Académique Documents
Professionnel Documents
Culture Documents
Stéphane C. K. TEKOUABOU
(PhD & Ing.)
SOMMAIRE
I. Généralités et introduction
Année: 2023-2024
OBJECTIFS SAVOIR
01.
Expliquer les algorithmes numérique de rés Analyser, concevoir et implémenter des méthodes numé
olution des équations linaires, leurs stabilité, l riques de résolution d’équation linéaires
eur complexité, leur justesse.
Année: 2023-2024
1- Généralité & Introduction:
Année: 2023-2024
1- Généralité & Introduction:
Mots Clés:
1. Equation, équation linéaire
2. Système d’équations
3. Matrices
4. Système d’linéaire
5. Méthodes directes
6. Méthodes itératives
7. Erreur
8. Equation différentielle
Année: 2022-2023
NOTION
D’ERREURS
Année: 2023-2024
Notion d’erreurs :
Avant-propos de vous :
1. Erreur ?
2. Erreur relative ?
3. Erreur Absolue ?
4. Erreur de modélisation ?
6. Erreur d’arrondi ?
Année: 2022-2023
Notion d’erreurs :
Une partie importante de l’analyse numérique consiste donc a contenir les effets des erreurs ainsi
introduites, qui proviennent de trois sources principales :
• Le but de l’Analyse Numérique sera (entre autres) d’arriver à estimer ces erreurs, de compr
endre et identifier leurs origines, et de mettre au point des stratégies permettant de les lim
iter.
lim 𝑆𝑛 = 𝑒 𝑥
𝑛→∞
• TAF : Calcul de la somme pour n=1000 sur une calculatrice (ou un ordinateur).
En sciences expérimentales, les erreurs sont associées aux mesures et peuvent avoir globalement de
3 sources :
Les erreurs d'inattention ou de négligence : Elles sont dues à des erreurs de de lecture des échelles ou à la po
se imprudente de repères, etc. Elles peuvent être éliminées par la répétition des lectures par un ou deux obs
ervateurs.
• La compréhension, la représentation et le traitement des erreurs vont différentier selon qu’on soit
dans les sciences expérimentales ou en analyse numérique (arithmétique computationnelle)
1. En sciences expérimentales, les erreurs sont associées aux mesures et peuvent avoir globalement
de 3 sources :
Ici pour calculer l’erreur, on utilisera les mesures comme : Accuracy (taux d’erreur), Précision, Variance, Bia
is, Ecart-type ...
Interprétation:
Année: 2023-2024 Crédit: Ref [W02 & W03 W04]
Notion d’erreurs : 2.3 Mesure d’erreurs
Erreur absolue ∆: Pour chaque valeur mesurée 𝑨𝒎𝒆𝒔 de la variable réelle 𝑨𝒓é𝒆𝒍𝒍𝒆 , il existe une erreur ab
solue estimée qu’on note souvent ∆𝑨 tq la mesure complète réelle 𝑨𝒓é𝒆𝒍𝒍𝒆 est donnée par 𝑨𝒎𝒆𝒔 ± ∆𝑨,
∆𝑨
Erreur relative : Elle est données par la formule: 𝜀𝑟 =
𝐴𝑚𝑒𝑠
∆𝑨
Pourcentage d’Erreur relative : Elle est données par la formule: 𝜀𝑟𝑝 = × 100
𝐴𝑚𝑒𝑠
• Plusieurs expressions sont utilisées pour formuler l’erreur. Pour une série de n mesures sur la mê
me variable on aura les formules de calcul d’erreur suivantes :
𝑨𝒓é𝒆𝒍𝒍𝒆 −𝑨𝒎𝒆𝒔
Erreur absolue moyenne 𝑴𝑨𝑬: qui est la moyennes des ∆𝑨𝒎𝒆𝒔 . 𝑀𝐴𝐸 =
𝑛
σ𝑛
𝑖=1(𝑨𝒓é𝒆𝒍𝒍𝒆 −𝑨𝒎𝒆𝒔 )
2
Erreur quadratique moyenne : Elle est données par la formule: 𝑀𝑆𝐸 =
𝑛
La racine carrée de MSE est appelée RMSE dans la littérature.
