Cours Analyse Numerique

Chapitre I- Systèmes Algébriques
Première partie : Systèmes Algébriques linéaires

I. Méthodes directes
I-1 Algorithme de GAUSS (sans permutation de lignes)
Rappel : la méthode de Gauss consiste de rendre la matrice A du système algébrique une matrice
𝑈 triangulaire supérieure en respectant la règle suivante : la ligne 𝐿𝑖 est remplacée par
𝐿𝑖 + 𝜆𝐿𝑗 le coefficient 𝜆 est choisit de telle manière à faire apparaitre des zéros sous la diagonale
principale.
𝑢11 𝑢12 𝑢13 1 0 0
𝑈= ( 0 𝑢22 𝑢23 ) , 𝐿 = (𝑙21 1 0)
0 0 𝑢33 𝑙31 𝑙32 1
Remarque
1 – L’exemple est détaillé pour des systèmes (3x3) ou (4x4)
2- Toute opération effectuée sur la matrice A doit être effectuée sur le second membre B,
Exemple1 : Système (3x3)
On considère les systèmes 𝐴𝑋 = 𝐵 linéaires suivants :
𝑥1 + 2𝑥2 + 3𝑥3 = 7
(𝑆1) {2𝑥1 + 20𝑥2 + 26𝑥3 = 50 ,
3𝑥1 + 26𝑥2 + 70𝑥3 = 102
Exemple 2 : Système (4x4)
1 2 2 4 13
2 0 4 3 28
(𝑆2) ∶ 𝐴 = ( ) ,𝐵 = ( )
4 2 2 1 20
−3 1 3 2 6
1 - Résoudre les systèmes (𝑆1) et (𝑆2) par la méthode de Gauss sans permutation de lignes.
Montrez clairement les opérations effectuées sur les lignes
2 - En déduire que la méthode de Gauss correspond à une décomposition 𝐿𝑈, où les deux
matrices 𝐿 et 𝑈 sont des matrices triangulaires à déterminer.
3 - En déduire le déterminant de A.
Corrigé exemple 1
Pr. R. SEHAQUI Université Hassan II de Casablanca Faculté des Sciences Aïn Chock Page 1
1 2 3 7
𝐴 = (2 20 26) le second membre est 𝐵 = ( 50 )
3 26 70 102
On peut avant de commencer la résolution de l’exercice simplifier la seconde équation en la
divisant par deux, ainsi la matrice A devient :
(0) (0) (0) (0)
𝑎11 𝑎12 𝑎13 𝐿1 1 2 3
(0) (0) (0) (0)
𝐴(0) = (𝑎21 𝑎22 𝑎23 ) (𝐿2 ) = (1 10 13)
(0) (0) (0) (0)
𝐿3 3 26 70
𝑎31 𝑎32 𝑎33
et le second membre est :

(0)
𝑏1 7
𝐵 (0) = (𝑏2(0) ) = 𝐵 (0) = ( 25 )
𝑏
(0) 102
3
Première étape : triangularisation
L’étape de triangularisation consiste après plusieurs opérations sur les lignes (en respectant la
règle suivante de Gauss (𝐿𝑖 ← 𝐿𝑖 + 𝜆𝐿𝑗 ) rendre la matrice 𝐴 triangulaire supérieure.
Première opération: Ligne 1 est la ligne pivot 𝒂𝟏𝟏 ≠ 𝟎
Si un pivot est nul, il faut appliquer l’algorithme de Gauss avec permutation de ligne, qui
n’est pas l’objet de ce paragraphe.
Les pivots sont les coefficients 𝑎𝑖𝑖 de la ligne 𝐿𝑖 . Si le pivot est nul en applique
l’algorithme avec permutation de ligne (voir plus loin). Dans notre cas il s’agit de l’algorithme
de Gauss sans permutation de ligne.
Vu la forme de la matrice A on garde la première ligne. La ligne 2 est remplacée par la ligne 2
– la ligne1 et la ligne 3 est remplacée par la ligne 3 –(3) de la ligne 1. Ainsi on aura le schéma
suivant.
(0)
(1) (0) 𝑎21 (0)
𝐿2 ← 𝐿2 − 1 (0)
(0) 𝐿
(1) (0)
1 2 3 𝑎11 1 𝐿2 ← 𝐿2 − 1 𝐿1 , 𝜆1 = −1
(1 10 13) (0) 𝑠𝑜𝑖𝑒𝑛𝑡 (1) (0) 3 (0)
(1) (0) 𝑎31 (0) 𝐿3 ← 𝐿3 − 1 𝐿1 , 𝜆2 = −3
3 26 70 𝐿3 ← 𝐿3 − (0) 𝐿1
𝑎11
La matrice 𝐴 et le second membre 𝐵 deviennent respectivement :

(0) (0) (0) (0) (0)
𝑎11 𝑎12 𝑎13 𝐿1 𝑏1
(1) (1) (1) (1)
𝐴(1) = ( 0 𝑎22 𝑎23 ) (𝐿2 ) , 𝐵 (1) = (𝑏2 )
(1) (1) (1) (1)
0 𝑎32 𝑎33 𝐿3 𝑏3
(0) (0)
(1) (1) (0) 𝑎21
(0) (1) (0) 𝑎21
(0)
𝑎21 =0 , 𝑎22 = 𝑎22 − (0) 𝑎12 = 8 𝑒𝑡 𝑎23 = 𝑎23 − 𝑎 = 10
(0) 13
𝑎11 𝑎11
𝑎𝑣𝑒𝑐 (0) (0)
(1) (1) (0) 𝑎31 (0) (1) (0) 𝑎31 (0)
𝑎31 = 0, 𝑎32 = 𝑎32 − (0) 𝑎12 = 20 𝑒𝑡 𝑎33 = 𝑎33 − (0) 𝑎13 = 61
𝑎11 𝑎11
(0) (1) (1)
𝑏1 = 7 , 𝑏2 = 18 , 𝑏3 = 81
(0)
1 2 3 𝑏1 7
𝐴(1) = (0 8 10) , 𝐵 (1) = (𝑏2(1) ) = (18)
0 20 61 𝑏
(1) 81
3
(𝟏)
Deuxième opération : Ligne 2 est la ligne pivot 𝒂𝟐𝟐 ≠ 𝟎
(1)
Etant donnée la forme de la matrice 𝑈 on garde les deux premières ligne. La ligne 𝐿3 est
(2)
remplacée par la ligne 𝐿3 . Ainsi on aura le schéma suivant.:
(1)
(2) (1) 𝑎32 (1) (2) (1) 5 (1) 5
𝐿3 ← 𝐿3 − (1)
𝐿2 , 𝐿3 ← 𝐿3 − 𝐿2 , 𝜆3 = −
𝑎22 2 2

(0) (0) (0) (0) (0)
𝑎11 𝑎12 𝑎13 𝐿1 𝑏1
(1) (1) (2) (2)
𝐴(2) = ( 0 𝑎22 𝑎23 ) (𝐿(1)
2
) , 𝐵 (2) = (𝑏2(1) ) , 𝑎32 = 0 𝑒𝑡 𝑎33
(2) (1) (2) (2)
0 0 𝑎33 𝑎23 𝐿3 𝑏3
(1)
(1) 𝑎32 (1)
= 𝑎33 − (1)
𝑎23 = 36
𝑎22
(0) (1) (2)
𝑏1 = 7 , 𝑏2 = 18 , 𝑒𝑡 𝑏3 = 36
La matrice et le second membre deviennent respectivement :
1 2 3 𝑢11 𝑢12 𝑢13 7

(2) 𝑢23 ) , 𝐵 (2) = (18)
𝐴 = 𝑈 = (0 8 10) = ( 0 𝑢22
0 0 36 0 0 𝑢33 36
Seconde étape résolution
Finalement on a rendu la matrice 𝐴 triangulaire supérieure après deux opérations sur les lignes,
en respectant la règle de Gauss. Le système à résoudre est :
1 2 3 𝑥1 7
(0 8 𝑥
10) ( 2 ) = (18)
0 0 36 𝑥3 36
La résolution se fait par une remontée triangulaire (du bas vers le haut). Ainsi on obtient :
(2) (2)
𝑎33 𝑥3 = 𝑏3
(1) (1) (1)
𝑎22 𝑥2 + 𝑎23 𝑥3 = 𝑏2
(0) (0) (1) (0)
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 = 𝑏1
Soient :
36𝑥3 = 36 , 𝑑 ′ 𝑜ù 𝑥3 = 1
8𝑥2 + 10𝑥3 = 18 , 𝑑 ′ 𝑜ù 𝑥2 = 1 2
, 𝑆 = ( 1)
𝑥1 + 2𝑥2 + 3𝑥3 = 7 , 𝑑 ′ 𝑜ù 𝑥1 = 2 1
2 – L’algorithme de Gauss est équivalent à une décomposition de la matrice 𝐴 en produit de

deux matrices triangulaires : inférieure 𝐿 et supérieurs 𝑈 telle que :
𝑢11 𝑢12 𝑢13 1 0 0
𝑈 = (𝑢𝑖𝑗 ) 1≤𝑖≤𝑛 = ( 0 𝑢22 𝑢23 ) et 𝐿 = (𝑙𝑖𝑗 ) 1≤𝑖≤𝑛 = (𝑙21 1 0) , 𝑖𝑐𝑖 𝑛 = 3
1≤𝑗≤𝑛 0 0 𝑢33 1≤𝑗≤𝑛 𝑙31 𝑙32 1
Remarque
– La matrice 𝑈 est celle obtenue à la fin de la triangularisation
- La matrice 𝐿 dans l’algorithme de Gauss est obtenue de la manière suivante :
L’opération élémentaire qui consiste à remplacer la ligne i par la ligne i plus un multiple
de la ligne j (𝑳𝒊 ← 𝑳𝒊 + 𝝀 𝑳𝒋 ) Cela est encore une fois est équivalent à multiplier le
système de départ par une matrice inversible 𝑾 qui vaut 1 sur toute la diagonale et 0
partout ailleurs, sauf 𝒍𝒊𝒋 qui vaut 𝝀.
𝐴(0) = 𝐿𝑈
(1) (0) 1 (0)
𝐿2 ← 𝐿2 − 1 𝐿1 , Cela revient à multiplier la matrice 𝐴 par la matrice 𝑊1 , telle que :
(𝑙21 = 𝝀1 = −1)
1 0 0 1 0 0
𝑊1 = (−1 1 0) , 𝑊1−1 = (1 1 0) , 𝑎𝑝𝑟è𝑠 𝑐𝑒𝑡𝑡𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑜𝑛 𝑎 𝑊1 𝐴
0 0 1 0 0 1
(1) (0) 3 (0)
𝐿3 ← 𝐿3 − 1 𝐿1 , Cela revient à multiplier la matrice 𝑊1 𝐴 par la matrice 𝑊2 , telle que :
(𝑙31 = 𝝀2 = −3)
1 0 0 1 0 0
−1
𝑊2 = ( 0 1 0) , 𝑊2 = (0 1 0) , 𝑎𝑝𝑟è𝑠 𝑐𝑒𝑡𝑡𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑜𝑛 𝑎 𝑊2 𝑊1 𝐴
−3 0 1 3 0 1
(2) (1) 5 (1)
𝐿3 ← 𝐿3 − 𝐿2 , Cela revient à multiplier la matrice 𝑊2 𝑊1 𝐴 par la matrice 𝑊3 , telle
2
5
que : (𝑙32 = 𝝀3 = − 2)
1 0 0 1 0 0
0 1 0 0 1 0
𝑊3 = ( 5 ) , 𝑊3−1 = ( 5 ) , 𝑎𝑝𝑟è𝑠 𝑐𝑒𝑡𝑡𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑜𝑛 𝑎 𝑊3 𝑊2 𝑊1 𝐴
0 − 1 0 1
2 2
A la fin de cette opération on a obtenu la matrice 𝑨 est triangulaire supérieure, on a
𝑊3 𝑊2 𝑊1 𝐴 = 𝑈
Pour retrouver la matrice la matrice 𝑨, on multiplie successivement 𝑼 par :
𝑊3 𝑊2 𝑊1 𝐴 = 𝑈 ⟹ 𝑊3−1 𝑊3 𝑊2 𝑊1 𝐴 = 𝑊3−1 𝑈
Soit :
𝑊2 𝑊1 𝐴 = 𝑊3−1 𝑈
𝑊2 𝑊1 𝐴 = 𝑊3−1 𝑈 ⟹ 𝑊2−1 𝑊2 𝑊1 𝐴 = 𝑊2−1 𝑊3−1 𝑈
Soit :
𝑊1 𝐴 = 𝑊2−1 𝑊3−1 𝑈
Enfin
𝑊1 𝐴 = 𝑊2−1 𝑊3−1 𝑈 ⟹ 𝑊1−1 𝑊1 𝐴 = 𝑊1−1 𝑊2−1 𝑊3−1 𝑈
Soit :
−𝟏 −𝟏 −𝟏
𝑨= 𝑾
⏟ 𝟏 𝑾𝟐 𝑾𝟑 𝑼
=𝑳
On obtient finalement, que l’algorithme de Gauss est équivalent à une décomposition 𝐿𝑈. La
matrice 𝐿 dans le cas d’un système (3x3) est de la forme :
1 0 0
(−𝜆1 1 0)
−𝜆2 −𝜆3 1
Dans le cas de notre exercice on vérifie aisément que :
1 0 0
1 0 0 1 0 0
0 1 0
𝑾−𝟏
⏟
−𝟏 −𝟏
𝟏 𝑾𝟐 𝑾𝟑 = (−1 1 0) (0 1 0) ( 5 )
=𝑳 0 0 1 3 0 1 0 1
2
1 0 0
1 0 0 1 0 0
1 1 0
𝐿 = (𝑙21 1 0) = (−𝜆1 1 0) = (
5 )
𝑙31 𝑙32 1 −𝜆2 −𝜆3 1 3 1
2
𝑢11 𝑢12 𝑢13 1 2 3
𝑈=( 0 𝑢22 𝑢23 ) = (0 8 10)
0 0 𝑢33 0 0 36
On vérifie aisément que :
1 0 0 1 2 3 1 2 3
𝐴 (0)
= 𝐿𝑈 = (1 15 0) (0 8 10) = (1 10 13)
3 2 1 0 0 36 3 26 70
3 – Calcul du déterminant
Etant donné que le déterminant d’une matrice triangulaire est égal au produit des éléments de
la diagonale.
𝒊=𝒏 𝒊=𝒏
𝒅𝒆𝒕(𝑳) = ∏ 𝒍𝒊𝒊 , 𝒅𝒆𝒕(𝑼) = ∏ 𝒖𝒊𝒊

𝒊=𝟏 𝒊=𝟏
Le déterminant de 𝐴 est :
𝒅𝒆𝒕(𝑨) = 𝒅𝒆𝒕(𝑳) 𝒅𝒆𝒕(𝑼)
Ainsi pour le système (S1) le déterminant est :

−𝟏 −𝟏 −𝟏
𝒅𝒆𝒕(𝑨) = 𝒅 𝒆𝒕(𝑾
⏟ 𝟏 )𝒅𝒆𝒕(𝑾𝟐 )𝒅𝒆𝒕(𝑾𝟑 ) 𝒅𝒆𝒕(𝑼)
𝒅𝒆𝒕 (𝑳)
𝒅𝒆𝒕(𝑨) = 𝟏𝒙𝟏𝒙𝟏𝒙𝟏𝒙𝟏𝒙𝟖𝒙𝟑𝟔 = 𝟐𝟖𝟖
Corrigé exemple 2système (S2)
1 2 1 4 13
2 0 4 3 28
𝐴(0) =( ) le second membre est 𝐵 (0) = ( )
4 2 2 1 20
−3 1 3 2 6
(0) (0) (0) (0) (0)
𝑎11 𝑎12 𝑎13 𝑎14 𝐿1
(0) (0) (0) (0) (0) 1 2 1 4
𝑎21 𝑎22 𝑎23 𝑎24 𝐿2 2 0 4 3
𝐴(0) = = ( )
(0)
𝑎31
(0)
𝑎32 𝑎33
(0) (0)
𝑎34
(0)
𝐿3 4 2 2 1
(0) (0) (0) (0) (0) −3 1 3 2
(𝑎41 𝑎42 𝑎43 𝑎44 ) (𝐿4 )
et le second membre est :
(0)
𝑏1
(0)
13
𝑏2 28
𝐵 (0) = = 𝐵 (0) = ( )
𝑏3
(0) 20
(0) 6
(𝑏4 )

On procède de la même manière que dans le cas d’un système (3x3)
Première opération : Ligne 1 est la ligne pivot 𝒂𝟏𝟏 ≠ 𝟎

(0) (0)
(1) (0) 𝑎21
(0) (1) (0) 𝑎21 (0)
(0) (0) (0) (0)
𝐿2 ← 𝐿2 − (0) 𝐿1 , 𝑏2 = 𝑏2 − (0) 𝑏1
𝑎11 𝑎12 𝑎13 𝑎14 𝑎11 𝑎11
(0) (0) (0) (0) (0) (0)
𝑎21 𝑎22 𝑎23 𝑎24 (1) (0) 𝑎31 (0) (1) (0) 𝑎31 (0)
(0) (0) (0) (0)
𝐿3 ← 𝐿3 − (0) 𝐿1 , 𝑏3 = 𝑏3 − (0) 𝑏1
𝑎31 𝑎32 𝑎33 𝑎34 𝑎11 𝑎11
(0) (0) (0) (0) (0) (0)
(𝑎41 𝑎42 𝑎43 𝑎44 ) (1) (0) 𝑎41 (0) (1) (0) 𝑎41 (0)
𝐿4 ← 𝐿4 − (0) 𝐿1 , 𝑏4 = 𝑏4 − (0) 𝑏1
𝑎11 𝑎11
Application
2
(𝑊1 ): 𝐿(1) (0) (0) (1) (1) (1) (1)
1 2 1 4 2 ← 𝐿2 − (1) 𝐿1 , 𝑎21 = 0, 𝑎22 = −4, 𝑎23 = 2, 𝑎24 = −5, 𝜆1 = −2
2 0 4 3 (1) (0) 4 (0) (1) (1) (1) (1)
( ) (𝑊2 ): 𝐿3 ← 𝐿3 − ( ) 𝐿1 , 𝑎31 = 0, 𝑎32 = −6, 𝑎33 = −2, 𝑎34 = −15, 𝜆2 = −4
4 2 2 1 1
−3 1 3 2 (1) (0) −3 (0) (1) (1) (1) (1)
(𝑊3 ): 𝐿4 ← 𝐿4 − ( ) 𝐿1 , 𝑎41 = 0, 𝑎42 = 7, 𝑎43 = 6, 𝑎44 = 14, 𝜆3 = 3
1
(0) (1) (1) (1)

𝑏1 = 13, 𝑏2 = 2 , 𝑏3 = −32 , 𝑏4 = 45

(0) (0) (0) (0) (0)
(0) 𝑎12 𝑎13 𝑎14 𝐿1 𝑏1
𝑎11 (1) (1) (1) (1) (1)
(1) 0 𝑎22 𝑎23 𝑎24 𝐿2 (1) 𝑏2
𝐴 = (1) (1) (1) (1)
,𝐵 = (1)
0 𝑎32 𝑎33 𝑎34 𝐿3 𝑏3
0 (1) (1) (1) (1) (1)
( 𝑎42 𝑎43 𝑎44 ) (𝐿4 ) (𝑏4 )
(0) (0)
𝐿1 𝑏1
1 2 1 4 (1) (1)
13
0 −4 2 −5 𝐿2 𝑏2 2
𝐴(1) =( ) , 𝐵 (1) = =( )
0 −6−2 −15 (1)
𝐿3 𝑏3
(1) −32
0 7 6 14 (1) (1) 45
(𝐿4 ) (𝑏4 )
(𝟏)
Deuxième opération : Ligne 2 est la ligne pivot 𝒂𝟐𝟐 ≠ 𝟎
(0) (1)
Etant donnée la forme de la matrice 𝑈 on garde les deux premières ligne 𝐿1 et 𝐿2 .
(0)
𝐿1 −6 (1) 6 3
1 2 1 4 (2) (1)
𝐿2 (𝑊4 ): 𝐿3 ← 𝐿3 − 𝐿 , 𝜆4 = − = −
(1)
0 −4 2 −5 −4 2 4 2
( )
0 −6−2 −15 (1)
𝐿3 7 7
(𝑊5 ): 𝐿(2) (1) (1)
0 7 6 14 4 ← 𝐿4 − 𝐿2 , 𝜆5 =
(1) −4 4
𝐿
( 4 )
(0) (0)
𝐿1 𝑏1
1 2 1 4 (1) (1)
13
0 −4 2 −5 𝐿2 𝑏2 2
𝐴(2) =( − 15⁄2) , 𝐵 (2) = = ( −35 )
0 0 −5 (2)
𝐿3
(2)
𝑏3
0 0 19⁄2 21⁄4 (2) (2) 97⁄2
(𝐿4 ) (𝑏4 )
(0)
𝐿1
1 2 1 4 (1)
0 −4 2 −5 𝐿2 (3) (2) 19 1 (2) 19
( − 15⁄2) , (𝑊6 ): 𝐿4 ← 𝐿4 − 𝐿 , 𝜆6 =
0 0 −5 (2)
𝐿3 2 (−5) 3 10
0 0 19⁄2 21⁄4 (2)
(𝐿4 )
(0) (0)
𝐿1 𝑏1
1 2 1 4 (1) (1)
13
0 −4 2 −5 𝐿2 𝑏2 2
𝐴(3) =( ) , 𝐵 (3) = =( )
0 0 −5 − 15⁄2 (2)
𝐿3 𝑏3
(2) −35
0 0 0 −9 (3) (3) −18
(𝐿4 ) (𝑏4 )
(0) (0) (0) (0)

(0) 𝑎14 𝐿1 𝑏1
(0)
𝑎11 𝑎12 𝑎13
(1) (1) (1)
(1) (1) 𝑎24 𝐿2 𝑏2
𝐴 (3)
= 0 𝑎22 𝑎23 ,𝐵 (3)
=
(2) (2) (2)
0 (2)
0 𝑎33 𝑎34 𝐿3 𝑏3
0 0 0
(3) (3) (3)
( 𝑎44 ) (𝐿4 ) (𝑏4 )
(0) (1) (2) (3)
𝑏1 = 7 , 𝑏2 = 2 , 𝑏3 = −35, 𝑏4 = −18
La matrice et le second membre deviennent respectivement :
1 2 1 4 𝑢11 𝑢12 𝑢13 𝑢14 13

0 −4 2 −5 0 𝑢22 𝑢23 𝑢24 2
𝐴(3) =𝑈= ( )=( 0 𝑢33
(3)
𝑢34 ) , 𝐵 = (−35)
0 0 −5 − 15⁄2 0
0 0 0 −9 0 0 0 𝑢44 −18
Finalement on a rendu la matrice 𝐴 triangulaire supérieure après deux opérations sur les lignes,
en respectant la règle de Gauss. Le système à résoudre est :
1 2 1 4 𝑥1 13
0 −4 2 −5 𝑥2 2
( ) (𝑥 ) = ( )
0 0 −5 − 15⁄2 3 −35
0 0 0 −9 𝑥4 −18
(3) (3) (2) (2) (2) (1) (1) (1) (1)
𝑎44 𝑥4 = 𝑏4 , 𝑎33 𝑥3 + 𝑎34 𝑥4 = 𝑏3 , 𝑎22 𝑥2 + 𝑎23 𝑥3 + 𝑎24 𝑥4 = 𝑏2
(0) (0) (0) (0) (0)
𝑎11 𝑥1 + 𝑎12 𝑥2 + 𝑎13 𝑥3 + 𝑎14 𝑥4 = 𝑏1
Soient :
−9𝑥4 = −18 , 𝑑 ′ 𝑜ù 𝑥4 = 2
−5𝑥3 − (15⁄2)𝑥4 = −35 , 𝑑 ′ 𝑜ù 𝑥3 = 4
−4𝑥2 + 2𝑥3 − 5𝑥4 = 2 , 𝑑 ′ 𝑜ù 𝑥2 = −1
𝑥1 + 2𝑥2 + 𝑥3 + 5𝑥4 = 13 , 𝑑 ′ 𝑜ù 𝑥1 = 3
3
−1
𝑆=( )
4
2
2 – L’algorithme de Gauss est équivalent à une décomposition de la matrice 𝐴 en produit de
deux matrices triangulaires : inférieure 𝐿 et supérieurs 𝑈 telle que :
𝑢11 𝑢12 𝑢13 𝑢14
0 𝑢22 𝑢23 𝑢24
𝑈 = (𝑢𝑖𝑗 ) 1≤𝑖≤𝑛 = ( 0 𝑢33 𝑢34 ) 𝑒𝑡
1≤𝑗≤𝑛 0
0 0 0 𝑢44
𝑙11 0 0 0
𝑙 𝑙22 0 0
𝐿 = (𝑙𝑖𝑗 ) 1≤𝑖≤𝑛 = ( 21 𝑙32 𝑙33 0 ) , 𝑖𝑐𝑖 𝑛 = 4
1≤𝑗≤𝑛 𝑙31
𝑙41 𝑙42 𝑙43 𝑙44
Remarque
– La matrice 𝑈 est celle obtenue à la fin de la triangularisation
- La matrice 𝐿 dans l’algorithme de Gauss est obtenue de la manière suivante :
les coefficients de la diagonale principale sont égaux à 1 (𝑙𝑖𝑖 = 1). Les coefficients 𝑙𝑖𝑗 , 𝑖 ≠ 𝑗
sont les −𝜆𝑖 .Ainsi pour le système (S2) à la fin de triangularisation :
𝐴(0) = 𝐿𝑈
1 0 0 0 1 0 0 0
−2 1 0 0 −1 2 1 0 0
𝑊1 = ( ) , 𝑊1 = ( )
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊2 = ( ) , 𝑊2−1 = ( )
−4 0 1 0 4 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊3 = ( ) , 𝑊3−1 = ( )
0 0 1 0 0 0 1 0
3 0 0 1 −3 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊4 = ( ) , 𝑊4−1 = ( )
0 −3⁄2 1 0 0 3⁄2 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊5 = ( 0 ) , 𝑊5−1 = ( 0 )
0 1 0 0 1 0
0 7⁄4 0 1 0 −7⁄4 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊6 = ( ) , 𝑊6−1 = ( )
0 0 1 0 0 0 1 0
0 0 19⁄10 1 0 0 −19⁄10 1
𝑳 = 𝑊1−1 𝑊2−1 𝑊3−1 𝑊4−1 𝑊5−1 𝑊6−1
𝑙11 0 0 0 1 0 0 0 1 0 0 0
𝑙21 𝑙22 0 0 −𝜆1 1 0 0 2 1 0 0
𝐿=( 𝑙32 𝑙33 0 ) = (−𝜆2 −𝜆4 1 )=( 3⁄ 2 1 )
𝑙31 0 4 0
𝑙41 𝑙42 𝑙43 𝑙44 −𝜆3 −𝜆5 −𝜆6 1 −3 −(7⁄4) −(19⁄10) 1
𝑢11 𝑢12 𝑢13 𝑢14 1 2 1 4
0 𝑢22 𝑢23 𝑢24 0 −4 2 −5
𝑈=( 0 𝑢33 𝑢34 ) = (0 0 −5 − 15⁄2)
0
0 0 0 𝑢44 0 0 0 −9
On vérifie bien que :
1 2 1 4 1 0 0 0 1 2 1 4
2 0 4 3 2 1 0 0 0 −4 2 −5
𝐴(0) = 𝐿𝑈 = ( )=( 3⁄2 1 )( )
4 2 2 1 4 0 0 0 −5 − 15⁄2
−3 1 3 2 −3 −(7⁄4) −(19⁄10) 1 0 0 0 −9
3 – Calcul du déterminant
Etant donné que le déterminant d’une matrice triangulaire est égal au produit des éléments de
la diagonale.
𝒊=𝒏 𝒊=𝒏
𝒅𝒆𝒕(𝑳) = ∏ 𝒍𝒊𝒊 , 𝒅𝒆𝒕(𝑼) = ∏ 𝒖𝒊𝒊

