -^-; h = 2; x„ = 51; x„ = 99.
Cherchons lesjiérivées d’ordre impair de la fonction /(x):
/'(*)= —
/ V( x ) = - ^ ,
40 320
/ v u (x) = x* 1 etc.
§ 14.] CALCUL APPROCHÉ DES INTEGRALES IMPROPRES 625
Portant ces valeurs dans la formule (9) et en nous bornant à la déri
vée d’ordre sept, on aura:
*=99 99
*=51 51
4 / 1 1 \ .16/ 1 1\ 64/1 1\
15 \ 51* 99* J "t‘ 21 \ 517 997j 15 \ 51» 99»] ~~
= 0,004 753 416 + 0,000 243 490 +
+ 0,000 002 169 - 0,000 000 001 = 0,004 999 074.
D’après la formule (9) dans laquelle on a posé h = 2, n = 24,
m = 4, l’erreur du résultat obtenu est
R = 24-2“ . 4 j i . / « « ® < 2 4 .2 “ . | . - ^ r . ^ . < ^ r * Vf ».
§ 14. Calcul approché des intégrales impropres

L’intégrale
b
{ f ( x ) dx (1)
a
s’appelle propre si
1) l’intervalle d’intégration [a, 6] est limité;
2) la fonction / (x) sous le signe somme est continue sur [a, 61.
Dans le cas contraire l’intégrale (1) est dite impropre.
Considérons d’abord le calcul approché d’une intégrale impropre
00
\i(x)dx (2)
a
à intervalle d'intégration illimité où la fonction / (x) est continue

pour a ^ x < 00.
L’intégrale (2) est dite convergente s’il existe une limite finie
b
lim f f(x)dxj (3)
b-*ao J
a
et on pose par définition

00 b
C / (x ) dx =lim f / (x ) dx. (4)
J b-»oo J
a a
Si la limite (3) n’existe pas, l’intégrale (2) est dite divergente,

et on considère alors qu’elle n’a aucun sens. Avant de calculer une
40-01072
intégrale impropre il faut donc s’assurer à l’aide des critères de

convergence [10] que cette intégrale converge.
Pour calculer une intégrale impropre convergente (2) avec la
précision imposée e, mettons-la sous la forme
oo b oo
j / ( x ) d x = j f ( x ) dx + j f(x)dx. (5)
L’intégrale étant convergente, on peut choisir le nombre b suffisam

ment grand pour donner lieu à l’inégalité
| \l(x)dx (6)
b
L’intégrale propre
peut être calculée d’après l ’une des formules de quadrature. Soit

S la valeur approchée de cette intégrale à -|-près, c’est-à-dire
e
f { x ) d x - S < ~2‘ (7)
î
Les formules (5), (6) et (7) entraînent
| J /(*)<** —S < e ,
le problème posé sera donc résolu.

Supposons maintenant que l ’intervalle d’intégration [a, 6]
soit limité et que la fonction / (x) sous le signe somme ait un nombre
fini de points de discontinuité sur [a, 6]. Comme par hypothèse
l ’intervalle d’intégration peut être divisé en intervalles partiels
avec un seul point de discontinuité de l ’expression sous le signe
somme, il suffit d’explorer le cas où sur [a, 6] la fonction / (x)
n’admet qu’un seul point de discontinuité c de deuxième espèce *.
* Si c est un point de discontinuité de première espèce, c’est-à-dire s’il
existe des limites finies unilatérales
/ (c— 0 ) = lim /(x ) et /(c + 0 )= lim /(x ),
x -* c t x < c X -* C , X>c
on peut alors poser
b c b
j / (x) d x = £ f i (x) d x + j f i (x) à x
a a c
§ MJ CALCUL APPROCHÉ DES IN T É G R A L E S IM P R O P R E S 627
Si c est un point intérieur dtf segment la, 61, on adopte par défi
nition
b c—ôi b
et si cette limite existe, on dit que l'intégrale converge ; dans le cas

contraire on dit qu’elle diverge.
On définit de même la convergence de l’intégrale impropre (8)
si le point de discontinuité c de la fonction / (x) sous le signe somme
coïncide avec l ’une des extrémités de l’intervalle d’intégration
la, 61.
Pour calculer approximativement avec la précision imposée
e l ’intégrale impropre convergente (8), où le point de discontinuité
c Ç (a, b), on choisit les nombres positifs ôj et S2 tellement petits
qu’ils donnent lieu à l’inégalité
c+G*
{ f {x)dx
C -Ô J
Ensuite, d’après les formules de quadrature connues on calcule

approximativement les intégrales propres
c -ô i b
j f ( x ) d z et j f(x)dx. (9)
a c+ô 2
Il est évident que si Si et S 2 sont des valeurs approchées de
l ’intégrale (9) à près, il vient
b
J / ( * ) dx S\ + S 2
à e près. Si le point de discontinuité c de la fonction sous le signe

somme / (x) est une extrémité de l’intervalle d’intégration [a, b],
la méthode de calcul change d’une façon manifeste.
où
/ (x) si a < x < c;
h (*)= { / (c— 0) si x = c ; et
/ (c + 0) si x=e;
h (*) = { f ( x ) si c < x < b ;
d e p l u s , le s f o n c t i o n s / j (x ) e t / 2 (x ) s o n t c o n t i n u e s r e s p e c t i v e m e n t s u r le s s e g
m e n t s l a , e ] e t (c , b ] . A in s i n o t r e i n t é g r a l e s e r a m è n e à l a s o m m e d e d e u x i n t é
g ra le s p ro p re s .
40*
628 INTÉGRATION APPROCHÉE DES FONCTIONS [CH. X V I
§ 15. Méthode de L. Kantorovitch

Il arrive souvent que pour le calcul approché de l ’intégrale d’une
fonction discontinue, il soit utile d’appliquer la méthode de Kanto
rovitch d'extraction des singularités [11, 161, [101. Cette méthode
consiste en principe en la recherche d’une certaine fonction g (x)
possédant les mêmes singularités que la fonction / (x), qui se prête
à l’intégration élémentaire dans l’intervalle [a, 61 et telle que la
différence f (x) — g (x) soit suffisamment lisse sur le segment d’in
tégration [a, 61. Par exemple,
/ (x) — g (x) £ C(m> [a, 61, où in ^ 1.
On aura alors
b b b
j / (x) dx - j g (x) dx -r j [/ (x) —g (x)] dx.
a a a
où la première intégrale est prise directement, alors que la deuxième
se calcule sans peine à l’aide des formules usuelles.
Considérons l’application de cette méthode au calcul de l’inté
grale de la forme
b
* dx. ( 1)
où x 0 Ç la, 61, 0 < a < 1 et cp (x) est continue sur le segment [a, 6).
Supposons que cp (x) Ç C<w+1) [a, 61, c’est-à-dire, que 
(le(a , b)).
Il en résulte pour l’intégrale (1)
m b b
q> ( x ) dx q>(ft)(*o) j (x—x0)k- “ dx + j ip ( x ) dx
(*—*o)Œ - S k\
a a (x —x0)“
•CT <P(fc> (*o)

Zl k ! (fc + l —a) 1(6—x0)h+1-a —( a — X(,)h + 1 - a ] + / , (4)
h=0
S 15.] MÉTHODE DE L. KANTOROV1TCH 629
J _ f yp ( i ) d x
(5)
J ( x — x 0) a '
a
* {x) ■Ç C<m>[a, 6]
(*-*o)a
(au moins!); par conséquent, l’intégrale (5) est une intégrale propre
et peut être calculée avec une précision quelconque à l’aide d’une
formule de quadrature convenable.
La méthode de Kantorovitch est également applicable aux
intégrales impropres dont la fonction sous le signe somme possède
plusieurs points de discontinuité de forme examinée. Dans ce cas,
pour calculer l ’intégrale, il suffit de diviser l ’intervalle d’inté
gration en parties ne contenant qu’un point singulier de la fonction
sous le signe somme et de mettre à profit l’additivité de l’intégrale.
E x e m p l e 1. Calculer approximativement l ’intégrale impro
pre [111
/= ( * .
J Vx(l-x)
S o l u t i o n . La fonction sous le signe somme
/ (x) = x 2 (1 —x) 2
possède sur le segment £o, -—J un seul point singulier x = 0.
Développons la fonction
q>(x) = ( l - x ) “
en série de Taylor par rapport aux puissances de x, jusqu’à la
puissance x4. En appliquant le binôme de Newton, on aura:
/\ 4 i 1 | 3 0 | 5 , | 3 5 .
1 +"2" 8 X- ”^"Ï6’x3~^’T28’X ’
D’où
JL
2 1 2 3
/ = j x 2 d x 4 - - ~ j x 2 dx + - | - j x 2 dx + - ^ - j x 2 dx +
S 7
+ m j x2 d x + / 1= ^ | | 2 i v r2 + / 1= l,5691585 + / 1, (6)
63 0 INTÉGRATION APPROCHÉE DES PONCTIONS [CH. XVI
avec
= (7)
0
et
♦ (a)gs~ i - , " 0 + T X+ T j 4) ; ♦ (° )= ° *
L’intégrale propre (7) se calcule d’après la formule de Simpson,
en posant n = 10 et le pas h = ^ = 0,05. Les résultats des cal
culs avec six décimales sont portés sur le tableau 74.
Tableau 74
Calcul de l'intégrale d’après la formule de Simpson
» xi V2j - 1 V2J
0 0 0 ,0 0 0 0 0 0
1 0 ,0 5
2 0 ,1 0 0 ,0 0 0 0 0 0 0 ,0 0 0 0 0 9
3 0 ,1 5
4 0 ,2 0 0 ,0 0 0 0 5 G 0 ,0 0 0 2 1 6
5 0 ,2 5
G 0 ,3 0 0 ,0 0 0 6 2 4 0 ,0 0 1 5 0 8
7 0 ,3 5
8 0 ,4 0 0 ,0 0 3 2 2 5 0 ,0 0 6 3 1 G
9 0 ,4 5
10 0 ,5 0 0 ,0 1 1 5 3 8 0 ,0 2 0 2 3 9
V
0 ,0 1 5 4 9 3 0 ,0 0 8 0 1 9
Il en résulte
/ , = —^-(0,020239 + 4 «0,015493 + 2 >0,008049) =
= -£— 0,098309 = 0,0016385.
Par conséquent, en vertu de la formule (6), on a

1,5691585 )
' = +0,0016385 H 1'5707970'
S 16.] INTÉGRATION GRAPHIQUE 631
Constatons que le calcul de l’intégrale I est élémentaire et que sa

valeur exacte s’écrit
/ =-5-=1,5707963 . . .
R e m a r q u e . Dans certains cas une intégrale impropre peut
être transformée en une intégrale propre par substitution de la
variable ou par intégration par parties.
E x e m p l e 2. Transformer en une intégrale propre l’intégrale
dx
M (i + x ) Y x *
(8 )
S o l u t i o n . En posant dans l’intégrale (8) x = — on obtient

une intégrale aux limites finies
1
dz r dx
(9)
(2+1) y z J (i+x)Yi
qui devient singulière pour x = 0.
En opérant une intégration par parties appropriée, on aura:
1
2 V x I1 dx y * dXy
1+* |o + \ z V ~ x J ï+ W (1+ X )2
0
la dernière intégrale étant propre, l’application des formules de
quadrature ne présente aucune difficulté.
§ 16. Intégration graphique

Le problème d’intégration graphique consiste à dresser d’après
la courbe donnée d’une fonction continue y = / (x) la courbe de sa
primitive
JC
F (x) = j f (x) dx.

a
Autrement dit, il faut construire une courbe y=F(x) telle qu’en
tout point x de cette courbe l’ordonnée soit numériquement égale à
l’aire du trapèze curviligne de base [a, x], limitée par la cour
be donnée y = / (x).
Pour construire approximativement la courbe de la primitive
y = F (x) l’aire du trapèze curviligne correspondant limité par
la courbe y = / (x) est divisée en bandes verticales étroites à l’aide
des parallèles à l’axe des y aux points x0, xlf . . . (a = x0 < X j <
< * 2 < • • 0 (fig- 77). Appliquons le théorème de la moyenne pour
remplacer, s’il est possible, chacune de ces bandes par un rectangle'

de surface équivalente ayant la même base et la hauteur égale à
/ (£i), où à (i = 1, 2, . . .) est un point intermédiaire du Meme
Fig. 77.
segment [x|m1, x t]. Posons donc
j f ( x ) d x = f (|i) (zi —Xi_0,

* i- i
OÙ
(f = 1, 2, . . . ) .
Les valeurs de la primitive
X
F(x) = j f ( x ) d x
*0
aux points xt peuvent être calculées par additions successives[:
F (xo) = 0 ;
xi xi-i xi
F (xi) = ^ f ( x ) d x = [ f ( x ) d x + j / (x)dx =
*0 x0
= F (*,_,) + / (Si) ( x , - * M ) (i = 1 , 2 , . . . ) . (1)

Soient JWj (|j, / (|i)), A/2 (£21 / (£2)), . . . les points respectifs
de la courbe y = f (x). En les projetant sur l’axe Oy on obtient
les points M\ , M\, . . . (fig. 77).
5 *7.1 NOTION SUR LES FORMULES DE CUBATURE 1)33
Choisissons maintenant un pôle P tel que la distance OP = 1

et menons les rayons PM[, PAI«, . . . La ligne cherchée y = F (x)
peut être remplacée approximativement par la ligne brisée
NoNtN 2N 3 . . . aux sommets N 0 (x0, 0), (xlt F (xJ), N 2 (x2t
F (x2)), . . . Les éléments successifs de cette ligne brisée sont paral
lèles aux rayons correspondants, à savoir: NoNt || PM\ ;
N {N 2 || PM't ; N 2N 3 || PM'3; . . .' En effet, en vertu de la formule
(1), le coefficient angulaire de l’élément N i^ N i est égal à
F (xi)— F _ j ^
k
mais par construction le coefficient angulaire du rayon OM\ est
= = / ( |i ) .
Donc
N ^ Ni WOMl (i = 1, 2, . . . ).
Ainsi, la construction de la courbe d’une primitive y = F (x)
se ramène pratiquement à mener par le point N 0 (x0, 0) la droite
N qN i parallèle au rayon OM\ jusqu’à l’intersection en Ni avec la
verticale x = Xi ; par le point Ni la droite N tN 2 parallèle au rayon
OM'z jusqu’à l’intersection au point N 2 avec la verticale x = z 2, etc.
Il convient d’indiquer qu’en appliquant la méthode d’inté
gration graphique considérée il n’est pas de rigueur de prendre les
points x t (i = 0, 1, . . .) équidistants. Pour améliorer la précision
de la construction on recommande d’ajouter aux points x t les points
singuliers de la courbe de la fonction intégrée (zéros, points d’extré-
mum, points d’inflexion).
L’intégration graphique est dans le cas général peu précise.
Aussi présente-t-elle de l’intérêt surtout lorsqu’il faut obtenir
une idée générale sur l’intégrale de la fonction ou lorsque la fonction
sous le signe somme est donnée graphiquement et nous ne connais
sons pas son expression analytique.
§ 17*. Notion sur les formules de cubature

Les formules de cubature ou formules des cubatures numériques
sont prévues pour le calcul numérique des intégrales doubles [1].
Soit la fonction z = / (x, y) définie et continue dans un certain
domaine borné a (fig. 78). Dans ce domaine o on choisit un système
de points Mi (xh y t) (i = 1, 2, . . ., N). Pour calculer une inté
grale double
J J / ( * . V)dxdy
(O)
C34 INTÉGRATION APPROCHÉE DES PONCTIONS [CH. XVI
on pose approximativement
w
y ) d x d y = 2 Aif(xh yi). (1)
(O) 1=1
Pour trouver les coefficients Ai imposons la condition que la
formule de cubature (1) soit exacte pour tout polynôme
P n ( * , y ) = S
k+l^n
C k ixky l , (2)
«dont le degré ne dépasse pas le nombre n donné. A cette fin il faut

et il suffit que la formule (1) soit exacte pour les monômes
&yl (fc, Z = 0, 1, 2, . . ., n; k + l ^ n).
Adoptant dans (1) f (x, y) = a^y1, on aura :
N
Ihi^ xhy l dxdy-= Y Ai&y\ (&» Z= 0, 1, 2, . . . , n; k-\-l*Cri).