2. La compréhension, la représentation et le traitement des erreurs vont différentier selon qu’on soit dans l
es sciences expérimentales ou en analyse numérique (arithmétique computationnelle)
En analyse numérique ou en arithmétique computationnelle, les erreurs sont associées globalement aux sourc
es :
Par résolution, on est souvent contraint de simplifier les paramètre du modèle construit, c
e qui conduit à des erreurs appelées erreurs de modélisation.
- Les erreurs de modélisation, liées au fait que la modélisation mathématique d’un problème repose s
ur un certain nombre d’hypothèses et d’approximations, permettant de simplifier le modèle final.
- Les erreurs de données, liées à l’imprécision des mesures physiques ou des calculs permettant d
e donner des valeurs aux différents paramètres d’un modèle.
La mantisse 𝑚 est un nombre écrit avec virgule fixe et possédant un nombre maximum 𝑁 de chiffres significatifs
(imposé par le choix de la taille des emplacements mémoires alloués au type réel).
Ceci entraîne que la précision machine dans l’approximation d’un nombre réel est toujours une précision relative :
∆𝑥 ∆𝑚 𝑏 −𝑁
= ≤ = 𝑏1−𝑁
𝑥 𝑚 𝑏−1 Crédit: Ref [B04, B05 & W06]
Année: 2023-2024
Notion d’erreurs : 2.4 Types d’erreurs
Pour effectuer des opérations sur deux nombres réels, on effectue les opérations sur leur représe
ntations flottantes et ensuite on prend la représentation flottante du résultat,
Exemple:
Donner les représentations machine des nombres suivants et calculer les erreurs absolue et relatives correspo
ndantes (n=3 cad à 3 chiffres flottants):
𝑎 = 122 𝑏 = 333 𝑐 = 695
Calculer les les opérations suivantes et les erreurs absolue et relatives correspondantes (n=3 cad à 3 chiffres flo
ttants ):
𝐶 = 122 × 695
𝐴 = 333+695 𝐵 = 122×333
Pour 4 chiffres significatifs, calculer et conclure sur l’associativité de l’addition en arithmétique flottante
𝐴1 = (1+0,0005)+0,0005 𝐴2 = 1+(0,0005+0,0005)
Pour 3 chiffres significatifs, calculer conclure sur la distributivité de l’addition par rapport à la multipli
cation en arithmétique flottante :
Théorème de Taylor : Si f est une fonction continuellement différentiable sur un intervalle contenant le
s points 𝑎 et 𝑥, alors la valeur de la fonction 𝑓 en 𝑥 est donnée par
𝑛
𝑓′′(𝑎) 𝑓 (3) (𝑎) 𝑓 𝑛 𝑎 𝑓 𝑖 𝑎
𝑓 𝑥 = 𝑓 0 + 𝑓′ 𝑎 𝑥 − 𝑎 + (𝑥 − 𝑎)2 + (𝑥 − 𝑎)3 + ⋯ + 𝑥−𝑎 𝑛
+ 𝑅𝑛 = 𝑥 − 𝑎 𝑖 + 𝑅𝑛
2! 3! 𝑛! 𝑖!
𝑖=0
𝑓 𝑛+1 𝑐 𝑛+1
Où 𝑅𝑛 est le reste définit par : 𝑅𝑛 = 𝑥−𝑎
(𝑛 + 1)!
Avec 𝑐 étant tout nombre réel compris entre 𝑎 et 𝑥. C'est la forme du reste de Lagrange.
La série de Taylor est très utile pour représenter toute fonction continuellement différe
ntiable comme une fonction polynomiale d'ordre infini.
Année: 2023-2024 Crédit: Ref [W06]
Notion d’erreurs : 1. Exemples préliminaires
𝑥2 𝑥3 𝑥 𝑛 𝑥 𝑛+1
𝑒𝑥 = 1 + 𝑥 + + + ⋯+ + +⋯
2! 3! 𝑛! (𝑛+1)!
Si nous approximons la fonction jusqu'à (𝑛 + 1) termes, l'erreur de troncature correspond aux terme
s restants à partir de (𝑛 + 1).