𝒊=𝟏 𝒊=𝟏
Le déterminant de 𝐴 est :
𝒅𝒆𝒕(𝑨) = 𝒅𝒆𝒕(𝑳) 𝒅𝒆𝒕(𝑼)
Ainsi pour le système (S2) le déterminant est :

𝒅𝒆𝒕(𝑨) = 𝒅𝒆𝒕(𝑳) 𝒅𝒆𝒕(𝑼) = 𝟏𝒙𝟏𝒙𝟏𝒙𝟏𝒙𝟏𝒙(−𝟒)𝒙(−𝟓)𝒙(−𝟗) = −𝟏𝟖𝟎
I-2 Algorithme de GAUSS (avec permutation de lignes)
Rappel : la méthode de Gauss consiste de rendre la matrice A du système algébrique une matrice
𝑈 triangulaire supérieure en respectant la règle suivante : la ligne 𝐿𝑖 est remplacée par
𝐿𝑖 + 𝜆𝐿𝑗 le coefficient 𝜆 est choisit de telle manière à faire apparaitre des zéros sous la diagonale
principale. Si le pivot 𝑙𝑖𝑖 = 0 d’une ligne 𝐿𝑖 est nul on effectue une permutation de la ligne 𝐿𝑖
avec une ligne 𝐿𝑗 dont le pivot 𝑙𝑗𝑗 ≠ 0. A cause de la permutation de ligne cette méthode n’est
pas équivalente à une factorisation 𝑳𝑼
Soit le système :
La matrice augmentée du système est :
On appelle matrice augmentée ; la matrice comprenant la matrice 𝐴 et le second membre

séparés par un trait verticale.
En faisant les opérations indiquées (le pivot 𝑎11 = 1 ≠ 0), on élimine les termes non nuls sous
la diagonale de la première colonne et on obtient :
Ici, la procédure est interrompue par le fait que le nouveau pivot serait nul (𝑎22 = 0) et qu’il
n’est pas possible d’éliminer les termes sous ce pivot. Mais on peut encore, parmi les opérations
élémentaires, interchanger deux lignes. Le seul choix possible dans cet exemple est d’intervertir
la ligne 2 et la ligne 3. On se rend immédiatement compte qu’il n’y a plus que des 0 sous le
nouveau pivot et que l’on peut passer à la nouvelle colonne.
En effectuant cette dernière opération, on obtient le système triangulaire :
La remontée triangulaire (laissée en exercice) donne la solution :
−7
3
𝑥⃗ = ( ) = (−7 3 2 2)𝑇
2
2
Encore ici, la matrice triangulaire est le produit des opérations élémentaires :
𝑈 = 𝑇5 𝑃4 𝑇3 𝑇2 𝑇1 𝐴
Ou encore :
𝐴 = 𝑇1−1 𝑇2−1 𝑇3−1 𝑃4−1 𝑇5−1 𝑈
Qui s’écrit :
On remarque que la première matrice du terme de droite n’est pas triangulaire inférieure. Cela
est dû au fait qu’on a permuté deux lignes.
Le déterminant de cette matrice 𝐴 associée à cet exemple est tout simplement :
𝑑é𝑡 𝐴 = 𝑑é𝑡 𝑇1−1 𝑑é𝑡 𝑇2−1 𝑑é𝑡 𝑇3−1 𝑑é𝑡 𝑃4−1 𝑑é𝑡 𝑇5−1 [𝑑é𝑡 𝑈]
1 0 0 0 1 0 0 0
−2 1 0 0 2 1 0 0
𝑇1 = ( ) , 𝑇1−1 = ( )
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑇2 = ( ) , 𝑇2−1 = ( )
−1 0 1 0 1 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑇3 = ( ) , 𝑇3−1 = ( )
0 0 1 0 0 0 1 0
−1 0 0 1 1 0 0 1
1 0 0 0 1 00 0
0 0 1 0 0 0 1 0
𝑃4 = ( ) , 𝑃4−1 = ( )
0 1 0 0 0 10 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 −1 0 1 0 0
𝑇5 = ( ) , 𝑇5 = ( )
0 0 1 0 0 0 1 0
0 0 2 1 0 0 −2 1
𝑑é𝑡 𝐴 = (1)(1)(1)(−1)(1)[(1)(2)(−1)(2)] = 4
Le déterminant est donc le produit de la diagonale de la matrice triangulaire supérieure à un

signe près puisqu’on a permuté une fois deux lignes et que 𝑑é𝑡 𝑃4−1 = -1.
Soit le système :
𝑥1 + 𝑥2 + 2𝑥3 + 𝑥4 = 2
2𝑥 + 2𝑥2 + 5𝑥3 +3𝑥4 = 4
{𝑥1
1 + 3𝑥2 + 3𝑥3 +3𝑥4 = −2
𝑥1 + 𝑥2 + 4𝑥3 +5𝑥4 = −2
1 1 2 1 2 𝑇 (𝐿 ← 𝐿 − (2⁄1)𝐿 )
1 2 2 1
2 2 5 3 4
( | ) 𝑇2 (𝐿3 ← 𝐿3 − (1⁄1)𝐿1 )
1 3 3 3 −2
1 1 4 5 −2 𝑇3 (𝐿4 ← 𝐿4 − (1⁄1)𝐿1 )
1 1 2 1 2
0 0 1 1 0
( | ) 𝑃 (𝐿 ⟷ 𝐿3 )
0 2 1 2 −4 4 2
0 0 2 4 −4
1 1 2 1 2
0 2 1 2 −4
( | ) 𝑇5 (𝐿4 ← 𝐿4 − (2⁄1)𝐿3 )
0 0 1 1 0
0 0 2 4 −4
1 1 2 1 2
0 2 1 2 −4
( | )
0 0 1 1 0
0 0 0 2 −4
1
−1
𝑥⃗ = ( ) = (1 − 1 2 − 2)𝑇
2
−2
𝑈 = 𝑇5 𝑃4 𝑇3 𝑇2 𝑇1 𝐴
Ou encore :
𝐴 = 𝑇1−1 𝑇2−1 𝑇3−1 𝑃4−1 𝑇5−1 𝑈
Qui s’écrit :
1 1 2 1 1 1 2 1 1 1 2 1
2 2 5 3 2 0 1 0 0 2 1 2
( )= ( )( )
1 3 3 3 1 1 0 0 0 0 1 1
1 1 4 5 1 0 2 1 0 0 0 2
1 0 0 0 1 0 0 0
−2 1 0 0 2 1 0 0
𝑇1 = ( ) , 𝑇1−1 = ( )
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑇2 = ( ) , 𝑇2−1 = ( )
−1 0 1 0 1 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑇3 = ( ) , 𝑇3−1 = ( )
0 0 1 0 0 0 1 0
−1 0 0 1 1 0 0 1
1 0 0 0 1 00 0
0 0 1 0 0 0 1 0
𝑃4 = ( ) , 𝑃4−1 = ( )
0 1 0 0 0 10 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 −1 0 1 0 0
𝑇5 = ( ) , 𝑇5 = ( )
0 0 1 0 0 0 1 0
0 −2 0 1 0 2 0 1
𝑑é𝑡 𝐴 = (1)(1)(1)(−1)(1)[(1)(2)(1)(2)] = −4

I-3 Exercices d’application
I-3-1 Algorithme de GAUSS (sans permutation de lignes)
Exercice 1
Soit la matrice :
1 2 3
(4 5 6)
7 8 9
Identifier les matrices W qui permettent d’effectuer les opérations suivantes :
𝑎) 𝐿2 ← 𝐿2 − 3 𝐿1 𝑏) 𝐿2 ↔ 𝐿3
𝑐) 𝐿2 ← 5𝐿2 𝑑) 𝐿3 ← 𝐿3 + 5 𝐿2
Corrigé exercice 1 :
1 0 0 1 0 0
a) 𝑊 = (−3 1 0) 𝑑𝑒𝑡(𝑊) = 1 b) 𝑊 = (0 0 1) 𝑑𝑒𝑡(𝑊) = −1
0 0 1 0 1 0
1 0 0 1 0 0
c) 𝑊 = (0 5 0) 𝑑𝑒𝑡(𝑊) = 5 d) (0 1 0) 𝑑𝑒𝑡(𝑊) = 1
0 0 1 0 5 1
Exercice 2
Résoudre les systèmes triangulaires suivants :
a)
3 0 0 𝑥1 9
[1 5 0] [𝑥2 ] = [13]
2 4 6 𝑥3 20
b)
1 3 4 𝑥1 0
[0 3 5 ] [𝑥2 ] = [−4]
0 0 −3 𝑥3 6
Calculer le déterminant de ces deux matrices.
Corrigé exercice 2
a) 𝑥⃗ = (3 2 1)𝑇 , 𝑑𝑒𝑡(𝐴) = 90 , b) 𝑥⃗ = (2 2 − 2)𝑇 , 𝑑𝑒𝑡(𝐴) = −9
Exercice 3
En indiquant bien les opérations effectuées sur les lignes, utiliser l’élimination de Gauss
pour triangulariser les systèmes linéaires suivants :
a)
1 2 1 𝑥1 0
b) [ 2 2 3] [𝑥2 ] = [3]
−1 −3 0 𝑥3 2
b)
1 2 1 4 𝑥
13
2 0 4 3 𝑥1
4 2 2 1 [ 2] = 28
c) 𝑥 [ ]
−3 1 3 2 3 20
𝑥 6
[ ] 4
c) Calculer le déterminant de ces deux matrices.
Corrigé exercice 3

1 2 1 𝐿(1) ← 𝐿(0) − 2𝐿(0)
[2 2 3] 2(1) 2
(0)
1
(0)
−1 −3 0 𝐿3 ← 𝐿3 + 𝐿1
La matrice 𝐴 et le second membre deviennent :
1 2 3 0
𝐴(1) = (0 −2 1) , 𝐵 (1) = (3)
0 −1 1 2
(𝟏)
Deuxième opération : Ligne 2 est la ligne pivot 𝒂𝟐𝟐 = −𝟐 ≠ 𝟎
(2) (1) 1 (1)

𝐿3 ← 𝐿3 − 𝐿2
2
𝑢11 𝑢12 𝑢13 0

1 2 3
𝐴(2) = 𝑈 = (0 −2 1) =( 0 𝑢22 𝑢23 ) , 𝐵 (2) = (3)
1
0 −1 1 0 0 𝑢33
2
La solution est :
𝑥⃗ = (1 − 1 1)𝑇 , 𝑑𝑒𝑡(𝐴) = −1
b) Première étape : triangularisation
2 (0)
(𝑊1 ): 𝐿(1) (0)
2 ← 𝐿2 − ( ) 𝐿1
1 2 1 4 1
2 0 4 3 (1) (0) 4 (0)
( )
4 2 2 1 (𝑊2 ): 𝐿3 ← 𝐿3 − (1) 𝐿1
−3 1 3 2 −3 (0)
(𝑊3 ): 𝐿(1) (0)
4 ← 𝐿4 − ( ) 𝐿1
1
(0) (1) (1) (1)
𝑏1 = 13, 𝑏2 = 2 , 𝑏3 = −32 , 𝑏4 = 45
(0) (0)
𝐿1 𝑏1
1 2 1 4 (1) (1)
13
0 −4 2 −5 𝐿2 𝑏2 2
𝐴(1) =( ) , 𝐵 (1) = =( )
0 −6−2 −15 (1)
𝐿3 𝑏3
(1) −32
0 7 6 14 (1) (1) 45
(𝐿4 ) (𝑏4 )
(𝟏)
Deuxième opération : Ligne 2 est la ligne pivot 𝒂𝟐𝟐 = −𝟒 ≠ 𝟎
(0)
𝐿1 −6 (1)
1 2 1 4 (2) (1)
𝐿2 (𝑊4 ): 𝐿3 ← 𝐿3 − 𝐿
(1)
0 −4 2 −5 −4 2
( )
0 −6−2 −15 (1)
𝐿3 7 (1)
(𝑊5 ): 𝐿(2) (1)
0 7 6 14 4 ← 𝐿4 − 𝐿
(1) −4 2
𝐿
( 4 )
(0) (0)
𝐿1 𝑏1
1 2 1 4 (1) (1)
13
0 −4 2 −5 𝐿2 𝑏2 2
𝐴(2) =( − 15⁄2) , 𝐵 (2) = = ( −35 )
0 0 −5 (2)
𝐿3
(2)
𝑏3
0 0 19⁄2 21⁄4 (2) (2) 97⁄2
(𝐿4 ) (𝑏4 )
(𝟐)
Deuxième opération : Ligne 3 est la ligne pivot 𝒂𝟑𝟑 = −𝟓 ≠ 𝟎
(0)
𝐿1
1 2 1 4 (1)
0 −4 2 −5 𝐿2 (3) (2) 19 1 (2)
( − 15⁄2) , (𝑊6 ): 𝐿4 ← 𝐿4 − 𝐿
0 0 −5 (2)
𝐿3 2 (−5) 3
0 0 19⁄2 21⁄4 (2)
(𝐿4 )
(0) (0)
𝐿1 𝑏1
1 2 1 4 (1) (1)
13
0 −4 2 −5 𝐿2 𝑏2 2
𝐴(3) =( ) , 𝐵 (3) = =( )
0 0 −5 − 15⁄2 (2)
𝐿3 𝑏3
(2) −35
0 0 0 −9 (3) (3) −18
(𝐿4 ) (𝑏4 )
Finalement on a rendu la matrice 𝐴 triangulaire supérieure après deux opérations sur les
lignes, en respectant la règle de Gauss. Le système à résoudre est :
1 2 1 4 𝑥1 13
0 −4 2 −5 𝑥2 2
c) ( ) (𝑥 ) = ( )
0 0 −5 − 15⁄2 3 −35
0 0 0 −9 𝑥4 −18
𝑥⃗ = (3 − 1 4 2)𝑇
d) det (A) = -180
Exercice 4
Obtenir les matrices W correspondant aux opérations élémentaires effectues sur les matrices
de l’exercice précédent. Pour les deux exemples montrer que la méthode de l’élimination de
Gauss est équivalente à une décomposition LU.
Corrigé Exercice 4
1 0 0 0 1 0 0 0
−2 1 0 0 −1 2 1 0 0
𝑊1 = ( ) , 𝑊1 = ( )
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊2 = ( ) , 𝑊2−1 = ( )
−4 0 1 0 4 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊3 = ( ) , 𝑊3−1 = ( )
0 0 1 0 0 0 1 0
3 0 0 1 −3 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊4 = ( ) , 𝑊4−1 = ( )
0 −3⁄2 1 0 0 3⁄2 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊5 = ( 0 ) , 𝑊5−1 = ( 0 )
0 1 0 0 1 0
0 7⁄4 0 1 0 −7⁄4 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑊6 = ( ) , 𝑊6−1 = ( )
0 0 1 0 0 0 1 0
0 0 19⁄10 1 0 0 −19⁄10 1
𝑳 = 𝑊1−1 𝑊2−1 𝑊3−1 𝑊4−1 𝑊5−1 𝑊6−1
𝑙11 0 0 0 1 0 0 0 1 0 0 0
𝑙21 𝑙22 0 0 −𝜆1 1 0 0 2 1 0 0
𝐿=( 𝑙32 𝑙33 0 ) = (−𝜆2 −𝜆4 1 )=( 3⁄ 2 1 )
𝑙31 0 4 0
𝑙41 𝑙42 𝑙43 𝑙44 −𝜆3 −𝜆5 −𝜆6 1 −3 −(7⁄4) −(19⁄10) 1
𝑢11 𝑢12 𝑢13 𝑢14 1 2 1 4
0 𝑢22 𝑢23 𝑢24 0 −4 2 −5
𝑈=( 0 𝑢33 𝑢34 ) = (0 0 −5 − 15⁄2)
0
0 0 0 𝑢44 0 0 0 −9
On vérifie bien que :
1 2 1 4 1 0 0 0 1 2 1 4
2 0 4 3 2 1 0 0 0 −4 2 −5
𝐴(0) = 𝐿𝑈 = ( )=( 3⁄2 1 )( )
4 2 2 1 4 0 0 0 −5 − 15⁄2
−3 1 3 2 −3 −(7⁄4) −(19⁄10) 1 0 0 0 −9
I-3-2 Algorithme de GAUSS (avec permutation de lignes)
Exercice 5 : Gauss avec permutation de lignes
a) Résoudre par l’élimination de Gauss, le système linéaire :
1 2 6 𝑥1 23
𝑥
[ 4 8 −1] [ 2 ] = [17]
−2 3 2 𝑥3 10
b) Pourrait-on le résoudre par la décomposition 𝐿𝑈 ?
Corrigé exercice 5
Première étape triangularisation
1 2 6 (1) (0) (0)

(𝑊1 ) 𝐿2 ← 𝐿2 − 4𝐿1
[ 4 8 −1] (0) (0)
(𝑊2 )𝐿31 ← 𝐿3 + 2𝐿1
( )
−2 3 2
1 2 6 23
(1) (1)
𝐴 = (0 0 −25) , 𝐵 = (−75)
0 7 7 56
la ligne 2 et la ligne 3. On se rend immédiatement compte qu’il n’y a plus que
des 0 sous le nouveau pivot et que l’on peut passer à la nouvelle colonne.
1 2 6
(1) (1)
𝐴(1) = (0 0 −25) (𝑃3 )𝐿3 ↔ 𝐿2
0 7 7
1 2 6 23
(2) (1)
𝐴 = (0 7 7 ) , 𝐵 = ( 56 )
0 0 −25 −75
Deuxième étape résolution
La remontée triangulaire donne la solution :

1 2 6 𝑥1 23
[0 7 7 ] 𝑥
[ 2 ] = [ 56 ]
0 0 −25 𝑥3 −75
−25𝑥3 = −75 ⇒ 𝑥3 = 3
7𝑥2 + 7𝑥3 = 56 𝑠𝑜𝑖𝑡 𝑥2 + 𝑥3 = 8 ⇒ 𝑥2 = 5
𝑥1 + 2𝑥2 + 6𝑥3 = 23 ⇒ 𝑥1 = −5
𝑥⃗ = (−5 5 3)𝑇
La matrice triangulaire est le produit des opérations élémentaires :
𝑈 = 𝑃3 𝑊2 𝑊1 𝐴
Ou encore :
𝐴 = 𝑊1−1 𝑊2−1 𝑃3−1 𝑈
Qui s’écrit :
1 2 6 1 0 0 1 2 6
[ 4 8 −1] = [ 4 0 1] [0 7 7 ]
−2 3 2 −2 1 0 0 0 −25
b) La méthode d’élimination de Gauss revient à factoriser la matrice A en un produit de deux

matrices triangulaire L et U seulement dans le cas où aucune permutation de lignes n’est
effectuée, ce qui n’est pas le cas dans cet exercice, puisqu’on on a effectué une
permutation entre la ligne 2 et la ligne 3.
Remarque
1 - Le produit de deux matrices triangulaire L et U est ici égal à P3 A
Ainsi on a :
LU = P3 A
2 – Le déterminant de la matrice permutation P est égal au déterminant de la matrice

permutation inverse égal à -1.
𝑑𝑒𝑡(𝑃) = 𝑑𝑒𝑡(𝑃−1 ) = −1
3- Le déterminant est donc le produit de la diagonale de la matrice triangulaire supérieure à un

𝑑𝑒𝑡(𝐴) = 𝑑𝑒𝑡(𝑊−1 −1 −1
1 )𝑑𝑒𝑡(𝑊2 )𝑑𝑒𝑡(𝑃3 )[𝑑𝑒𝑡(𝑈)] = 1𝑥1𝑥(−1)𝑥[1𝑥7𝑥(−25)] = 175
Exercice 6 : Gauss avec permutation de lignes
Soit le système :
𝑥1 + 2𝑥2 + 3𝑥3 + 4𝑥4 = 10

2𝑥1 + 4𝑥2 + 12𝑥3 +14𝑥4 = −28
{ − − 8𝑥4
−4𝑥1 6𝑥2 − 7𝑥3 = −7
3𝑥1 + 6𝑥2 − 3𝑥3 + 𝑥4 = 127
Première étape triangularisation
1 2 3 4 10 𝑇1 (𝐿2 ← 𝐿2 − (2⁄1)𝐿1 )
2 4 12 14 68
( | ) 𝑇2 (𝐿3 ← 𝐿3 − (− 4⁄1)𝐿1 )
−4 −6 −7 −8 −7
3 6 −3 1 127 𝑇3 (𝐿4 ← 𝐿4 − (3⁄1)𝐿1 )
1 2 3 4 10
0 0 6 6 −48
( | ) 𝑃4 (𝐿2 ⟷ 𝐿3 )
0 2 5 8 33
0 0 −12 −11 97
1 2 3 4 10
0 2 5 8 33
( | ) 𝑇 (𝐿 ← 𝐿4 + (2⁄1)𝐿3 )
0 0 6 6 −48 5 4
0 0 −12 −11 97
1 2 3 4 10
0 2 5 8 33
( | )
0 0 6 6 −48
0 0 0 1 1
Deuxième étape résolution
𝑥⃗ = (−37 35 −9 1)𝑇
𝑈 = 𝑇5 𝑃4 𝑇3 𝑇2 𝑇1 𝐴
Ou encore :
𝐴 = 𝑇1−1 𝑇2−1 𝑇3−1 𝑃4−1 𝑇5−1 𝑈
Qui s’écrit :
1 2 3 4 1 1 2 1 1 2 3 4
2 4 12 14 2 0 1 0 0 2 5 8
( )= ( )( )
−4 −6 −7 −8 −4 1 0 0 0 0 6 6
3 6 −3 1 3 0 −2 1 0 0 0 1
1 0 0 0 1 0 0 0
−2 1 0 0 −1 2 1 0 0
𝑇1 = ( ) , 𝑇1 = ( )
0 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑇2 = ( ) , 𝑇2−1 = ( )
4 0 1 0 −4 0 1 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑇3 = ( ) , 𝑇3−1 = ( )
0 0 1 0 0 0 1 0
−3 0 0 1 3 0 0 1
1 0 0 0 1 0 0 0
0 0 1 0 0 0 1 0
𝑃4 = ( ) , 𝑃4−1 = ( )
0 1 0 0 0 1 0 0
0 0 0 1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
𝑇5 = ( ) , 𝑇5−1 = ( )
0 0 1 0 0 0 1 0
0 2 0 1 0 −2 0 1
𝑑é𝑡 𝐴 = (1)(1)(1)(−1)(1)[(1)(2)(6)(1)] = −12

I-4 Factorisation LU : algorithme de CROUT
I-4-1 Principe de la méthode
Supposons un instant que nous ayons réussi à exprimer la matrice 𝐴 en un produit de deux
matrices triangulaires 𝐿 et 𝑈. Comment cela nous permet-il de résoudre le système 𝐴𝑥⃗ = 𝑏⃗⃗ ? Il
suffit de remarquer que :
𝐴𝑥⃗ = 𝑏⃗⃗ = 𝐿𝑈 𝑥⃗
et de poser 𝑈 𝑥⃗ = 𝑦⃗. La résolution du système linéaire se fait alors en deux étapes :
𝐿𝑦⃗ = 𝑏⃗⃗
𝑈 𝑥⃗ = 𝑦⃗
qui sont deux systèmes triangulaires. On utilise d’abord une descente triangulaire sur la matrice
𝐿 pour obtenir 𝑦⃗ et par la suite une remontée triangulaire sur la matrice 𝑈 pour obtenir la
solution recherchée 𝑥⃗.
Il faut tout de suite souligner que la décomposition 𝐿𝑈 n’est pas unique. On peut en effet
écrire un nombre réel comme le produit de deux autres nombres d’une infinité de façons. Il en
est de même pour les matrices.
Pour illustrer la non-unicité de la décomposition 𝐿𝑈, il suffit de vérifier les égalités suivantes :
2 −1 −1 2 0 0 1 −0.5 −0.5
(0 −4 2 ) = (0 −4 0 ) (0 1 −0.5 )
6 −3 1 6 0 4 0 0 1
2 −1 −1 1 0 0 2 −1 −1
(0 −4 2 ) = (0 1 0 ) (0 −4 2 )
6 −3 1 3 0 1 0 0 4
Remarque
La décomposition 𝐿𝑈 n’étant pas unique, il faut faire au préalable des choix arbitraires. Le
choix le plus populaire consiste à imposer que la matrice 𝑈 ait des 1 sur sa diagonale. C’est la
décomposition de CROUT. Certains logiciels comme Matlab préfèrent mettre des 1 sur la
diagonale de 𝐿. Il en résulte bien sûr une décomposition 𝐿𝑈différente de celle de CROUT, mais
le principe de base est le même.
I- 4-2 Décomposition de CROUT sans permutation de lignes
Pour obtenir cette décomposition (ou factorisation), nous considérons une matrice de
dimension 4 sur 4, le cas général étant similaire. On doit donc déterminer les coefficients 𝑙𝑖𝑗 et
𝑢𝑖𝑗 des matrices 𝐿 et 𝑈 de telle sorte que 𝐴 = 𝐿𝑈. En imposant que la diagonale de 𝑈 soit
composée de 1 (𝑢𝑖𝑖 = 1), on doit avoir :
𝑎11 𝑎12 𝑎13 𝑎14 𝑙11 0 0 0 𝑢11 𝑢12 𝑢13 𝑢14