(O) i= 1
(3)
Ainsi, dans le cas général, les coefficients A t de la formule (1)
peuvent être définis à partir d’un système d’équations linéaires (3).
Pour que le système (3) soit défini, il faut que le nombre d’in
connues N soit égal au nombre d’équations. Par suite, en composant
le « réseau des exposants » (fig. 79) on obtient :
Ar = (n-i-l) + n + - . . - t - l = (" + *H” +2> .
Le problème délicat du choix le plus avantageux des points
pour le domaine considéré reste sans être résolu.
$ 17.] NOTION SUR LES FORMULES DE CUBATURE 635
On peut indiquer encore un procédé assez général de calcul

d'une intégrale double. Supposons que le domaine d'intégration
soit borné par des courbes
représentatives de fonctions y 1 u=(p(x)
continues univoques ^®
y — 9 (*)f y = 9 (x)
(<p (*) < 9 (*))
et par deux verticales x = a,
x = b (fig. 80).
En plaçant dans l’inté
grale double y-(p(x)
I = \ \ f { x , y)dxdy (4)
(o) Fig. 80.
les limites d’intégration suivant des règles connues, on aura:
6
J j / ( * . ÿ)dxdy = ^ d x j f(x,y)dy.
(O) <M*)
Soit
M x)
F( x ) = C /(x , y)dir. (5 )
<P(*)
Alors
O
j j /(x, y)dxdy = j F(x)dx. ( 6)
(o) a
Appliquant à rintégrale simple du second membre de l'égalité
<0) l’une des formules de quadrature on obtient:*
/ (x, y) d x d y - ^ ^ i CiF (7)

(O) . i= l
où x*£[a, 6] (i = l, 2, ...,rc) et C* sont des constantes. A leur
tour les valeurs
j f(xi,y)dy
<p(*p
peuvent s’obtenir également d’après certaines formules de quadrature

mi
F (xi) — S B u tin , yj),
1
où Bu sont des constantes correspondantes.
Ou déduit de la formule (7) :

n mi
y)dxdy = 2 S c iB u1{xh yj), (8)

(O) i= l j= l
où Ci et B u sont des constantes connues.

L’interprétation géométrique de cette méthode est équivalente
au calcul du volume / traduit par l ’intégrale (4) à l’aide des sec
tions transversales.
Avec des modifications correspondantes, les remarques générales
relatives au calcul des intégrales simples (cf. § 10) gardent toute
leur valeur pour les formules de cubature du type (8).
§ 18*. Formule de cubature de type Simpson

Supposons d’abord que le domaine d’intégration soit un rectangle
R {a ^ x ^ A ; b ^ y ^ B )
(fig. 81) dont les côtés sont parallèles aux axes de coordonnées.
Divisons chacun des segments la, A] et [6, B] en deux parties éga
les par les points
xQ = a, x t = a + h, x2 = a + 2h = A
et respectivement
y0 = 6, 1/1 = 6 + *, 2/2 = 6 + 2k = B,
où
i. A- k
B -b
9 ,
2 *
On obtient ainsi au total neuf points (xif yj) (t, j = 0, 1, 2,
. . ., 9). On a :
A B
f (x, y) dx dy = j dx j / (x, y) dy. (1)
(R) a b
On en tire en calculant l’intégrale intérieure d’après la formule de

quadrature de Simpson:
A
y)dxdy = jd x - - |- [ /( x , y0) + 4/(x, ÿ t ) + / ( x , y2)] =
a
A A A
= 4 [ î ^ x ’ ifo)dx-f4 j / ( * . yi)dx + j / (x, y2) d x j .
$ 18.1 FORMULE DE CUBATURE DE TYPE SIMPSON G37
Appliquant encore une fois à chaque intégrale la formule de Simp

son, on obtient:
j j f (x, y) dx dy = {[/ (x0, ÿo) -f 4/ (x,, y0) + f (x2, y0)l +
<H)
+ 4 (/(x 0, y ,)+ 4 /(x „ y,) + /(* 2, y,)l +

+ [/(ô» yz) + 4f(x|, ÿ2) + /(x 2, y2)]}
OU
j j / ( x , y) dx dy = {[/ (x0, y0) + /(*2, yo)+/(*o, y2) !-

(B)
- r / (x2» ÿ2)l + 4 [/ (x,, y0) + / (x0, y t) / (x2, y,) -f
y2)l + 16/(x„ y,)}. (2)
Appelons la formule (2) formule de cubature de Simpson. Par consé
quent,
j j /(x, y) dx dy =
(H)
/ifc
= -T- (a0+ 4oj -f lCa2), (2')
de la fonction à intégrer
/ (*, y) aux s o m m e t s du
rectangle R ; a, la somme des
valeurs de / (x, i/) au m i-
lieu des côtés du
rectangle R ; a 2 = / (x1? yt) la valeur de la fonction / (x, y) a u
c e n t r e du rectangle R. Les multiplicités de ces valeurs sont
représentées sur la figure 81.
E x e m p l e 1. Appliquer la formule de cubature de Simpson
pour calculer l ’intégrale double [7]
4,4 2 .G
4 2
S o l u t i o n . Prenons
tm_ 4,4-4 = 0,2 et k = 2’6~ 2 = 0 ,3 .
Les valeurs correspondantes de la fonction sous le signe somme

z = x—sont
y
portées sur le tableau 75.
638 INTEGRATION APPROCHEE DES FONCTIONS [CH. XVI
T a b le a u 7 5
Calcul de l'intégrale double suivant la formule
de Simpson
xi
4.0 4 .2 4,4
»} \
2,0 0,125000 0,119048 0,113636

2,3 0,108696 0,103520 0,0988142
2,6 0,096154 0,0915751 0,0874126
L’application de la formule (2) donne

/ = °’29°’3 [(0,125000 + 0,113636 + 0,096154 + 0,0874126) +
+ 4 (0,119048 + 0,108696 + 0,0988142 + 0,0915751) +
+16.0,103520] = 0,0250070.
La valeur exacte de cette intégrale double est:
4,4 2,6
\ J = l n l , 3 -In 1,1 = 0,0953108-0,262364 = 0,0250061.
i 2
Donc l’erreur de troncature
A = | 0,0250061 - 0,0250070 | = 0,0000009 « 10-6.
Si les dimensions du rectangle R {a ^ x ^ ^4 ; b y ^ B}
sont grandes, pour améliorer la précision de la formule (2) on divise
CX^Xq X f x2 XJ X*t X2 n - Z x2 n - f x 2n mA
Fig. 82.
le domaine R en un système de rectangles pour appliquer à chacun
de ces rectangles la formule de Simpson.
Supposons que nous ayons divisé les côtés du rectangle R res
pectivement en n et m parties égales ; il en résulte un réseau relati-
§ 18 . ] FORMULE DE CUBATURE DE TYPE SIMPSON 639
vement lâche de nm rectangles (sur la fig. 82 les sommets de ces

rectangles sont marqués par des ronds plus grands). Divisons à son
tour chacun de ces rectangles en quatre parties égales. Adoptons
que les smomets de ce réseau serré des rectangles sont des points
M ij de la formule de cubature.
Soit
A —a
2n
et
B —b
2m
Les coordonnées des points du
réseau sont alors les suivantes :
Xt = x0+ ih (*o = « ;
i = 0, 1, 2, . . . . 2n)
et
yj = yo + jk (yo = b; Fig. 83.
7 = 0, 1, 2, . . . , 2m).
Pour abréger, introduisons la notation
/(*<, ÿi) = fu-
En appliquant la formule (2) à chacun des rectangles du réseau
lâche, on aura (fig. 82) :
n m
f ( Xi y ) d x d y ~ —ç- 2 2 fzi+2. 2>+ /2i+2. 2J+2+ /2*. 2i+2) +
(R) i= 0 j= 0
+ 4 ( / 2 I+ I . 2J + fzi+2. 2j+l + fai+l. 2j+2+ f l l . 2j+i) + 1 6 / 2f+1. 2J+il •
On en tire finalement après réduction des termes semblables:
2n 2m
j j / (*> ÿ) dx dy = — ^ 2 Miy» (3)
(R) t= 0 ;= 0
où les coefficients Xij sont les éléments correspondants de la
matrice
-1 4 2 4 2 .. . 4 2 4 1-
4 16 8 16 8 .. . 16 8 16 4
2 8 4 8 4 .. . 8 4 8 2
2 8 4 8 4 .. . 8 4 8 2
4 16 8 16 8 .. . 16 8 16 4
A 4 2 4 2 .. . 4 2 4 1
€40 INTÉGRATION APPROCHÉE DES FONCTIONS [CH. XVI
Si le domaine d’intégration a est curviligne, on construit le rec

tangle R zd a, dont les côtés sont parallèles aux axes des coordon
nées (fig. 83). Considérons la fonction auxiliaire
x ( / ( * . » ) . si (*.»)€<*;
f (T’ y ) ~ \ 0, si (x, y ) £ R - o .
Il est clair que dans ce cas on a:
j j / (*> y ) dx dy = j j /* (*> y) dx dy.
io) (R)
Le calcul approché de cette dernière intégrale peut se faire d’après
la formule de cubature générale (3).
BIBLIOGRAPHIE
1. Ch. Mikéladzé. Méthodes numériques de l’analyse mathématique. Gostekh-
izdat, 1953, chapitres X III, XVIII.
2. W. E . Milne. Numerical calculus. Princeton University Press, Princeton,
1949, chapitre IV.
3. S. .Xikoûki. Formules de quadrature. Fizmatguiz,^ Moscou, 1958.
4. A. Markov. Calcul des différences finies, 2e éd. Matézis, 1911, chapitre V.
5. J. F. Steffensen. [interpolation. Baltimore. 1927.
0. /. B érézi ne y N . Jidkov. Méthodes de calcul. Fizmatguiz, Moscou, 1959,
tome I, chapitre 111.
7. J. B . Scarborough. Numerical Mathematical Analysis. John Hopkins,
1950 (2e éd.).
S. A . Krylov. Conférences sur le calcul approché, 2e éd. Nouvelles de l’Aca
démie des Sciences de i’U.R.S.S., 1933, chapitre III.
9. V. Krylov. Calcul approché des intégrales. Fizmatguiz, Moscou, 1959.
10. A/. G. Salvadori. Numerical methods in engineering. New York, Prentice-
Hall, 1952.
11. G. Fichtengollz. Cours de calcul différentiel et intégral, 1948, Gostekhiz-
dat, t. 2, chapitres IX, XIII.
CHAPITRE XVII
MÉTHODE DE MONTE-CARLO
§ 1. Principe de la méthode
Le inode usuel de résolution d’un problème consiste à indiquer
un algorithme (la succession des opérations) qui permet de trouver
la valeur / exacte ou avec une précision donnée. Notamment, si
l’on désigne par / 2, . . /n, . . . les résultats correspondants
des opérations successives, alors
/ = lim /„. (1)
n-t-oo
et dans le cas d’un nombre fini d’opérations le processus s’arrête