• Exercice : Calculez l'erreur de troncature si la fonction 𝑒 est calculée par la formule suivante:
1 1 1 1 1
𝑒=
Année: 2023-2024 1+ + + + ⋯+ + . Crédit: Ref [W06]
Notion d’erreurs : 2.4 Types d’erreurs
L’histoire se passe aux Etats-Unis, en 1996. La facture d’électricité mensuelle comporte 2 vale
urs : la consommation moyenne d’énergie par jour (en KW-h), l’écart relatif par rapport au m
ême mois de l’année précédente. Un client voit sur la facture de février un écart de 9 %. Il refa
it le calcul et trouve en fait un écart de 4%.
Sur la facture de février 1995, la consommation moyenne est 11KW-h. Sur la facture de février 19
96, la consommation moyenne est 12KW-h.
Ce qui fait un écart de 9%. Mais, avant arrondi, les nombres sont 11,21KW-h en 1995, 11,68KW-h e
n 1996. Ce qui fait un écart de 4%.
http://catless.ncl.ac.uk/Risks/
Année: 2023-2024
Notion d’erreurs : 2.4 Types d’erreurs
D. Erreurs d’arrondi
Dans un programme numérique, les réels sont représentés par des nombres à virgule flottante en b
inaire. Ce codage s'effectue sur un nombre fini de bits ce qui limite la précision machine notée 𝜺𝒎 .
En précision simple les réels sont codés sur 32 bits et peuvent s’étendre de ± 1,1754944E−38 à ± 3,4028
235 E38 avec sept chiffres significatifs ce qui correspond à une précision 𝜺𝒎 = 𝟏𝟎−𝟕 .
En précision simple les réels sont codés sur 64 bits avec quinze chiffres significatifs ce qui correspon
d à une précision 𝜺𝒎 = 𝟏𝟎−𝟏𝟓 .
Le caractère itératif des méthodes numériques entraînant une propagation et une accumulation des erreurs d’arrondi.
D. Erreurs d’arrondi
Imaginons un programme effectuant 100 millions de multiplications par seconde pendant 24H. Si l'
on représente les réels en simple précision (𝜺𝒎 = 𝟏𝟎−𝟕 ), l'erreur d'arrondi sur le résultat vaut, en valeu
r relative :
∆𝑿
≈ 𝟏𝟎−𝟕 𝟏𝟎𝟖 × 𝟐𝟒 × 𝟑𝟔𝟎𝟎 ≈ 𝟑𝟎%
𝑿
Autrement dit, un calcul numérique exigeant beaucoup de temps de calcul, doit se faire en double
précision pour limiter les erreurs d'arrondi.
D. Erreurs d’arrondi
De plus, il est facile de constater que deux suites d’opérations mathématiques donnant le même ré
sultat théorique ne donneront pas nécessairement le même résultat numérique. C’est pourquoi, lor
s de la phase de programmation, il est judicieux de respecter les règles suivantes :
Utiliser un système d'unités tel que les valeurs utilisées soient de l'ordre de l'unité.
Éviter de soustraire des nombres comparables.
Minimiser les soustractions.
Chercher le plus possible à sommer par paquet les quantités de même ordre de grandeur.
Année: 2023-2024
1- Généralité & Introduction:
Avant-propos de vous:
3. Un système d’équations ?
Année: 2022-2023
1- Généralité & Introduction:
Motivations
Les systèmes linéaires font parties de vie courante et les résoudre est une opération très courante.
• Un grand nombre de problèmes d’ingénierie conduisent, après modélisation puis éventuellement une pr
océdure de discrétisation, à résoudre des systèmes linéaires : calculs sur des réseaux électriques ou hydra
uliques en régime stationnaire, calculs de structures, jeux vidéos, météo, écoulements de fluides, etc..
• Cette opération intervient aussi comme “sous-procédure” dans de nombreux algorithmes : problèmes d’in
terpolation, approximation par moindres carrés, résolution de systèmes non-linéaires, optimisation, auto
matique, traitement du signal, etc...
• Généralement, pour les problèmes concrets, on est amené à résoudre de grands systèmes linéaires (plusie
urs millions/milliards d’inconnues ...).