𝑎21 𝑎22 𝑎23 𝑎24 𝑙21 𝑙22 0 0 0 𝑢22 𝑢23 𝑢24
(𝑎 𝑎32 𝑎33 𝑎34 ) = (𝑙31 𝑙32 𝑙33 0)( 0 0 𝑢33 𝑢34 )
31
𝑎41 𝑎42 𝑎43 𝑎44 𝑙41 𝑙42 𝑙43 𝑙44 0 0 0 𝑢44
Cas particulier : Algorithme de CROUT :
𝑎11 𝑎12 𝑎13 𝑎14 𝑙11 0 0 0 1 𝑢12 𝑢13 𝑢14

𝑎21 𝑎22 𝑎23 𝑎24 𝑙21 𝑙22 0 0 0 1 𝑢23 𝑢24
(𝑎 𝑎32 𝑎33 𝑎34 ) = (𝑙31 𝑙32 𝑙33 0 ) (0 1 𝑢34 )
31 0
𝑎41 𝑎42 𝑎43 𝑎44 𝑙41 𝑙42 𝑙43 𝑙44 0 0 0 1
Il suffit de procéder de façon systématique par identification des coefficients. On remarque

d’abord qu’il y a exactement 16 (𝑛2 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑐𝑎𝑠 𝑔é𝑛é𝑟𝑎𝑙) inconnues à déterminer. On peut
faire le produit des matrices 𝐿 et 𝑈 et se servir des différents coefficients 𝑎𝑖𝑗 on obtient ainsi
les 16 (𝑛2 ) équations nécessaires pour déterminer les coefficients 𝑙𝑖𝑗 et 𝑢𝑖𝑗 .
1. Produit des lignes de L par la première colonne de U.
On obtient immédiatement que :
𝑎11 = 𝑙11 𝑎21 = 𝑙21 𝑎31 = 𝑙31 𝑎41 = 𝑙41
et la première colonne de L est tout simplement la première colonne de A.
2. Produit de la première ligne L par les colonnes de U :
On obtient respectivement :
𝑙11 𝑢12 = 𝑎12 , 𝑙11 𝑢13 = 𝑎13 , 𝑙11 𝑢14 = 𝑎14
d’où l’on tire :

𝑎12 𝑎13 𝑎14
𝑢12 = , 𝑢13 = , 𝑢14 =
𝑙11 𝑙11 𝑙11
On a donc la première ligne de U si 𝑙11 ≠ 0.
3. Produit des lignes de L par la deuxième colonne de U.
Les différents produits donnent :
𝑙21 𝑢12 + 𝑙22 = 𝑎22
𝑙31 𝑢12 + 𝑙32 = 𝑎32
𝑙41 𝑢12 + 𝑙42 = 𝑎42
ou encore :
𝑙22 = 𝑎22 − 𝑙21 𝑢12
𝑙32 = 𝑎32 − 𝑙31 𝑢12
𝑙42 = 𝑎42 − 𝑙41 𝑢12
Et la deuxième colonne de L est connue.
4. Produit de la deuxième ligne de L par les colonnes de U.
On trouve immédiatement :
𝑙21 𝑢13 + 𝑙22 𝑢23 = 𝑎23
𝑙21 𝑢14 + 𝑙22 𝑢24 = 𝑎24
ce qui donne :
𝑎23 − 𝑙21 𝑢13
𝑢23 =
𝑙22
𝑎24 − 𝑙21 𝑢14

𝑢24 =
𝑙22
5. Produit des lignes de L par la troisième colonne de U.
La même suite d’opérations donne :
𝑙31 𝑢13 + 𝑙32 𝑢23 + 𝑙33 = 𝑎33
𝑙41 𝑢13 + 𝑙42 𝑢23 + 𝑙43 = 𝑎43
ce qui permet d’obtenir la troisième colonne de L :
𝑙33 = 𝑎33 − 𝑙31 𝑢13 − 𝑙32 𝑢23
𝑙43 = 𝑎43 − 𝑙41 𝑢13 − 𝑙42 𝑢23
6. Produit de la troisième ligne de L par la quatrième colonne de U.
𝑙31 𝑢14 + 𝑙32 𝑢24 + 𝑙33 𝑢34 = 𝑎34
ce qui permet d’obtenir :
𝑎34 − 𝑙31 𝑢14 − 𝑙32 𝑢24

𝑢34 =
𝑙33
7. Produit de la quatrième ligne de L par la quatrième colonne de U.
On obtient :
𝑙41 𝑢14 + 𝑙42 𝑢24 + 𝑙43 𝑢34 + 𝑙44 = 𝑎44
Le dernier coefficient recherché est donc :
𝑙44 = 𝑎44 − 𝑙41 𝑢14 − 𝑙42 𝑢24 − 𝑙43 𝑢34
De façon générale on a l’algorithme suivant :
Algorithme : Décomposition de CROUT
1. Décomposition LU (sans permutation de lignes)

- Première colonne de L : 𝑙𝑖1 = 𝑎𝑖1 𝑝𝑜𝑢𝑟 𝑖 = 1,2, … , 𝑛
- Première ligne de U :
- Pour 𝒊 = 𝟐, 𝟑, … , 𝒏 − 𝟏 ∶
𝑎1𝑖 (3-1)
𝑢1𝑖 = 𝑝𝑜𝑢𝑟 𝑖 = 2,3, … , 𝑛
𝑙11
- Calcul du pivot :
𝑖−1
𝑙𝑖𝑖 = 𝑎𝑖𝑖 − ∑ 𝑙𝑖𝑘 𝑢𝑘𝑖

𝑘=1 (3-2)
- pour 𝒋 = 𝒊 + 𝟏, 𝒊 + 𝟐, … , 𝒏 :
- Calcul de la 𝒊è𝒎𝒆 colonne de L :

𝑖−1
𝑙𝑗𝑖 = 𝑎𝑗𝑖 − ∑ 𝑙𝑗𝑘 𝑢𝑘𝑖

𝑘=1 (3-3)
- Calcul de la 𝒊è𝒎𝒆 ligne de U :
𝑎𝑖𝑗 − ∑𝑖−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗
𝑢𝑖𝑗 =
𝑙𝑖𝑖
(3-4)
Calcul de 𝒍𝒏𝒏 :
𝑛−1
𝒍𝒏𝒏 = 𝑎𝑛𝑛 − ∑ 𝑙𝑛𝑘 𝑢𝑘𝑛

𝑘=1 (3-5)
2. Descente et remontée triangulaire

- Descente triangulaire pour résoudre 𝑳𝒚 ⃗⃗
⃗⃗ = 𝒃
𝒃𝟏
- 𝒚𝟏 = 𝒍𝟏𝟏
- Pour 𝒊 = 𝟐, 𝟑, 𝟒 … , 𝒏:
𝒃𝒊 − ∑𝒊−𝟏
𝒌=𝟏 𝒍𝒊𝒌 𝒚𝒌
𝒚𝒊 =
𝒍𝒊𝒊
(3-6)
⃗⃗ = 𝒚
- Remontée triangulaire pour résoudre 𝑼𝒙 ⃗⃗ (𝒖𝒊𝒊 = 𝟏)
- 𝒙 𝒏 = 𝒚𝒏
- Pour 𝒊 = 𝒏 − 𝟏, 𝒏 − 𝟐, … , 𝟏 :
𝒏
𝒙𝒊 = 𝒚𝒊 − ∑ 𝒖𝒊𝒌 𝒙𝒌
𝒌=𝒊+𝟏 (3-7)
Remarque 1
L’algorithme précédent ne fonctionne que si les pivots 𝑙𝑖𝑖 sont tous non nuls. Ce n’est pas
toujours le cas et il est possible qu’il faille permuter deux lignes pour éviter cette situation, tout
comme pour l’élimination de Gauss. Le coefficient 𝑙𝑖𝑖 est encore appelé pivot. Nous abordons
un peu plus loin les techniques de recherche du meilleur pivot.
Remarque 2
Une fois utilisés, les coefficients de la matrice A ne servent plus à rien. Ils peuvent dons être
détruit au fur et à mesure que la décomposition progresse. De fait, on peut les remplacer par les
valeurs lij ou uij selon le cas. C’est ce que l’on nomme la notation compacte. La notation
compacte évite de garder inutilement en mémoire des matrices de grande taille.
Définition
La notation compacte de la décomposition LU est la matrice des coefficients :
𝑙11 𝑢12 𝑢13 𝑢14

𝑙 𝑙22 𝑢23 𝑢24
( 21 𝑙32 𝑙33 𝑢34 )
𝑙31
𝑙41 𝑙42 𝑙43 𝑙44
Dans le cas d’une matrice de dimension 4 sur 4. La matrice initiale A est tout simplement
détruite. Les coefficients 1 sur la diagonale de la matrice U ne sont pas indiqués explicitement,
mais doivent tout de même être indiqués. De façon plus rigoureuse, la notation compacte revient
à mettre en mémoire la matrice :
𝐿+𝑈−𝐼
et à détruire la matrice A.
Exemple
Soit le système :
3 −1 2 𝑥1 12
[1 2 3] 𝑥
[ 2 ] = [11]
2 −2 −1 𝑥3 2
Que l’on doit décomposer en produit LU. Pour illustrer la notation compacte on remplace au
fur et à mesure les coefficients 𝑎𝑖𝑗 par les coefficients 𝑙𝑖𝑗 ou 𝑢𝑖𝑗 ; les cases soulignent que
l’élément 𝑎𝑖𝑗 a été détruit.
1. Première colonne de L c’est tout simplement la première colonne de A
2. Première ligne de U
Le pivot de la première ligne est 3. On divise donc la première ligne de A par 3 :
3. Deuxième colonne de L
De la relation (3-3)
𝑙22 = 𝑎22 − 𝑙21 𝑢12
= 2 − (1)(−1⁄3)
= 7⁄3
𝑙32 = 𝑎32 − 𝑙31 𝑢12
= −2 − (2)(−1⁄3)
= −4⁄3
On a maintenant :
4. Deuxième ligne de U
De la relation (3-4) on tire :
𝑎23 − 𝑙21 𝑢13

𝑢23 =
𝑙22
3 − (1) (2⁄3)
=
7⁄
3
= 1
La matrice compacte devient :
5. Calcul de 𝑙33
D’après la relation (3-5)
𝑙33 = 𝑎33 − 𝑙31 𝑢13 − 𝑙32 𝑢23
= −1 − (2)(2⁄3) − (− 4⁄3)(1)
= −1
La matrice compacte est donc :
La matrice de départ A (maintenant détruite) vérifie aisément :
6. Résolution de 𝐿𝑦⃗ = 𝑏⃗⃗
La descente triangulaire donne :
𝑏1
𝑦1 = ⁄𝑙
11
= (12⁄3) = 4
𝑏2 − 𝑙21 𝑦1
𝑦2 =
𝑙22
11 − (1)(4)
= =3
7⁄
3
𝑏3 − 𝑙31 𝑦1 − 𝑙32 𝑦2
𝑦3 =
𝑙33
2 − (2)(4) − (− 4⁄3)(3)
= =2
(−1)
7. Résolution de U𝑥⃗ = 𝑦⃗
𝑥3 = 𝑦3 = 2
𝑥2 = 𝑦2 − 𝑢23 𝑥3
= 3 − (1)(2)
= 1
𝑥1 = 𝑦1 − 𝑢12 𝑥2 − 𝑢13 𝑥3
= 4 − (− 1⁄3)(1) − (2⁄3)(2)
= 3
La solution recherchée est : 𝑥⃗ = (3 1 2)𝑇
I-4-3 Décomposition de LU et permutation de lignes
Comme nous l’avons remarqué l’algorithme de décomposition LU exige que les pivots 𝑙𝑖𝑖 soient
non nuls. Dans le cas contraire il faut essayer de permuter deux lignes . contrairement à la
méthode d’élimination de Gauss, la décomposition LU n’utilise le terme de droit 𝑏⃗⃗ qu’à toute
la fin au moment de la descente triangulaire 𝑦⃗ = 𝑏⃗⃗ . Si l’on permute des lignes, on doit en garder
la trace de façon à effectuer les mêmes opérations sur 𝑏⃗⃗. A cette fin on introduit le vecteur un
⃗⃗ dit de permutation qui contient tout simplement la numérotation des équations.
𝑂
Remarque
Dans décomposition LU, la permutation des lignes s’effectue toujours après le calcul de la
colonne de L. On place en position le pivot le plus grand terme en valeur absolue de cette
colonne (sous le pivot actuel),pour des raisons de précision que nous verrons plus loin.
Illustrons cela par un exemple ;
Exemple
Soit :
0 2 1 1
[1 0 0] ⃗⃗ = [2]
𝑂
3 0 1 3
Au départ le vecteur permutation ⃗⃗
𝑂 indique que la numérotation des équations n’a pas été
modifiée.
1. Première colonne de L
Puisqu’il s’agit de première colonne de A, on a :
Le vecteur permutation n’a pas été modifié, mais on a un pivot nul . On effectue alors
l’opération (𝐿1 ↔ 𝐿3 ). On aurait tout aussi bien pu permuté la ligne 1 et la ligne 2, mais on
choisit immédiatement le plus grand pivot (en valeur absolue). Le vecteur permutation est
alors modifié
Il suffit de diviser cette ligne par le nouveau pivot 3 :
𝑙22 = 𝑎22 − 𝑙21 𝑢12 = 0 − (1)(0) = 0
𝑙32 = 𝑎32 − 𝑙31 𝑢12 = 2 − (0)(0) = 2
On a maintenant :
3 0 1⁄ 3
3 ⃗⃗ = [2]
[1 0 0 ] 𝑂
0 2 1 1
et encore un pivot nul qui oblige d’intervertir les lignes 2 et 3et à modifier le vecteur ⃗⃗
𝑂 en
conséquence (𝐿2 ↔ 𝐿3 ) :
3 0 1⁄ 3
3 ⃗⃗ = [1]
[0 2 1 ] 𝑂
1 0 0 2
4. Calcul de 𝑢23
La relation (3-4) donne :
𝑎23 − 𝑙21 𝑢13 1 − (0) (1⁄3)

𝑢23 = = = 1⁄2
𝑙22 2
5. Calcul de 𝑙33
On calcule enfin :
𝑙33 = 0 − (1)(1⁄3) − (0)(1⁄2) = − 1⁄3
La décomposition LU de la matrice A est donc :
Il faut toutefois remarquer que le produit LU donne :
⃗⃗. On veut maintenant résoudre :

C’est-à-dire que la matrice A permutée suivant le vecteur 𝑂
5
𝐴𝑥⃗ = [ −1]
−2
⃗⃗ , on résout d’abord :
Compte tenu de vecteur 𝑂
−2
𝐿𝑦⃗ = [ 5 ]
−1
A noter l’ordre des valeurs dans le membre de droite. La descente triangulaire (laissée en
2 5 𝑇
exercices) donne 𝑦 ⃗ = [− 1] . Il suffit maintenant d’effectuer la remontée
3 2
triangulaire :
2
−
3
𝑈𝑥⃗ = 5
2
[ 1 ]
Qui nous donne la solution finale : 𝑥⃗ = [− 1 2 1] 𝑇 .
Comme on a permuté deux lignes deux fois, le déterminant a changé de signe deux fois.
Cela nous amène au théorème suivant.
Théorème 1
On peut calculer le déterminant de la matrice A à l’aide de la méthode de la décomposition LU

de Crout de façon suivante :
𝒊=𝒏
𝒅𝒆𝑨 = (−𝟏)𝑵 ∏ 𝒍𝒊𝒊

𝒊=𝟏
Où N est le nombre de fois où on a interverti deux lignes.
Remarque
Nous venons au fait de montrer que toute matrice inversible A peut décomposé sous forme de :
𝑃𝐴 = 𝐿𝑈
où P est une matrice de permutation. Pour obtenir la matrice P, il suffit de réordonner les lignes
⃗⃗. Ainsi dans l’exemple précédent, on
de la matrice identité suivant le vecteur de permutation 𝑂
avait :
1
0 0 1 0 2 1 3 0 0 1 0
3
[1 0 0] [1 0 0] = [0 2 0][
1 0 1
1]
0 1 0 3 0 1 1 0 − 2
3 0 0 1
Nous avons mentionné que la décomposition LUest une méthode directe, c’est-à-dire que l’on
peurt prévoir le nombre exact d’opérations arithmétiques nécessaires pour résoudre le système
d’équations. On a de fait le résultat suivant (Voir Burden et Faires : Numerical Analysis .
Brooks/Cole Pacific Grove, septième édition, 2001, ISBN 0-534-38216-9.
Théorème 2
La décomposition LU pour la résolution d’un système linéaire de dimension n sur n requiert

𝑛3 −𝑛 2𝑛3 −3𝑛2 +𝑛
exactement multiplications/divisions et additions/soustractions à l’étape de
3 6
décomposition en un produit LU. De plus , les remontée et descente triangulaires nécessitent
𝑛2 multiplications/divisions et (𝑛2 − 𝑛 ) additions/soustractions, pour un total de :
𝑛3 +3𝑛2 −𝑛
multiplications/divisions
3
2𝑛3 +3𝑛2 −5𝑛

additions/soustractions
6
Du point de vue informatique, une multiplication (ou une division) est une opération plus
couteuse qu’une simple addition (ou soustraction). C’est donc principalement le nombre de
multiplications/divisions qui est important de plus, on note que si n est grand, le nombre total
𝑛3
de multiplications/divisions est de l’ordre de , en négligeant les puissances de n inférieures à
3
3.
Enfin et cela est très important ,La décomposition de la matrice A en un produit LU coûte
𝑛3
beaucoup plus cher (≅ multiplications/divisions) que les remontée et descente
3
triangulaires(≅ 𝑛2 multiplications/divisions) . Le gros du travail se trouve donc dans la
décomposition elle-même.
I-4 Factorisation LU : algorithme de CROUT
I-4-1 Principe de la méthode
Supposons un instant que nous ayons réussi à exprimer la matrice 𝐴 en un produit de deux
matrices triangulaires 𝐿 et 𝑈. Comment cela nous permet-il de résoudre le système 𝐴𝑥⃗ = 𝑏⃗⃗ ? Il
suffit de remarquer que :
𝐴𝑥⃗ = 𝑏⃗⃗ = 𝐿𝑈 𝑥⃗
et de poser 𝑈 𝑥⃗ = 𝑦⃗. La résolution du système linéaire se fait alors en deux étapes :
𝐿𝑦⃗ = 𝑏⃗⃗
𝑈 𝑥⃗ = 𝑦⃗
qui sont deux systèmes triangulaires. On utilise d’abord une descente triangulaire sur la matrice
𝐿 pour obtenir 𝑦⃗ et par la suite une remontée triangulaire sur la matrice 𝑈 pour obtenir la
solution recherchée 𝑥⃗.
Il faut tout de suite souligner que la décomposition 𝐿𝑈 n’est pas unique. On peut en effet
écrire un nombre réel comme le produit de deux autres nombres d’une infinité de façons. Il en
est de même pour les matrices.
Pour illustrer la non-unicité de la décomposition 𝐿𝑈, il suffit de vérifier les égalités suivantes :
2 −1 −1 2 0 0 1 −0.5 −0.5
(0 −4 2 ) = (0 −4 0 ) (0 1 −0.5 )
6 −3 1 6 0 4 0 0 1
2 −1 −1 1 0 0 2 −1 −1
(0 −4 2 ) = (0 1 0 ) (0 −4 2 )
6 −3 1 3 0 1 0 0 4
Remarque
La décomposition 𝐿𝑈 n’étant pas unique, il faut faire au préalable des choix arbitraires. Le
choix le plus populaire consiste à imposer que la matrice 𝑈 ait des 1 sur sa diagonale. C’est la
décomposition de CROUT. Certains logiciels comme Matlab préfèrent mettre des 1 sur la
diagonale de 𝐿. Il en résulte bien sûr une décomposition 𝐿𝑈différente de celle de CROUT, mais
le principe de base est le même.
I- 4-2 Décomposition de CROUT sans permutation de lignes
Pour obtenir cette décomposition (ou factorisation), nous considérons une matrice de
dimension 4 sur 4, le cas général étant similaire. On doit donc déterminer les coefficients 𝑙𝑖𝑗 et
𝑢𝑖𝑗 des matrices 𝐿 et 𝑈 de telle sorte que 𝐴 = 𝐿𝑈. En imposant que la diagonale de 𝑈 soit
composée de 1 (𝑢𝑖𝑖 = 1), on doit avoir :
𝑎11 𝑎12 𝑎13 𝑎14 𝑙11 0 0 0 𝑢11 𝑢12 𝑢13 𝑢14

𝑎21 𝑎22 𝑎23 𝑎24 𝑙21 𝑙22 0 0 0 𝑢22 𝑢23 𝑢24
(𝑎 𝑎32 𝑎33 𝑎34 ) = (𝑙31 𝑙32 𝑙33 0)( 0 0 𝑢33 𝑢34 )
31
𝑎41 𝑎42 𝑎43 𝑎44 𝑙41 𝑙42 𝑙43 𝑙44 0 0 0 𝑢44
Cas particulier : Algorithme de CROUT :
𝑎11 𝑎12 𝑎13 𝑎14 𝑙11 0 0 0 1 𝑢12 𝑢13 𝑢14

𝑎21 𝑎22 𝑎23 𝑎24 𝑙21 𝑙22 0 0 0 1 𝑢23 𝑢24
(𝑎 𝑎32 𝑎33 𝑎34 ) = (𝑙31 𝑙32 𝑙33 0 ) (0 1 𝑢34 )
31 0
𝑎41 𝑎42 𝑎43 𝑎44 𝑙41 𝑙42 𝑙43 𝑙44 0 0 0 1
Il suffit de procéder de façon systématique par identification des coefficients. On remarque

d’abord qu’il y a exactement 16 (𝑛2 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑐𝑎𝑠 𝑔é𝑛é𝑟𝑎𝑙) inconnues à déterminer. On peut
faire le produit des matrices 𝐿 et 𝑈 et se servir des différents coefficients 𝑎𝑖𝑗 on obtient ainsi
les 16 (𝑛2 ) équations nécessaires pour déterminer les coefficients 𝑙𝑖𝑗 et 𝑢𝑖𝑗 .
8. Produit des lignes de L par la première colonne de U .
On obtient immédiatement que :
𝑎11 = 𝑙11 𝑎21 = 𝑙21 𝑎31 = 𝑙31 𝑎41 = 𝑙41
et la première colonne de L est tout simplement la première colonne de A.
9. Produit de la première ligne L par les colonnes de U :
On obtient respectivement :
𝑙11 𝑢12 = 𝑎12 , 𝑙11 𝑢13 = 𝑎13 , 𝑙11 𝑢14 = 𝑎14
d’où l’on tire :
𝑎12 𝑎13 𝑎14
𝑢12 = , 𝑢13 = , 𝑢14 =
𝑙11 𝑙11 𝑙11
On a donc la première ligne de U si 𝑙11 ≠ 0.
10. Produit des lignes de L par la deuxième colonne de U.
Les différents produits donnent :
𝑙21 𝑢12 + 𝑙22 = 𝑎22
𝑙31 𝑢12 + 𝑙32 = 𝑎32
𝑙41 𝑢12 + 𝑙42 = 𝑎42
ou encore :
𝑙22 = 𝑎22 − 𝑙21 𝑢12
𝑙32 = 𝑎32 − 𝑙31 𝑢12
𝑙42 = 𝑎42 − 𝑙41 𝑢12
Et la deuxième colonne de L est connue.
11. Produit de la deuxième ligne de L par les colonnes de U.
On trouve immédiatement :
𝑙21 𝑢13 + 𝑙22 𝑢23 = 𝑎23
𝑙21 𝑢14 + 𝑙22 𝑢24 = 𝑎24
ce qui donne :
𝑎23 − 𝑙21 𝑢13

𝑢23 =
𝑙22
𝑎24 − 𝑙21 𝑢14

𝑢24 =
𝑙22
12. Produit des lignes de L par la troisième colonne de U.
La même suite d’opérations donne :
𝑙31 𝑢13 + 𝑙32 𝑢23 + 𝑙33 = 𝑎33
𝑙41 𝑢13 + 𝑙42 𝑢23 + 𝑙43 = 𝑎43
ce qui permet d’obtenir la troisième colonne de L :
𝑙33 = 𝑎33 − 𝑙31 𝑢13 − 𝑙32 𝑢23
𝑙43 = 𝑎43 − 𝑙41 𝑢13 − 𝑙42 𝑢23
13. Produit de la troisième ligne de L par la quatrième colonne de U.
𝑙31 𝑢14 + 𝑙32 𝑢24 + 𝑙33 𝑢34 = 𝑎34
ce qui permet d’obtenir :
𝑎34 − 𝑙31 𝑢14 − 𝑙32 𝑢24

𝑢34 =
𝑙33
14. Produit de la quatrième ligne de L par la quatrième colonne de U.
On obtient :
𝑙41 𝑢14 + 𝑙42 𝑢24 + 𝑙43 𝑢34 + 𝑙44 = 𝑎44
Le dernier coefficient recherché est donc :
𝑙44 = 𝑎44 − 𝑙41 𝑢14 − 𝑙42 𝑢24 − 𝑙43 𝑢34
De façon générale on a l’algorithme suivant :
Algorithme : Décomposition de CROUT
3. Décomposition LU (sans permutation de lignes)

- Première colonne de L : 𝑙𝑖1 = 𝑎𝑖1 𝑝𝑜𝑢𝑟 𝑖 = 1,2, … , 𝑛
- Première ligne de U :
- Pour 𝒊 = 𝟐, 𝟑, … , 𝒏 − 𝟏 ∶
𝑎1𝑖 (3-1)
𝑢1𝑖 = 𝑝𝑜𝑢𝑟 𝑖 = 2,3, … , 𝑛
𝑙11
- Calcul du pivot :
𝑖−1
𝑙𝑖𝑖 = 𝑎𝑖𝑖 − ∑ 𝑙𝑖𝑘 𝑢𝑘𝑖

𝑘=1 (3-2)
- pour 𝒋 = 𝒊 + 𝟏, 𝒊 + 𝟐, … , 𝒏 :
- Calcul de la 𝒊è𝒎𝒆 colonne de L :

𝑖−1
𝑙𝑗𝑖 = 𝑎𝑗𝑖 − ∑ 𝑙𝑗𝑘 𝑢𝑘𝑖

𝑘=1 (3-3)
- Calcul de la 𝒊è𝒎𝒆 ligne de U :
𝑎𝑖𝑗 − ∑𝑖−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗
𝑢𝑖𝑗 =
𝑙𝑖𝑖
(3-4)
Calcul de 𝒍𝒏𝒏 :
𝑛−1
𝒍𝒏𝒏 = 𝑎𝑛𝑛 − ∑ 𝑙𝑛𝑘 𝑢𝑘𝑛