à un certain pas. Le processus de calcul est dans ce cas strictement
d é t e r m i n i s t e : en l’absence d’erreurs, deux calculateurs
différents aboutissent au même résultat.
Toutefois, il existe des problèmes dans lesquels la construction
des algorithmes de ce type est pratiquement impossible ou l’algo
rithme lui-même s’avère trop compliqué. On recourt alors souvent
à la simulation du principe mathématique ou physique du problème
et on applique les lois des grands nombres de la théorie des proba
bilités. Les estimations /i, / 2, . . ., / n, . . . de la grandeur cherchée
/ s’obtiennent par traitement statistique des données fournies par
les résultats de certaines expériences aléatoires multiples. Dans ces
conditions il faut que la variable aléatoire fn converge en proba
bilité pour n — oo vers la grandeur cherchée / [1], [2), c’est-à-dire
que pour tout e > 0 on ait la relation limite
lim P ( | / —/„ | < e) = 1, (2)
n-*-oo
où P désigne la probabilité correspondante.
Le choix de la grandeur f n est conditionné par des particularités
concrètes du problème. Par exemple, on entend souvent par gran
deur cherchée / la probabilité d’un certain événement aléatoire (ou,
pour plus de généralité, l’espérance mathématique d’une certaine
variable aléatoire). Alors, la fréquence f n d’un événement dans n
expériences aléatoires (ou, respectivement, la moyenne empirique
des valeurs d’une variable aléatoire) peut être considérée sous des
« 1 -0 1 0 7 2
642 M É T H O D E D E M O N T E -C A R L O LCH. XVII
hypothèses très lâches comme une estimation probabiliste de la

variable cherchée. D’autres variantes sont également possibles.
Constatons que dans ce cas le processus de calcul est n o n d é
t e r m i n i s t e , puisqu’il est défini par les résultats des expé
riences aléatoires.
Les modes de résolution des problèmes faisant appel aux variables
aléatoires ont reçu le nom général de la méthode de Monte-Carlo.
Plus précisément par méthode de Monte-Carlo [3], 14], [5], [6] on
entend l ’ensemble des procédés qui permettent d’obtenir la solu
tion des problèmes mathématiques et physiques à l’aide des expé
riences aléatoires multiples. Les estimations de la grandeur cherchée
se déduisent statistiquement et ont un caractère probabiliste. Dans
la pratique les expériences aléatoires sont remplacées par certains
calculs appliqués aux nombres aléatoires (cf. § 2).
L’utilisation efficace de la méthode de Monte-Carlo est devenue
possible grâce aux calculateurs électroniques rapides, car pour
obtenir des estimations suffisamment exactes de la grandeur cher
chée, il faut réaliser le calcul d’un très grand nombre de cas parti
culiers et dépouiller ensuite la statistique d’un volume énorme de
données numériques. Remarquons qu’en utilisant la méthode de
Monte-Carlo aucun besoin n’est de connaître les relations précises
des grandeurs données et recherchées du problème, il suffit de déga
ger seulement l’ensemble des conditions qui définissent la manifes
tation du phénomène observé. Cette circonstance rend possible
l’application de la méthode de Monte-Carlo aux problèmes logi
ques.
Voici les problèmes mathématiques pour lesquels on a mis au
point la méthode de Monte-Carlo: résolution des systèmes d’équa
tions linéaires ; inversion des matrices; recherche des valeurs propres
et des vecteurs propres d’une matrice; calcul des intégrales multi
ples; résolution du problème de Dirichlet; résolution des équations
fonctionnelles de divers types, etc. La méthode de Monte-Carlo
permet également de résoudre des problèmes de physique nuclé
aire. Notons que pour un même problème concret, le schéma de
l’application de la méthode peut être nettement différent.
Dans ce chapitre nous allons étudier le calcul des intégrales
multiples et la résolution des systèmes d’équations linéaires par la
méthode de Monte-Carlo. Pour se renseigner sur les autres problè
mes indiqués il faut se référer aux ouvrages appropriés (cf. par
exemple, 13], bibliographie, ainsi que 16]).
§ 2. Nombres aléatoires
Dans la pratique de la méthode de Monte-Carlo les expériences
aléatoires sont remplacées généralement par un échantillonnage des
nombres aléatoires.
§ 2 .] NOM BRES A L É A T O IR E S 643
D é f i n i t i o n 1. Une grandeur ou une variable est dite

aléatoire si sa valeur dépend d’un événement aléatoire.
La variable aléatoire X est définie par la loi de répartition
P (X C x ) = (D (x),
où x est un nombre réel quelconque et O (x) une fonction connue
(fonction de répartition). Les valeurs de la variable aléatoire s’appel
lent nombres aléatoires.
D é f i n i t i o n 2. Si une variable aléatoire est munie d’une
loi de répartition donnée [1], [2] (uniforme, normale, etc.), on dit
que les nombres aléatoires correspondants sont répartis d'après
cette loi.
Soient les nombres xlt x2, . . ., xn, . . . les valeurs d’une même
variable aléatoire X fournies par des épreuves indépendantes à
conditions répétées. Alors, la suite des nombres aléatoires
{*n} (1)
est dite aléatoire, à loi de répartition correspondante. Dans ce qui
suit nous allons étudier en règle générale des suites aléatoires (1)
à répartition uniforme sur un segment unité O ^ x ^ 1. Si (a, b)
est un intervalle quelconque * du segment 10, 1] et vn = vn (a, 6),
le nombre d’éléments de la sous-suite finie xlT x2, . . ., xn appar
tenant à l’intervalle (a, 6), alors pour la suite (1) à répartition
uniforme on a la relation limite suivante
lini Vn b—a, (2)
II-+OO n
c’est-à-dire la fréquence relative limite de la suite {xn} à répartition

uniforme sur 10, Il pour tout intervalle partiel (a, 6) est égale à la
longueur de cet intervalle avec la probabilité 1.
Si la suite aléatoire {xn} est répartie uniformément sur le seg
ment [0, 1], la transformation linéaire
yn = A + (B — A) xn (n = 1 , 2 , . . .), (3)
où A et P sont des nombres donnés, conduit à la suite aléatoire
{l/n} répartie uniformément sur le segment M, B],
Dans le cas général, une suite aléatoire {xn} répartie uniformé
ment sur le segment [0, 1] permet de construire une suite aléatoire
{yn} à loi de répartition donnée O (y).
Soit
* Les extrémités a et b peuvent par convention être ou ne pas être incluses

dans l'intervalle (a, b).
41*
644 M É T H O D E D E M O N T E -C A R L O [CH. XVII
la fonction de répartition correspondante *, où <p (J) est la densité

de probabilité.
Pour simplifier supposons que la fonction
X = 0 ) (y )
soit continue et strictement monotone (fig. 84). Alors, en défi

nissant yn d’après l’équation
= O (yn) (n = 1 , 2 , . . .),
on obtient pour tout xn la suite aléatoire {yn} munie de la loi de
répartition donnée O (y). Par construction, la suite {yn} vérifie
avec la probabilité 1 la relation limite

b
lim Vn (a, b)
= J<p(y)dv> (4)
n-*oo n a
où va (a, b) est le nombre d’éléments d’une sous-suite finie y{J . . .
• • yny appartenant à l’intervalle arbitraire (a, b).
En particulier, en posant
v-
2
ç t e >“ ÿ s *
on obtient de cette façon la suite aléatoire canonique {y„} obéissant
à la loi normale (gaussienne) et associée à la variable aléatoire Y
d’espérance mathématique M Y — 0 et de variance D Y = 1. La
transformation linéaire
Z n — (Jl/n “ H £ — 1» 2, • . •)
donne une suite aléatoire {za } à répartition normale qui correspond

à la variable aléatoire Z telle que l’espérance mathématique M Z = c
et la variance D Z = a2.
* Si yn (n = 1, 2, . . .) sont contenues dans le segment lim ité A < y < B,
alors on pose généralement qp (y) = 0 avec y £ [A , B].
5 3.1 M ÉTHODES D ’O B T E N T I O N DES NOM BRES A L É A T O IR E S 645
§ 3. Méthodes d’obtention des nombres aléatoires

Pour élaborer des nombres aléatoires on peut utiliser les résultats
de processus physiques aléatoires (par exemple, le jet des dés, la
rotation de la roulette, le scintillement du compteur Geiger, le
bruit des transmissions électriques, etc.). Il existe également
des tables toutes prêtes des nombres aléatoires (cf., par exemple,
[7], [8]).
En toute rigueur, utilisant des dispositifs mécaniques, pour obte
nir des nombres aléatoires, on ne peut pas être tout à fait sûr que
les événements aléatoires considérés ont une répartition de proba
bilité donnée. C’est pourquoi on soumet généralement les données
obtenues à une « vérification statistique par le hasard ». Dans ce
sens il est plus sûr d’employer des nombres aléatoires tabulés pour
lesquels cette vérification est déjà faite ; pourtant les nombres aléa
toires tabulés présentent de grands inconvénients pour le traitement
des problèmes sur des machines digitales [9].
Pour résoudre les problèmes par la méthode de Monte-Carlo il
faut avoir à sa disposition une grande quantité de nombres aléatoires.
Dans la pratique le plus commode est d’obtenir ces nombres avec
des détecteurs spéciaux couplés à une machine. Leur fonctionne
ment est réglé par des processus physiques aléatoires (par exemple,
par désintégration radioactive, bruits des tubes électroniques,
etc.) [9].
La reproduction des nombres aléatoires associés au modèle
théorique donné étant un processus délicat et compliqué, on se
borne souvent en pratique à l’obtention de ce qu’on appelle les
nombres pseudo-aléatoires qui grosso modo ressemblent aux nombres
aléatoires correspondants. Les nombres pseudo-aléatoires sont tirés
à partir des algorithmes assez complexes. Dans ce qui suit, par « nom
bre aléatoire » nous allons entendre les nombres de ces deux types
s’ils ne présentent pas de différence substantielle.
Indiquons certains procédés bien simples pour obtenir des nom
bres aléatoires, au sens généralisé, uniformément répartis sur le
segment [0, 1]. Supposons pour simplifier que ces nombres sont
des fractions décimales propres du nombre fixe, s par exemple, de
décimales significatives (fraction décimale à s rangs), c’est-à-dire
pouvant être mise sous la forme
x = ü 10 ^+ i102
l - L , a*
-r ' 10* ’ ( 1)
où ai (i = 1, 2, . . ., s) sont les chiffres de ces nombres, prenant

les valeurs 0, 1, 2, 3, 4, 5, 6, 7, 8, 9.
Pour former le tableau des nombres aléatoires de la forme (1),
uniformément répartis sur le segment [0, 1], il suffit d’indiquer les
modes d’obtention des chiffres a i en respectant les conditions sui
vantes :
640 M É T H O D E D E M O N T E -C A R L O [CH. XVII
a) ai est un échantillon aléatoire du système des nombres 0 à 9,

toutes les valeurs indiquées étant équiprobables et indépendantes;
b) le choix des chiffres précédents a 1? . . ., a t n’influe nulle
ment sur celui du chiffre suivant a i+1.
Pour obtenir un nombre aléatoire à 5 rangs, cet échantillonnage
est repris s fois.
Il existe plusieurs procédés pour réaliser le système de sélection
vérifiant les conditions a) et b). Examinons certains d’entre eux.
1. Plaçons dans une urne dix boules identiques numérotées
de 0 à 9. Tirons successivement de l’urne une boule et inscrivons son
numéro a. Après chaque tirage la boule est remise dans l ’urne et,
avant chaque tirage consécutif, toutes les boules dans l’urne sont
brassées.
2. On jette simultanément deux dés. Si nx et n2 sont les chiffres
amenés (/*!, n2 = 1, 2, 3, 4, 5, 6) respectivement par le premier
et le deuxième dé (les deux dés doivent être différents), le chiffre
successif a du nombre aléatoire est pris égal au reste de la division
de la somme 6 (nx — 1) + n2 par 10, où nx < 6 , c’est-à-dire a est
un entier non négatif inférieur à 10 qui vérifie la congruence *
6 (nj — 1) -f- n2 = a (mod 10). (2)
Si n x — G, on jette encore une fois les dés. La formule (2) entraîne
que le chiffre a peut à probabilité égale prendre une valeur quel
conque de 0 à 9 (cf. [71).
3. On prend un entier à 5 chiffres. Ce nombre est élevé au carré,
puis on choisit dans le nombre obtenu 5 chiffres moyens; ensuite
le processus est repris. Si 5 est suffisamment grand, par exemple
s ^ 10, les chiffres choisis peuvent être pris à chaque étape comme
décimales des nombres pseudo-aléatoires à s rangs 131.
Pour obtenir une suite de nombres pseudo-aléatoires on peut
également multiplier un nombre de plusieurs chiffres par un même
nombre et en tirer les chiffres moyens ou élever au carré un nombre
de plusieurs chiffres et calculer le reste de la division du résultat
par un nombre premier suffisamment grand.
4. Une suite pseudo-aléatoire {xn} s’obtient à l ’aide du pro
cessus [101
Xn = 2 ~*2un,
OÙ
u0 = 1» un+1 = 517un (mod 242).
5. On utilise le développement décimal d’un nombre irration
nel positif
û> = Po* P i t P 2 • • • Ps • • • = Po + (<*>)»
* L'écriture a a 6 (mod k) (a, 6, fc, entiers) signifie que la différence

a — 6 est divisible par k.
§ 3 .] M ÉTHODES D ’O B T E N T IO N DES NOM BRES A L É A T O IR E S 647
où f)0 est la partie entière du‘nombre (O et (<û) sa partie fraction

naire.
Pour obtenir une suite aléatoire {xn}, on pose:
xn = (n(ù) (n = 1, 2, . . .).
S’il faut obtenir une suite aléatoire composée de nombres à s rangs,
dans les nombres (no) on se borne aux rangs correspondants.
Pour résoudre certains problèmes il faut avoir à sa disposition
plusieurs suites aléatoires
W h K 2'},
Dans ce cas on choisit m nombres irrationnels positifs Oi, o 2, . . .
. . ., o m linéairement indépendants sur le corps des rationnels pour
admettre
= (no*) (A: = 1, 2, . . ., m; n = 1, 2, . . .).
On peut également prendre une suite aléatoire uniformément
répartie {xn} et en tirer m échantillons:
* X m + j , ^ 2 m + l ï • • •}?
{X 2 , Xm +2, . . . X2m+2» • • •}?
{xm, X2m> X3mt . . .},

en prenant les nombres non pas l ’un après l ’autre, mais de m à m.
Il est clair que de cette façon on aura m sous-suites réparties uni
formément.
Ces méthodes ainsi que bien d’autres ont servi pour dresser des
tables des nombres aléatoires. Dans le cas général on donne dans ces
tables les décimales aléatoires; on s’en sert pour construire des
nombres aléatoires ayant un nombre déterminé de décimales. A titre
d ’exemple voici une partie d’une telle table (cf. [7]) à cinq déci
males (tableau 76).
Tableau 76
Nombres aléatoires répartis uniformément sur le segment [0, 1)
0,57705 0,35483 0,11578 0,65339 0,66674