• Certains problèmes (beaucoup) conduisent à des systèmes linéaires à résoudre avec une matrice creuse c’
est-à-dire qui comporte beaucoup de zéros (stockage adapté, e.g. fonction sparse en MATLAB).
Exemple 1 : 550 personnes ont assisté à un match de football. Le prix d ’entrée est de 16€ po
ur les adultes. Les enfants paient demi tarif. Sachant que la recette est de 6960€, on dema
nde de trouver le nombre d ’enfants et le nombre d’adultes qui ont assisté au match.
Exemple 2 : En Janvier 2023, un tradeur achète 3 actions dans trois sociétés pour un monta
nt de 67 $ répartis comme suit : Apple (10$ l’action), Peugeot Citroën (5$ l’action) et Ali bab
a (4$ l’action). Neuf mois après, supposons que l’action d’Apple a doublé, celle de Peugeot
Citroën a évolué de 20% tandis que celle d’Ali baba a diminué de 50%. Le porte feuille du tr
adeur totalise 104$. Combien d’actions le tradeur avait-il acheté dans chaque société en Ja
nvier 2023 ?
Une équation est une expression mathématique qui établit une égalité
entre deux quantités ou expressions.
Dans le cas d’une équation à n variables (𝑛 ∈ N et n ≥ 1) par exemple, l’équation est dite linéaire
lorsqu’on peut l’écrire sous la forme :
NB : Dans la majorité des cas qui vont suivre, n = 2 𝑜𝑢 3 et (𝑥1 , 𝑥2 , 𝑥3 ) souvent assimilé à (𝑥, 𝑦, 𝑧)
𝐴. 𝑋 𝑇 = 𝑏 (𝐸1.1 )
Année: 2023-2024
2- Définitions et notations :
Exemple 1 :
𝑥 + 𝑦 = 550
𝐷1 Année: 2023-2024
2- Définitions et notations :
Exemple 2 :
𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3 = 𝑏 (𝐸13 )
𝑥 + 𝑦 + 𝑧 = 10
Année: 2023-2024
2- Définitions et notations :
Contre-exemples:
𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑥2 𝑥3 = 𝑏 (𝐸14 ) et 𝑎1 𝑥1 + 𝑎2 𝑥2 = 𝑏 (𝐸15 )
En effet :
Dans le cas d’une équation à n par exemple, l’équation est de la forme :
• Dans (𝐸 ) on a un terme produit de deux variables 𝑥 𝑥
14 2 3
• Dans 𝐸15 on a 𝑥2 et donc la variable n’est plus de puissance 1,
Année: 2023-2024
2- Définitions et notations :
Exercice :
Les équations suivantes sont linéaires, Répondre par VRAI ou FAUX et justifier.
𝑦 = 4𝑥 − 3 𝑧 + 5 3 (6)
4𝑥 − 3𝑦 + 𝑧 = 10𝑥 (1)
Dans le cas d’une (1)
𝑥 + 3𝑦 − 𝑥𝑧 = 0 (2)
équation à n par exemple, l’équation est de la forme :
−𝑥 − 3𝑦 = 5 (3)
4𝑥 − 3𝑦 + 5 = 𝑥 (4)
4𝑥 − 3𝑦 + 5 = 𝑥 (5)
Année: 2023-2024
2- Définitions et notations :
où (𝑎𝑖𝑗 ) et(𝑏𝑗 ) sont des matrices de paramètres constants réels, (𝑎𝑖𝑗 ) et(𝑏𝑗 ) n’étant pas sim
ultanément nuls.