𝑘=1 (3-5)
4. Descente et remontée triangulaire

- Descente triangulaire pour résoudre 𝑳𝒚 ⃗⃗
⃗⃗ = 𝒃
𝒃𝟏
- 𝒚𝟏 = 𝒍𝟏𝟏
- Pour 𝒊 = 𝟐, 𝟑, 𝟒 … , 𝒏:
𝒃𝒊 − ∑𝒊−𝟏
𝒌=𝟏 𝒍𝒊𝒌 𝒚𝒌
𝒚𝒊 =
𝒍𝒊𝒊
(3-6)
⃗⃗ = 𝒚
- Remontée triangulaire pour résoudre 𝑼𝒙 ⃗⃗ (𝒖𝒊𝒊 = 𝟏)
- 𝒙 𝒏 = 𝒚𝒏
- Pour 𝒊 = 𝒏 − 𝟏, 𝒏 − 𝟐, … , 𝟏 :
𝒏
𝒙𝒊 = 𝒚𝒊 − ∑ 𝒖𝒊𝒌 𝒙𝒌
𝒌=𝒊+𝟏 (3-7)
Remarque 1
L’algorithme précédent ne fonctionne que si les pivots 𝑙𝑖𝑖 sont tous non nuls. Ce n’est pas
toujours le cas et il est possible qu’il faille permuter deux lignes pour éviter cette situation, tout
comme pour l’élimination de Gauss. Le coefficient 𝑙𝑖𝑖 est encore appelé pivot. Nous abordons
un peu plus loin les techniques de recherche du meilleur pivot.
Remarque 2
Une fois utilisés, les coefficients de la matrice A ne servent plus à rien. Ils peuvent dons être
détruit au fur et à mesure que la décomposition progresse. De fait, on peut les remplacer par les
valeurs lij ou uij selon le cas. C’est ce que l’on nomme la notation compacte. La notation
compacte évite de garder inutilement en mémoire des matrices de grande taille.
Définition
La notation compacte de la décomposition LU est la matrice des coefficients :
𝑙11 𝑢12 𝑢13 𝑢14

𝑙 𝑙22 𝑢23 𝑢24
( 21 𝑙32 𝑙33 𝑢34 )
𝑙31
𝑙41 𝑙42 𝑙43 𝑙44
Dans le cas d’une matrice de dimension 4 sur 4. La matrice initiale A est tout simplement
détruite. Les coefficients 1 sur la diagonale de la matrice U ne sont pas indiqués explicitement,
mais doivent tout de même être indiqués. De façon plus rigoureuse, la notation compacte revient
à mettre en mémoire la matrice :
𝐿+𝑈−𝐼
et à détruire la matrice A.
Exemple
Soit le système :
3 −1 2 𝑥1 12
[1 2 3] 𝑥
[ 2 ] = [11]
2 −2 −1 𝑥3 2
Que l’on doit décomposer en produit LU. Pour illustrer la notation compacte on remplace au
fur et à mesure les coefficients 𝑎𝑖𝑗 par les coefficients 𝑙𝑖𝑗 ou 𝑢𝑖𝑗 ; les cases soulignent que
l’élément 𝑎𝑖𝑗 a été détruit.
8. Première colonne de L c’est tout simplement la première colonne de A
Le pivot de la première ligne est 3. On divise donc la première ligne de A par 3 :
𝑙22 = 𝑎22 − 𝑙21 𝑢12
= 2 − (1)(−1⁄3)
= 7⁄3
𝑙32 = 𝑎32 − 𝑙31 𝑢12
= −2 − (2)(−1⁄3)
= −4⁄3
On a maintenant :
11. Deuxième ligne de U
De la relation (3-4) on tire :
𝑎23 − 𝑙21 𝑢13

𝑢23 =
𝑙22
3 − (1) (2⁄3)
=
7⁄
3
= 1
La matrice compacte devient :
12. Calcul de 𝑙33
D’après la relation (3-5)
𝑙33 = 𝑎33 − 𝑙31 𝑢13 − 𝑙32 𝑢23
= −1 − (2)(2⁄3) − (− 4⁄3)(1)
= −1
La matrice compacte est donc :

La matrice de départ A (maintenant détruite) vérifie aisément :
13. Résolution de 𝐿𝑦⃗ = 𝑏⃗⃗
La descente triangulaire donne :
𝑏1
𝑦1 = ⁄𝑙
11
= (12⁄3) = 4
𝑏2 − 𝑙21 𝑦1
𝑦2 =
𝑙22
11 − (1)(4)
= =3
7⁄
3
𝑏3 − 𝑙31 𝑦1 − 𝑙32 𝑦2
𝑦3 =
𝑙33
2 − (2)(4) − (− 4⁄3)(3)
= =2
(−1)
14. Résolution de U𝑥⃗ = 𝑦⃗
𝑥3 = 𝑦3 = 2
𝑥2 = 𝑦2 − 𝑢23 𝑥3
= 3 − (1)(2)
= 1
𝑥1 = 𝑦1 − 𝑢12 𝑥2 − 𝑢13 𝑥3
= 4 − (− 1⁄3)(1) − (2⁄3)(2)
= 3
La solution recherchée est : 𝑥⃗ = (3 1 2)𝑇
I-4-3 Décomposition de LU et permutation de lignes
Comme nous l’avons remarqué l’algorithme de décomposition LU exige que les pivots 𝑙𝑖𝑖 soient
non nuls. Dans le cas contraire il faut essayer de permuter deux lignes . contrairement à la
méthode d’élimination de Gauss, la décomposition LU n’utilise le terme de droit 𝑏⃗⃗ qu’à toute
la fin au moment de la descente triangulaire 𝑦⃗ = 𝑏⃗⃗ . Si l’on permute des lignes, on doit en garder
la trace de façon à effectuer les mêmes opérations sur 𝑏⃗⃗. A cette fin on introduit le vecteur un
⃗⃗ dit de permutation qui contient tout simplement la numérotation des équations.
𝑂
Remarque
Dans décomposition LU, la permutation des lignes s’effectue toujours après le calcul de la
colonne de L. On place en position le pivot le plus grand terme en valeur absolue de cette
colonne (sous le pivot actuel),pour des raisons de précision que nous verrons plus loin.
Illustrons cela par un exemple ;
Exemple
Soit :
0 2 1 1
[1 0 0] ⃗⃗ = [2]
𝑂
3 0 1 3
Au départ le vecteur permutation ⃗⃗
𝑂 indique que la numérotation des équations n’a pas été
modifiée.
6. Première colonne de L
Puisqu’il s’agit de première colonne de A, on a :
Le vecteur permutation n’a pas été modifié, mais on a un pivot nul . On effectue alors
l’opération (𝐿1 ↔ 𝐿3 ). On aurait tout aussi bien pu permuté la ligne 1 et la ligne 2, mais on
choisit immédiatement le plus grand pivot (en valeur absolue). Le vecteur permutation est
alors modifié
Il suffit de diviser cette ligne par le nouveau pivot 3 :
𝑙22 = 𝑎22 − 𝑙21 𝑢12 = 0 − (1)(0) = 0
𝑙32 = 𝑎32 − 𝑙31 𝑢12 = 2 − (0)(0) = 2
On a maintenant :
3 0 1⁄ 3
3 ⃗⃗ = [2]
[1 0 0 ] 𝑂
0 2 1 1
et encore un pivot nul qui oblige d’intervertir les lignes 2 et 3et à modifier le vecteur ⃗⃗
𝑂 en
conséquence (𝐿2 ↔ 𝐿3 ) :
3 0 1⁄ 3
3 ⃗⃗
[0 2 1 ] 𝑂 = [1]
1 0 0 2
9. Calcul de 𝑢23
La relation (3-4) donne :
𝑎23 − 𝑙21 𝑢13 1 − (0) (1⁄3)

𝑢23 = = = 1⁄2
𝑙22 2
10. Calcul de 𝑙33
On calcule enfin :
𝑙33 = 0 − (1)(1⁄3) − (0)(1⁄2) = − 1⁄3
La décomposition LU de la matrice A est donc :
Il faut toutefois remarquer que le produit LU donne :
⃗⃗. On veut maintenant résoudre :

C’est-à-dire que la matrice A permutée suivant le vecteur 𝑂
5
𝐴𝑥⃗ = [ −1]
−2
⃗⃗ , on résout d’abord :
Compte tenu de vecteur 𝑂
−2
𝐿𝑦⃗ = [ 5 ]
−1
A noter l’ordre des valeurs dans le membre de droite. La descente triangulaire (laissée en
2 5 𝑇
exercices) donne 𝑦 ⃗ = [− 1] . Il suffit maintenant d’effectuer la remontée
3 2
triangulaire :
2
−
3
𝑈𝑥⃗ = 5
2
[ 1 ]
Qui nous donne la solution finale : 𝑥⃗ = [− 1 2 1] 𝑇 .
Comme on a permuté deux lignes deux fois, le déterminant a changé de signe deux fois.
Cela nous amène au théorème suivant.
Théorème 1
On peut calculer le déterminant de la matrice A à l’aide de la méthode de la décomposition LU

de Crout de façon suivante :
𝒊=𝒏
𝒅𝒆𝑨 = (−𝟏)𝑵 ∏ 𝒍𝒊𝒊

𝒊=𝟏
Où N est le nombre de fois où on a interverti deux lignes.
Remarque
Nous venons au fait de montrer que toute matrice inversible A peut décomposé sous forme de :
𝑃𝐴 = 𝐿𝑈
où P est une matrice de permutation. Pour obtenir la matrice P, il suffit de réordonner les lignes
⃗⃗. Ainsi dans l’exemple précédent, on
de la matrice identité suivant le vecteur de permutation 𝑂
avait :
1
0 0 1 0 2 1 3 0 0 1 0
3
[1 0 0] [1 0 0] = [0 2 0][
1 0 1
1]
0 1 0 3 0 1 1 0 − 2
3 0 0 1
Nous avons mentionné que la décomposition LUest une méthode directe, c’est-à-dire que l’on
peurt prévoir le nombre exact d’opérations arithmétiques nécessaires pour résoudre le système
d’équations. On a de fait le résultat suivant (Voir Burden et Faires : Numerical Analysis .
Brooks/Cole Pacific Grove, septième édition, 2001, ISBN 0-534-38216-9.
Théorème 2
La décomposition LU pour la résolution d’un système linéaire de dimension n sur n requiert

𝑛3 −𝑛 2𝑛3 −3𝑛2 +𝑛
exactement multiplications/divisions et additions/soustractions à l’étape de
3 6
décomposition en un produit LU. De plus , les remontée et descente triangulaires nécessitent
𝑛2 multiplications/divisions et (𝑛2 − 𝑛 ) additions/soustractions, pour un total de :
𝑛3 +3𝑛2 −𝑛
multiplications/divisions
3
2𝑛3 +3𝑛2 −5𝑛

additions/soustractions
6
Du point de vue informatique, une multiplication (ou une division) est une opération plus
couteuse qu’une simple addition (ou soustraction). C’est donc principalement le nombre de
multiplications/divisions qui est important de plus, on note que si n est grand, le nombre total
𝑛3
de multiplications/divisions est de l’ordre de , en négligeant les puissances de n inférieures à
3
3.
Enfin et cela est très important ,La décomposition de la matrice A en un produit LU coûte
𝑛3
beaucoup plus cher (≅ multiplications/divisions) que les remontée et descente
3
triangulaires(≅ 𝑛2 multiplications/divisions) . Le gros du travail se trouve donc dans la
décomposition elle-même.
II Méthodes Itératives
II-1 METHODE DE JACOBI
II-2 METHODE DE GAUSS SEIDEL
Deuxième partie : Systèmes Algébriques Non linéaires
1- Position du problème
Les phénomènes non linéaires sont extrêmement courant en pratique ils sont sans doute plus
fréquent que les phénomènes linéaires. Dans cette section nous examinons les systèmes non
linéaires et nous montrons comment les résoudre à l’aide d’une suite de problèmes linéaires,
auxquels on peut appliquer diverses techniques de résolution comme la décomposition LU.
Le problème consiste à trouver le ou les vecteurs 𝑥⃗ = (𝑥1 , 𝑥2 , 𝑥3 … , 𝑥𝑛 )𝑇
Vérifiant les n équations non linéaires suivantes :
𝑓1 (𝑥1 , 𝑥2 , 𝑥3 … , 𝑥𝑛 ) = 0
𝑓2 (𝑥1 , 𝑥2 , 𝑥3 … , 𝑥𝑛 ) = 0
𝑓3 (𝑥1 , 𝑥2 , 𝑥3 … , 𝑥𝑛 ) = 0
.
.
.
{𝑓𝑛 (𝑥1 , 𝑥2 , 𝑥3 … , 𝑥𝑛 ) = 0
Où les fi sont des fonctions de n variables que nous supposons différentiables. Les méthodes de
résolution des systèmes non linéaires sont nombreuses, notamment, (méthode de la bissection,
méthode des points fixes, méthode de la sécante, méthode de Newton,,,). Pour éviter de
surcharger notre exposé, nous ne présentons que la méthode la plus utilisée en pratique, soit la
méthode de NEWTON.
Exemples
Exemple 1
𝑒 𝑥1 − 𝑥2 =0
(𝑆1 ) { 2 2
𝑥1 + 𝑥2 − 16 = 0
Exemple 2
𝑥12 − 10𝑥1 + 𝑥22 + 8 =0

(𝑆2 ) { 2
𝑥1 𝑥2 + 𝑥1 − 10𝑥2 + 8 = 0
Exemple 3
3𝑥1 − 𝑐𝑜𝑠(𝑥2 𝑥1 ) − 1⁄2 =0

(𝑆3 ) 𝑥12 − 81(𝑥2 + 0.1)2 + 𝑠𝑖𝑛(𝑥3 ) + 1.06 = 0
−𝑥 𝑥 (10 𝜋 − 3)⁄
{ 𝑒 1 2 + 20 𝑥3 + 3 =0
2- Méthode de NEWTON
Algorithme de la méthode dans le cas n = 2. L’application de cette méthode à un système de

deux équations non linéaires est largement suffisante pour illustrer le cas général, Il serait
également bon de réviser le développement de la méthode de Newton pour une équation non
Linéaire, puisque le raisonnement est le même pour les systèmes.
Considérons donc le système :
𝑓1 (𝑥1 , 𝑥2 ) = 0
𝑓2 (𝑥1 , 𝑥2 ) = 0
Soit (𝑥10 , 𝑥20 ), une approximation initiale de la solution de ce système. Cette approximation
initiale est cruciale et doit toujours être choisie avec soin. Le but de ce qui suit est de déterminer
la correction (𝛿𝑥1 , 𝛿𝑥2 ) à (𝑥10 , 𝑥20 )de telle sorte que :
𝑓1 (𝑥1 + 𝛿𝑥1 , 𝑥2 + 𝛿𝑥2 ) = 0

𝑓2 (𝑥1 + 𝛿𝑥1 , 𝑥2 + 𝛿𝑥2 ) = 0
Pour déterminer 𝛿𝑥1 et 𝛿𝑥2 il suffit de faire un développement de Taylor pour une fonction de
deux variables pour chacune des deux fonctions :
𝜕𝑓1 0 0 𝜕𝑓1 0 0
𝑓1 (𝑥10 , 𝑥20 ) + (𝑥1 , 𝑥2 )𝛿𝑥1 + (𝑥 , 𝑥 )𝛿𝑥2 + ⋯ = 0
𝜕𝑥1 𝜕𝑥2 1 2
𝜕𝑓2 0 0 𝜕𝑓2 0 0
𝑓2 (𝑥10 , 𝑥20 ) + (𝑥1 , 𝑥2 )𝛿𝑥1 + (𝑥 , 𝑥 )𝛿𝑥2 + ⋯ = 0
𝜕𝑥1 𝜕𝑥2 1 2
Si on a négligé les termes d’ordre supérieur on peut écrire :
𝜕𝑓1 0 0 𝜕𝑓1 0 0
(𝑥1 , 𝑥2 )𝛿𝑥1 + (𝑥 , 𝑥 )𝛿𝑥2 = −𝑓1 (𝑥10 , 𝑥20 )
𝜕𝑥1 𝜕𝑥2 1 2
𝜕𝑓2 0 0 𝜕𝑓2 0 0
(𝑥1 , 𝑥2 )𝛿𝑥1 + (𝑥1 , 𝑥2 )𝛿𝑥2 = −𝑓2 (𝑥10 , 𝑥20 )
𝜕𝑥1 𝜕𝑥2
Où sous forme matricielle :
𝜕𝑓1 0 0 𝜕𝑓1 0 0
(𝑥 , 𝑥 ) (𝑥 , 𝑥 )
𝜕𝑥1 1 2 𝜕𝑥2 1 2 𝛿𝑥 𝑓 (𝑥 0 , 𝑥 0 )
[ 1 ] = − [ 1 10 20 ]
𝜕𝑓2 0 0 𝜕𝑓2 0 0 𝛿𝑥2 𝑓2 (𝑥1 , 𝑥2 )
(𝑥 , 𝑥 ) (𝑥1 , 𝑥2 )
[𝜕𝑥1 1 2 𝜕𝑥2 ]
𝐽(𝑥10 , 𝑥20 )𝛿𝑥⃗ = −𝑅⃗⃗ (𝑥10 , 𝑥20 )
Où 𝐽(𝑥10 , 𝑥20 ) désigne la matrice des dérivées partielles où matrice Jacobienne au point
(𝑥10 , 𝑥20 ), où 𝛿𝑥⃗ le vecteur correction relative à chaque variable et où − 𝑅⃗⃗ (𝑥10 , 𝑥20 ) est le
vecteur résidu évalué en (𝑥10 , 𝑥20 ). Le déterminant de la matrice jacobienne est appelé le
Jacobien. Le jacobien doit bien entendu être différent de zéro pour que la matrice jacobienne
soit inversible. On pose ensuite :
𝑥11 = 𝑥10 + 𝛿𝑥1
𝑥21 = 𝑥20 + 𝛿𝑥2
qui est la nouvelle approximation de la solution du système non linéaire. On cherchera par la
suite à corriger (𝑥11 , 𝑥21 ) d’une nouvelle (𝛿𝑥⃗), et ce jusqu’à la convergence. De manière plus
générale on pose :
𝜕𝑓1 𝑖 𝜕𝑓1 𝑖 𝜕𝑓1 𝑖

(𝑥⃗ ) (𝑥⃗ ) ⋯ (𝑥⃗ )
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝜕𝑓2 𝑖 𝜕𝑓2 𝑖 𝜕𝑓2 𝑖
𝐽 ((𝑥⃗ 𝑖 )) = (𝑥⃗ ) (𝑥⃗ ) … (𝑥⃗ )
𝜕𝑥1 𝜕𝑥2 𝜕𝑥𝑛
𝜕𝑓𝑛 𝑖 𝜕𝑓𝑛 𝑖
(𝑥⃗ ) ⋯ (𝑥⃗ )
[𝜕𝑥1 𝜕𝑥𝑛 ]
C’est-à-dire la matrice Jacobienne évaluée au point 𝑥⃗ 𝑖 = (𝑥1𝑖 , 𝑥2𝑖 , 𝑥3𝑖 , … 𝑥𝑛𝑖 )
De plus on pose :
𝑓1 (𝑥⃗ 𝑖 ) 𝛿𝑥1
𝑖
𝑓2 (𝑥⃗ ) 𝛿𝑥2
⃗𝑖) 𝛿𝑥3
𝑅⃗⃗ (𝑥⃗ 𝑖 ) = 𝑓3 (𝑥 , ⃗⃗⃗⃗⃗
𝛿𝑥 = ..
..
. .
[𝛿𝑥𝑛 ]
[𝑓𝑛 (𝑥⃗ 𝑖 )]
Pour en arriver à l’algorithme général suivant :
3- Algorithme général de NEWTON
1 – Etant donné, un critère d’arrêt,
2 - Etant donné N, nombre maximal d’itérations.
3 - Etant donné 𝑥⃗ 0 = (𝑥10 , 𝑥20 , 𝑥30 , … 𝑥𝑛0 ) approximation initiale de la solution du système.
4 – Résoudre le système linéaire :
⃗⃗⃗⃗⃗ = − 𝑅⃗⃗ (𝑥⃗ 𝑖 )

𝐽(𝑥⃗ 𝑖 )𝛿𝑥
𝑥⃗ 𝑖+1 = 𝑥⃗ 𝑖 + ⃗⃗⃗⃗⃗
𝛿𝑥
⃗⃗⃗⃗⃗⃗‖
‖𝛿𝑥
5 – Si ‖𝑥⃗ 𝑖+1 ‖ ≤ 𝜀 𝑒𝑡 ‖𝑅⃗⃗ (𝑥⃗ 𝑖+1 )‖ ≤ 𝜀 : alors
➢ Convergence est atteinte

➢ Ecrire 𝑥⃗ 𝑖+1 = 𝑥⃗ 𝑖 + ⃗⃗⃗⃗⃗
𝛿𝑥
➢ Arrêt
6 – si le nombre maximal d’itérations N est atteint
➢ Convergence non atteinte en N itérations

➢ Arrêt
7 – Retour à l’étape 4
Exemple d’application
On cherche à trouver l’intersection de la courbe 𝑥2 = 𝑒 𝑥1 et du cercle de rayon 4 centré à

l’origine d’équation :x12 + x22 = 16. L’intersection de ces courbes est une solution de :
𝑒 𝑥1 − 𝑥2 =0
(𝑆1 ) { 2 2
𝑥1 + 𝑥2 − 16 = 0
Figure : Intersection des deux courbes

La première étape consiste à calculer la matrice Jacobienne de dimension 2
𝜕𝑓1 𝜕𝑓1
𝜕𝑥1 𝜕𝑥2 𝑒 𝑥1 −1
𝐽= = [ ]
𝜕𝑓2 𝜕𝑓2 2𝑥1 2𝑥2
[𝜕𝑥1 𝜕𝑥2 ]
Un graphique de ces deux courbes montre qu’il y a deux solutions à ce problème non linéaire
(voir Figure), La première solution se trouve près du point (0,-4) et la deuxième près du point
(2.8,2.8). Prenons le point (𝑥10 , = 2.8 𝑥20 = 2.8)comme approximation initiale de la solution
de ce système non linéaire, c’est-à-dire 𝑥⃗ 0 = (𝑥10 , 𝑥20 ) = (2.8, 2.8) Ainsi l’équation
⃗⃗⃗⃗⃗ = − 𝑅⃗⃗ (𝑥⃗ 𝑖 ) pour i = 0 donne :
𝜕𝑓1 (𝑥10 , 𝑥20 ) 𝜕𝑓1 (𝑥10 , 𝑥20 )

𝜕𝑥1 𝜕𝑥2 𝛿𝑥1 𝑓1 (𝑥10 , 𝑥20 )
[ ] = − [ ]
𝜕𝑓2 (𝑥10 , 𝑥20 ) 𝜕𝑓2 (𝑥10 , 𝑥20 ) 𝛿𝑥2 𝑓2 (𝑥10 , 𝑥20 )
[ 𝜕𝑥1 𝜕𝑥2 ]
Ainsi l’équation
⃗⃗⃗⃗⃗ = − 𝑅⃗⃗ (𝑥⃗ 𝑖 )

𝜕𝑓1 (𝑥10 , 𝑥20 ) 𝜕𝑓1 (𝑥10 , 𝑥20 )

𝜕𝑥1 𝜕𝑥2 𝛿𝑥1 𝑓1 (𝑥10 , 𝑥20 )
[ ] = − [ ]
𝜕𝑓2 (𝑥10 , 𝑥20 ) 𝜕𝑓2 (𝑥10 , 𝑥20 ) 𝛿𝑥2 𝑓2 (𝑥10 , 𝑥20 )
[ 𝜕𝑥1 𝜕𝑥2 ]
1 - Itération 1
Le système à résoudre est : Devient dans le cas de notre exemple
𝑒 2.8 −1 𝛿𝑥 𝑒 2.8 − 2.8

[ ] [ 1] = − [ ]
2(2.8) 2(2.8) 𝛿𝑥2 (2.8) + (2.8)2 − 16
2
C’est-à-dire, on doit résoudre à partir de (𝑥10 , 𝑥20 )𝑇 = (2.8, 2.8)𝑇
16.445 −1 𝛿𝑥1 13.645

[ ][ ]= −[ ]
5.6 5.6 𝛿𝑥2 −0.3200
La résolution de ce système algébrique par une des méthodes de résolution des systèmes
algébriques (Gauss, Factorisation LU, Jacobi, Gauss Seidel ou autre, permet d’obtenir le vecteur
⃗⃗⃗⃗⃗
𝛿𝑥 à l’itération 1 :
⃗⃗⃗⃗⃗
𝛿𝑥 = [−0.77890, 0.83604]𝑇 = [𝛿𝑥1 , 𝛿𝑥2 ]
La nouvelle approximation de la solution à l’itération 1 est :
𝑥11 = 𝑥10 + 𝛿𝑥1 = 2.8 − 0.77890 = 2.0211
𝑥21 = 𝑥20 + 𝛿𝑥2 = 2.8 + 0.83604 = 3.63604
2 - Itération 2
On effectue une deuxième itération à partir de (𝑥11 , 𝑥21 ). Ainsi l’équation:
⃗⃗⃗⃗⃗ = − 𝑅⃗⃗ (𝑥⃗ 𝑖 ) pour i = 1 donne :

𝜕𝑓1 (𝑥11 , 𝑥21 ) 𝜕𝑓1 (𝑥11 , 𝑥21 )

𝜕𝑥1 𝜕𝑥2 𝛿𝑥1 𝑓1 (𝑥11 , 𝑥21 )
[ ]= −[ ]
𝜕𝑓2 (𝑥11 , 𝑥21 ) 𝜕𝑓2 (𝑥11 , 𝑥21 ) 𝛿𝑥2 𝑓2 (𝑥11 , 𝑥21 )
[ 𝜕𝑥1 𝜕𝑥2 ]
pour 𝑖 = 1 s’écrit :
C’est-à-dire, on doit résoudre à partir de : (𝑥11 , 𝑥21 )𝑇 = (2.0211, 3.63604)𝑇
𝑒 2.0211 −1 𝑒 2.0211 − 3.63604

[ ]= −[ ]
2(2.0211) 2(3.63604) (2.0211)2 + (3.63604)2 − 16
C’est-à-dire :
7.5466 −1 𝛿𝑥 3.9106
[ ] [ 1] = − [ ]
4.0422 7.2721 𝛿𝑥2 1.3056
Dont la solution est :
⃗⃗⃗⃗⃗
𝛿𝑥 = [−0.50480, 0.10106]𝑇 = [𝛿𝑥1 , 𝛿𝑥2 ]
On a maintenant :
𝑥12 = 𝑥11 + 𝛿𝑥1 = 2.0211 − 0.50480 = 1.5163
𝑥22 = 𝑥21 + 𝛿𝑥2 = 3.63604 + 0.10106 = 3.7371
3 - Itération 3
C’est-à-dire, on doit résoudre à partir de: (𝑥12 , 𝑥22 )𝑇 = (1.5163, 3.7371)𝑇
4.554 −1 𝛿𝑥 0.81824
[ ] [ 1] = − [ ]
3.0326 7.4742 𝛿𝑥2 0.26508
⃗⃗⃗⃗⃗ = [−0.17208, 0.034355]𝑇 = [𝛿𝑥1 , 𝛿𝑥2 ]