0,71618 0,09393 0,93045 0,93382 0,99279
0,73710 0,30304 0,93011 0,05758 0,24202
0,70131 0,55186 0,42844 0,00336 0,94010
0,16961 0,64003 0,52906 0,88222 0,60981
0,53324 0,20514 0,09461 0,98585 0,13094
0,43166 0,00188 0,99602 0,52103 0,35193
0,26275 0,55709 0,69962 0,91827 0,64560
0,05926 0,86977 0,31311 0,07069 0,64559
0,66289 0,31303 0,27004 0,13928 0,68008
648 METHODE DE MONTE-CARLO {CH. XV II
§ 4. Calcul des intégrales multiples par la méthode

de Monte-Carlo
Soit la fonction
y = f (*i. *2. - • •» xm)
continue dans un domaine fermé S ; calculer l ’intégrale m-uple
M J v I / ( * 1, * 2 , • • • , * m ) d x i d x 2 . . . d x m. (1)
J (S) J
Géométriquement le nombre / est le volume de dimension (m + 1)
d ’un cylindroïde * droit dans l ’espace OxiX2 . . . xmy de base S
et borné supérieurement par la surface donnée y = f (x), où x =
= (xlf x2, . . x m) (fig. 85).
Transformons l ’intégrale (1) de façon que le nouveau domaine

d’intégration soit intérieur à un cube unité de dimension m. Soit
le domaine S intérieur à un parallélépipède de dimension m
ai ^ Xi ^ Ai (i = 1 , 2 , . . ., m). (2)
Faisons le changement de variables
xi = at + (Ai — af) h (i = 1, 2, . . ., m). (3)
Il est alors évident que le parallélépipède de dimension m (2) se
transforme en un cube unité de dimension m
(i = l, 2.......... w) (4)
* Plus précisément, le volume algébrique où Ton suppose que les parties
du cylindroïde au-dessus de l ’hyperplan O z iX2, . . x m aient une mesure posi
tive et au-dessous, une mesure négative.
§ 4.] CALCUL DES IN TÉG RA LES PAR MÉTHODE DE MONTE-CARLO 649
et, par conséquent, le nouveau domaine d’intégration o, qui s’ob

tient suivant les règles usuelles est intérieur à ce cube (fig. 86).
En calculant le jacobien de la transformation, on aura :
—uj 0 0
D ( x\ , ij» • • • i xm) 0 A2— 2 0
D (5l» S2» •••! Sm) ’
0 0 . . . A m—
= (At — a i) (A2 — a i) (Am ûm) -

Ainsi
I — j î • •. j F (£,, £2, • • •« \m)dç , d |2 .. . (5)
(O)
ou
^ ^2* • • • » ^m) — (Aj ûj) (A 2 û’) • • • (Am &m) / (^1
(Aj î) , Û2 (Ao ^ 2) ^2» • • • > i “ (Am— Æm) 5m) -
En introduisant les notations
5 (£l» £2* • • •> Êm)
et
do = d l2 - • • d£m,
écrivons l ’intégrale (5) sous une forme abrégée:
îî - î ' ® * ’- (5')
Nous indiquerons deux méthodes de calcul de l ’intégrale (5')

par la méthode des expériences aléatoires.
P r e m i è r e m é t h o d e . Choisissons m suites aléatoires
indépendantes uniformément réparties sur le segment [0, 1]:
£</>, 5»), ...;
S\2\ S!f\
6im), ^ m), •••

Les points M t (g*1*, £12\ . . ., £lm>) (i = 1, 2, . . .) peuvent être
considérés comme aléatoires. En choisissant un nombre N suffi
samment grand de points M u A/2, . . ., M vérifions quels sont
ceux qui appartiennent au domaine a (première espèce) et ceux qui
n’y appartiennent pas (deuxième espèce). Soit (fig. 87)
1) Mi Ç a pour i = 1, 2, . . ., n (6>
C50 METHODE DE MONTE-CARLO tCH. XVII
et
2) Mt ç 0 pour i = n + 1, n -f- 2, N ( 6 ')
(par commodité nous changerons ici la numérotation des points).

Remarquons qu’il faut convenir à l ’avance si les points de la fron
tière T ou certains d ’entre eux appartiennent au domaine a ou non.
Dans le cas général, lorsque la frontière T est lisse, cela n ’a pas
d ’importance; mais dans des cas particuliers cette question doit
être tranchée en tenant compte
des conditions concrètes.
En prenant un nombre n suffi
samment grand de points M\ Ç a,
on peut poser approximativement
Umoy — F
1=1
d’où il résulte la formule de l ’in
tégrale cherchée
n
I= -ÿmoyo = ± y i F (M i), (7)
i= l
où par o on entend le volume de dimension m du domaine d’inté

gration a. Si le calcul du volume a est difficile, on peut poser
n
Iv
d ’où
i=l
Dans le cas particulier, lorsque a est un cube unité (a = 1), la
vérification devient superflue, c ’est-à-dire n = iV et on a simple
ment :
N
i=l
Pour vérifier les conditions (6) et (6') on part dans les cas cou
rants de la donnée analytique de la frontière F du domaine o. Dans
le cas le plus simple, lorsque la surface T est donnée par l ’équation
 0 le point £ ç a,
on a : 1) si cp (Mi) < 0 , le point M t est de première espèce et 2) si
CALCUL DES INTÉGRALES PAR MÉTHODE DE MONTE-CARLO 651
<p(M{) > 0, le point Mi est de deuxième espèce. Les points M t tels

que 9 (Mi) = 0 sont attribués à la première ou à la deuxième espèce
par convention. Constatons que l ’équation (8) peut être remplacée
par n’importe quelle équation équivalente, ce qui rend parfois les
calculs bien plus faciles. Ainsi, pour un cercle il est commode de
remplacer l ’inégalité
0
par une inégalité équivalente
la deuxième inégalité étant plus simple à vérifier.

Si le domaine o est donné par les inégalités
(£|, • • • j ?m-i) ^ ^ (Si ?• • • ? ^m-l)»

l ’appartenance d’un point aléatoire M (£i, £2* • • Êm) à la pre
mière ou à la deuxième espèce s’établit en vérifiant si ces inégalités
sont respectées.
Tableau 77
Schéma déterm inant si le point aléatoire M (gj, gm)
appartient au domaine (9)
h 61 II €1 §2 «2 82
... 1m «m cm e V
652 MÉTHODE DE MONTE-CABLO [CH. XVII
En pratique, le plus commode est de recourir au schéma du

tableau 77. Ici
f l , si 6 i6 [|„ 6 i]
l o , si h ê l l u fil.
(i = 1, 2, . . m) et e = . . - em. Il est évident que
si 8 = 1, alors I f a ;
si 8 = 0, alors AI ç a.
Remarquons que si ej = 0 (/ < tti) aucun besoin n’est de calculer
les valeurs ultérieures e^+1, . . ., em, puisqu’elles n’influent pas
sur le résultat définitif. La valeur de la fonction y = F {M) ne se
calcule que pour les points AI tels que 8 = 1. Ensuite, pour calculer
l ’intégrale / , on utilise la formu
le (7).
E x e m p l e . Calculer appro
ximativement par la méthode de
Monte-Carlo l ’intégrale
/ = j j (x24- y2) dx dy, (10)
(a)
où le domaine d’intégration o est
défini par les inégalités suivantes:
I (0)
0 < ï/ < 2 * — 1 J
Fig. 88. (fig. 88).
S o l u t i o n . L ’intégrale (10) est donnée sous une forme réduite,
c ’est-à-dire le domaine d’intégration a est intérieur au carré unité
0 < x < 1, 0 < z/ < 1.
Pour résoudre le problème faisons appel au tableau 76 des nombres
aléatoires en considérant chaque couple successif des nombres du
tableau comme les coordonnées correspondantes x et y du point
aléatoire M (x, y). Le calcul ayant un caractère illustratif, bornons-
nous à N = 20 points aléatoires en arrondissant pour simplifier
leurs coordonnées à trois chiffres décimaux. Les résultats du calcul
sont portés sur le tableau 78, où nous avons posé
y (x) = 0, y(x) = 2x— 1 ;

z = x1 + y2.
S 4.] CALCUL DES INTÉGRALES PAR MÉTHODE DE MONTE-CARLO 653
Tableau 78
Calcul de l'intégrale double (10) par la méthode de Monte-Carlo
X X X «1 y y(x) Üix) e* e Z
0,577 0,500 1,000 1 0,716 0 0,154 0 0

0,737 0,500 1,000 1 0,701 0 0,474 0 0
0,170 0,500 1,000 0 0,533 0
0,432 0,500 1,000 0 0,263 0
0,059 0,500 1,000 0 0,663 0
0,355 0,500 1,000 0 0,094 0
0,303 0,500 1,000 0 0,552 0
0,640 0,500 1,000 1 0,205 0 0,280 1 1 0,452
0,002 0,500 1,000 0 0,557 0
0,870 0,500 1,000 1 0,323 0 0,740 1 1 0,855
0,116 0,500 1,000 0 0,930 0
0,930 0,500 1,000 1 0,428 0 0,800 1 1 1,048
0,529 0,500 1,000 1 0,095 0 0,058 0 0
0,996 0,500 1,000 1 0,700 0 0,992 1 1 1,482
0,313 0,500 1,000 0 0,270 0
0,653 0,500 1,000 1 0,934 0 0,306 0 0
0,058 0,500 1,000 0 0,003 0
0,882 0,500 1,000 1 0,986 0 0,764 0 0
0,521 0,500 1,000 1 0,918 0 0,042 0 0
0,071 0,500 1,000 0 0,239 0
V 4 3,837
D’où
z moy — ~~£~•3,837 = 0,96
et donc d'après la formule (7) et en prenant en considération que
o = on a:
/ = Smoy.a = 0,96-4- = 0,24. U 1)
Si l’on pose approximativement
n 4 1
a ~ JV ~ 20 ~ 5 ’
on obtient:
J « 0 ,9 6 - 4D- = 0,19.
Remarquons que la valeur exacte de l’intégrale
654 MÉTHODE DE MONTE-CARLO [CH. XVII
et donc l’erreur relative de (11) est égale à

0,24 — 0,22
0,22
9% .
Certes, le nombre de points N = 20 ne suffit pas pour faire mani
fester ici dans leur pleine mesure les lois statistiques, néanmoins le
résultat obtenu est satisfaisant pour une estimation grossière.
Deuxième m é t h o d e . Si la fonction F (£) = F (Ç!t
E2, • • •> Êm) est non négative, l ’intégrale (5) peut être considérée
comme le volume d ’un corps V
dans l ’espace 0 £ i|2 • • • de
dimension (m + 1), c’est-à-dire
/ = J J . . . j d ? , d |2 . . . d \mdy,
(V)
( 12)
où le domaine d’intégration V
est défini par les conditions
5 = (5i» • • •» 5m) 6
0 < y < F (g).
Soit
0 < F ( I X B. (13)
Introduisant dans l ’intégrale (12) une nouvelle variable
(14)
on obtient :
I = B j j . . . j d h d t2 . . . d$mdr],
J (v)
où le nouveau domaine v est un cylindroïde de l’espace OÊ1Ê2 • • •

• • • £mTli construit sur le domaine o et borné inférieurement par
l’hyperplan r) = 0 et supérieurement par l ’hypersurface
t! - 4 - ^ ( 6 )
(fig. 89). En vertu de l ’inégalité (13) le volume v est intérieur au

cube de dimension (m + 1)
0< h < 1 (i = 1, 2, . . ., m), 0 < r] < 1 .
Prenons maintenant m -f- 1 suites aléatoires indépendantes répar
ties uniformément sur [0, 11
m , « i2,>. {*uh
§ 4.] CALCUL DES INTÉGRALES PAR MÉTHODE DE MONTE-CARLO 655
dont les éléments correspondants sont considérés comme les coor

données des points aléatoires
. . . . P j " ) , t| i }, (* = 1, 2 , . . . )
de l ’espace 0î?2 • • • Êm1!- Si du nombre total de N points aléatoi

res n points appartiennent au volume v et N — n points n’y appar
tiennent pas, on pose approximativement pour N suffisamment
grand :
(15)
c’est-à-dire
/ = B P { M Ç u),
où le point M peut occuper avec la même probabilité les positions
Mi, il/2, . . M La relation
M Çv
est vérifiée de même qu’à la première méthode. Remarquons que
si a est le cube unité 0 ^ ^ 1 (i = 1, 2, . . m), pour le point
M t (£il\ . . . » £lm>, Tl*), dont toutes] les coordonnées sont supposées
appartenant au segment unité [0, 1], il suffit de vérifier seulement
les relations
Considérons maintenant le cas général où la fonction

F (S) = F (glf | 2, . . Çm)
est de signe variable. Soit
-& < * (S )< * . (16)
où b et B sont des nombres non négatifs. Posons
F (B = - b + (B + b) F (6)f
alors on aura:
j j . . . j f ( 6 ) d a = - 6 o + (B + 6 ) j j . . . ^ F { l)d a ,
J (a ) J (a )
où la fonction r\ = F (5), en vertu de l’inégalité (16), vérifie les

inégalités
0 < ^ (Ê )< 1 .
L’intégrale
j j . . . j F (l)da = j j . . . jd a d t ]
J (a ) J (9)
peut être calculée par la méthode indiquée ci-dessus.