Année: 2023-2024
2- Définitions et notations :
Si on note 𝐴 = (𝑎𝑖𝑗 ), 𝑋 = (𝑥1 , 𝑥2 , … , 𝑥1 , . . . , 𝑥𝑛 ) avec 𝑋 𝑇 comme transposée et B = (𝑏𝑗 ) une matrice colonne
et (S) devient:
𝐴. 𝑋 𝑇 = 𝐵 (1.2)
Année: 2023-2024
2- Définitions et notations :
𝑥 + 𝑦 + 𝑧 = 10 (𝐸21 )
(𝑆2 ): ൞ 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸22 )
20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸23 )
3- Représentations matricielle :
L’écriture matricielle des ces deux SEL selon la formule de l’équation (1,2) donnera :
i = 1; : : : ;m
𝑋 550
• Pour le système (𝑆1 ): 𝐴1 = 1 1 ; 𝑋1 = 𝑌 et 𝑏1 = 6960
16 8
1 11 𝑥 10
• Pour le système (𝑆1 ) : 𝐴2 = 10 5 4 ; 𝑋2 = 𝑦 et 𝑏2 = 67
20 6 2 𝑧 104
On utilise généralement trois opérations fondamentales pour simplifier les systèmes linéaires :
i = 1; : : : ;m
• échanger la place de deux équations, c’est-à-dire permuter deux lignes ;
• multiplier tous les termes d’une équation par une constante non nulle ;
• modifier une équation en lui ajoutant un multiple quelconque d’une autre équation.
TAF: Utiliser ces trois opérations pour simplifier les SEL des exemples 1 et 2 précédants en
passant par les matrices des coefficients et augmentée.
3- Solution d’un SEL :
𝑛,𝑝
p ∈ ℕ ; p ≥ 1 et 𝑛 ∈ ℕ ; n ≥ 1
𝑋 + 𝑌 = 550 (𝐸11 )
(𝑆1 ): ቊ
16𝑋 + 8𝑌 = 6960 (𝐸12 )
𝑆𝑜𝑙 𝑆1 = {(320,230)}
230
320
Année: 2023-2024
3- Solution d’un SEL :
𝑆𝑜𝑙 𝑆1 = 𝑆𝑜𝑙 𝑆2
i = 1; : : : ;m
Année: 2023-2024
3- Solution d’un SEL :
Année: 2023-2024
3- Solution d’un SEL :
• Un système linéaire (𝑆𝑡 ) est dit triangulaire s’il est écrit sous la f
orme :
• Un système linéaire (𝑆𝑡 ) est dit triangulaire s’il est écrit sous la f
orme : 𝑎 𝑥 + 𝑎 𝑥 + ….+ 𝑎 𝑥 + …+ 𝑎 𝑥 = 𝑏
1,1 1 2,1 2 𝑖,1 𝑖 𝑛,1 𝑛 1
𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2
………………………………….
𝑆𝑡 : 𝑎𝑖,𝑗 𝑥𝑖 + … + 𝑎𝑛,𝑗 𝑥𝑛 = 𝑏𝑗
……………….
𝑎𝑛−1,𝑝−1 𝑥𝑛−1 + 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝−1
i = 1; : : : ;m 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝
• Pour résoudre un système triangulaire:
Année: 2023-2024
Solution d’un SEL : Théorème général
Pour tout système linéaire, la solution 3 cas de figure se présentent généralement
lors de la résolution d’un SEL quelconque 𝑆 :
y y y
𝐷1
x x x
𝐷2 𝐷1 𝐷2
𝐷2 𝐷1
• Soit 𝑆 a un ensemble fini de solutio
ns qu’on note Sol 𝑆 . • Soit 𝑆 n’a aucune solution qu’on no • Soit 𝑆 a une infinité de solutions.
• Pour cette illustration, 𝑆 a une seul te Sol 𝑆 = ∅. • Pour cette illustration, 𝑆 a une inifi
e solution qui est l’intersection entre • Pour cette illustration, 𝑆 n’a pas de nité de solutions car 𝐷1 et 𝐷2 sont co
𝐷1 et 𝐷2 . solution car 𝐷1 et 𝐷2 ne se touchent nfondues.
pas.
Solution d’un SEL : Théorème général
Pour tout système linéaire, la solution 3 cas de figure se présentent généralement
lors de la résolution d’un SEL quelconque 𝑆 :
y y y
𝐷1
x x
𝐷2 𝐷1 𝐷2
𝐷2 x
𝐷1
• Si 𝑆 a une, ou plusieurs ou une infinité de solution, le système est dit Compatible sinon, il est di
t incompatible.
• Par exemple les illustrations 1 et 3 représentent les systèmes compatibles tandis que 2 représen
te un système incompatible.