𝛿𝑥
On a maintenant :
𝑥13 = 𝑥12 + 𝛿𝑥1 = 1.5163 − 0.17208 = 1.3442
𝑥23 = 𝑥22 + 𝛿𝑥2 = 3.7371 + 0.034355 = 3.7715
4 - Itération 4
À l’itération 4 on doit résoudre à partir de : (𝑥13 , 𝑥23 )𝑇 = (1.3442, 3.7715)𝑇
3.8351 −1 𝛿𝑥 0.063617
[ ] [ 1] = − [ ]
2.6884 7.5430 𝛿𝑥2 0.031086
⃗⃗⃗⃗⃗
𝛿𝑥 = [−0.0161616, 0.0163847]𝑇 = [𝛿𝑥1 , 𝛿𝑥2 ]
La nouvelle approximation de la solution est:
𝑥14 = 𝑥13 + 𝛿𝑥1 = 1.3442 − 0.0161616 = 1.3280
𝑥24 = 𝑥23 + 𝛿𝑥2 = 3.7715 + 0.0163847 = 3.7731
5 - Itération 5
A l’itération 5 on doit résoudre à partir de : (𝑥14 , 𝑥24 )𝑇 = (1.3280, 3.7731)𝑇 :
3.7735 −1 𝛿𝑥 −3
[ ] [ 1 ] = − [0.34886 10−3 ]
2.6560 7.5463 𝛿𝑥2 0.1694610
⃗⃗⃗⃗⃗
𝛿𝑥 = [9.0310−5 , 5.2510−6 ]𝑇 = [𝛿𝑥1 , 𝛿𝑥2 ]
La nouvelle approximation de la solution est:
𝑥15 = 𝑥14 + 𝛿𝑥1 = 1.3280 + 9.0310−5 = 1.3281
𝑥25 = 𝑥24 + 𝛿𝑥2 = 3.7731 + 5.25 10−6 = 3.7731
Exercices d’application
Exercice 1
Résoudre le système non linéaire suivant à l’aide de la méthode de Newton en prenant (0 , 0)

comme approximation initiale. Donner l’approximation de la solution obtenue à la première
itération
𝑥12 − 10𝑥1 + 𝑥22 + 8 =0

(𝑆1 ) { 2
𝑥1 𝑥2 + 𝑥1 − 10𝑥2 + 8 = 0
Corrigé exercice 1
A l’itération 1 on obtient :
⃗⃗⃗⃗⃗
𝛿𝑥 = [0.8, 0.88]𝑇 = [𝛿𝑥1 , 𝛿𝑥2 ]
(𝑥11 , 𝑥21 )𝑇 = (0.8, 0.88)𝑇
Exercice 2
Résoudre le système non linéaire suivant à l’aide de la méthode de Newton en prenant
(0.1, 0.1, -0.1) comme approximation initiale. Donner l’approximation de la solution pour les
deux premières itérations
3𝑥1 − 𝑐𝑜𝑠(𝑥2 𝑥3 ) − 1⁄2 =0

(𝑆2 ) 𝑥12 2
− 81(𝑥2 + 0.1) + 𝑠𝑖𝑛(𝑥3 ) + 1.06 = 0
−𝑥 𝑥 (10 𝜋 − 3)⁄
{ 𝑒 1 2 + 20 𝑥3 + 3 =0
Corrigé exercice 2
3 𝑥3 𝑠𝑖𝑛(𝑥2 𝑥3 ) 𝑥3 𝑠𝑖𝑛(𝑥2 𝑥3 )
2𝑥1 −162(𝑥2 + 0,1) 𝑐𝑜𝑠(𝑥3 )
−𝑥2 𝑒 −𝑥1𝑥2 −𝑥1 𝑒 −𝑥1𝑥2 20
Itération 1 : 𝑥⃗1 = (0,499 8697 0,019 4669 − 0,521 5205)
Itération 2 : 𝑥⃗ 2 = (0,500 0142 0,001 5886 − 0,523 5569)
Les itérations convergent vers (0,5 0 − 0,523 5987)
Exercice 3
Résoudre le système non linéaire suivant à l’aide de la méthode de Newton en prenant (0.75
, - 0.75, 0.75) comme approximation initiale. Donner l’approximation de la solution pour les
deux premières itérations
𝑥12 − 1 =0
(𝑆3 ) {𝑥12 + 𝑥22 − 2 = 0
𝑥12 + 𝑥1 𝑥2 + 𝑥32 =0
Corrigé exercice 3
Itération 1 (𝑥11 , 𝑥21 , 𝑥31 )𝑇 = (1.041666666 − 1.041666666 1.041666666)𝑇
Itération 2(𝑥12 , 𝑥22 , 𝑥32 )𝑇 = (1.0008333333 − 1.0008333333 1.0008333333)𝑇
Itération 3 (𝑥13 , 𝑥23 , 𝑥33 )𝑇 =
(1.000000346933111 − 1.000000346933111 1.000000346933111)𝑇
CHAPITRE II- Interpolation Polynomiale
II-1 Matrice de VANDERMOND
II-1-1 Principe de la méthode
𝑃𝑛 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ) , 𝑖 = 0,1,2,3 … 𝑛
Où encore :
𝑎0 + 𝑎1 𝑥𝑖 + 𝑎2 𝑥𝑖2 + 𝑎3 𝑥𝑖3 + ⋯ 𝑎𝑛 𝑥𝑖𝑛 = 𝑓(𝑥𝑖 )
1 𝑥0 𝑥02 𝑥03 . .. . 𝑥0𝑛

𝑎0 𝑓(𝑥0 )
1 𝑥1 𝑥12 𝑥13 . . . 𝑥1𝑛
𝑎1 𝑓(𝑥1 )
1 𝑥2 𝑥22 𝑥23 . .. 𝑥2𝑛 𝑎2
. . . . .. = 𝑓(𝑥. 2 )
. .. . .. ... . . . .. ..
.
. . . . .. ... ... ... . (𝑎𝑛 ) (𝑓(𝑥 ))
𝑛
(1 𝑥𝑛 𝑥𝑛2 𝑥𝑛3 𝑥𝑛4 .. 𝑥𝑛𝑛 )
Exemple
Calculer le polynôme passant par : (0,1), (1,2), (2,9), (3,28).
Solution : [1, 0, 0,1] = 1+x3.
Corrigé de l’exemple de matrice de Vandermonde
Les points de collocation sont sous la forme
[𝑥𝑖 , 𝑓(𝑥𝑖 )] , 𝑖 = 0,1,2 … 𝑛 + 1
sont (0,1), (1,2), (2,9), (3,28). Avec n points on forme un polynôme de degré n, c’est à dire un
polynôme de degré (n+1) – 1
Étant donné que n+1 = 4 le polynôme sera de degré (n+1)- 1 = 3
Il suffit d’écrire 𝑃𝑛 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ), 𝑖 = 0,1,2,3 … 𝑛 ce qui nous donne :
𝑃3 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3
𝑃3 (𝑥0 ) = 𝑓(𝑥0 ) ⟹ 𝑃3 (0) = 𝑓(0) = 1
𝑃3 (𝑥1 ) = 𝑓(𝑥1 ) ⟹ 𝑃3 (1) = 𝑓(1) = 2
𝑃3 (𝑥2 ) = 𝑓(𝑥2 ) ⟹ 𝑃3 (2) = 𝑓(2) = 9
𝑃3 (𝑥3 ) = 𝑓(𝑥3 ) ⟹ 𝑃3 (3) = 𝑓(3) = 28
Ce qui nous donne :
𝑃3 (0) = 𝑎0 = 1
𝑃3 (1) = 𝑎0 + 𝑎1 + 𝑎2 + 𝑎3 = 2
𝑃3 (2) = 𝑎0 + 2𝑎1 + 4𝑎2 + 8𝑎3 = 9
𝑃3 (3) = 𝑎0 + 3𝑎1 + 9𝑎2 + 27𝑎3 = 28
Donc on aboutit à un système d’équations linéaires d’inconnues 𝑎0 , 𝑎1 , 𝑎2 , 𝑎3 qu’il faut savoir résoudre
(voir chapitre précédent).
On obtient :
𝑎0 = 1
Et on détermine les autres coefficients sont obtenus par la résolution du système suivant :
𝑎1 + 𝑎2 + 𝑎3 = 1
2𝑎
{ 1 + 4𝑎 2+ 8𝑎3 = 8
3𝑎1 + 9𝑎2 27𝑎3 = 27
On peut simplifier ce système avant de le résoudre :
𝑎1 + 𝑎2 + 𝑎3 = 1
{𝑎1 + 2𝑎2 + 4𝑎3 = 4
𝑎1 + 3𝑎2 9𝑎3 = 9
Après résolution on obtient : 𝑎0 = 1, 𝑎1 = 0, 𝑎2 = 0, 𝑎3 = 1
Ainsi :
𝑃3 (𝑥) = 1 + 𝑥 3
II-1-2 Exercices : interpolation de Vandermonde
Exercice 1
Obtenir le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12). Utiliser la matrice de
Vandermonde.
Exercice 2
Soit les points suivants : (0,0), (1,2), (2,36), (3,252), (4,1040)
a) Obtenir le polynôme de Vandermonde passant par les 3 premiers points.
b) Obtenir le polynôme de Vandermonde passant par les 4 premiers points.
c) b) Obtenir le polynôme de Vandermonde passant par les 5 premiers points.
Corrigé exercice 1
Le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12).
Il suffit d’écrire 𝑃2 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ), 𝑖 = 0,1,2 ce qui nous donne :
𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
𝑃2 (𝑥0 ) = 𝑓(𝑥0 ) ⟹ 𝑃2 (1) = 𝑓(1) = 2
𝑃2 (𝑥1 ) = 𝑓(𝑥1 ) ⟹ 𝑃2 (2) = 𝑓(2) = 6
𝑃2 (𝑥2 ) = 𝑓(𝑥2 ) ⟹ 𝑃2 (3) = 𝑓(3) = 12
Ce qui nous donne :
𝑃2 (1) = 𝑎0 + 𝑎1 + 𝑎2 = 2
𝑃2 (2) = 𝑎0 + 2𝑎1 + 4𝑎2 = 6
𝑃2 (3) = 𝑎0 + 3𝑎1 + 9𝑎2 = 12
Matrice de Vandermonde
1 1 1 𝑎0 2
(1 𝑎
2 4) ( 1 ) = ( 6 )
1 3 9 𝑎2 12
Après résolution du système, on obtient :
𝑎0 = 0 , 𝑎1 = 1 , 𝑎2 = 1
𝑃2 (𝑥) = 𝑥 + 𝑥 2
Corrigé exercice 2
a) Le polynôme de Vandermonde passant par les 3 premiers points, (0,0), (1,2), (2,36).
Il suffit d’écrire 𝑃2 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ), 𝑖 = 0,1,2 ce qui nous donne :
𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2
𝑃2 (𝑥0 ) = 𝑓(𝑥0 ) ⟹ 𝑃2 (0) = 𝑓(0) = 0
𝑃2 (𝑥1 ) = 𝑓(𝑥1 ) ⟹ 𝑃2 (1) = 𝑓(1) = 2
𝑃2 (𝑥2 ) = 𝑓(𝑥2 ) ⟹ 𝑃2 (2) = 𝑓(2) = 36
Ce qui nous donne :
𝑃2 (0) = 𝑎0 = 0
𝑃2 (1) = 𝑎0 + 𝑎1 + 𝑎2 = 2
𝑃2 (2) = 𝑎0 + 2𝑎1 + 4𝑎2 = 36
Le polynôme de Vandermonde passant par les 3 premiers points, (0,0),(1,2),(2,36). Matrice de

Vandermonde
𝑎0 = 0
1 1 𝑎1 2
( ) (𝑎 ) = ( )
2 4 2 36
Après simplification :
1 1 𝑎1 2
( ) (𝑎 ) = ( )
1 2 2 18
Après résolution du système, on obtient :
𝑎0 = 0, 𝑎1 = −14 , 𝑎2 = 16
𝑃2 (𝑥) = −14𝑥 + 16𝑥 2
a) Le polynôme de Vandermonde passant par les 4 premiers points, (0,0),(1,2),(2,36), (3,

252)
Il suffit d’écrire 𝑃3 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ), 𝑖 = 0,1,2,3 ce qui nous donne :
𝑃3 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3
𝑃3 (𝑥0 ) = 𝑓(𝑥0 ) ⟹ 𝑃3 (0) = 𝑓(0) = 0
𝑃3 (𝑥1 ) = 𝑓(𝑥1 ) ⟹ 𝑃3 (1) = 𝑓(1) = 2
𝑃3 (𝑥2 ) = 𝑓(𝑥2 ) ⟹ 𝑃3 (2) = 𝑓(2) = 36
𝑃3 (𝑥3 ) = 𝑓(𝑥3 ) ⟹ 𝑃3 (3) = 𝑓(3) = 252
Ce qui nous donne :
𝑃3 (0) = 𝑎0 = 0
𝑃3 (1) = 𝑎0 + 𝑎1 + 𝑎2 + 𝑎3 = 2
𝑃3 (2) = 𝑎0 + 2𝑎1 + 4𝑎2 + 8𝑎3 = 36
𝑃3 (3) = 𝑎0 + 3𝑎1 + 9𝑎2 + 27𝑎3 = 252
Donc on aboutit à un système d’équations linéaires d’inconnues 𝑎0 , 𝑎1 , 𝑎2 , 𝑎3 qu’il faut savoir

résoudre (voir chapitre précédent).
On obtient :
𝑎0 = 0
𝑎1 + 𝑎2 + 𝑎3 = 2
{ 1+
2𝑎 4𝑎2 + 8𝑎3 = 36
3𝑎1 + 9𝑎2 27𝑎3 = 252
On peut simplifier ce système avant de le résoudre :
𝑎1 + 𝑎2 + 𝑎3 = 2
{𝑎1 + 2𝑎2 + 4𝑎3 = 18
𝑎1 + 3𝑎2 9𝑎3 = 84
Après résolution on obtient : 𝑎0 = 0, 𝑎1 = 36, 𝑎2 = −59, 𝑎3 = 25
Ainsi :
𝑃3 (𝑥) = 36𝑥 − 59𝑥 2 + 25𝑥 3
c) Le polynôme de Vandermonde passant par les 5 premiers points, (0,0), (1,2), (2,36), (3, 252),
(5,1040)
Il suffit d’écrire 𝑃4 (𝑥𝑖 ) = 𝑓(𝑥𝑖 ), 𝑖 = 0,1,2,3,4 ce qui nous donne :
𝑃4 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + 𝑎4 𝑥 4
𝑃4 (𝑥0 ) = 𝑓(𝑥0 ) ⟹ 𝑃4 (0) = 𝑓(0) = 0
𝑃4 (𝑥1 ) = 𝑓(𝑥1 ) ⟹ 𝑃4 (1) = 𝑓(1) = 2
𝑃4 (𝑥2 ) = 𝑓(𝑥2 ) ⟹ 𝑃4 (2) = 𝑓(2) = 36
𝑃4 (𝑥3 ) = 𝑓(𝑥3 ) ⟹ 𝑃4 (3) = 𝑓(3) = 252
𝑃4 (𝑥4 ) = 𝑓(𝑥4 ) ⟹ 𝑃4 (5) = 𝑓(5) = 1040
Ce qui nous donne :
Donc on aboutit à un système d’équations linéaires d’inconnues 𝑎0 , 𝑎1 , 𝑎2 , 𝑎3 , 𝑎4
Qu’il faut savoir résoudre (voir chapitre précédent).
On obtient :
𝑎0 = 0
𝑎1 + 𝑎2 + 𝑎3 + 𝑎4 = 2
2𝑎1 + 4𝑎2 + 8𝑎3 + 16𝑎4 = 36
{
3𝑎1 + 9𝑎2 + 27𝑎3 + 81𝑎4 = 252
5𝑎1 + 25𝑎2 + 125𝑎3 + 625𝑎4 = 1040
On peut simplifier ce système avant de le résoudre:
𝑎1 + 𝑎2 + 𝑎3 + 𝑎4 = 2
𝑎1 + 2𝑎2 + 4𝑎3 + 8𝑎4 = 18
{
𝑎1 + 3𝑎2 + 9𝑎3 + 27𝑎4 = 84
𝑎1 + 5𝑎2 + 25𝑎3 + 125𝑎4 = 208
Après résolution on obtient : 𝑎0 = 0, 𝑎1 = (151⁄4) , 𝑎2 = (−1577⁄12) , 𝑎3 = (129⁄2),
𝑎4 = (−79⁄12)
Ainsi :𝑃4 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + 𝑎4 𝑥 4
𝑃4 (0) = 𝑎0 = 0
𝑃4 (1) = 𝑎0 + 𝑎1 + 𝑎2 + 𝑎3 + 𝑎4 = 2
𝑃4 (2) = 𝑎0 + 2𝑎1 + 4𝑎2 + 8𝑎3 + 16𝑎4 = 36
𝑃4 (3) = 𝑎0 + 3𝑎1 + 9𝑎2 + 27𝑎3 + 81𝑎4 = 252
𝑃4 (5) = 𝑎0 + 5𝑎1 + 25𝑎2 + 125𝑎3 + 625𝑎4 = 1040
III-2 Interpolation de LAGRANGE
II-2-1 Principe :
On suppose qu’à un instant on peut construire (n+1) polynômes 𝐿𝑖 (𝑥) de degré n et satisfaisant
les conditions suivantes :
𝐿𝑖 (𝑥𝑖 ) = 1 ∀ 𝑖
{
𝐿𝑖 (𝑥𝑗 ) = 0 ∀ 𝑖 ≠ 𝑗
Dans ces conditions, le polynôme 𝐿(𝑥) est défini par :

𝑖=𝑛
𝐿(𝑥) = ∑ 𝑓(𝑥𝑖 ) 𝐿𝑖 (𝑥)

𝑖=0
Polynôme de degré 1
La droite passant par : (𝑥0 , 𝑓(𝑥0 )) 𝑒𝑡 (𝑥1 , 𝑓(𝑥1 )) .
𝐿0 (𝑥0 ) = 1 𝐿1 (𝑥0 ) = 0
{ ,{
𝐿0 (𝑥1 ) = 0 𝐿1 (𝑥1 ) = 1
(𝑥−𝑥1 ) (𝑥− 𝑥0 )
𝐿0 (𝑥) = (𝑥0 −𝑥1 )
, 𝐿1 (𝑥) = (𝑥1− 𝑥0 )
𝑃1 (𝑥) = 𝑓(𝑥0 )𝐿0 (𝑥) + 𝑓(𝑥1 )𝐿1 (𝑥)
Figure : Polynômes de Lagrange de degré 2: 𝑳𝟎 (𝒙) , 𝑳𝟏 (𝒙) , 𝑳𝟐 (𝒙)
II-2-2 Exemples
Corrigé de l’exemple polynôme de degré 1
A partir des points de collocation (2,3) , (5, −6), déterminons le polynômes de Lagrange 𝐿0 (𝑥)
et 𝐿1 (𝑥)de degré 1,tels que :
𝐿0 (𝑥0 ) = 1 𝐿 (𝑥 ) = 0
{ et { 1 0
𝐿0 (𝑥1 ) = 0 𝐿1 (𝑥1 ) = 0
(𝑥−𝑥1 ) (𝑥−𝑥0 )
𝐿0 (𝑥) = ( 𝑥0 − 𝑥1 )
, 𝐿1 (𝑥) = ( 𝑥1 − 𝑥0 )
Application pour les deux points (2,3) , (5, −6)

(𝑥−5) (𝑥−5) (5−𝑥) (𝑥−2) (𝑥−2)
𝐿0 (𝑥) = ( 2−5)
= ( −3)
= , 𝐿1 (𝑥) = ( 5−2)
=
3 3
Le polynôme de degré 1passant par les points de collocation (2,3) , (5, −6) est donné par :
𝑖=1
𝑃1 (𝑥) = 𝐿(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )

𝑖=0
𝑃1 (𝑥) = 𝐿0 (𝑥)𝑓(𝑥0 ) + 𝐿1 (𝑥)𝑓(𝑥1 )
(5 − 𝑥) (𝑥 − 2)
𝑃1 (𝑥) = (3) + (−6)
3 3
Finalement après simplification on obtient :𝑃1 (𝑥) = 9 − 3𝑥
Polynôme de degré 2
La parabole passant par : (𝑥0 , 𝑓(𝑥0 )) 𝑒𝑡 (𝑥1 , 𝑓(𝑥1 )), (𝑥2 , 𝑓(𝑥2 )) .
𝐿0 (𝑥0 ) = 1 𝐿1 (𝑥0 ) = 0 𝐿2 (𝑥0 ) = 0

{𝐿0 (𝑥1 ) = 0 , {𝐿1 (𝑥1 ) = 1 , {𝐿2 (𝑥1 ) = 0
𝐿0 (𝑥2 ) = 0 𝐿1 (𝑥2 ) = 0 𝐿2 (𝑥2 ) = 1
(𝑥−𝑥1 )(𝑥−𝑥2 ) (𝑥−𝑥0 )(𝑥−𝑥2 ) (𝑥−𝑥0 )(𝑥−𝑥1 )
𝐿0 (𝑥) = (𝑥0 −𝑥1 )(𝑥0 −𝑥2 )
, 𝐿1 (𝑥) = (𝑥1 −𝑥0 )(𝑥1 −𝑥2 )
, 𝐿2 (𝑥) = (𝑥2 −𝑥0 )(𝑥2 −𝑥1 )
𝑃2 (𝑥) = 𝑓(𝑥0 )𝐿0 (𝑥) + 𝑓(𝑥1 )𝐿1 (𝑥) + 𝐿2 (𝑥)𝑓(𝑥2 )
Polynôme de degré n
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 ) … . . (𝑥 − 𝑥𝑖−1 )(𝑥 − 𝑥𝑖+1 ) … . . (𝑥 − 𝑥𝑛 )

𝐿𝑖 (𝑥) =
(𝑥𝑖 − 𝑥0 )(𝑥𝑖 − 𝑥1 ) … . . (𝑥𝑖 − 𝑥𝑖−1 )(𝑥𝑖 − 𝑥𝑖+1 )(𝑥𝑖 − 𝑥𝑛−1 )(𝑥𝑖 − 𝑥𝑛 )
Figure : Polynômes de Lagrange de degré 2: 𝑳𝟎 (𝒙) , 𝑳𝟏 (𝒙) , 𝑳𝟐 (𝒙)
Exemple
La parabole passant par les points : (1,2), (3,7), (4,-1)
A partir des points de collocation (1,2) , (3,7), (4, −1), déterminons le polynômes de
Lagrange 𝐿0 (𝑥) , 𝐿1 (𝑥)et 𝐿2 (𝑥)de degré 2,tels que :
𝐿0 (𝑥0 ) = 1 𝐿1 (𝑥0 ) = 0 𝐿2 (𝑥0 ) = 0

𝐿 (𝑥
{ 0 1 ) = 0 𝐿 (𝑥
, { 1 1 ) = 1 et {𝐿2 (𝑥1 ) = 0
𝐿0 (𝑥2 ) = 0 𝐿1 (𝑥2 ) = 0 𝐿2 (𝑥2 ) = 1
(𝑥−𝑥1 )(𝑥 − 𝑥2 ) (𝑥−𝑥0 )(𝑥 − 𝑥2 ) (𝑥−𝑥0 )(𝑥 − 𝑥1 )
𝐿0 (𝑥) = ( 𝑥0 − 𝑥1 )(𝑥0 −𝑥2 )
,𝐿1 (𝑥) = ( 𝑥1 − 𝑥0 )(𝑥1 −𝑥2 )
et ,𝐿2 (𝑥) = ( 𝑥2 − 𝑥0 )(𝑥2 −𝑥1 )
Application pour les trois points(1,2) , (3,7), (4, −1)

(𝑥−3)(𝑥 −4) 𝑥 2 −7𝑥+12 (𝑥−1)(𝑥 −4) 𝑥 2 −5𝑥+4
𝐿0 (𝑥) = ( 1−3)(1−4)
= ,𝐿1 (𝑥) = ( 3−1)(3−4)
= et
−6 −2
(𝑥−1)(𝑥 −3) 𝑥 2 −4𝑥+3

𝐿2 (𝑥) = ( 4−1)(4−3)
= 3
Le polynôme de degré 2 passant par les points de collocation (1,2) , (3,7), (4, −1)est donné
par :
𝑖=2
𝑃2 (𝑥) = 𝐿(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )

𝑖=0
𝑃2 (𝑥) = 𝐿0 (𝑥)𝑓(𝑥0 ) + 𝐿1 (𝑥)𝑓(𝑥1 ) + 𝐿2 (𝑥)𝑓(𝑥2 )
𝑥 2 − 7𝑥 + 12 𝑥 2 − 5𝑥 + 4 𝑥 2 − 4𝑥 + 3
𝑃2 (𝑥) = (2) + (7) + (−1)
−6 −2 3
Ainsi le polynôme 𝑷𝟐 (𝒙) après développement des calculs peut s’écrire :
7 25 2
𝑃2 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 = −17 + 𝑥− 𝑥
3 6
A partir des points de collocation (0,1) , (1,2), (2,9), (3,28),déterminons le polynômes de
Lagrange 𝐿0 (𝑥) , 𝐿1 (𝑥), 𝐿2 et 𝐿3 (𝑥)de degré 3,tels que :
𝐿0 (𝑥0 ) = 1 𝐿1 (𝑥0 ) = 0 𝐿2 (𝑥0 ) = 0 𝐿3 (𝑥0 ) = 0

𝐿0 (𝑥1 ) = 0 𝐿1 (𝑥1 ) = 1 𝐿2 (𝑥1 ) = 0 𝐿 (𝑥 ) = 0
, , et 3 1
𝐿0 (𝑥2 ) = 0 𝐿1 (𝑥2 ) = 0 𝐿2 (𝑥2 ) = 1 𝐿3 (𝑥2 ) = 0
{𝐿0 (𝑥3 ) = 0 {𝐿1 (𝑥3 ) = 0 {𝐿2 (𝑥3 ) = 0 {𝐿3 (𝑥3 ) = 1
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿0 (𝑥) =
( 𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
(𝑥−𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿1 (𝑥) = ( 𝑥1 − 𝑥0 )(𝑥1 −𝑥2 )(𝑥1 −𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 )
𝐿2 (𝑥) =
( 𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )
𝐿3 (𝑥) =
( 𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )
Application pour les trois points(0,1) , (1,2), (2,9), (3,28),