Pour évaluer la précision de l’égalité approchée *

/° =
. . . jdffdri = P ( M £ » ) « - £ • (17)
vt>)
supposons d’abord qu’on ait affaire aux suites aléatoires idéales
des points Mi répartis uniformément (i = 1, 2, . . .) et dont les
coordonnées appartiennent au segment unité [0, 1].
En vertu du théorème de Bernoulli, l’application de l’inégalité
de Tchébychev donne
/o( 1- / q) ~ 1- 1 (18)
e2JV 4e2AT
En se donnant pour e donné d’une probabilité garantie
P ( | - J — / 0| < e ) > l - ô , (19)
on obtient de l’inégalité (18) que la condition (19) a bien lieu si
1
4e2JV
1
= 6. ( 20)
On en déduit:
e= - ( 21)
2y ôiV
Ainsi la précision de l’estimation
T R
h « jÿ
pour sa probabilité garantie est inversement proportionnelle à la
racine carrée du nombre d’épreuves: e = O • Cette circons
tance conditionne une convergence relativement lente de la méthode
de Monte-Carlo : par exemple, pour diminuer de 10 fois l’erreur du
résultat, le nombre d’épreuves doit être centuplé. Si la précision
de l’estimation e et la probabilité garantie 1 — 6 sont données, on
tire de la formule (20) le nombre d’épreuves nécessaire
N ‘- 4e2ô
1 ( 22)
Par exemple, pour e = 0,001 et ô = 0,01, on a:

N = 25 000 000.
L’estimation (22) est trop grande et peut être nettement améliorée!
Relevons encore une circonstance importante: le nombre d’é
preuves N ne dépend pas de la dimension de l’intégrale / 0 et donc
l’utilisation de la méthode de Monte-Carlo est avantageuse pour
* Le facteur B ne joue pas de rôle essentiel.
§ 4.] CALCUL DES INTÉGRALES PAR MÉTHODE DE MONTE-CARLO 657
calculer les intégrales multiples de dimensions élevées dans les

quelles l’application des formules de cubature usuelles présente de
grandes difficultés. Par exemple, pour le calcul approché par la
méthode courante de l’intégrale décuple appliquée à un volume
unité dans le cas d’un pas h = 0,1, il faut disposer d’une somme
d’environ 1010 termes!
Lors de l’application pratique de la méthode de Monte-Carlo
pour le calcul des intégrales multiples, dans les cas courants on fait
appel aux suites aléatoires de nombres à s rangs réparties uniformé
ment. Alors, si N est grand, la fraction «^r sera voisine non pas
du vrai volume / 0, mais d’un certain volume fictif / ' qui représente
approximativement la mesure relative du nombre de points M
de coordonnées
? -1 1 . ti- _ L (23)
10* ’ ^ 10*
(i = 1, 2, . m ; ki9 k = 0, 1, 2, . . ., 10a),
qui se trouvent dans le volume v (cf. § 3) ; de plus, en toute rigueur,
/ ' change suivant que l’on rapporte les points frontières au volume
u ou non. L’erreur totale du résultat est évaluée de la façon sui
vante (cf. (21) :
n
Jf - h (24)
Le premier terme \ I'0 — /<>l du deuxième membre de l’iné
galité (24) est une erreur de calcul ordinaire qui s’obtient en rempla
çant l’intégrale I 0 par la somme intégrale relative à la division du
volume v en éléments cubiques dont les sommets appartiennent au
réseau (23). La valeur de cette erreur peut être évaluée à l’aide de
l’inégalité
(25)
où v est la somme intégrale supérieure (dans notre cas pour l’inté
grale (17) c’est simplement le volume d’un corps en gradins cir
conscrit) et u la somme intégrale inférieure (c’est-à-dire le volume
d’un corps en gradins inscrit). La valeur de l’erreur | / ' — 70 |
dépend essentiellement du nombre de rangs s des nombres aléatoires;
si la frontière du corps v est lisse par morceaux, pour s suffisamment
grand cette erreur peut être rendue aussi petite que l’on veut. L’in
convénient que présente l’augmentation de s consiste dans l’aug
mentation du volume des calculs, ces derniers devant se faire avec
des chiffres supplémentaires. Le deuxième terme / ' — ^ | du
second membre de l’inégalité (24) s’appelle erreur d'échantillonnage
et, comme nous l’avons indiqué dans ce qui précède, peut être éva
lué par une méthode probabiliste à l’aide du théorème de Bernoulli.
1/2 4 2 -0 1 6 7 2
658 M ÉT H O D E DE M O N T E -C A R L O [C H . X V II
§ 5*. Résolutions des systèmes d'équations linéaires

par la méthode de Monte-Carlo
n
S aijXj = bi (i —1, . . . ? n). (1)
i=t
Ramenons par un certain procédé le système (1) à la forme spéciale
n
Xi = 23 aijXj-f P/ (i 1 ( 2 )
j=i
Introduisant la matrice a ^ [a*;] et les vecteurs
’* r P«
• •
X— , P-=
■P».
le système (2) peut s’écrire sous une forme matricielle et vectorielle
x ^ a x -fP - (2')
Supposons que toutes les valeurs propres de la matrice a sont infé
rieures en module à l’unité. En particulier, il suffit de considérer
que l’une des normes canoniques de la matrice a vérifie l’inégalité
lia II < i : (3)
Dans ce cas le système (2') a une seule solution qui peut s’obtenir
par la méthode des approximations successives (chapitre VIII, § 10).
Choisissons un système de facteurs vkj tels que les nombres
définis par les équations
a u = PijVij (i, j - 1, . . . , n), (4)
satisfassent aux conditions suivantes:
1) p u > 0, avec P ij> 0 pour a ^ ^ O ;
n
2) S P u < 1 (i = L
i=t
Soit
n
Pl• n+1 = 1 — 2 Pu (* = L • ••, n).

}=!
De plus, convenons que
P n + i . j = 0 pour / < « - ! - 1
§ 5 .J RÉSOLUTIONS DES SYSTÈMES D ’ÉQUATIONS LINÉAIRES 059
et
Pn+1. n+1 “ 1 •
Considérons maintenant une certaine particule errante qui jouit

d’un nombre fini d’états possibles et incompatibles
Sj, • • -i Sm S n+l.
Cette particule est telle qu’avec une probabilité p xi (i, j = 1, . . .
. . n + 1) elle passe de l’état S* à l’état S j indépendamment
des états antérieurs, les états ultérieurs étant indéfinis. L’état
S n+i = T (« frontière » ou « barrière absorbante ») est s i n g u-
1 i e r et correspond à l’arrêt total de la particule, car la condition
Pn+1.j = 0 (; = 1, . . ., n) fait que les transitions de l’état Sn+1
à l’état S j pour j < n + 1 sont impossibles avec la probabilité 1.
Ainsi la particule errante s’arrête dès qu’elle tombe pour la première
fois sur la frontière T. Cette succession des états s’appelle ordinaire
ment chaîne discrète de Markov * au nombre fini d’états 12]. Les
nombres p tj s’appellent probabilités de passage et la matrice
Pu ••• Pin Pi. n+|
Pni • • • Pnn Pn. n+1

, 0 ... 0 1
est matrice de passage des états {5f} (loi de la chaîne).
Soit Si un certain état fixé différant de l’état frontière (i <
<Cn + 1). Considérons les mouvements aléatoires d’une particule
qui commencent à l’état donné Si = S io et qui se terminent, après
plusieurs états intermédiaires S il7 S is, . . ., S im, à la frontière
S im+i = T. Ainsi, S lrn (m ^ 0) est un état de la particule qui
précède directement son entrée à la frontière. Appelons pour abré
ger trajectoire l’ensemble des états
T i —{SiQ, *S»,, . . . , Sim, (5)
Soit Xi une variable aléatoire associée aux trajectoires aléatoires
Ti qui commencent à l’état Si (Jonctionnelle de la trajectoire T{)
et qui prend pour la trajectoire (5) la valeur
£ (Ti) = Pio k'ioiiPii + îoiiîfiePie ~t“ • • * "i" Vioi\ ■• • (^)
où P; (/ = i07 i j, . . ., im) sont les termes constants correspondants
du système réduit (2).
En particulier, si = 1, on a simplement:
6 (7,) = Pi.+ (6')
* Plus précisément, chaîne s im p le hom ogène [2).
42*
D’après le théorème des probabilités composées, la trajectoire Tf,

et par conséquent la valeur £ (Tj), se réalise avec la probabilité
- P ( T i ) = P i 0i i P i t i t • • • P i m im + i i ( 7)
où i0 = i et im+1 = n + 1.
T h é o r è m e . Les espérances mathématiques
(i = l f 2, . . n)
satisfont au système (2).
D é m o n s t r a t i o n . Les trajectoires Tt qui commencent
à l’état S t peuvent être classées en fonction du premier pas en n + 1
espèces
T ii —{ S ^ S iy S i 2 , ...} ;
Ti2 = *52, S12f .. . } ;
= *^Î2* • • •} »
T i. n+i ~ {î* ^n+i}»
c’est-à-dire la particule, en commençant son mouvement de l’état
S i, au premier pas peut passer à l’état Si ou à l’état S 2, etc., et
ensuite, après un certain nombre de pas, s*arrêter à la frontière.
Si la trajectoire de la particule est
T U — {S;, Sj, Si2, • • • i ^m+l = H»
où y =5^ n + 1, en vertu de la formule (6) la variable aléatoire X t
prend la valeur
I i j ) = Pi + 0<jPj + Vl j Vj i2Pi. + . • • i Vl j Vj i t .. • Vi m_ , .mPl m =
= Pi + Vu (P; + üjiiPiî + • • • -r Vjix . . . i>im_ , jmPim) = Pi + vu l (Tj)’ (8)
où Tj est une certaine trajectoire à état initial S
Lorsque le premier pas mène la particule à la frontière T, c’est-à-
dire lorsque la trajectoire s’écrit r i . a+1 = {Siy Sn+1}, il vient
Ê ( 7 ’l . n +l ) = P i - ( 8 ')
La probabilité du fait que la trajectoire Tt est une trajectoire du
type T u est évidemment égale à pij.
Par définition de l’espérance mathématique, on a :
M X t = S s (T,) P (2*,) = S S l(Tij) P (TtJ).
Ti J TIJ
Si / <Zn + 1,1a trajectoire Ttj est composée du segment (S*, Sf)
et d’une certaine trajectoire Tj. Par suite, JP(Tij) = Pi jP {Tj).
Pour j = n + 1, on a :5
5 n+ i) ” Pi Ct J 3 ( T / , n +l) = P i . n+i-
§ 5.] RÉSOLUTIONS DES SYSTÈMES D’ÉQUATIONS LINÉAIRES CGI
De plus, comme à chaque trajectoire Ti j avec / <Zn + 1 correspond

univoquement la trajectoire T j et inversement, la sommation éten
due aux trajectoires T u pour 7 = 1, 2, . . ., n peut être remplacée
par la sommation étendue aux trajectoires Tj.
On en tire, compte tenu de la formule (8),
.ïfX i= S S [ P i- r » iA ( î,i)I-P « P (7 ,j)-}-PiPi.w.|,

i=l Tj
ou
j /.y ,= = 2 PuVii'21 W , ) i > { j j ) v M S pu '£ p ( T } ) + p i . «+ i \-

j=l T, ;= i Tj
Mais évidemment
2 î (Tj) P (Tj) = MX , (j = 1 , 2 , . . . , n).
De plus
S r(Tj)~i
et
n-M
2
i-I
Pu S
Tj
P (T }) + Pl- n+i = 2
j —t
P u ~ t -
Par conséquent,
M X i — 2 ctijMXj + Pi (i = l,
i- l
avec <Zij = PijVij.
R e m a r q u e . Pour démontrer le théorème nous avons sup
posé l’existence des espérances mathématiques
xk = M X i (i = 1, . . ., n).
On peut démontrer que si la condition (3) est vérifiée, les variables
aléatoires Xi ont des espérances mathématiques finies.
Le théorème démontré entraîne que la solution du système (2)
peut être considérée comme espérance mathématique des variables
aléatoires X u • • -» X n. Pour la détermination expérimentale de
la quantité = M X iy on organise N mouvements aléatoires aux
trajectoires aléatoires T -fc) (k = 1, . . ., N) à état initial S} et on
enregistre chaque fois la valeur £ (7lh)) de la variable aléatoire X*.
Supposons que les épreuves soient indépendantes entre elles et que
la variable X/ jouisse d’une variance finie. Alors, en vertu du théo
rème de Tchébychev [11, [2], pour N suffisamment grand, on a l’iné-
602 MÉTHODE DE MONTE-CAHLO fC II. X V II
galité
iV
h=[
avec une probabilité aussi proche de l’unité que Ton veut; e est
ici une borne d’erreur donnée. Ainsi, les solutions du système (2)
peuvent être déterminées approximativement d’après les formules
N
O)
A-=1
En particulier, ce procédé permet d’invertir les matrices de la
forme
A = E - a, (10)
où || a || < 1 et E = [ô,y] est une matrice unité. A cette fin remar
quons que les éléments de la matrice inverse
A"1 = \xu \
satisfont au système linéaire

n
S (6,-ft—a lk) x h j = 6 , j (t, ; ^ 1, n).
h =
1
D’où les éléments de chaque colonne
x {j l,n J (/ = 1, . . n )
de la matrice A ~ l sont déterminés par le sous-système linéaire
n
Xi}S ctikXkj -f àij (i = 1, . . . , n). (11)

fc- 1
Ce qui précède entraîne qu’en partant de l’état S t = S in, pour
y fixé, on obtient les valeurs suivantes de la variable aléatoire X,y
\ j ( T i ) - &i0j “i* ’ • "t"
où T i = IS i o, S n , . . ., S im, 5 iwi+l = H et les nombres ü t j sont
tels que /;,yt définies d’après les équations a*y = P u v i j i constituent
des probabilités de passage de l’état 5/ à l’état Sy. Les espérances
mathématiques M X u — X i j donnent les éléments recherchés^de
la matrice A ~ l .
Montrons maintenant comment on peut organiser pratiquement
le mouvement aléatoire d’une particule aux probabilités de passage
P u données. Supposons pour simplifier que p u sont des fractions
décimales au dénominateur commun 10* (s est un nombre naturel) :
tu t iz tj* n+1
Pi i 103 ’ P i ï - 103 »i *• '• *• 1j /'I.
Pi. Hn+i
+I -- 103 ’
où t i{, t i2, . . ., /f.n+ i sont des entiers non négatifs; de plus
Ui 4" *«2 + • • • + î.n+! = 10* (i = 1, 2, . . ., n).
§ T*.] RÉSOLUTIONS DES SYSTÈMES D’ÉQUATIONS LINÉAIRES (J(>3
Considérons la particule dont Tétât initial est S f. Soit {x} les

nombres à s rangs inférieurs à T unité et répartis uniformément
sur le segment [0, 1], par exemple les éléments du tableau corres
pondant des nombres aléatoires. Effectuons un tirage du nombre
aléatoire x. S’il s’avère que l’inégalité
est vraie, nous considérerons que la particule passe de l’état S {

à l’état S j. Ensuite, si
iü_ < x < î I t i2
10* 10*
on pose que la particule passe de l’état S t à l’état *S2. D’une façon
analogue on définit les autres transitions. En particulier, la particule
se retrouve à la frontière Sn+l = X si le nombre aléatoire x est tel que
*il H~• • • 4~*/n < x < h\ + • - • + *in + *i. n+1 = 1.
10 * 10*
Celte convention rend clair que les nombres de cas favorables aux
passages S i - * S. j (j = 1, 2, . . ., n + 1) sont proportionnels
respectivement aux nombres
/;j, tj2, . . . . /,*, n + i ,
ces cas étant équiprobables. Donc les probabilités de passage

P (Si (i = 1, . n; j = i, . . n r 1).
En choisissant une suite de nombres aléatoires et en se guidant
par la règle indiquée dans ce qui précède, on obtient un mouvement
aléatoire de la particule à état initial fixé et aux probabilités de
passage données. Pour obtenir la précision voulue de la solution
(au sens probabiliste) il convient d’examiner une quantité suffi
sante d’errements.
E x e m p l e . Résoudre par la méthode de Monte-Carlo le sys
tème d’équations
x x ^-.0,lx, + 0,2x2 -f- 0,7 ; \
X* —0,2xi —0,3xo 1,1. (
S o l u t i o n . On peut poser
^12 - 1,
Vzi = 1, Von ~ — 1 .
On en tire que la matrice de passage s’écrit