4- Méthodes de resolution des SEL 4-1. Méthode de Cramer
Une telle matrice associée au SEL qui n’admet qu’une seule solution notée Sol
S = 𝑠1 , 𝑠2 , … , 𝑠𝑖 , . . . , 𝑠𝑛 ϵ ℝi𝑛=, 1;
est: : :appelée
;m matrice de cramer.
det(𝐴𝑖 )
𝑠𝑖 = , i = 1,2, … , 𝑛
det(𝐴)
4- Méthodes de resolution des SEL 4-1. Méthode de Cramer
Avantages:
Inconvénients :
i = 1; : : : ;m
𝑥 − 𝑦 + 2𝑧 = 5 (𝐸21 )
4𝑋 − 3𝑌 = 11 (𝐸11 ) (𝑆4 ): ൞ 3𝑥 + 2𝑦 + 4𝑧 = 10 (𝐸22 )
(𝑆3 ): ቊ
2𝑋 + 𝑌 = 3 (𝐸12 ) 2𝑥 − 3𝑦 − 2𝑧 = −10 (𝐸23 )
4- Méthodes de resolution des SEL 4-2. Résolution par substitution
4. Valider la réponse en vérifiant que les valeurs des deux inconnues vérifient l’autre é
quation.
2- Méthodes de resolution des SEL 4-2. Résolution par substitution
Soit A ∈ Mn (IR) une matrice inversible, et b ∈ Rn .On cherche à calculer x ∈ Rn tel que Ax = b
Dans ce qui suit, on ne s’intéressera qu’au cas où m=n (système linéaire carré).
Pour cela il existe deux principales methodes:
Methodes directes
Methodes iteratives
Année: 2023-2024
1- Bibliographie :
• [B01] Mathématiques Numériques Chapitre 2 : Systèmes linéaires et décompositions de matrice (2022) B. Pinçon & J.-F. Scheid
• [B02] Méthode de Cramer pour la résolution d'un système linéaire https://defeo.lu/in310/poly/cramer/
• [B03] A. Quarteroni, R. Sacco and F. Saleri. Méthodes numériques pour le calcul scientifique. Programmes en MATLAB, Sp
ringer, 2000.
• [B04] J. P. Demailly. Analyse Numérique et Equations Différentielles, PUG, 1994. https://webusers.imj-prg.fr/~huayi.chen/E
nseignement/ParisVII/2009_2010/demailly.pdf
• [B05] Représentation d’un nombre en machine, erreurs d’arrondis, https://www.math.univ-paris13.fr/~japhet/Doc/Handou
ts/RoundOffErrors.pdf
2- Webographie :
• [W01] Pr Marc BUFFAT, Cours de Calcul Scientifique. (n.d.). Retrieved September 28, 2023, from https://perso.univ-lyon1.fr/marc.buffat/COURS/
CalculScientique_HTML/courshtml1.html
• [W02] DATA and ERROR ANALYSIS https://lcn.people.uic.edu/classes/che205s17/docs/che205s17_reading_12a.pdf
• [W03] Visualizing Random Measurement Error in R. (n.d.). Steven V. Miller. Retrieved September 28, 2023, from https://svmiller.com/blog/202
0/02/random-measurement-error/
• [W04] Error Analysis. (n.d.). BIOLOGY FOR LIFE. Retrieved September 28, 2023, from https://www.biologyforlife.com/error-analysis.html
• [W05] Mounaim M., Chapitre1 Analyse d’erreurs. (n.d.). Scribd. Retrieved September 28, 2023, from https://fr.scribd.com/document/488546532/Ch
apitre1-Analyse-d-erreurs
• [W06] What are Truncation Errors |BYJUS. Examples (2022). https://byjus.com/maths/truncation-errors
• J. (n.d.). LES ERREURS NUMÉRIQUES. Retrieved September 28, 2023, from https://femto-physique.fr/analyse-nu
[W07] Roussel,
merique/erreurs-numeriques.php
3- Vidéographie
• [V01] Systèmes linéaires, Exo7Math (2013) https://www.youtube.com/playlist?list=PL024XGD7WCIFSxatDf77naZwvNPiPbAe4