(𝑥−1)(𝑥 −2)(𝑥 −3) 𝑥 3 −6𝑥 2 +11𝑥−6 (𝑥−0)(𝑥 −2)(𝑥 −3) 𝑥 3 −5𝑥 2 +6𝑥
𝐿0 (𝑥) = (− 1)(−2)( −3 )
= , 𝐿1 (𝑥) = ( 1)(−1)( −2 )
= ,
−6 2
(𝑥 − 0)(𝑥 − 1)(𝑥 − 3) 𝑥 3 − 4𝑥 2 + 3𝑥
𝐿2 (𝑥) = =
(2)(1)( − 1 ) −2
(𝑥−1)(𝑥 −2)(𝑥 −3) 𝑥 3 −6𝑥 2 +11𝑥−6 (𝑥−0)(𝑥 −2)(𝑥 −3) 𝑥 3 −5𝑥 2 +6𝑥
𝐿0 (𝑥) = (− 1)(−2)( −3 )
= , 𝐿1 (𝑥) = ( 1)(−1)( −2 )
= ,
−6 2
(𝑥 − 0)(𝑥 − 1)(𝑥 − 3) 𝑥 3 − 4𝑥 2 + 3𝑥
𝐿2 (𝑥) = =
(2)(1)( − 1 ) −2
(𝑥 − 0)(𝑥 − 1)(𝑥 − 2) 𝑥 3 − 3𝑥 2 + 2𝑥
𝐿3 (𝑥) = =
(3)(2)( 1 ) 6
Le polynôme de degré 3passant par les points de collocation (0,1) , (1,2), (2, ,9), (3,28)est
donné par
𝑖=3
𝑃3 (𝑥) = 𝐿(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )

𝑖=0
𝑥 3 −6𝑥 2 +11𝑥−6 𝑥 3 −5𝑥 2 +6𝑥 𝑥 3 −4𝑥 2 +3𝑥 𝑥 3 −3𝑥 2 +2𝑥

𝑃3 (𝑥) = (1)+ (2) + (9)+ (28)
−6 2 −2 6
II-2-3 Exercices : interpolation de Lagrange
Exercice 1
Obtenir le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12).
Exercice 2
Soit les points suivants :
(0,0), (1,2), (2,36), (3,252), (4,1040)
a) Obtenir le polynôme de Lagrange passant par les 3 premiers points.
b) Obtenir le polynôme de Lagrange passant par les 4 premiers points.
c) Obtenir le polynôme de Lagrange passant par les 5 premiers points.
Corrigé de l’exercice 1 polynôme de degré 2
A partir des points de collocation (1,2) , (2,6), (3,12),déterminons le polynômes de Lagrange

𝐿0 (𝑥) , 𝐿1 (𝑥)et 𝐿2 (𝑥)de degré 2, tels que :
𝐿0 (1) = 1 𝐿1 (1) = 0 𝐿2 (1) = 0

{𝐿0 (2) = 0 , {𝐿1 (2) = 1 et {𝐿2 (2) = 0
𝐿0 (3) = 0 𝐿1 (3) = 0 𝐿2 (3) = 1
(𝑥−𝑥1 )(𝑥 − 𝑥2 ) (𝑥−𝑥0 )(𝑥 − 𝑥2 ) (𝑥−𝑥0 )(𝑥 − 𝑥1 )
𝐿0 (𝑥) = ( 𝑥0 − 𝑥1 )(𝑥0 −𝑥2 )
,𝐿1 (𝑥) = ( 𝑥1 − 𝑥0 )(𝑥1 −𝑥2 )
et ,𝐿2 (𝑥) = ( 𝑥2 − 𝑥0 )(𝑥2 −𝑥1 )
Application pour les trois points(1,2) , (2,6), (3,12),

(𝑥−2)(𝑥 −3) 𝑥 2 −5𝑥+6 (𝑥−1)(𝑥 −3) 𝑥 2 −4𝑥+3
𝐿0 (𝑥) = ( 1−2)(1−3)
= ,𝐿1 (𝑥) = ( 2−1)(2−3)
= et
2 −2
(𝑥−1)(𝑥 −2) 𝑥 2 −3𝑥+2

𝐿2 (𝑥) = ( 3−1)(3−2)
= 2
Le polynôme de degré 2 passant par les points de collocation(1,2) , (2,6), (3,12)est donné
par :
𝑖=2
𝑃2 (𝑥) = 𝐿(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )

𝑖=0
𝑃2 (𝑥) = 𝐿0 (𝑥)𝑓(𝑥0 ) + 𝐿1 (𝑥)𝑓(𝑥1 ) + 𝐿2 (𝑥)𝑓(𝑥2 )
𝑥 2 − 5𝑥 + 6 𝑥 2 − 4𝑥 + 3 𝑥 2 − 3𝑥 + 2
𝑃2 (𝑥) = (2) + (6) + (12)
2 (−1) 2
𝑃2 (𝑥) = 𝑥 + 𝑥 2
Corrigé exercice 2
a) A partir des points de collocation (0,0) , (1,2), (2,36), déterminons le polynômes de

Lagrange 𝐿0 (𝑥) , 𝐿1 (𝑥)et 𝐿2 (𝑥) de degré 2,tels que :
𝐿0 (0) = 1 𝐿1 (0) = 0 𝐿2 (0) = 0

{𝐿0 (1) = 0 , {𝐿1 (1) = 1 et {𝐿2 (1) = 0a)
𝐿0 (2) = 0 𝐿1 (2) = 0 𝐿2 (2) = 1
Application pour les trois points(0,0) , (1,2), (2,36),
(𝑥−1)(𝑥 −2) 𝑥 2 −3𝑥+2 (𝑥−0)(𝑥 −2) 𝑥 2 −2𝑥
𝐿0 (𝑥) = ( 0−1)(0−2)
= ,𝐿1 (𝑥) = ( 1−0)(1−2)
= et
2 (−1)
(𝑥 − 0)(𝑥 − 1) 𝑥 2 − 𝑥
𝐿2 (𝑥) = =
( 2 − 0)(2 − 1) 2
Le polynôme de degré 2 passant par les points de collocation(0,0) , (1,2), (2,36) est donné
par :
𝑖=2
𝑃2 (𝑥) = 𝐿(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )

𝑖=0
𝑃2 (𝑥) = 𝐿0 (𝑥)𝑓(𝑥0 ) + 𝐿1 (𝑥)𝑓(𝑥1 ) + 𝐿2 (𝑥)𝑓(𝑥2 )
𝑥 2 − 3𝑥 + 2 𝑥 2 − 2𝑥 𝑥2 − 𝑥
𝑃2 (𝑥) = (0) + (2) + (36)
2 (−1) 2
𝑃2 (𝑥) = −14𝑥 + 16𝑥 2
b) A partir des points de collocation (0,0) , (1,2), (2,36), (3,252),déterminons le polynômes

de Lagrange 𝐿0 (𝑥) , 𝐿1 (𝑥), 𝐿2 et 𝐿3 (𝑥)de degré 3,tels que :
𝐿0 (0) = 1 𝐿1 (0) = 0 𝐿2 (0) = 0 𝐿3 (0) = 0

𝐿0 (1) = 0 𝐿1 (1) = 1 𝐿2 (1) = 0 𝐿 (1) = 0
, , et 3
𝐿0 (2) = 0 𝐿1 (2) = 0 𝐿2 (2) = 1 𝐿3 (2) = 0
{𝐿0 (3) = 0 {𝐿1 (3) = 0 {𝐿2 (3) = 0 {𝐿3 (3) = 1
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝐿0 (𝑥) =
( 𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )
(𝑥−𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 ) (𝑥−𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 ) (𝑥−𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

𝐿1 (𝑥) = ( 𝑥1 − 𝑥0 )(𝑥1 −𝑥2 )(𝑥1 −𝑥3 )
𝐿2 (𝑥) = 𝐿 (𝑥)
( 𝑥2 − 𝑥0 )(𝑥2 −𝑥1 )(𝑥2 −𝑥3 ) 3
= ( 𝑥3 − 𝑥0 )(𝑥3 −𝑥1 )(𝑥3 −𝑥2 )
Application pour les trois points(0,0) , (1,2), (2,36), (3,252),

(𝑥−1)(𝑥 −2)(𝑥 −3) 𝑥 3 −6𝑥 2 +11𝑥−6 (𝑥−0)(𝑥 −2)(𝑥 −3) 𝑥 3 −5𝑥 2 +6𝑥
𝐿0 (𝑥) = (− 1)(−2)( −3 )
= , 𝐿1 (𝑥) = ( 1)(−1)( −2 )
= ,
−6 2
(𝑥 − 0)(𝑥 − 1)(𝑥 − 3) 𝑥 3 − 4𝑥 2 + 3𝑥
𝐿2 (𝑥) = =
(2)(1)( − 1 ) −2
(𝑥−1)(𝑥 −2)(𝑥 −3) 𝑥 3 −6𝑥 2 +11𝑥−6 (𝑥−0)(𝑥 −2)(𝑥 −3) 𝑥 3 −5𝑥 2 +6𝑥
𝐿0 (𝑥) = (− 1)(−2)( −3 )
= , 𝐿1 (𝑥) = ( 1)(−1)( −2 )
= ,
−6 2
(𝑥 − 0)(𝑥 − 1)(𝑥 − 3) 𝑥 3 − 4𝑥 2 + 3𝑥
𝐿2 (𝑥) = =
(2)(1)( − 1 ) −2
(𝑥 − 0)(𝑥 − 1)(𝑥 − 2) 𝑥 3 − 3𝑥 2 + 2𝑥
𝐿3 (𝑥) = =
(3)(2)( 1 ) 6
Le polynôme de degré 3 passant par les points de collocation (0,0) , (1,2), (2,36), (3,252)est
donné par :
𝑖=3
𝑃3 (𝑥) = 𝐿(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )

𝑖=0
𝑥 3 −6𝑥 2 +11𝑥−6 𝑥 3 −5𝑥 2 +6𝑥 𝑥 3 −4𝑥 2 +3𝑥 𝑥 3 −3𝑥 2 +2𝑥

𝑃3 (𝑥) = (0)+ (2) + (36)+ (252)
−6 2 −2 6
Finalement : 𝑃3 (𝑥) = 36𝑥 − 59𝑥 2 + 25𝑥 3
b) A partir des points de collocation (0,0) , (1,2), (2,36), (3,252), (5,1040),

déterminons les polynômes de Lagrange 𝐿0 (𝑥) , 𝐿1 (𝑥), 𝐿2 , 𝐿3 (𝑥) 𝑒𝑡 𝐿4 (𝑥),de degré
3, tels que :
𝐿0 (0) = 1 𝐿1 (0) = 0 𝐿2 (0) = 0 𝐿3 (0) = 0 𝐿4 (0) = 0

𝐿0 (1) = 0 𝐿1 (1) = 1 𝐿2 (1) = 0 𝐿3 (1) = 0 𝐿4 (1) = 0
𝐿0 (2) = 0 𝐿1 (2) = 0 , 𝐿2 (2) = 1, 𝐿3 (2) = 0 , 𝐿4 (2) = 0
𝐿0 (3) = 0 𝐿1 (3) = 0 𝐿2 (3) = 0 𝐿3 (3) = 1 𝐿4 (3) = 0
{𝐿0 (5) = 0 {𝐿1 (5) = 0 { 𝐿2 (5) = 0 {𝐿3 (5) = 0 {𝐿4 (5) = 1
c) A partir des points de collocation (0,0) , (1,2), (2,36), (3,252), (5,1040), déterminons le
polynômes de Lagrange 𝐿0 (𝑥) , 𝐿1 (𝑥), 𝐿2 , 𝐿3 (𝑥) 𝑒𝑡 𝐿4 (𝑥),de degré 3,tels que :
(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 )

𝐿0 (𝑥) =
( 𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 )(𝑥0 − 𝑥3 )(𝑥0 − 𝑥4 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 )

𝐿1 (𝑥) =
( 𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )(𝑥1 − 𝑥4 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥3 )(𝑥 − 𝑥4 )

𝐿2 (𝑥) =
( 𝑥2 − 𝑥0 )(𝑥2 − 𝑥1 )(𝑥2 − 𝑥3 )(𝑥2 − 𝑥4 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥4 )

𝐿3 (𝑥) =
( 𝑥3 − 𝑥0 )(𝑥3 − 𝑥1 )(𝑥3 − 𝑥2 )(𝑥3 − 𝑥4 )
(𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )

𝐿4 (𝑥) =
( 𝑥4 − 𝑥0 )(𝑥4 − 𝑥1 )(𝑥4 − 𝑥2 )(𝑥4 − 𝑥3 )
(𝑥 − 1)(𝑥 − 2)(𝑥 − 3)(𝑥 − 5)

𝐿0 (𝑥) =
( 0 − 1)(0 − 2)(0 − 3 )(0 − 5)
(𝑥 − 0)(𝑥 − 2)(𝑥 − 3)(𝑥 − 5)

𝐿1 (𝑥) =
( 1 − 0)(1 − 2)(1 − 3 )(1 − 5)
(𝑥 − 0)(𝑥 − 1)(𝑥 − 3)(𝑥 − 5)

𝐿2 (𝑥) =
( 2 − 0)(2 − 1)(2 − 3 )(2 − 5)
(𝑥 − 0)(𝑥 − 1)(𝑥 − 2)(𝑥 − 5)

𝐿3 (𝑥) =
( 3 − 0)(3 − 1)(3 − 2 )(3 − 5)
(𝑥 − 0)(𝑥 − 1)(𝑥 − 2)(𝑥 − 3)
𝐿4 (𝑥) =
( 5 − 0)(5 − 1)(5 − 2 )(5 − 3)
𝑥 4 − 11𝑥 3 + 41𝑥 2 − 61𝑥 + 30

𝐿0 (𝑥) =
30
𝑥 4 − 10𝑥 3 + 31𝑥 2 − 30𝑥
𝐿1 (𝑥) =
(−8)
𝑥 4 − 9𝑥 3 + 23𝑥 2 − 15𝑥
𝐿2 (𝑥) =
6
𝑥 4 − 8𝑥 3 + 17𝑥 2 − 10𝑥
𝐿3 (𝑥) =
(−12)
𝑥 4 − 6𝑥 3 + 11𝑥 2 − 6𝑥
𝐿4 (𝑥) =
(−12)
Le polynôme de degré 4 passant par les points de collocation

(0,0) , (1,2), (2,36), (3,252),(5,1040) est donné par :
𝑖=4
𝑃4 (𝑥) = 𝐿(𝑥) = ∑ 𝐿𝑖 (𝑥)𝑓(𝑥𝑖 )

𝑖=0
𝑃4 (𝑥) = 𝐿0 (𝑥)𝑓(𝑥0 ) + 𝐿1 (𝑥)𝑓(𝑥1 ) + 𝐿2 (𝑥)𝑓(𝑥2 )+𝐿3 (𝑥)𝑓(𝑥3 ) + 𝐿4 (𝑥)𝑓(𝑥4 )
𝑥 4 − 11𝑥 3 + 41𝑥 2 − 61𝑥 + 30 𝑥 4 − 10𝑥 3 + 31𝑥 2 − 30𝑥

𝑃4 (𝑥) = (0) + (2)
30 (−8)
𝑥 4 − 9𝑥 3 + 23𝑥 2 − 15𝑥 𝑥 4 − 8𝑥 3 + 17𝑥 2 − 10𝑥
+ (36) + (252)
6 (−12)
𝑥 4 − 6𝑥 3 + 11𝑥 2 − 6𝑥
+ (1040)
(−12)
II-3 Interpolation de Newton
II-3-1 Principe
𝑃𝑛 (𝑥) = 𝑎0 + 𝑎1 𝑥 + 𝑎2 𝑥 2 + 𝑎3 𝑥 3 + ⋯ 𝑎𝑛 𝑥 𝑛 (5 − 1)
Table des différences divisées
𝑥𝑖 𝑓(𝑥𝑖 ) 𝑓[𝑥𝑖 , 𝑥𝑖+1 ] 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 ] 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 , 𝑥𝑖+3 ]
𝑥0 𝑎0 = 𝑓(𝑥0 ) 𝑎1 = 𝑓[𝑥0 , 𝑥1 ]
𝑥1 𝑓(𝑥1 ) 𝑓[𝑥1 , 𝑥2 ] 𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ]
𝑥2 𝑓(𝑥2 ) 𝑓[𝑥2 , 𝑥3 ] 𝑓[𝑥1 , 𝑥2 , 𝑥3 ] 𝑎3 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ]
𝑥3 𝑓(𝑥3 )
𝑓[𝑥1 , 𝑥2 ] − 𝑓[𝑥0 , 𝑥1 ] 𝑓[𝑥2 , 𝑥3 ] − 𝑓[𝑥1 , 𝑥2 ]

𝑓[𝑥0 , 𝑥1 , 𝑥2 ] = , 𝑓[𝑥1 , 𝑥2 , 𝑥3 ] =
𝑥2 − 𝑥0 𝑥3 − 𝑥1
𝑓[𝑥1 , 𝑥2 , 𝑥3 ] − 𝑓[𝑥0 , 𝑥1 , 𝑥2 ]
𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ] =
𝑥3 − 𝑥0
III-3-2 Exercices : interpolation de Newton
Exercice 1
Obtenir le polynôme de degré 2 passant par les points : (1,2), (2,6), (3,12).
Exercice 2
Soit les points suivants : (0,0), (1,2), (2,36), (3,252), (4,1040)
a) Obtenir le polynôme de Newton passant par les 3 premiers points.
b) Obtenir le polynôme de Newton passant par les 4 premiers points.
c) Obtenir le polynôme de Newton passant par les 5 premiers points.
Corrigé Exercice 1
Obtenir le polynôme de Newton de degré 2 passant par les points : (1,2), (2,6), (3,12).
Table des différences divisées :
𝑥𝑖 𝑓(𝑥𝑖 ) 𝑓[𝑥𝑖 , 𝑥𝑖+1 ] 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 ]
𝑥0 = 1 𝑎0 = 𝑓(𝑥0 ) = 2
𝑥1 = 2 𝑓(𝑥1 ) = 6 𝑎1 = 𝑓[𝑥0 , 𝑥1 ] = 4 𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ]

=1
𝑥2 = 3 𝑓(𝑥2 ) = 12 𝑓[𝑥1 , 𝑥2 ] = 6
𝑎0 = 2, 𝑎1 = 4 , 𝑎2 = 1
𝑃1 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) = 2 + 4(𝑥 − 1) = −2 + 4𝑥
𝑃2 (𝑥) = 𝑃1 (𝑥) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) = −2 + 4𝑥 + (1)(𝑥 − 1)(𝑥 − 2)
𝑃2 (𝑥) = −2 + 4𝑥 + 𝑥 2 − 3𝑥 + 2 = 𝑥 + 𝑥 2
Corrigé exercice 2
a) Obtenir le polynôme de Newton de degré 2 passant par les points : (0,0) (1,2), (2,36)
𝑥𝑖 𝑓(𝑥𝑖 ) 𝑓[𝑥𝑖 , 𝑥𝑖+1 ] 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 ]
𝑥0 = 0 𝑎0 = 𝑓(𝑥0 ) = 0 𝑎1 = 𝑓[𝑥0 , 𝑥1 ] = 2
𝑥1 = 1 𝑓(𝑥1 ) = 2 𝑓[𝑥1 , 𝑥2 ] = 34 𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] = 16
𝑥2 = 2 𝑓(𝑥2 ) = 36
𝑎0 = 0, 𝑎1 = 2 , 𝑎2 = 16
𝑃1 (𝑥) = 0 + 2(𝑥 − 0) = 2𝑥
𝑃2 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )
𝑃2 (𝑥) = 𝑃1 (𝑥) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) = 2𝑥 + 16𝑥(𝑥 − 1)
𝑃2 (𝑥) = 2𝑥 + 16𝑥 2 − 16𝑥 = −14𝑥 + 16𝑥 2
b) Obtenir le polynôme de Newton de degré 2 passant par les points : (0,0) (1,2), (2,36), (3,252).Table
des différences divisées :
𝑥0 = 0 𝑎0 = 𝑓(𝑥0 ) 𝑎1 = 𝑓[𝑥0 , 𝑥1 ] = 2
=0
𝑥1 = 1 𝑓(𝑥1 ) = 2 𝑓[𝑥1 , 𝑥2 ] = 34 𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] = 16 𝑎3 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ]=25
𝑥2 = 2 𝑓(𝑥2 ) = 36 𝑓[𝑥2 , 𝑥3 ] = 216 𝑓[𝑥1 , 𝑥2 , 𝑥3 ] = 91
𝑥3 = 3 𝑓(𝑥3 ) = 252
c) Obtenir le polynôme de Newton de degré 2 passant par les points : (0,0) (1,2), (2,36),
(3,252),(5,1040).
𝑥𝑖 𝑓(𝑥𝑖 ) 𝑓[𝑥𝑖 , 𝑥𝑖+1 ] 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 ] 𝑓[𝑥𝑖 , 𝑥𝑖+1 , 𝑥𝑖+2 , 𝑥𝑖+3 ] 𝑥𝑖 , 𝑥𝑖+1 ,
𝑓 [𝑥 ]
𝑖+2 , 𝑥𝑖+3 , 𝑥𝑖+4
𝑥0 = 0 𝑎0 = 0 𝑎1 = 2
𝑥1 = 1 2 34 𝑎2 = 16 𝑎3 = 25
𝑥2 = 2 36 216 91 −95⁄12 𝑎4 = −79⁄12
𝑥3 = 3 252 178/3
𝑥4 = 5 1040
𝑎0 = 0, 𝑎1 = 2 , 𝑎2 = 16, 𝑎3 = 25, 𝑎4 = (−170⁄3)
𝑃4 (𝑥) = 𝑎0 + 𝑎1 (𝑥 − 𝑥0 ) + 𝑎2 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 ) + 𝑎3 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )

+ 𝑎4 (𝑥 − 𝑥0 )(𝑥 − 𝑥1 )(𝑥 − 𝑥2 )(𝑥 − 𝑥3 )
𝑃4 (𝑥) = 2𝑥 + 16𝑥(𝑥 − 1)
+ 25𝑥(𝑥 − 1)(𝑥 − 2) + (−79⁄12) 𝑥(𝑥 − 1)(𝑥 − 2)(𝑥 − 3)
𝑃4 (𝑥) = 𝑃3 (𝑥) + (−79⁄12) 𝑥(𝑥 − 1)(𝑥 − 2)(𝑥 − 3)
Remarque
Il est bon de remarquer que les points de collocation ne doivent pas forcement être placés en abscisses
croissant, bien que cela soit souvent préférable, considérant la table des différences divisées suivante
𝑥0 = 2 𝑎0 = 𝑓(𝑥0 ) 𝑎1 = 𝑓[𝑥0 , 𝑥1 ] = 1
=1
𝑥1 = 0 𝑓(𝑥1 ) = −1 𝑓[𝑥1 , 𝑥2 ] = 2.2 𝑎2 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 ] = 0.4 𝑎3 = 𝑓[𝑥0 , 𝑥1 , 𝑥2 , 𝑥3 ]=1.2
𝑥2 = 5 𝑓(𝑥2 ) = 10 𝑓[𝑥2 , 𝑥3 ] = 7 𝑓[𝑥1 , 𝑥2 , 𝑥3 ] = 1.6
𝑥3 = 3 𝑓(𝑥3 ) = −4
On note que les abscisses 𝒙𝒊 ne sont pas par ordre croissant, Le polynôme passant par ces points est :
𝑃3 (𝑥) = 1 + 1(𝑥 − 2) + 0,4(𝑥 − 2)(𝑥 − 0) + 1,2(𝑥 − 2)(𝑥 − 0)(𝑥 − 5)
III-4 Rappel : Algorithme de HORNER
III-4-1 Evaluation des polynômes
Si on souhaite évaluer ce polynôme de𝑥 = 1, on peut se servir de la méthode de Horner, on peut
réécrit le polynôme sous la forme :
𝑃3 (𝑥) = 1 + 1(𝑥 − 2) + 0,4(𝑥 − 2)(𝑥 − 0) + 1,2(𝑥 − 2)(𝑥 − 0)(𝑥 − 5)
𝑃3 (𝑥) = 1 + (𝑥 − 2) (1 + (𝑥 − 0)(0,4 + 1,2(𝑥 − 5)))
𝑓(1) ≅ 𝑃3 (1) = 1 + (−1) (1 + (1)(0,4 + 1,2(−4))) = 1 + (−1)(1 − 4,4) = 4,4
II-4-2 Erreur d’interpolation
Remarque
On suppose que les données des points [𝑥𝑖 , 𝑓(𝑥𝑖 )] sont exactes, ce qui n’est pas toujours le cas,
En effet, si ces données proviennent de mesures expérimentales, elles peuvent être entachées
d’une erreur de mesure, Dans ce qui suit on suppose que cette erreur est nulle.
Théorème
Commentaires
Remarques importantes
1-
2–
Un calcul très simple (démonstration facultative) nous permet de montrer que:
On peut donc estimer le terme d’erreur (équation 5-21) par :
Remarque
𝜀 est une valeur de tolérance fixée à l’avance. Il est aussi recommandé de fixer le degré maximal N des
polynômes à utiliser.
Exemple :
Exemple
CHAPITRE III – Dérivation Intégration Numérique
II-1 Dérivation
II-1-1 Schémas d’approximation des dérivées
I – Approximation de la dérivée première 𝒇 ′ (𝒙)

Ordre de précision O(h)
𝑓(𝑥 + ℎ) − 𝑓(𝑥)
𝑓 ′ (𝑥) = 𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
ℎ
𝑓(𝑥) − 𝑓(𝑥 − ℎ)
𝑓 ′ (𝑥) = 𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
ℎ
Ordre de précision deux O(h2)
−3𝑓(𝑥) + 4𝑓(𝑥 + ℎ) − 𝑓(𝑥 + 2ℎ)
𝑓 ′ (𝑥) = 𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
2ℎ
3𝑓(𝑥) − 4𝑓(𝑥 − ℎ) + 𝑓(𝑥 − 2ℎ)
𝑓 ′ (𝑥) = 𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
2ℎ
𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)
𝑓 ′ (𝑥) = 𝑐𝑒𝑛𝑡𝑟é𝑒
2ℎ
Ordre de précision quatre O(h4)
𝑓(𝑥 − 2ℎ) − 8𝑓(𝑥 − ℎ) + 8𝑓(𝑥 + ℎ) − 𝑓(𝑥 + 2ℎ)

12ℎ
II – Approximation de la dérivée seconde 𝒇 ′′ (𝒙)

𝑓(𝑥) − 2𝑓(𝑥 + ℎ) + 𝑓(𝑥 + 2ℎ)
𝑓 ′′ (𝑥) = 𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
ℎ2
𝑓(𝑥) − 2𝑓(𝑥 − ℎ) + 𝑓(𝑥 − 2ℎ)