0,1 0,2 0,7
n 0,2 0,3 0,5
0 0 1
664 MÉTHODE D E MONTE-CARLO [CH. XVII
où les éléments de la première ligne sont respectivement les pro

babilités de passage de Tétât S t aux états 5 it S 2 et S 2 = T, alors
que les éléments de la deuxième ligne, de l’état S 2 aux états S j,
S 2 et S 3, la « bordure » correspondant à la frontière T.
Puisque les éléments de la matrice II sont multiples de 0,1, on
peut utiliser les nombres aléatoires à un rang dont les chiffres sont
Tableau 79
Calcul de l'inconnue x j du systèm e (12) par la méthode de Monte-Carlo
n° Nombre Valeur de la variable

d’ordre aléatoire Trajectoire aléatoire A’i
X
1 0 ,5 s ,- * r 0 ,7
2 0 ,7 ■ S i-r 0 ,7
3 0 ,7 Si-* r 0 ,7
0 ,0 1
4 s t -*St — r 0 ,7 + 0 ,7
0 ,5 j
5 0 ,7 Si-* r 0 ,7
0 ,1 1
6 s 2-+ r 0 ,7 + 1 .1
0 ,6 j
7 o ,n s ,-* s 2 r 0 ,7 + 1 ,1
0 ,8 j
8 0 ,7 ■ s ,- r 0 ,7
9 0 ,3 ■ S i-r 0 ,7
10 0 ,7 •S i-r 0 ,7
0 ,1 1|
11 0 ,0 S i —* s 2 —* Si —
* r 0 , 7 + 1 , l-i-0 ,7
0 ,7
0 ,0 1
!
J
0 ,1
0 ,3
12 s |— s i s 2— s 2 * s i —* s 2— r 0 ,7 + 0 ,7 + 1 .1 -
0 ,1 ►
- 1 ,1 - 0 ,7 - 1 ,1
0 ,1
0 ,6 J
13 0 ,9 •Si — r 0 ,7
14 0 ,6 ■Si — r 0 ,7
15 0 ,1 1 0 , / + 1 ,1
S i - f S z -* r
0 , 5 J\
16 0 ,3 s i— r ■ 0 ,7
17 0 ,3 ■Si — r
0 ’7 #
0 ,2 1
0 ,4
0 ,4
18
0 ,3
► 5, Ss— 5- — S 2 -► S z — S i — r 0 ,7 + 1 ,1 — 1 4 +
+ 1 ,1 - 1 4 - 0 ,7
0 ,1
0 ,6 j
19 0 ,6 ■s, — r 0 ,7
0 , 2 \
20
0 ,6 /
S i - + s s -* r 0 ,7 + 1 4
2 2 1 - 0 ,7 + 4 * 1 4
RESOLUTIONS DES SYSTÈMES D’EQUATIONS LINEAIRES 665
tirés d’une suite aléatoire quelconque, par exemple, du tableau 76

(§ 3) des nombres aléatoires.
Les résultats obtenus pour 20 mouvements aléatoires à l’état
initial S t sont consignés sur le tableau 79. Le nombre aléatoire x
assurait les passages d’après l’instruction suivante:
I. Pour l’état initial Si :
1) si 0 ^ x < 0 ,1 , alors S t Si ;
2) si 0,1 ^ x < 0 ,3 , alors Si-*- S 2;
3) si 0,3 < x < 1, alors Si T;
II. Pour l ’état initial S 2t
1) si 0 ^ x < 0 ,2 , alors S 2-*- S i;
2) si 0,2 ^ x < 0 ,5 , alors S 2-*- S 2;
3) si 0,5 ^ x < 1, alors S 2 -*- T.
La dernière colonne du tableau 79 donne les valeurs de la variable
aléatoire X u calculées d’après la formule (6). On en tire
xi = M X i « (20-0,7+ 0 ,7 + 4* 1,1) = 0,96.
D’une façon analogue on calcule l’inconnue x2.
Notons que la solution exacte du système (12) est xi = 1, x 2 = 1.
Il existe également d’autres procédés pour résoudre les équations
linéaires algébriques d’après la méthode de Monte-Carlo [11].
BIBLIOGRAPHIE
1. E. Ventsel. Calcul des probabilités. Fizmatguiz, Moscou, 1958, chapitres I
à VI.
2. B. Gnédenko. Cours de la théorie des probabilités. Editions Mir, 1969, cha
pitres I à VI.
3. A . S. Housholder. Principles of Numerical Analysis. Mc Graw-Hill, 1953,
chapitre V III.
4. W. E . M ilne. Numerical solution of differential équations, New York, 1953.
5. /. Schreider. Méthode des essais statistiques (de Monte-Carlo). Priborostro-
jenije, n° 7 (1956).
6. Modem Mathematics for the Ingeneer, sous la direction de E. F. Becken-
bach. Mc Graw-Hill, 1952, J. V. Brown. Méthodes de Monte-Carlo.
7. Ph. M . Morse, / . Cumball. Methods of operations research. London, 1951.
8. M . Kadyrov. Tables de nombres aléatoires. Editions de P Université de
l ’Asie centrale, Tachkent, 1936.
9. A . K itov , N . K rinitski. Calculateurs digitaux et programmation. Fizmat
guiz, Moscou, 1959, chapitre V III.
10. D avis , Rabinovitch. Expériences de calcul des intégrales m ultiples par la
méthode de Monte-Carlo. Revue référentielle (mathématiques), n° 2, (1957),
1835.
11. / . Schreider. Résolution des systèmes d’équations linéaires algébriques par
la méthode de Monte-Carlo. Problèmes théoriques des machines mathéma
tiques, recueil I, Fizmatguiz, Moscou, 1958.
4 3 -0 1 0 7 2
INDEX
A Convergence • des processus itératifs

Amélioration de la convergence d ’une des systèmes d’équations linéaires
série 82, 197 316, 393
— — des séries entières par la mé — du processus de Newton 124, 469
thode d ’Euler-Abel 203 — — — pour les systèmes non li
------------- de Fourier par la méthode néaires 460
de Krylov A. 211 — de la série matricielle 246, 389
Application contractante 483 Correction des éléments de la matrice
Argument d ’une fonction tabulée 43 inverse 311
Arrondissement 20 Cosinus 91
— directeurs 343
— hyperbolique 95
B Couple de racines complexes 184
Cubature mécanique 583
Base de l ’espace 335
— orthonormale de l ’espace 341
Biorthogonalité 385 D
B ipartition 114 Défaut d ’une matrice 242
Borne d ’erreur 15 Densité de probabilité 644
------- pratique 47 Dépendance linéaire des vecteurs 332
Dérivation approchée 568
C — graphique 580
— numérique 577
Calcul approché des dérivées partiel Dérivées partielles 581
les 581 Détecteurs des nombres aléatoires 645
Chaîne discrète de Markov 659 Déterm inant caractéristique (séculai
Chiffre douteux 21 re) 371, 404
— significatif 18 — de la matrice 224, 264, 282, 383,
Chiffres exacts 21 404, 424
------- d ’un nombre décimal 19 Développement bilinéaire de la ma
Coefficients de Côtes 588 trice 387
— de Fourier 208 — des déterminants caractéristifues
— de Lagrange 537 404
Combinaison linéaire des vecteurs 332 — de ex en fraction continue 68
Condition de la convergence du pro — d ’une fonction rationnelle en
cessus de Seidel, deuxième 325 fraction continue 67
------- --------- , première 322 — de tg x en fraction continue 69
------------------ suivant la Z-norme 328 Différence des matrices 225, 252
Conditions de Hurwicz 400 Différences à deux variables d’ordres
Convergence des approxim ations suc supérieurs 564
cessives pour les systèmes d ’équa — divisées 548
tions non linéaires 486 — finies 502
— lente de la série 197 / v /*I /A — d ’ordre p 205
INDEX 667
Différences partielles 564 Extrapolation en avant 523

— — finies 564 — suivant Richardson 614
— premières 204
— secondes 204 F
Dimension de l'espace 334 Fonction analytique 82
—» de deux variables 562
E — exponentielle 84
Egalité des matrices 224 —■ d ’interpolation 512
Elément du fr-ième terme d ’une frac — logarithmique 88
tion continue 49 — matricielle 460
— de la m atrice 223 — de répartition 643
Eléments propres d ’une m atrice sy — y = ex 84
métrique definie positive 440 Fonctions rationnelles d ’une matrice
Equation caractéristique 193 235
-------de la m atrice 371 — transcendantes d ’une matrice
— — (séculaire) 371 250
— aux différences finies 193 Forme bilinéaire de la matrice 379
Equivalence des matrices 263 — normale du déterminant de Fro-
Erreur absolue 13 bénius 406
— — d ’une différence 29 — quadratique 306
— — d ’une somme 26 — — définie négative 306
— des approximations du processus — — définie positive 306
de Seidel 325, 327 Formule de cubature 583, 633
— d ’arrondi 11, 17, 20 -------de type Simpson 636
— d ’une différence 29 — de dichotomie 530
— de la formule d ’interpolation de énérale de l ’erreur 37
Lagrange 541 'intégration d ’Euler-Maclaurin
— des formules d ’interpolation de 620, 622
Newton 544 — d ’interpolation de Bessel 528
— générée 11 de Gauss, deuxième 527
— initiale 17 — — —, première 556
— de la méthode 12, 16 — — de Lagrange 534
— d ’un nombre approché 13 — —» linéaire 516
— du problème 16 — — de Newton, deuxième 521
— d ’un produit 31 — — — pour une fonction de deux
— d ’un quotient 34 variables 565
— relative 15, 21 — — —, première 516
-------d’un produit 31 — — — pour les valeurs d’argu
— — d ’une puissance 35 ment non équidistantes 552
-------d ’une racine 35 — — parabolique 516
— — d ’une somme 28 — — quadratique 530
— d ’une somme 26 ae Stirling 528
— de troncature 17 — de Markov 5o0
Erreurs des formules d ’interpolation — des paraboles 596
par différences centrales 546 — de quadrature 583
Espace des solutions d ’un système ho — — de Gauss 603
mogène 359 — — de Tchébychev 599
— vectoriel 332 — de Simpson 589
Estim ation de l’erreur des approxima — — générale 596
tions du processus de Seidel 324, , reste de la 592
327 — des trapèzes 588
— — du processus itératif 319 — — générale 594
— probabiliste d ’une erreur 47 — —, reste de la 595
Estim ations des coefficients de Fou- Formules de Cramer 271
rier 208 — de dérivation par différences cen
Extrapolation 513 trales 573
— en arrière 523 — — numérique 577
43*
668 in d e x
Formules d’interpolation par différen M

ce centrales 524
------- à pas constant 531
— de Newton-Côtes d’ordres supé Matrice 223
rieurs 592 — adjointe 230
— <je quadrature de Newton-Côtes — caractéristique 371
586 — carrée 223
Fraction continue 49, 50 — définie positive 383
------- illim itée 61 — diagonale 223
— — — convergente 61 — encadrée 251
— — — divergente 61 — de la forme quadratique 306
— — limitée 49 — de Frobénius 406
— —. terme 49 — inverse 230
— rationnelle 75 — jacobienne 455
Fractions correspondantes 52, 53 — nulle 224
------- , loi de composition des 53 — opposée 226
— orthogonale 344
artitionnée 250
I e passage de l ’ancienne base à la
Identité d ’Hamilton-Cayley 392 nouvelle 342
Inégalité de Bessel 210 — de Pringsheim 64
Intégrale impropre 625 — quasi diagonale 250
------- convergente 625, 627 — rectangulaire 223
-------divergente 625, 627 — réelle 385
— propre 625 — régulière 230
Intégrales m ultiples 648 — singulière 230
Intégration 583 — symétrique 229, 379
— graphique 631 définie positive 383 .
Interpolation en arrière 523 '* — transposée 228
— en avant 523 — triangulaire 259
— de la fonction 513 — unité 224
— des fonctions de deux variables Matrices conformes 251
562 — égales 224
— inverse 553, 557 — équivalentes 263
— — pour le cas des points équi — semblables 375
distants 553 Méthode d ’Abramov A. 452
— — pour le cas des points non — des approximations successives
équidistants 557 pour un système de deux équa
— linéaire 516 tions 145
— parabolique 516 — de Bernoulli 193
— quadratique 516 — de bipartition 114
— au sens strict 513 — de calcul double 614
Inversion do la m atrice 230, 254, — des coefficients indéterminés 422
445 — combinée 129
— — par la méthode de Gauss — de Danilcvski 405, 406, 412, 414
284 — du développement du détermi
Itération 96, 132, 268, 294 nant caractéristique due a Dani-
levski 405, 406, 412, 414, 424
L -----------------------à Krylov 405, 415,
424
Ligne du pivot 281 — — — — — à Leverrier 405, 420,
Limite de la suite de m atrices 243 424
— d'une m atrice 243 — d ’encadrement 45, 257
Limites des racines réelles 161 — d ’escalade 315
Loi de la chaîne 659 — d ’Euler-Abel 203
— de la propagation de l ’erreur — d ’exhaustion 437
e dans le tableau des différences — de Gavourine M. 452
.finies 509 — de Gauss 268, 272, 282
INDEX 669
Méthode d'interpolation du dévelop N

pement du déterm inant caractéristi
que 405, 424, 559 Nombre approché 13
— des itérations 96, 132, 268, — —, erreur d’un 13
294 — caractéristique 371
— de Kantorovitch d’extraction des — de chiffres exacts d’un produit 33
singularités 628 — d’un quotient 35
— de Krylov A. 211, 415, 424 — inférieur de changements de si
— — —, vecteurs propres de la gnes de la suite des nombres 170
matrice 418 — de racines réelles d’un polvnôme
— de Leverrier 420 167
— de Lobatchevski-Graeffe 174 — supérieur de changements do si
— — — pour le cas des racines gnes de la suite des nombres 170
complexes 181 Nombres aléatoires 642, 645
— — — — — réelles 178 — de Bernoulli 618
— de Lusternik 447 Norme canonique d ’une matrice 237
— — pour améliorer la convergence — d ’une matrice 236
du processus itératif de résolution
d’un système d ’équations linéaires O
447
— de Monte-Carlo 641 Ordre de la matrice 223
------- , calcul des intégralfs m ulti — de m ultiplicité de la racine 156
ples par la 648 Orthogonalisation des colonnes 353
— —, résolution des systèmes d ’é — des matrices 345
quations linéaires 658
— de Newton 120
— — au cas des racines complexes P
151 Pas d ’interpolation 513
— — modifiée 128 Passage de l ’ancienne base a la nou
— — de la résolution des systèmes velle 342
d ’équations non linéaires 454, Pivot 281
456 Point fixe de la transformation 483
— — pour un système de deux équa Points d ’interpolation 512
tions 149 Polynôme 70
— des parties proportionnelles 116 — caractéristique de la matrice 372
— du pivot 281 — d ’interpolation de Newton 515
— de la plus grande pente pour le — de Legendre 603
cas d ’un système d ’équations linéai Précision des formules de quadrature
res 496 610
— — — — pour la solution des — des racines du système linéaire
systèmes d ’équations non linéaires 279
(méthode du gradient) 491 Principe de l ’argument 160
— des produits scalaires 431 — d ’égalité des effets 39
— de relaxation 268, 308 Probabilités de passage 659
— de Richardson 315 Problème inverse de la théorie des
— de Seidel 268, 303 erreurs 39
— des séries entières pour la solu Processus de Héron 100
tion du système d ’équations non — de Seidel 149
linéaires 499 Produit d ’une matrice par un nombre
— des sommes alternées 163 225
— de Sturm 168 — des matrices 225, 226, 252
Méthodes des approximations succes — scalaire des vecteurs 337
sives pour les systèmes d ’équations — du vecteur par un nombre 332
non linéaires 474 Projection 364
Mineur d ’une matrice 242 Propriété extrémale des valeurs pro
Module (valeur absolue) d ’une m atrice pres de la matrice 382
236 Puissance d’une matrice 234
670 INDEX
Q Stabilité de la convergence du proces

sus de Newton devant la variation
Q uadratisation des racines 177, 178, de l’approximation initiale 473
179 Symbole de Kronecker 224
Quadrature mécanique 583 Symétrie hermitienne 338
Quotient incomplet d ’une fraction Système linéaire 307
continue 50 orthogonal des vecteurs 340
R T
Racine carrée 100 Tableau des différences centrales 524
— —, valeur inverse de la 104 — — diagonal 506
— cubique 105 — — divisées 549
— de réq u atio n 108 -------de la fonction y = **517
— réelle a ’un polynôme 167 — — — y = sin x 523
— du système d ’équations linéaires ------- finies de la fonction y =
269 = lg * 522
Racines complexes 156 — — horizontal 506
— — de l’equation 156, 181, 184, Tangente 92
189 — nyperbolique 95
— — —, cas de deux couples 189 Théorème de Budan-Fourier 170
— d ’une équation, séparation des — de Descartes 172
108 — fondamental de l ’algèbre 156
—, ordre de m ultiplicité 156 — de H uât 173
— réelles de l ’équation 156,161, 164, — de Hurwicz 400
167, 178 — de Lagrange 162
— séparées de l ’équation 174 — de Newton 165
Rang d ’une m atrice 242 — de Perron 385
Règle de Cramer 268 — de Pringsheim 65
— des trois huitièmes 592 — de Sturm 168
Relaxation 268, 308 Transformation élémentaire de la ma
Résidu de la solution approchée 279 trice 263
Résolution graphique des équations — d ’Euler-Abel 204
112 — inverse 368
Reste de la deuxième formule d ’inter — de Kummer 197
polation de Newton 544 — linéaire 362
— de la première formule d ’inter — des matrices 263
polation de Newton 544
— de la série 76
Rotation 365 U
Unicité de la racine 109
S — de la solution du système d ’équa
tions non linéaires 470
Schéma de Hômer 70
— — généralisé 73 V
— de Khaletski 290
Séparation des racines d ’une équation Valeur inverse 97
108 — propre d ’une matrice 424, 434
Série de Maclaurin 82 Vecteur colonne 223
— m atricielle 245 — de dimension n 454
— numérique 76 — fonction 454
— de Taylor 82 — ligne 223
Séries trigonométriques 220 — nul 331
Solution de l ’équation aux différen — propre de la matrice 370
ces finies 193 Vecteurs linéairement dépendants 332
Somme et différences des m atrices 225 Vérification des calculs courante 11
Sous-espace linéaire 336 — finale 11
TABLE DES MATIÈRES
P r é f a c e ...................................................................................................................... 5
Introduction • G é n é ra lité s...................................................................................... 9
CHAPITRE PREMIER. NOMBRES A PPR O C H ÉS......................................... 13
§ 4. Erreurs absolue et r e l a t i v e ................................................................. 13
§ 2. Sources principales des e r r e u r s ........................................................ 16
§ 3. Notation décimale des nombres approchés. Chiffres significa
tifs. Nombre de chiffres e x a c t s ......................................................... *17
§ 4. Arrondissement des n o m b re s ............................................................. 20
§ 5. Relation entre l ’erreur relative d’un nombre approché et le
nombre de chiffres e x a c t s .................................................................... 21
§ 6. Tables des valeurs de la borne d’erreur relative en fonction du
nombre de chiffres exacts et tables in v e rs e s ......................................... 25
§ 7. Erreur d’une s o m m e ............................................................................. 26
§ 8. Erreur d’une d iffé re n c e ........................................ 29
§ 9. Erreur d’un p r o d u i t ................................................................................. 31
§ 10. Nombre de chiffres exacts d’un p r o d u i t ........................................... 33
§ 1 1 . Erreur d’un q u o tie n t................................................................................. 34
§ 12. Nombre de chiffres exacts d’un q u o t i e n t......................................... 35
§ 13. Eireur relative d’une p u is s a n c e ....................................................... 35
§ 14. Erreur relative d’une r a c i n e ............................................................... 35
§ 15. Calculs sans estimation précise dese r r e u r s ...................................... 36
§ 16. Formule générale de l’e r r e u r ............................................................... 37
§ 17. Problème inverse de la théorie dese r r e u r s ...................................... 39
§ 18. Précision de la détermination de l ’argument d’une fonction ta
bulée ......................................................................................................... 43
§. 19. Méthode d’e n c a d re m en t............................................................................. 45
§ 20*.Notion de l ’estimation probabiliste d’unee r r e u r ................................ 47
CHAPITRE II. GÉNÉRALITÉS SUR LA THÉORIES DES FRACTIONS
CONTINUES ......................................................................................................... 49
§ 1. Définition d’une fraction c o n tin u e ......................................................... 49
§ 2. Conversion des fractions continues en fractions ordinaires et con
version in v e r s e ......................................................................... 5
672 TABLE DES MATIÈRES
§ 3. Fractions co rresp o n d an tes..................................................................... 52

§ 4. Fractions continues illim ité e s ................................................................. 61
§ 5. Développement des fonctions en fractions c o n tin u e s ..................... 67
CHAPITRE IH . CALCUL DES VALEURS DES FONCTIONS................ 70
§ 1* Valeurs d’un polynôme. Schéma de H ô r n e r ................................... 70
§ 2. Schéma de Hôrner g é n é ra lis é ............................................................ 73
§ 3. Calcul des fractions ra tio n n e lle s .................................................... 75
§ 4. Approximation des sommes des séries n u m é riq u e s....................... 76
§ 5. Fonctions analytiques ........................................................................ 8?
§ 6. Fonctions e x p o n e n tie lle s .................................................................... 84
§ 7. Fonctions logarithm iques ................................................................ 88
§ 8. Fonctions trigonométriques ............................................................ 91
§ 9. Fonctions hyperboliques .................................................................... 94
§ 10. Application de la méthode des itérations au calcul approché des
fonctions .................................................................................................. 96
§ 11. Calcul de la valeur in v e r s e ................................................................ 97
§ 12. Racine c a r r é e ............................................................................................ 100
§ 13. Valeur inverse de la racine c a r r é e ......................................................... 104
§ 14. Racine cubique ....................................................................................... 105
CHAPITRE IV. RÉSOLUTION APPROCHÉE DES ÉQUATIONS
ALGÉBRIQUES ET TRANSCENDANTES................................................. 108
§ 1. Séparation des r a c in e s ........................................................................ 108
§ 2. Résolution graphique des é q u a tio n s ................................................... 112
§ 3. Méthode de b ip a r titio n ........................................................................ 114
§ 4. Méthode des parties p ro p o rtio n n elles............................................... 116
§ 5. Méthode de N e w to n ............................................................................... 120
§ 6. Méthode de Newton m o d ifié e ....................... 128
§ 7. Méthode c o m b i n é e ................................................................................ 129
§ 8. Méthode des approxim ations su ccessiv es....................................... 132
§ 9. Méthode des approxim ations successives pour un système de deux
é q u a t i o n s ..................................................................................................... 145
§ 10. Méthode de Newton pour un système de deux équations . . . . 149
§ 11. Application de la méthode de Newton au cas des racines complexes 151
CHAPITRE V. PROCÉDÉS SPÉCIAUX DE RÉSOLUTION APPROCHÉE
DES ÉQUATIONS A L G É B R IQ U E S............................................................ / . 156
§ 1. Généralités ............................................................................................ 156
§ 2. Limites des racines réelles des équations a lg é b riq u e s................... 161
§ 3. Méthode des sommes a lte r n é e s .................................................................. 163
§ 4. Méthode de N e w to n ............................................................................ 165
§ 5. Nombre de racines réelles d’un p o ly n ô m e ................................. 167
§ 6. Théorème de B u d a n -F o u rie r........................................................... 0 * 7 0
§ 7. Principe de la méthode de Lobatchevski-Graeffe .......................... 174
§ 8. Equations associées aux carrés des r a c in e s ....................................... 177
§ 9. Application de la méthode de Lobatchevski-Graeffe au cas des.
racines réelles d is tin c te s ............................................................................. 178
TABLE DES MATIERES G73
§ 10. Méthode de Lobatchevski-Graeffe pour le cas des racines complexes 181

§ 11. Cas d’un couple de racines c o m p le x e s ............................................ 184
§ 12. Cas de deux couples de racines c o m p le x e s........................................ 189
§ 13. Méthode de B e rn o u lli............................................................................. 193
CHAPITRE VI. AMÉLIORATION DE LA CONVERGENCE DES
SÉRIES ............................................................................................................. 197
§ 1. Amélioration de la convergence des séries n u m é riq u e s.................... 197
§ 2. Amélioration de la convergence des séries entières par la méthode
d’E u le r - A b e l............................................................................................. 203
§ 3. Estim ations des coefficients de F o u r ie r ............................................ 208
§ 4. Amélioration de la convergence des séries de Fourier par la méthode
de A. K r y l o v ............................................................................................. 211
§ 5. Sommation approchée des séries trig o n o m étriq u es........................ 220
CHAPITRE VII. ALGÈBRE DES M A T R IC E S ............................................. 223
§ 1. Généralités ............................................................................................. 223
§ 2. Opérations sur les m a tr ic e s ................................................................. 224
§ 3. Matrice t r a n s p o s é e ................................................................................. 228
§ 4. Matrice inverse ..................................................................................... 230
§ 5. Puissance d'une m a t r i c e ......................................................................... 234
§ 6. Fonctions rationnelles d’une m a t r i c e ................................................ 235
§ 7. Valeur absolue et norme d’une m a t r i c e ............................................. 236
§ 8. Rang d’une m a tr ic e ............................................................................. 242
§ 9. Lim ite d’une m a tr ic e ............................................................................. 243
§ 10. Séries m a t r i c i e l l e s ............................................................................... 245
§ 11. Matrices p a r t i t i o n n é e s ....................................................................... 250
§ 12. Inversion des m atrices par p a r t i t i o n ............................................... 254
§ 13. Matrices triangulaires ....................................................................... 259
§ 14. Transformations élémentaires des m a tr ic e s ................................... 263
§ 15. Calcul des d é te rm in a n ts ........................................................................ 264
CHAPITRE VIH. SYSTÈMES D’ÉQUATIONS L IN É A IR E S ............... 268
§ 1. Généralités sur les méthodes de ré s o lu tio n ........................................ 268
§ 2. Application de la m atrice inverse à la résolution des systèmes.
Formules de C ra m e r............................................................................. 268
§ 3. Méthode de G a u s s .................................................................................. 272
§ 4. Amélioration de la précision des r a c in e s ............................................. 279
§ 5. Méthode du p i v o t .................................................................................. 281
§ 6. Application de la méthode de Gaussau calcul des déterminants 282
§ 7. Calcul d’une matrice inverse par la méthode de G a u s s ..................... 284
§ 8. Méthode dos racines c a r r é e s ................................................................. 287
9. Schéma de K h a le ts k i........................................................................... 290
§ 10. Méthode des approximations su ccessives............................................. 294
§ 11. Réduction d’un système linéaire à la forme commode pour
l ’i t é r a t i o n .................................................................................................. 300
§ 12. Méthode de S e id e l.......................... 303
674 TABLE DES MATIERES
§ 13. Cas d’un système n o r m a l..................................................................... 305