𝑓 ′′ (𝑥) = 𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
ℎ2
𝑓(𝑥 − ℎ) − 2𝑓(𝑥) + 𝑓(𝑥 + ℎ)
𝑓 ′′ (𝑥) =
ℎ2
2𝑓(𝑥) − 5 𝑓(𝑥 + ℎ) + 4 𝑓(𝑥 + 2ℎ) − 𝑓(𝑥 + 3ℎ)
𝑓 ′′ (𝑥) = 𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
ℎ2
2𝑓(𝑥) − 5 𝑓(𝑥 − ℎ) + 4 𝑓(𝑥 − 2ℎ) − 𝑓(𝑥 − 3ℎ)

𝑓 ′′ (𝑥) = 𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
ℎ2
−𝑓(𝑥 − 2ℎ) + 16𝑓(𝑥 − ℎ) − 30 𝑓(𝑥) + 16𝑓(𝑥 + ℎ) − 𝑓(𝑥 + 2ℎ)

𝑓 ′′ (𝑥) =
12ℎ2
III – Approximation de la dérivée troisième 𝒇 ′′′ (𝒙)
−𝑓(𝑥) + 3𝑓(𝑥 + ℎ) − 3𝑓(𝑥 + 2ℎ) + 𝑓(𝑥 + 3ℎ)
𝑓 ′′′ (𝑥) = 𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
ℎ3
𝑓(𝑥) − 3𝑓(𝑥 − ℎ) + 3𝑓(𝑥 − 2ℎ) − 𝑓(𝑥 − 3ℎ)

𝑓 ′′′ (𝑥) = 𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
ℎ3
−5𝑓(𝑥) + 18𝑓(𝑥 + ℎ) − 24 𝑓(𝑥 + 2ℎ) + 14 𝑓(𝑥 + 3ℎ) − 3 𝑓(𝑥 + 4ℎ)

𝑓 ′′′ (𝑥) =
2ℎ3
5𝑓(𝑥) − 18𝑓(𝑥 − ℎ) + 24 𝑓(𝑥 − 2ℎ) − 14 𝑓(𝑥 − 3ℎ) + 3 𝑓(𝑥 − 4ℎ)
𝑓 ′′′ (𝑥) =
2ℎ3

𝑓 ′′′ (𝑥)
𝑓(𝑥 − 3ℎ) − 8𝑓(𝑥 − 2ℎ) + 13𝑓(𝑥 − ℎ) − 13𝑓(𝑥 + ℎ) + 8𝑓(𝑥 + 2ℎ) − 𝑓(𝑥 + 3ℎ)
=
8ℎ3
IV – Approximation de la dérivée quatrième 𝒇𝑰𝑽
𝒇𝑰𝑽 (𝑥)
𝑓(𝑥) − 4𝑓(𝑥 + ℎ) + 6𝑓(𝑥 + 2ℎ) − 4𝑓(𝑥 + 3ℎ) + 𝑓(𝑥 + 4ℎ)
= 𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
ℎ4
𝒇𝑰𝑽 (𝑥)
𝑓(𝑥) − 4𝑓(𝑥 − ℎ) + 6𝑓(𝑥 − 2ℎ) − 4𝑓(𝑥 − 3ℎ) + 𝑓(𝑥 − 4ℎ)
= 𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
ℎ4
𝒇𝑰𝑽 (𝑥)
3𝑓(𝑥) − 14𝑓(𝑥 + ℎ) + 26𝑓(𝑥 + 2ℎ) − 24𝑓(𝑥 + 3ℎ) + 11𝑓(𝑥 + 4ℎ) − 2𝑓(𝑥 + 5ℎ)
=
ℎ4
𝒇𝑰𝑽 (𝑥)
3𝑓(𝑥) − 14𝑓(𝑥 − ℎ) + 26𝑓(𝑥 − 2ℎ) − 24𝑓(𝑥 − 3ℎ) + 11𝑓(𝑥 − 4ℎ) − 2𝑓(𝑥 − 5ℎ)
=
ℎ4
𝑓(𝑥 − 2ℎ) − 4𝑓(𝑥 − ℎ) + 6 𝑓(𝑥) − 4𝑓(𝑥 + ℎ) + 2𝑓(𝑥 + 2ℎ)

𝒇𝑰𝑽 (𝑥) =
ℎ4
𝒇𝑰𝑽
−𝑓(𝑥 − 3ℎ) + 12𝑓(𝑥 − 2ℎ) − 39𝑓(𝑥 − ℎ) + 56𝑓(𝑥) − 39𝑓(𝑥 + ℎ) + 12𝑓(𝑥 + 2ℎ) − 𝑓(𝑥 + 3ℎ)
=
6ℎ4
II-1-2 Exercices différentiation numérique
Exercice 1
Evaluer la dérivée de 𝑓(𝑥) = 𝑒 𝑥 en x = 0 à l’aide des différences avant et arrière d’ordre 2.

Prendre h = 0.05 et h = 0.025 et calculer les erreurs absolues et relatives. Obtenir une
approximation encore plus précise de 𝑓 ′(0) à l’aide de l’extrapolation de Richardson dans ce
cas.
Corrigé exercice 1 : différences avant et arrière ordre deux
−3𝑓(𝑥) + 4𝑓(𝑥 + ℎ) − 𝑓(𝑥 + 2ℎ)

𝑓 ′ (𝑥) = + 𝑂(ℎ2 )𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
2ℎ
3𝑓(𝑥) − 4𝑓(𝑥 − ℎ) + 𝑓(𝑥 − 2ℎ)
𝑓 ′ (𝑥) = + 𝑂(ℎ2 )𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
2ℎ
Différence avant pour ℎ = 0,05: :
−3𝑓(0)+4𝑓(0,05)−𝑓(0,1) −3𝑒 0 +4𝑒 0,05 − 𝑒 0,1

𝑓 ′ (0) ≅ = = 0,999 134674 3
0,1 0,1
Différence avant pour ℎ = 0,025:
−3𝑓(0) + 4𝑓(0,025) − 𝑓(0,05) −3𝑒 0 + 4𝑒 0,025 − 𝑒 0,05

𝑓 ′ (0) ≅ = = 0,999 787 714
0,05 0,05
L’erreur absolue |𝑓′𝑒𝑥𝑎𝑐𝑡𝑒 (0) − 𝑓′𝑎𝑝𝑝 (0)| ≅ 0,0008653257 ≅ 8,6510−4
|𝑓′𝑒𝑥𝑎𝑐𝑡𝑒 (0) − 𝑓′𝑎𝑝𝑝 (0)|

L’erreur relative |𝑓′𝑒𝑥𝑎𝑐𝑡𝑒 (0)|
≅ 0,0008653257 ≅ 0,0865%
Différence avant pour ℎ = 0,05: :
−3𝑓(0) + 4𝑓(0,05) − 𝑓(0,1) −3𝑒 0 + 4𝑒 0,05 − 𝑒 0,1

𝑓 ′ (0) ≅ = = 0,999 134674 3
0,1 0,1
= 𝑄𝑎𝑝𝑝 (0,05)
−3𝑓(0)+4𝑓(0,025)−𝑓(0,05) −3𝑒 0 +4𝑒 0,025 − 𝑒 0,05

Différence avant pour ℎ = 0,025: (0) ≅ = =
0,05 0,05
0,999 787 714 4
= 𝑄𝑎𝑝𝑝 (0,025)
La différence avant étant d’ordre 2, l’extrapolation de Richardson pour n = 2 donne :

22 𝑄𝑎𝑝𝑝 (0,025) −𝑄𝑎𝑝𝑝 (0,05)
𝑓 ′ (0) ≅ (22 −1)
= 1,000 005394 4
Différence arrière pour ℎ = 0,05: :
3𝑓(0) − 4𝑓(−0,05) + 𝑓(−0,1) 3𝑒 0 − 4𝑒 −0,05 + 𝑒 −0,1
𝑓 ′ (0) ≅ = = 0,999 197 200 3
0,1 0,1
= 𝑄𝑎𝑝𝑝 (0,05)
Différence arrière pour ℎ = 0,025:
3𝑓(0)−4𝑓(−0,025)+𝑓(−0,05) 3𝑒 0 −4𝑒 −0,025 − 𝑒 0,05

𝑓 ′ (0) ≅ = = 0,999 795 527 7
0,05 0,05
= 𝑄𝑎𝑝𝑝 (0,025)
L’erreur absolue |𝑓′𝑒𝑥𝑎𝑐𝑡𝑒 (0) − 𝑓′𝑎𝑝𝑝 (0)| = 0,0008027997 ≅ 8,0310−4
|𝑓′𝑒𝑥𝑎𝑐𝑡𝑒 (0) − 𝑓′𝑎𝑝𝑝 (0)|

L’erreur relative |𝑓′𝑒𝑥𝑎𝑐𝑡𝑒 (0)|
= 0,0008027997 ≅ 0,0803%
La différence arriéré étant d’ordre 2, l’extrapolation de Richardson pour n = 2 donne :

22 𝑄𝑎𝑝𝑝 (0,025) −𝑄𝑎𝑝𝑝 (0,05)
𝑓 ′ (0) ≅ (22 −1)
= 0,999 994 970 2
Exercice 2
1
Soit : 𝑓(𝑥) = (𝑥 √1 − 𝑥 2 + 𝑎𝑟𝑠𝑖𝑛(𝑥)). Pour x0 = 0.5, calculer des approximations de
2
𝑓 ′ (𝑥0 ) par la formule de différence arrière d’ordre 2 avec h = 0.1, 0.05, 0.025, 0.0125 et
0.00625. Dans chacun des cas calculer l’erreur absolue.
Corrigé exercice 2
3𝑓(𝑥) − 4𝑓(𝑥 − ℎ) + 𝑓(𝑥 − 2ℎ)

𝑓 ′ (𝑥) = + 𝑂(ℎ2 )𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑜𝑢 à 𝑔𝑎𝑢𝑐ℎ𝑒
2ℎ
𝑓′𝑒𝑥𝑎𝑐𝑡𝑒 (𝑥) = √(1 − 𝑥 2 ) , 𝑑𝑜𝑛𝑐 𝑓 ′ (0.5) = 0.866 025 4
3𝑓(0,5) − 4𝑓(0,4) + 𝑓(0,3)

𝑓 ′ (0) ≅ = 0.870 542 9
0,2
L’erreur absolue est 𝑒𝑎 = 4.5175552E-03
3𝑓(0,5) − 4𝑓(0,45) + 𝑓(0,4)

𝑓 ′ (0) ≅ = 0.8672234
0,1
3𝑓(0,5) − 4𝑓(0,475) + 𝑓(0,45)
𝑓 ′ (0) ≅ = 0.8663350
0,05
3𝑓(0,5) − 4𝑓(0,4875) + 𝑓(0,475)

𝑓 ′ (0) ≅ = 0.8660984
0,025
3𝑓(0,5) − 4𝑓(0,49375) + 𝑓(0,4875)

𝑓 ′ (0) ≅ = 0.8660483
0,0125
Exercice 3
A partir des données suivantes :
Fonction tabulée
𝒙 1.00 1.01 1. 2
𝑓(𝑥) 1.27 1.32 1.38
calculer les approximations de 𝑓 ′ (1.005), 𝑓 ′ (1.015) et 𝑓 ′′ (1.01) à l’aide des formules de

différences centrées. Si les valeurs de 𝑓(𝑥) sont précises à ±0.005, quelle est l’erreur maximale
de chacune des approximations.
Corrigé exercice 3
On utilise la formule des différences centrées d’ordre 2 :
𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)
2ℎ
avec 𝑥 = 1.005 𝑒𝑡 ℎ = 0.005
𝑓(1,01) − 𝑓(1.00) 𝑓𝑎𝑝𝑝 (1.01) ± ∆𝑓 − 𝑓𝑎𝑝𝑝 (1.00) ± ∆𝑓

𝑓 ′ (1.005) ≅ =
2 (0,005) 0,01
𝑓(1,01) − 𝑓(1.00) 𝑓𝑎𝑝𝑝 (1.01) ± ∆𝑓 − 𝑓𝑎𝑝𝑝 (1.00) ± ∆𝑓

𝑓 ′ (1.005) ≅ =
2 (0,005) 0,01
𝑓𝑎𝑝𝑝 (1.01) − 𝑓𝑎𝑝𝑝 (1.00) 2∆𝑓
⟹ 𝑓 ′ (1.005) ≅ ±
0,01 0.01
On obtient finalement 𝑓 ′ (1.005) = 5 ± 1 car ∆𝑓=0.005.
Pour calculer 𝑓 ′ (1.015) on utilise la même formule avec ℎ = 0.005 𝑒𝑡 𝑥 = 1.015 . On obtient
𝑓 ′ (1.015) = 6 ± 1 car ∆𝑓=0.005.
Pour le calcul de 𝑓 ′′ (1.01) on utilise :
𝑓(𝑥 + ℎ) − 2𝑓(𝑥) + 𝑓(𝑥 − ℎ)

𝑓 ′′ (𝑥) ≅=
ℎ2
𝑓𝑎𝑝𝑝 (1.02) − 2𝑓𝑎𝑝𝑝 (1.01) + 𝑓𝑎𝑝𝑝 (1.00) 4∆𝑓
𝑓 ′′ (1.01) ≅ 2
±
(0.01) (0.01)2
obtient 𝑓 ′′ (1.01) = 100 ± 200 ce qui est fort peur précis.
Exercice 4
On donne le tableau suivant des valeurs d’une fonction 𝑓(𝑥) :
𝒙 𝑓(𝑥) 𝒙 𝑓(𝑥)
2.7 10.272 093 50 3.025 10. 152 708 53
2.9 10.188 543 49 3.1 10. 137 470 96
3.0 10.158 837 43 3.2 10; 124 539 27
Sachant que 𝑓 ′ (3) = −0.255 605 459 076 443, comparer la précision des différentes
formules d’ordre 2 que vous pouvez utiliser à partir de ces données
Corrigé exercice 4
Puisque les abscisses ne sont pas également espacés, il n’y a que deux possibilités. La formule
centrée ℎ = (0.1) donne -0.2554 ce qui est acceptable. La formule avant donne -0.255 838 6,
ce qui est un peu moins bon.
𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)
2ℎ
𝑓(𝑥+ℎ)− 𝑓(𝑥)
𝑓 ′ (𝑥) = + 𝑂(ℎ)𝑎𝑣𝑎𝑛𝑐é𝑒 𝑜𝑢 à 𝑑𝑟𝑜𝑖𝑡𝑒
ℎ
Exercice 5
Soit la différence centrée :
𝑓(𝑥 + ℎ) − 2𝑓(𝑥) + 𝑓(𝑥 − ℎ)

𝑓′′(𝑥) ≊
ℎ2
a) Obtenir l’ordre de cette approximation en utilisant le développement de Taylor
appropriés (conserver les termes jusqu’au degré 7 dans le développement de Taylor de
façon à déduire les 2 premiers termes de l’erreur)
b) Utiliser cette formule de différence pour obtenir une approximation de 𝑓 ′′ (2.0) pour la
fonction tabulée suivante, en prenant d ℎ’abord ℎ = 0.2 et ensuite ℎ = 0.1.
Fonction tabulée
𝒙 𝑓(𝑥) 𝒙 𝑓(𝑥)
1.8 1.587 786 7 2.1 1.741 937 3.
1.9 1.641 853 9 2.2 1.788 457 4
2.0 1.693 147 2
Corrigé exercice 5
a) On montre que
𝑓(𝑥 + ℎ) − 2𝑓(𝑥) + 𝑓(𝑥 − ℎ) ′′ (𝑥)

2𝑓 (4) (𝑥)ℎ2 2𝑓 (6) (𝑥)ℎ4
= 𝑓 + + + 𝑂(ℎ6 )
ℎ2 4! 6!
et l’approximation est d’ordre 2.
b) Pour ℎ = 0.2 on obtient 𝑓 ′′ (2.0) ≃ −0.251 2575 tandis que pour ℎ = 0.1, on obtient
𝑓 ′′ (2.0) ≃ −0.250 3200.
c) Une extrapolation de Richardson (avec n =2= donne 𝑓 ′′ (2.0) ≃ −0.250 0075 qui est une
approximation d’ordre 4, puisque le deuxième terme de l’erreur obtenue en a) est de degré 4 en
ℎ.
d) Méthode de Romberg
0.675 248 82 0.676 253 85 0.676 506 045 Ordre(2)
0.676 588 86 0.676 590 11 Ordre(4)
0.376 590 193 (Ordre 6)
II-2 Intégration Numérique
II-2-1 Rappels de cours
II-2-1-1 Formules de Newton-Cotes simples et composée :
Formule des trapèzes : Newton-Cotes Composée
𝒃 𝒊=𝒏−𝟏 𝒙𝒊+𝟏 𝒊=𝒏−𝟏

𝒉
∫ 𝒇(𝒙)𝒅𝒙 = ∑ ∫ 𝒇(𝒙)𝒅𝒙 ≊ ∑ [𝒇(𝒙𝒊 ) + 𝒇(𝒙𝒊+𝟏 )]
𝒂 𝒙𝒊 𝟐
𝒊=𝟎 𝒊=𝟎
𝒉
= ([𝒇(𝒙𝟎 ) + 𝒇(𝒙𝟏 )] + [𝒇(𝒙𝟏 ) + 𝒇(𝒙𝟐 )] + ⋯
𝟐
+[𝒇(𝒙𝒏−𝟐 ) + 𝒇(𝒙𝒏−𝟏 )] + [𝒇(𝒙𝒏−𝟏 ) + 𝒇(𝒙𝒏 )])
Après simplification
𝒃
𝒉
∫ 𝒇(𝒙)𝒅𝒙 = [𝒇(𝒙𝟎 ) + 𝟐(𝒇(𝒙𝟏 ) + 𝒇(𝒙𝟐 ) + ⋯ + 𝒇(𝒙𝒏−𝟐 ) + 𝒇(𝒙𝒏−𝟏 )) + 𝒇(𝒙𝒏 )]
𝒂 𝟐
Finalement la formule des trapèzes composée est de précision d’ordre 2 est :
𝒃 𝒏−𝟏
𝒉
∫ 𝒇(𝒙) ≊ [𝒇(𝒂) + 𝟐 ∑ 𝒇(𝒙𝒊 ) + 𝒇(𝒃)]
𝒂 𝟐
𝒊=𝟏
II-2-1-2 Formule de Simpson 1/3 composée peut se mettre sous la forme générale :
𝒙𝒏 𝒏−𝟏 𝒏−𝟐
𝒉
∫ 𝒇(𝒙)𝒅𝒙 = [𝒇(𝒙𝟎 ) + 𝟒 ∑ 𝒇(𝒙𝒊 ) + 𝟐 ∑ 𝒇(𝒙𝒊 ) + 𝒇(𝒙𝒏 )]
𝒙𝟎 𝟑
𝒊=𝟏,𝒊 𝑰𝒎𝒑𝒂𝒊𝒓𝒆 𝒊=𝟐, 𝒊 𝑷𝒂𝒊𝒓𝒆
Le calcul d’erreur montre que la formule de Simpson 1/3 composée est d’ordre de
précision égal à 4.
Formules de Simpson 3/8 composée
On peut également composer cette méthode en divisant l’intervalle d’intégration [𝒂 𝒃]
𝒃−𝒂
en 𝟑𝒏 sous intervalles de longueur 𝒉 = 𝟑𝒏
𝒃 𝒊=𝒏−𝟏 𝒙𝟑𝒊+𝟑
∫ 𝒇(𝒙)𝒅𝒙 = ∑ ∫ 𝒇(𝒙)𝒅𝒙
𝒂 𝒊=𝟎 𝒙𝟑𝒊
𝒊=𝒏−𝟏
𝟑𝒉
≅ ∑ [𝒇(𝒙𝟑𝒊 ) + 𝟑𝒇(𝒙𝟑𝒊+𝟏 ) + 𝟑𝒇(𝒙𝟑𝒊+𝟐 ) + 𝒇(𝒙𝟑𝒊+𝟑 )]
𝟖
𝒊=𝟎
𝟑𝒉
= [𝒇(𝒙𝟎 ) + 𝟑𝒇(𝒙𝟏 ) + 𝟑𝒇(𝒙𝟐 ) + 𝟐𝒇(𝒙𝟑 ) + 𝒇(𝒙𝟒 ) + ⋯ + 𝟐𝒇(𝒙𝟑𝒏−𝟑 ) + 𝟑𝒇(𝒙𝟑𝒏−𝟐 )
𝟖
+ 𝟑𝒇(𝒙𝟑𝒏−𝟏 ) + 𝒇(𝒙𝟑𝒏 )]
II-2-1-3 Méthode de Romberg
➢ La première ligne du tableau T, c’est-à-dire 𝑻𝟏,𝒊 est formée des résultats obtenus à
l’aide de la méthode des trapèzes composées avec 𝟐𝒊−𝟏 intervalles. Les 𝑻𝟏,𝒊 sont des
approximations d’ordre 2.
➢ Pour passer de 𝑻𝟏,𝒊 à 𝑻𝟏,𝒊+𝟏 , on doit doubler le nombre d’intervalles, ce qui
revient à diviser la valeur de 𝒉 par deux.
➢ Au moyen de l’extrapolation de Richardson avec n = 2, on définit :
𝟐𝟐 𝑻𝟏,𝒊+𝟏 −𝑻𝟏,𝒊
𝑻𝟐,𝒊 = (6.28)
𝟐𝟐 −𝟏
et les 𝑻𝟐,𝒊 sont des approximations d’ordre 4. On pose successivement :
𝟐𝟒 𝑻𝟐,𝒊+𝟏 −𝑻𝟐,𝒊 𝟐𝟔 𝑻𝟑,𝒊+𝟏 −𝑻𝟑,𝒊 𝟐𝟖 𝑻𝟒,𝒊+𝟏 −𝑻𝟒,𝒊

𝑻𝟑,𝒊 = , 𝑻𝟒,𝒊 = , 𝑻𝟓,𝒊 =
𝟐𝟒 −𝟏 𝟐𝟔 −𝟏 𝟐𝟖 −𝟏
ce qui définit un triangle de la forme :
Algorithmes Nombres 1 = 20 2 = 21 4 = 22 8 = 23 16 = 32 = Ordre
d’intervalles 24 25
Trapèzes T1,1 T1,2 T1,3 T1,4 T1,5 T1,6 2
Simpson1/3 T2,1 T2,2 T2,3 T2,4 T2,5 4
T3,1 T3,2 T3,3 T3,4 6
T4,1 T4,2 T4,3 8
T5,1 T5,2 10
Romberg T6,1 12
II-2-2 Exercices Intégration Numérique
Exercice 1
Corrigé exercice 1
Trapèzes : 1.727 221 905 pour 4 intervalles (ℎ = 0.25) et 1.720 518 592 pour 8 intervalles
(ℎ = 0.125).
(4 x 1.720 518 592 −1.727 221 905)
Richardson : = 1.718 284 154
3
Ordre 4. Les erreurs respectives sont 0.894 x 10−2 , 0.223 x 10−2 et 0.2326x10−5
Exercice 2
Corrigé exercice 2
Simpson 1/3 : 1.718 318843 pour 4 intervalles (ℎ = 0.25) et 1.718 284 154 pour 8 intervalles
(ℎ = 0.125).
(24 𝑥1.718 284 154−1.718 318843)

Richardson : = 1.718 281 843
15
Ordre 6. Les erreurs respectives sont 0.37 x 10−4 , 0.2326 x 10−5 et 0.15x10−7
Exercice 3
Comparer avec la valeur exacte
Corrigé exercice 3
4
Simpson 3/8 : 17.327 866 29 pour 6 intervalles (ℎ = 3) avec une erreur absolue 0.54 x 10−2
Exercice 4
Corrigé exercice 4 Méthode de Romberg
0.785 398 164 0.916 297 857 0.968 361 509 Ordre(2)
0.959 931 089 0.985 716 059 Ordre(4)
0.987 435 057 (Ordre 6)
Exercice 5
Corrigé exercice 5
a) La valeur exacte est I = Ln(2)
b) Il faut se rendre jusqu’à 𝑇1,4 pour lequel le rapport est 0.004.
c) Méthode de Romberg
0.75 0.708 333 333 0.697 023 80 0.694 121 85
0.694 444444 0.693 253 96 0.693 154 53
0.693 174 60 0.693 147 90
0.693 147
d) La deuxième ligne du tableau correspond à la méthode de Simpson 1/3 avec 2,4 et 8
intervalles.
Exercice 6
𝜋
A l’aide d’une certaine méthode d’intégration numérique, on évalué 𝐼 = ∫0 sin(𝑥) 𝑑𝑥. On a
2
obtenu les résultats suivants :
Valeurs de I
h I
0.1 1.001 235
0.2 1.009 872
0.4 1.078 979
Compte tenu de la valeur exacte de I, déduire l’ordre de convergence de la méthode
Corrigé exercice 6
𝐸𝑟𝑟𝑒𝑢𝑟(ℎ=0.2)
= 7.99 ≅ 23 La méthode est donc d’ordre 3
𝐸𝑟𝑟𝑒𝑢𝑟(ℎ=0.1)
Exercice 7
Une voiture roulant à 60 Km/h accélère au temps t = 0 s et sa vitesse 𝑣 en km/h est mesurée
régulièrement :
Vitesse en fonction du temps
𝒕𝒊 (𝒔) 0.0 0.5 1.0 1;5 2;0
𝒗(𝒌𝒎/𝒉) 60.0 68.4 75.5 82.2 89.4
a) En utilisant le meilleur polynôme de degré 2 possible, obtenir une approximation de la

vitesse (en km/h) à t = 1.2 s.
b) Obtenir l’expression analytique de l’erreur d’interpolation commise en a).
c) Obtenir une approximation de cette erreur à t = 1.2 s.
d) En vous servant plusieurs fois de la différence centrée :
𝑓(𝑥 + ℎ) − 𝑓(𝑥 − ℎ)
𝑓′(𝑥) ≃
2ℎ
obtenir une approximation de l’accélération 𝑎 (𝑚⁄𝑠 2 ) à t = 1.0 s et qui soit le plus précis
possible. Donner l’ordre de précision de l’approximation obtenue.
e) Evaluer la distance parcourue d (m) dans l’intervalle de temps [0 , 2.0] par la méthode
la plus précise possible. Préciser l’ordre de votre approximation.
Corrigé exercice 7
a) Il faut utiliser les points dont les abscisses sont les plus rapprochées de 𝑡 = 1.2 soit dans
l’ordre = 1.0 , 𝑡 = 1.5 et 𝑡 = 0.5. On obtient ainsi un polynôme 𝑝2 (𝑥) = 75.5 +
13.4(𝑡 − 1.0) − 0.8(𝑡 − 1.0)(𝑡 − 1.5) qui vaut
78.228 km/h.
1
b) 𝐸2 (𝑡) = 3! 𝑣 ′′′ (𝜉)(𝑡 − 1.0)(𝑡 − 1.5)(𝑡 − 0.5) pour𝜉 ∈ [0.5 1.5]
c) En introduisant le point d’abscisse 𝑡 = 2.0 et l’en complète la table des différences

divisées. On obtient 𝐸2 (𝑡) = 1.2(𝑡 − 1.0)(𝑡 − 1.5)(𝑡 − 0.5) qui vaut 0.0504 à 𝑡 = 1.2. d)
Pour ℎ = 0.1, la différence centrée donne 14. 7 (𝑘𝑚⁄ℎ 𝑠) = 4.083 333 (𝑚⁄𝑠 2 ) tandis que,
pour ℎ = 0.5, on obtient 3.833 333 (𝑚⁄𝑠 2 ). Une extrapolation de Richardson avec
𝑛 = 2 donne 𝑎 = 3.75 𝑚⁄𝑠 2 qui est une approximation d’ordre 4.
e) Il suffit d’intégrer la fonction tabulée
Méthode de Romberg
149.4 150.2 150.4 Ordre(2)
150.466666667 150.466666667 Ordre(4)
150 466666667 (Ordre 6)
La distance 𝑑 est 150 466666667(𝑘𝑚 𝑠)/ℎ . Ou encore 41.796 296 3 m.
CHAPITRE IV- Algorithmes de Résolution des Equations
Différentielles
IV- 1 Algorithme d’EULER (Explicite)
1 – Etant donné un pas h, une condition initiale (𝒕𝟎 , 𝒚𝟎 ) et un nombre maximal

d’itérations N.
2 – Pour 𝟎 ≤ 𝒊 ≤ 𝑵:
𝒚𝒊+𝟏 = 𝒚𝒊 + 𝒉 𝒇(𝒕𝒊 , 𝒚𝒊 )
𝒕𝒊+𝟏 + 𝒕𝒊 + 𝒉
Ecrire 𝒕𝒊+𝟏 et 𝒚𝒊+𝟏
3 - Arrêt
Exercice 1 d’application : Algorithme d’Euler
𝑦 ′ = −𝑦 + 𝑡 + 1 = 𝑓(𝑡, 𝑦), 𝑦(0) = 1
𝑦(𝑡) = 𝑡 + 𝑒 −𝑡
h = 0.1 𝑡𝑖 = 𝑡𝑖−1 + ℎ , Algorithme d’Euler
i = 0, 𝑦1 = 𝑦0 + ℎ𝑓(𝑡0 , 𝑦0 ) = 1 + 0.1(−1 + 0 + 1) = 1
𝑦(0.1) = 0.1 + 𝑒 −0.1 = 1.004 837 418 0
i = 1, 𝑦2 = 𝑦1 + ℎ𝑓(𝑡1 , 𝑦1 ) = 1 + 0.1(−1 + 0.1 + 1) = 1.01
𝑦(0.2) = 0.2 + 𝑒 −0.2 = 1.018 730 775 3
i = 2, 𝑦3 = 𝑦2 + ℎ𝑓(𝑡2 , 𝑦2 ) = 1.01 + 0.1(−1.01 + 0.2 + 1) = 1.029
𝑦(0.3) = 0.3 + 𝑒 −0.3 = 1.040 818 220 7
𝑡𝑖 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑒𝑥𝑎𝑐𝑡𝑒 𝑦(𝑡𝑖 ) Solution approchée 𝑒𝑎 = |𝑦(𝑡𝑖 ) − 𝑦𝑖 |