§ 14. Méthode de re la x a tio n .......................................................................... 308
§ 15. Correction des éléments de la m atrice inverse a p p ro c h é e ................. 311
CHAPITRE IX*. CONVERGENCE DES PROCESSUS ITÉRATIFS DES
SYSTÈMES D’ÉQUATIONS L IN É A IR E S ................................................. 316
§ 1. Conditions s u f f i s a n t e s .............................................................................. 316
§ 2. Estim ation de l ’erreur des approxim ations du processus itératif 319
§ 3. Première condition suffisante de la convergence du processus de
S e i d e l .......................................................................................................... 322
§ 4. Estim ation de l’erreur des approxim ations du processus de Seidel
suivant la m -n o rm e ................................................................................. 324
§ 5. Deuxième condition suffisante de la convergence du processus de
S e i d e l .......................................................................................................... 325
§ 6. Estim ation de l ’erreur des approxim ations du processus de Seidel
suivant la Z -norm e................................................................................. 327
§ 7. Troisième condition suffisante de la convergence du processus de
S e i d e l .......................................................................................................... 328
CHAPITRE X. GÉNÉRALITÉS SUR LA THÉORIE DES ESPACES
V E C T O R IE L S ...................................................................................................... 331
§ 1. Notion de l’espace v e c to r ie l................................................................. 331
§ 2. Dépendance linéaire des v e c te u r s ..................................................... 332
§ 3. Produit scalaire des vecteurs ................................................................. 337
§ 4. Systèmes orthogonaux des v e c te u r s ................................................. 340
§ 5. Transformations des coordonnées d ’un vecteur avec changement
de b a s e ...................................................................................................... 342
§ 6. Matrices orthogonales ......................................................................... 344
§ 7. Orthogonalisation des m a tr ic e s ......................................................... 345
§ 8. Application des méthodes d’orthogonalisation à la résolution
des systèmes d’équations lin é a ir e s ..................................................... 353
§ 9. Espace des solutions d’un système h o m o g èn e ................................... 359
§ 10. Transformations l i n é a i r e s ..................................................................... 362
§ 11. Transformation i n v e r s e ......................................................................... 368
§ 12. Vecteurs propres et valeurs propres d’une m a tr ic e ........................... 370
§ 13. Matrices s e m b l a b l e s ............................................................................. 375
§ 14. Forme bilinéaire d’une m atrice . ..................................................... 379
§ 15. Propriétés des matrices sy m é triq u e s................................................. 379
§ 16. Propriétés des m atrices à éléments réels . . 385
CHAPITRE XI*. SUPPLÉMENTS SUR LA CONVERGENCE DES PRO
CESSUS ITÉRATIFS DES SYSTÈMES D’ÉQUATIONS LINÉAIRES 389
§ 1. Convergence des séries m atricielles e n tiè r e s ....................................... 389
§ 2. Identité d’H a m ilto n -C a y le y ................................................................. 392
§ 3. Conditions nécessaires et suffisantes de la convergence du processus
itératif d’un système li n é a i r e ................................................................. 393
§ 4. Conditions nécessaires et suffisantes de la convergence du processus
de Seidel pour un système l i n é a i r e ......................................................... 395
TABLE DES MATIERES 675
§ 5. Convergence du processus de Seidel pour un système normal . . . . 398

§ 6. Vérification efficace des conditions de convergence........................ 400
CHAPITRE XII. CALCUL DES VALEURS PROPRES ET DES
VECTEURS PROPRES D’UNE M A T R IC É................................................ 404
§ 1. Notes d’introduction ...................................................................... 404
§ 2. Développement des déterm inants c a ra c téristiq u es......................... 404
$ 3. Méthode de D a n ile v s k i......................... 406
§ 4. Cas particuliers de la méthode de D a n ile v s k i..................................... 412
§ 5. Calcul des vecteurs propres par la méthode de Danilevski . . . . 414
§ 6. Méthode de K r y l o v ................................................................................. 415
§ 7. Calcul des vecteurs propres par la méthode de K r y lo v ................. 418
§ 8. Méthode de L e v e rrie r.......................................................................... 420
$ 9. Notion de la méthode des coefficients in d é te rm in é s........................ 422
§ 10. Comparaison de diverses méthodes de développement d’un dé
term inant caractéristique ................................................................. 424
§ 11. Calcul de la valeur propre la plus grande en module d’une ma
trice et d’un vecteur propre a s s o c ié ..................................................... 424
§ 12. Application de la méthode des produits scalaires au calcul d e Lla
première valeur propre d’une m atrice r é e l l e .................................... 431
$ 13. Calcul de la deuxième valeur propre et du deuxième vecteur propre
d’une m a t r i c e ......................................................................................... 434
§ 14. Méthode d’exhaustion ....................................................................... 437
§ 15. Calcul des éléments propres d’une matrice symétrique définie
positive ................................................................................................. 440
§ 16. Inversion d’une matrice à l ’aide des coefficients d’un polynôme
caractéristique ..................................................................................... 445
§ 17. Méthode de Lusternik pour améliorer la convergence du processus
‘itératif de résolution d’un système d’équations linéaires . . . . 447
.CHAPITRE XIII. RÉSOLUTION APPROCHÉE DES SYSTÈMES
V é QUATIONS NON LINÉAIRES ................................................................. 454
§ 1. Méthode de N e w to n ............................................................................ 454
§ 2. Remarques générales sur la convergencedu processus de Newton 460
$ 3*.Existence des solutions d’un système et convergence du pro
cessus de N e w to n ................................................................................. 464
§ 4*.Rapidité de la convergence d’un processus de N e w to n ............... 469
§ 5*.Unicité de la s o lu tio n ........................................................................... 470
§ 6*.Stabilité de la convergence du processus de Newton devant la
variation de l ’approximation initiale . .......................................... 473
§ 7. Méthode de Newton m o d ifié e ............................................................... 476
§ 8. Méthode des approximations su ccessives................................... 478
§ 9*.Notion de l ’application c o n tra c ta n te ........................................... 482
§ 10*.Première condition suffisante de convergence des approximations
successives ............................................................................................. 486
§ 11*.Deuxième condition suffisante de convergence des approximations
successives ............................................................................................ 488
676 TABLE DES MATIÈRES
§ 12*.Méthode de la plus grande pente (méthode du g r a d ie n t) ................. 49i

§ 13. Méthode de la plus grande pente pour le cas d’un sySterne d’équa
tions linéaires ...................................................................................... 496
§ 14*.Méthode des séries e n tiè r e s ................................................................. 499
CHAPITRE £XIV. INTERPOLATION DES FONCTIONS......................... 502
§ 1. Différences finies su ccessiv es............................................................. 502
§ 2. Table des d ifféren ces................................................................. 505
§ 3. Puissance généralisée ........................................................................ 511
§ 4. Position du problème d’in te rp o la tio n ............................................. 512
§ 5. Première formule d’interpolation de N e w to n ..................................... 513
§ 6. Deuxième formule d’interpolation de N e w t o n ............................ 520
§ 7. Tableau des différences c e n tr a le s ......................................................... 524
§ 8. Formules d’interpolation de G a u s s ................................................. 525
§ 9. Formule d’interpolation deS t i r l i n g ........................................ 528
§ 10. Formule d’interpolation de B e s s e l.......................................... 528
§ 11. Caractéristique générale des formules d'interpolation à pas
constant .................................................................................................. 531
§ 12. Formule d’interpolation de L a g ra n g e ................................................. 534
§ 13VCalcul des coefficients de L a g ra n g e ..................................................... 537
§ 14. Evaluation^de l ’erreur de la formule de L a g ra n g e ........................ 541
§ 15. Evaluation des erreurs des formules de N e w to n ............................ 544
§ 16. Evaluation des erreurs des formules d’interpolation par différen
ces centrales .......................................................................................... 546
§ 17. Sur le meilleur choix des points d’in te rp o la tio n ............................. 547
§ 18. Différences divisées ........................................................................ *. . 548
§ 19. Formule de Newton pour des valeurs non équidistantes de l ’ar
gument ...................................................................................................... 550
§ 20. Interpolation inverse pour le cas des points équidistants . . . . 553
§ 21. Interpolation inverse pour le cas des points non équidistants . . . 557
§ 22. Recherche des racines d’une équation par la méthode d’inter
polation invorse .................................................................................. 558
§ 23. Méthode d’interpolation pour développer le déterminant carac
téristique .................................................................................................. 559
§ 24*.Interpolation des fonctions de deux v a r ia b le s ................................. 562
§ 25*.Différences à deux variables d’ordres s u p é rie u rs ............................. 564
§ 26*.Formule de Newton pour une fonction de deux v a r ia b le s ................ 565
CHAPITRE XV. DÉRIVATIONA P P R O C H É E ............................................. 568
§ 1. Position du p ro b lè m e .............................................................................. 468
§ 2. Formules de dérivation approchée basées sur la première formule
d’interpolation de N e w to n ................................................................. 569
§ 3. Formules de dérivation approchée basées sur la formule de Stirling 573
§ 4. Formules de dérivation numérique pour des points équidistants,
exprimées par des valeurs de la fonction en ces p o i n t s ..................... 577
§ 5. Dérivation graphique ...................................................................... 580
§ 6*.Notion de calcul approché des dérivées p a r tie lle s ............................... 581
TABLE DES MATIÈRES 677
CHAPITRE XVI. INTÉGRATION APPROCHÉE DES FONCTIONS 583

S 1. Généralités .......................................................................... 583
§ 2. Formules de quadrature de N ew ton-C ôtes..... 586
S 3. Formule des trapèzes et son r e s t e ...................................................... 588
$ 4. Formule de Simpson et son r e s t e ............................. 589
§ 5. Formules de Newton-Côtes d'ordres s u p é rie u rs.............................. 592
$ 6. Formule des trapèzes g é n é ra le ...................................................... 594
S7. Formule de Simpson générale (formule des paraboles) . . . . 596
§ 8. Notion de la formule de quadrature de Tchébychev . . . 599
$ 9. Formule de quadrature de G a u s s ...................................................... 603
§ 10. Certaines remarques sur la précision des formulesde quadrature 610
5 ll* .E x trap o latio n suivant R ic h a rd so n ..................................................... 614
5 12*.Nombres de B e rn o u lli............................................................................ 618
5 13*.Formule d 'E u ler-M aclau rin................................................................ 620
$ 14. Calcul approché des intégrales im p ro p re s ........................................ 625
§ 15. Méthode de L. K a n to ro v itc h ................................................................ 628
§ 16. Intégration graphique ......................................................................... 631
§ 17*.Notion sur les formules de c u b a tu r e ................................................ 633
§ 18#.Formule de cubature de type S im p s o n ............................................ 636
CHAPITRE XVII.MÉTHODE DE M O N TE-CARLO ............................. 641
§ 1. Principe de la m é th o d e ............................................................................ 641
§ 2. Nombres a l é a t o i r e s ................................................................................ 642
§ 3. Méthodes d'obtention des nombres a lé a to ir e s .................................... 645
§ 4. Calcul des intégrales m ultiples par la méthode de Monte-Carlo . . . 648
§ 5*.Résolutions des systèmes d'équations linéaires par la méthode de
Monte-Carlo ............................................................................................. 65S
In d e x ...................................................................................................................... 666

Eléments de Calcul Numérique - Mir - 1973

Transféré par

Informations du document

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

Eléments de Calcul Numérique - Mir - 1973

Transféré par

Droits d'auteur :

Formats disponibles

B. IL ÆEMHflOBHH n H. A.

ÉDITIONS MIR • MOSCOU

Les progrès impétueux des techniques nouvelles et l ’application

L'essor de l'économie nationale de l ’U.R.S.S. rend nécessaire

d ’illustration. Les références et la bibliographie supplémentaire

de réaliser les calculs par des opérations de même type:

en reprenant toujours la même opération fj (/ = 1 , 2, . . ., m)

On inscrit d’abord sur la colonne (1) les valeurs données de

la forme de la carte est correcte; le calculateur ne recourt pas pendant

est une opération unique. Dans de nombreux cas on a intérêt à

elle-même est approchée, à ces deux erreurs vient s’ajouter l'erreur

§ 1. Erreurs absolue et relative

2) le nombre A est inconnu, cas pratiquement le plus fréquent ;

= 214 cm ± 0,5 cm. Ici la borne d’erreur absolue A/ = 0,5 cm,

Par conséquent, on peut adopter comme borne d’erreur relative du

D’une façon analogue on obtient A = A6 ^ (a + A) 6a ; d’où

§ 2. Sources principales des erreurs

2. Erreurs associées en analyse mathématique aux processus

du nombre a). Par exemple,

compte-t-il. On peut affirmer sèulement qu’il y en a au moins trois.

Par la suite nous entendons, sauf mention du contraire, les

§ 4. Arrondissement des nombres

E x e m p l e 2. En arrondissant le nombre 1,2500 à deux

§ 5. Relation entre l ’erreur relative d’un nombre approché

T h é o r è m e . Si un nombre approché positif a compte n chiffres

R e m a r q u e 1. En utilisant l'inégalité (2) on peut obtenir

Pour résoudre le problème inverse qui consiste à définir le nom­

où A est l'erreur absolue du nombre a. On en tire

les formules (6) et (7) entraînent

§ 6. Tables des valeurs de la borne d’erreur relative

10-11 10 1 0 ,1 35, ... .. 39 2 ,9 0 ,2 9 0 ,0 2 9

Si l ’on ne connaît que le premier chiffre du nombre, 4 par exemple,

Les deux premiers chiffres significatifs sont 5 et 2 ; le nombre formé

Il est clair que

au rang m, l ’erreur d’arrondi de la somme ne dépasse pas dans le

les autres nombres à 0,01 près, on a

La différence u ne comporte ainsi que deux chiffres significatifs

La borne d’erreur relative de la différence est ici 5 000 fois

Les considérations précédentes permettent d’énoncer la règle

possible la soustraction de deux nombres approchés à peu près

§ 9. Erreur d’un produit

où les 6i sont les erreurs relatives des facteurs x t (i = 1, 2, . . ., n)

Si tous les facteurs du produit u, sauf un, sont très précis, la

E x e m p l e 1. Déterminer le produit u des nombres approchés

Le produit de ces nombres étant u = 897,432, Att = u8u =s

Il est évident que l ’erreur relative du produit ne peut pas être

§ 10. Nombre de chiffres exacts d’un produit

et, par conséquent.

Etant donné que Otj <X2 • • • + - ^OLn- < 1 0 , on a 2. (iTi)”

Donc, si un produit doit contenir m chiffres exacts, les facteurs

s* = t ( i + i ) - è - = f 10' , < T * 10' 1-

Cette dernière formule implique que le théorème du § 9 s’étend

§ 12. Nombre de chiffres exacts d’un quotient

§ 13. Erreur relative d’une puissance

on a ô0 = -jô j = 0,0004. Donc

§ 15. Calculs sans estimation précise des erreurs

de départ doivent être prises avec un nombre de chiffres tel qu’il

§ 16. Formule générale de l ’erreur

Par conséquent, on peut prendre comme borne d’erreur relative

En vertu de la formule (2), la borne d ’erreur absolue du volume

Il en résulte la borne d’erreur relative du volume

E x e m p l e 2. Pour définir le module de Young E d ’après

où l est la longueur de la tige, a et b les mesures de sa section trans­

En remplaçant les accroissêments par les différentielles, on a

Pour résoudre le problème inverse qui consiste à définir le nom

où l est la longueur de la tige, a et b les mesures de sa section trans

dépassent pas le nombre À avec une probabilité supérieure au nom

Une fraction continue limitée s’identifie à une fraction ordi

Après avoir divisé le numérateur et le dénominateur de la frac

Supposons maintenant que le théorème soit vrai pour tout nom

les numérateurs et les dénominateurs de ses fractions correspondan

si k est un nombre impair. Il est clair que la dernière fraction cor

Sous les conditions imposées par le théorème ci-dessus, les frac

En se bornant, par exempte, à la cinquième fraction correspon