𝑦𝑖
0 1 1 0
0.1 1.0048374180 1 0.00484
0.2 1.0187307753 1.01 0.00873
0.3 1.040818221 1.029 0.01182
𝑦 ′ = −𝑦 + 𝑡 + 1 = 𝑓(𝑡, 𝑦), 𝑦(0) = 1
𝑦(𝑡) = 𝑡 + 𝑒 −𝑡
Reprendre le même exemple pour un pas h = 0.05
h = 0.05 𝑡𝑖 = 𝑡𝑖−1 + ℎ , Algorithme d’Euler
i = 0, 𝑦1 = 𝑦0 + ℎ𝑓(𝑡0 , 𝑦0 ) = 1 + 0.05(−1 + 0 + 1) = 1
𝑦(0.05) = 0.05 + 𝑒 −0.05 = 1.001 229 424 5
i = 1, 𝑦2 = 𝑦1 + ℎ𝑓(𝑡1 , 𝑦1 ) = 1 + 0.05(−1 + 0.0.5 + 1) = 1.002 5
𝑦(0.1) = 0.1 + 𝑒 −0.1 = 1.004 837 418 0
i = 2, 𝑦3 = 𝑦2 + ℎ𝑓(𝑡2 , 𝑦2 ) = 1.0025 + 0.05(−1.0025 + 0.1 + 1) = 1.007 375
𝑦(0.15) = 0.15 + 𝑒 −0.15 = 1.010 707 976 4
i = 3, 𝑦4 = 𝑦3 + ℎ𝑓(𝑡3 , 𝑦3 ) = 1.007375 + 0.05(−1.007375 + 0.15 + 1) = 1.014 506 25
𝑦(0.2) = 0.2 + 𝑒 −0.2 = 1.018 730 775 3
i = 4,𝑦5 = 𝑦4 + ℎ𝑓(𝑡4 , 𝑦4 ) = 1.014 506 25 + 0.05(−1.014 506 25 + 0.2 + 1) =

1.023 780 938, 𝑦(0.25) = 0.25 + 𝑒 −0.25 = 1.028 800 783 1
i = 5, 𝑦6 = 𝑦5 + ℎ𝑓(𝑡5 , 𝑦5 ) = 1.023 780 938 + 0.05(−1.023 780 938 + 0.25 + 1) =

1.035 091 891 1, 𝑦(0.3) = 0.3 + 𝑒 −0.3 = 1.040 818 220 7

𝑦𝑖
0 1 1 0
0.05 1.001 229 424 5 1 0.00123
0.1 1.0048374180 1.0025 0.00484
0.15 1.0107079764 1.007375 0.003333
0.2 1.0187307753 1.014 506 25 0.00422
0.25 1.028 800 7831 1.023 780 938 0.00502
0.3 1.040818221 1.0350918911 0.0057
Extrapolation de Richardson, Euler ordre 1
2𝑥1.0350918911 − 1.029
𝑦𝑒𝑥𝑎 = = 1.041 183 782 2
2−1
𝑒𝑎 = 0.0003656
IV-2 Algorithmes de Runge-Kutta ordre 2
IV-2-1 EULER modifié

d’itérations N.
2 – Pour 𝟎 ≤ 𝒊 ≤ 𝑵:
̂ = 𝒚𝒊 + 𝒉𝒇(𝒕𝒊 , 𝒚𝒊 )
𝒚
𝒉
𝒚𝒊+𝟏 = 𝒚𝒊 + 𝟐 [𝒇(𝒕𝒊 , 𝒚𝒊 ) + 𝒇(𝒕𝒊+𝟏 , 𝒚
̂)]
𝒕𝒊+𝟏 + 𝒕𝒊 + 𝒉
3 - Arrêt
Exemple 1:
𝑦 ′ = −𝑦 + 𝑡 + 1 = 𝑓(𝑡, 𝑦), 𝑦(0) = 1
𝑦(𝑡) = 𝑡 + 𝑒 −𝑡
h = 0.1 𝑡𝑖 = 𝑡𝑖−1 + ℎ , Algorithme d’Euler modifié
n=1
𝑦̂ = 𝑦0 + ℎ𝑓(𝑡0 , 𝑦0 ) = 1 + 0.1(−1 + 0 + 1) = 1
ℎ
𝑦1 = 𝑦0 + [𝑓(𝑡0 , 𝑦0 ) + 𝑓(𝑡0 + ℎ, 𝑦̂)] = 1 + 0.05[(−1 + 0 + 1) + (−1 + 0.1 + 1)]
2
= 1.005
𝑦(0.1) = 0.1 + 𝑒 −0.1 = 1.004 837 418 0
n=2
𝑦̂ = 𝑦1 + ℎ𝑓(𝑡1 , 𝑦1 ) = 1.005 + 0.1(−1.005 + 0.1 + 1) = 1.014 5
ℎ
𝑦2 = 𝑦1 + [𝑓(𝑡1 , 𝑦1 ) + 𝑓(𝑡1 + ℎ, 𝑦̂)]
2
= 1.005 + 0.05[(−1.005 + 0.1 + 1) + (−1.0145 + 0.2 + 1)] = 1.019 025
𝑦(0.2) = 0.2 + 𝑒 −0.2 = 1.018 730 775 3
n=3
𝑦̂ = 𝑦2 + ℎ𝑓(𝑡2 , 𝑦2 ) = 1.019025 + 0.1(−1.019025 + 0.2 + 1) = 1.0371225
ℎ
𝑦3 = 𝑦2 + [𝑓(𝑡2 , 𝑦2 ) + 𝑓(𝑡2 + ℎ, 𝑦̂)]
2
= 1.01902 + 0.05[(−1.019025 + 0.2 + 1) + (−1.0371225 + 0.3 + 1)]
= 1.0412176215
𝑦(0.3) = 0.3 + 𝑒 −0.3 = 1.040 818 220 7

𝑦𝑖
0 1 1 0
0.1 1.0048374180 1.005 0.0001626
0.2 1.0187307753 1.019025 0.00032
0.3 1.040818221 1.0412176215 0.00039
TRAVAIL A FAIRE (T.A.F) : Compléter le tableau suivant
𝑦 ′ = −𝑦 + 𝑡 + 1 = 𝑓(𝑡, 𝑦), 𝑦(0) = 1
𝑦(𝑡) = 𝑡 + 𝑒 −𝑡
h = 0.05 𝑡𝑖 = 𝑡𝑖−1 + ℎ , Algorithme d’EULER Modifié

𝑦𝑖
0.05
0.1
0.15
0.2
0.25
0.3
Extrapolation de Richardson, Euler Modifié ordre 2
22 𝑦6 − 𝑦3
𝑦𝑒𝑥𝑎 = =
22 − 1
𝑒𝑎 =
Exercice 2
L’équation différentielle :
𝑦 ′ (𝑡) = 𝑦(𝑡) + 𝑒 𝑡 (𝑦(0) = 2)
Possède la solution analytique 𝑦(𝑡) = 𝑡 𝑒 𝑡 + 2 𝑒 𝑡 .
a) En prenant h = 0.1, faire trois itérations de la méthode d’Euler modifiée et calculer
l’erreur commise sur 𝑦3 en comparant les résultats avec la solution analytique 𝑦(0.3).
b) En prenant h = 0.05, faire six itérations de la méthode d’Euler modifiée et calculer
c) Faire le rapport des erreurs commises en a) et b) et commenter le résultat en f onction
de l’erreur de troncature locale liée à la méthode utilisée.
d) Utiliser l’extrapolation de Richardson pour obtenir une meilleure approximation
de 𝑦(0.3).
Corrigé exercice 2
h = 0.1,EULER
′ (𝑡) 𝑡 (𝑦(0) = 2 = 𝑦0 )
𝑦 = 𝑦(𝑡) + 𝑒 = 𝑓(𝑡, 𝑦) ,
n =1 , 𝑡1 = 𝑡0 + ℎ
𝑦1 = 𝑦0 + ℎ𝑓(𝑡0 , 𝑦0 )
n =2 , 𝑡2 = 𝑡1 + ℎ
𝑦2 = 𝑦1 + ℎ𝑓(𝑡1 , 𝑦1 )
n =3 , 𝑡3 = 𝑡2 + ℎ
𝑦3 = 𝑦2 + ℎ𝑓(𝑡2 , 𝑦2 )
h = 0.1, Euler Modifié
n 𝑡𝑛 𝑦(𝑡𝑛 ) 𝑦̂ 𝑦𝑛 𝑒 = |𝑦(𝑡𝑛 ) − 𝑦𝑛 |
0 0 2 2 0
1 0.1 2.320858928 2.3 2.320258546 0.0006
2 0.2 2.687086068 2.6628014924 2.6857402317 0.001346
3 0.3 3.104675257 3.0764545307 3.1024130481 0.00226
h = 0.1, Euler Explicit
n 𝑡𝑛 𝑦(𝑡𝑛 ) 𝑦𝑛 𝑒 = |𝑦(𝑡𝑛 ) − 𝑦𝑛 |
0 0 2 2 0
1 0.1 2.320858928
2 0.2 2.687086068
3 0.3 3.104675257
h = 0.05, EULER Modifié RK2
n 𝑡𝑛 𝑦(𝑡𝑛 ) 𝑦𝑛 𝑒 = |𝑦(𝑡𝑛 ) − 𝑦𝑛 |
0 0 2 2 0
1 0.05 2.1551057476
2 0.1 2.320858928
3 0.15 2.4979436219
4 0.2 2.687086068
5 0.25 2.8890571875
6 0.3 3.104675257
IV-2-2 Algorithme EULER point milieu

d’itérations N.
2 – Pour 𝟎 ≤ 𝒊 ≤ 𝑵:
𝒌𝟏 = 𝒉𝒇(𝒕𝒊 , 𝒚𝒊 )
𝒉 𝒌𝟏
𝒚𝒊+𝟏 = 𝒚𝒊 + 𝒉 [𝒇 (𝒕𝒊 + 𝟐 , 𝒚𝒊 + )]
𝟐
𝒕𝒊+𝟏 + 𝒕𝒊 + 𝒉
3 - Arrêt
Exemple 1 :
L’équation différentielle :
𝑦 ′ (𝑡) = 𝑦(𝑡) + 𝑒 𝑡 = 𝑓(𝑦, 𝑡), (𝑦(0) = 2)
Possède la solution analytique 𝑦(𝑡) = 𝑡 𝑒 𝑡 + 2 𝑒 𝑡 .
e) En prenant h = 0.1, faire trois itérations de la méthode d’Euler modifiée et calculer
f) En prenant h = 0.05, faire six itérations de la méthode d’Euler modifiée et calculer
g) Faire le rapport des erreurs commises en a) et b) et commenter le résultat en f onction
de l’erreur de troncature locale liée à la méthode utilisée.
h) Utiliser l’extrapolation de Richardson pour obtenir une meilleure approximation
de 𝑦(0.3).
Corrigé exemple 1:
n=1
𝑘1
𝑘1 = ℎ𝑓(𝑡0 , 𝑦0 ) = 0.1(2 + 1) = 0.3 , = 0.15
2
ℎ 𝑘1
𝑦1 = 𝑦0 + ℎ [𝑓 (𝑡0 + , 𝑦0 + )] = 2 + 0.1[(2.15 + 1.0512710964)] = 2.320 127 109 4
2 2
𝑦(0.1) = 0.1𝑒 0.1 + 2𝑒 0.1 = 2.320 858 928
𝑒𝑎 = 0.000732
n=2
𝑦 ′ (𝑡) = 𝑦(𝑡) + 𝑒 𝑡 = 𝑓(𝑦, 𝑡)
𝑘1
𝑘1 = ℎ𝑓(𝑡1 , 𝑦1 ) = 0.1(2.3201271094 + 1.1051709181) = 0.3425298028 ,
2
= 0.1712649014
ℎ 𝑘1
𝑦2 = 𝑦1 + ℎ [𝑓 (𝑡1 + , 𝑦1 + )]
2 2
= 2.3201271094 + 0.1[(2.4913920108 + 1.1618342427)]
= 2.6854497193
𝑦(0.2) = 0.2𝑒 0.2 + 2𝑒 0.2 = 2.687086068
𝑒𝑎 = 0.001636
n=3
𝑦 ′ (𝑡) = 𝑦(𝑡) + 𝑒 𝑡 = 𝑓(𝑦, 𝑡)
𝑘1
𝑘1 = ℎ𝑓(𝑡2 , 𝑦2 ) = 0.1(2.6854497193 + 1.2214027582) = 0.3906852478 ,
2
= 0.1953426239
ℎ 𝑘1
𝑦3 = 𝑦2 + ℎ [𝑓 (𝑡2 + , 𝑦2 + )]
2 2
= 2.6854497193 + 0.1[(2.8807923432 + 1.2840254167]
= 3.101 931 4953
𝑦(0.3) = 0.3𝑒 0.3 + 2𝑒 0.3 = 3.104 675 257 4
𝑒𝑎 = 0.002744
h = 0.1 𝑡𝑖 = 𝑡𝑖−1 + ℎ , Algorithme d’Euler Point Milieu

𝑦𝑖
0 2 2 0
0.1 2.320 858 928 2.3201271094 0.000732
0.2 2.687086068 2.6854497193 0.001636
0.3 3.104 675 257 4 3.101 931 4953 0.002744
h = 0.05 𝑡𝑖 = 𝑡𝑖−1 + ℎ , Algorithme d’Euler Point Milieu

𝑦𝑖
0.05
0.1
0.15
0.2
0.25
0.3
Extrapolation de Richardson, Euler point milieu ordre 2
22 𝑦6 − 𝑦3
𝑦𝑒𝑥𝑎 = =
22 − 1
𝑒𝑎 =
Exercice d’Application
𝑦 ′ = −𝑦 + 𝑡 + 1 = 𝑓(𝑡, 𝑦), 𝑦(0) = 1
𝑦(𝑡) = 𝑡 + 𝑒 −𝑡
n=1
𝑘1
𝑘1 = ℎ𝑓(𝑡0 , 𝑦0 ) = 0.1(−1 + 0 + 1) = 0. , = 0.
2
ℎ 𝑘1 𝑘2
𝑘2 = ℎ𝑓 (𝑡0 + , 𝑦0 + ) = 0.1(−1 + 0.05 + 1) = 0.005 , = 0.0025
2 2 2
ℎ 𝑘2
𝑘3 = ℎ𝑓 (𝑡0 + , 𝑦0 + ) = 0.1(−1.0025 + 0.05 + 1) = 0.00475 ,
2 2
𝑘4 = ℎ𝑓(𝑡0 + ℎ, 𝑦0 + 𝑘3 ) = 0.1(−1.00475 + 0.1 + 1) = 0.009525
1
𝑦1 = 1 + (0 + 2𝑥0.005 + 2𝑥0.00475 + 0.009525 ) = 1.004 8375
6
𝑦(0.1) = 0.1 + 𝑒 −0.1 = 1.0048374180
𝑒𝑎 = 7.513 10−7
IV-2-3 Algorithme de TAYLOR

d’itérations N.
2 – Pour 𝟎 ≤ 𝒊 ≤ 𝑵:
𝒉𝟐 𝝏𝒇(𝒕𝒊 , 𝒚𝒊 ) 𝝏𝒇(𝒕𝒊 , 𝒚𝒊 )
𝒚𝒊+𝟏 = 𝒚𝒊 + 𝒉𝒇(𝒕𝒊 , 𝒚𝒊 ) + [ + 𝒇(𝒕𝒊 , 𝒚𝒊 )]
𝟐 𝝏𝒕 𝝏𝒚
𝒕𝒊+𝟏 + 𝒕𝒊 + 𝒉
3 - Arrêt
IV-3 Algorithme de Runge-Kutta ordre 4

d’itérations N.
2 – Pour 𝟎 ≤ 𝒊 ≤ 𝑵:
𝒌𝟏 = 𝒉𝒇(𝒕𝒊 , 𝒚𝒊 )
𝒉 𝒌𝟏
𝒌𝟐 = 𝒉 [𝒇 (𝒕𝒊 + , 𝒚𝒊 + )]
𝟐 𝟐
𝒉 𝒌𝟐
𝒌𝟑 = 𝒉 [𝒇 (𝒕𝒊 + , 𝒚𝒊 + )]
𝟐 𝟐
𝒌𝟒 = 𝒉 [𝒇(𝒕𝒊 + 𝒉, 𝒚𝒊 + 𝒌𝟑 )]
𝒉
𝒚𝒊+𝟏 = 𝒚𝒊 + 𝟔 (𝒌𝟏 + 𝟐𝒌𝟐 + 𝟐𝒌𝟑 + 𝒌𝟒 )
𝒕𝒊+𝟏 + 𝒕𝒊 + 𝒉
3 - Arrêt
𝑡𝑖 𝑦(𝑡𝑖 ) 𝑦𝑖 |𝑦(𝑡𝑖 ) − 𝑦𝑖 |
0 1 1 0
0.1 1.0048374180 1.0048375000 0.819 x10−7
0.2 1.0187307753 1.0187309014 0.148 x10−6
0.3 1.040818221 1.0408184220 0.210 x10−6
0.4 1.070320046 1.0703202889 0.242 x10−6
0.5 1.10653066 1.1065309344 0.274 x10−6
0.6 1.148811636 1.1488119343 0.298x10−6
0.7 1.196585304 1.1965856186 0.314 x10−6
0.8 1.249328964 1.2493292897 0.325 x10−6
0.9 1.30656966 1.3065799912 0.331 x10−6
1.0 1.367879441 1.3678797744 0.333 x10−6
Conclusion : comparaison des algorithmes
Méthode h Nombre de pas résultat Erreur
Euler explicite 0.025 40 1.36323237417 0.464x10−2
Euler modifié 0.05 20 1.36803862167 0.159 x10−3
Runge-Kutta 0.1 10 1.36787977441 0.333 x10−6
II - Systèmes d’équations différentielles : algorithme de

Runge-Kutta d’ordre 4
II – 2 Cas des équations différentielles d’ordre supérieur
Pour les équations différentielles d’ordre supérieur, on se ramène à un système d’équations
différentielles du premier ordre. Par un changement de variables.
Cas d’équation d’ordre 2.
Elle se ramène à un système de deux équations différentielles du premier ordre. On procède par le
changement de variables suivant :
𝑦1 = 𝑦 𝑒𝑡 𝑦2 = 𝑦′ , 𝑦′1 = 𝑦 ′ = 𝑦2 , 𝑦′2 = 𝑦"
Exemple d’application :
𝑦 ′′ -2y'+y = 0 , y''=2y' - y
y(0)=2, y' (0)=1

Cours Analyse Numerique

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

Cours Analyse Numerique

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre I- Systèmes Algébriques

Première partie : Systèmes Algébriques linéaires

1 – L’exemple est détaillé pour des systèmes (3x3) ou (4x4)

Exemple1 : Système (3x3)

On considère les systèmes 𝐴𝑋 = 𝐵 linéaires suivants :

Exemple 2 : Système (4x4)

et le second membre est :

Première étape : triangularisation

Première opération: Ligne 1 est la ligne pivot 𝒂𝟏𝟏 ≠ 𝟎

La matrice 𝐴 et le second membre 𝐵 deviennent respectivement :

La matrice 𝐴 et le second membre 𝐵 deviennent respectivement :

La matrice et le second membre deviennent respectivement :

1 2 3 𝑢11 𝑢12 𝑢13 7

2 – L’algorithme de Gauss est équivalent à une décomposition de la matrice 𝐴 en produit de

– La matrice 𝑈 est celle obtenue à la fin de la triangularisation

- La matrice 𝐿 dans l’algorithme de Gauss est obtenue de la manière suivante :

Pour retrouver la matrice la matrice 𝑨, on multiplie successivement 𝑼 par :

𝑊2 𝑊1 𝐴 = 𝑊3−1 𝑈 ⟹ 𝑊2−1 𝑊2 𝑊1 𝐴 = 𝑊2−1 𝑊3−1 𝑈

𝑊1 𝐴 = 𝑊2−1 𝑊3−1 𝑈 ⟹ 𝑊1−1 𝑊1 𝐴 = 𝑊1−1 𝑊2−1 𝑊3−1 𝑈

Dans le cas de notre exercice on vérifie aisément que :

𝒅𝒆𝒕(𝑳) = ∏ 𝒍𝒊𝒊 , 𝒅𝒆𝒕(𝑼) = ∏ 𝒖𝒊𝒊

𝒅𝒆𝒕(𝑨) = 𝒅𝒆𝒕(𝑳) 𝒅𝒆𝒕(𝑼)

Ainsi pour le système (S1) le déterminant est :

𝒅𝒆𝒕(𝑨) = 𝟏𝒙𝟏𝒙𝟏𝒙𝟏𝒙𝟏𝒙𝟖𝒙𝟑𝟔 = 𝟐𝟖𝟖

Corrigé exemple 2système (S2)

et le second membre est :

Première étape : triangularisation

Première opération : Ligne 1 est la ligne pivot 𝒂𝟏𝟏 ≠ 𝟎

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

La matrice 𝐴 et le second membre 𝐵 deviennent respectivement :

La matrice 𝐴 et le second membre 𝐵 deviennent respectivement :

(0) (0) (0) (0)

La matrice et le second membre deviennent respectivement :

1 2 1 4 𝑢11 𝑢12 𝑢13 𝑢14 13

−5𝑥3 − (15⁄2)𝑥4 = −35 , 𝑑 ′ 𝑜ù 𝑥3 = 4

−4𝑥2 + 2𝑥3 − 5𝑥4 = 2 , 𝑑 ′ 𝑜ù 𝑥2 = −1

– La matrice 𝑈 est celle obtenue à la fin de la triangularisation

- La matrice 𝐿 dans l’algorithme de Gauss est obtenue de la manière suivante :

𝑳 = 𝑊1−1 𝑊2−1 𝑊3−1 𝑊4−1 𝑊5−1 𝑊6−1

𝒅𝒆𝒕(𝑳) = ∏ 𝒍𝒊𝒊 , 𝒅𝒆𝒕(𝑼) = ∏ 𝒖𝒊𝒊

𝒅𝒆𝒕(𝑨) = 𝒅𝒆𝒕(𝑳) 𝒅𝒆𝒕(𝑼)

Ainsi pour le système (S2) le déterminant est :

I-2 Algorithme de GAUSS (avec permutation de lignes)

Exemple 1 : Système (4x4)

La matrice augmentée du système est :

On appelle matrice augmentée ; la matrice comprenant la matrice 𝐴 et le second membre

En effectuant cette dernière opération, on obtient le système triangulaire :

La remontée triangulaire (laissée en exercice) donne la solution :

𝐴 = 𝑇1−1 𝑇2−1 𝑇3−1 𝑃4−1 𝑇5−1 𝑈

Le déterminant de cette matrice 𝐴 associée à cet exemple est tout simplement :

Le déterminant est donc le produit de la diagonale de la matrice triangulaire supérieure à un

Exemple 2 : Système (4x4)

La matrice augmentée du système est :

𝐴 = 𝑇1−1 𝑇2−1 𝑇3−1 𝑃4−1 𝑇5−1 𝑈

Le déterminant de cette matrice 𝐴 associée à cet exemple est tout simplement :

Le déterminant est donc le produit de la diagonale de la matrice triangulaire supérieure à un

I-3 Exercices d’application

I-3-1 Algorithme de GAUSS (sans permutation de lignes)

Résoudre les systèmes triangulaires suivants :

Calculer le déterminant de ces deux matrices.

a) 𝑥⃗ = (3 2 1)𝑇 , 𝑑𝑒𝑡(𝐴) = 90 , b) 𝑥⃗ = (2 2 − 2)𝑇 , 𝑑𝑒𝑡(𝐴) = −9

c) Calculer le déterminant de ces deux matrices.

Première étape : triangularisation

La matrice 𝐴 et le second membre deviennent :