Académique Documents
Professionnel Documents
Culture Documents
Analyse Numérique
Cours, 2`emeannée licence mathématiques
TAZEROUTI MOUSSA
1
Table des matières
Chapitre 4 : Intégration numérique
1- Description du problème
2- Formule de quadrature du type interpolation
2.1-Méthode de Newton-Cotes
5-Série d’exercices n0 4
1- Méthode de Cramer
2- Méthode directes
2.3- Méthodes LU
2
2.5- Décompositions d’une matrice symétrique définie positive (de cholesky)
3. Méthodes Itératives
3.5- Définition
3
Chapitre 4 : Intégration numérique
1- Description du problème
f fonction mal connue mais ne disposant pas de singularité sur [a; b].
Lorsqu’on connait une primitive de f (notée ici F) sur [a; b], on peut calculer directement I .
Problème
La plupart des fonctions f ne disposent pas d’expressions analytique pour leurs primitives même
dans le cas de fonctions s’écrivant très simplement.
Exemples : ; cos
de quadrature.
Définition 2. Une formule de quadrature est dite exacte sur un ensemble V si l‘erreur de
l’approximation 0
Définition 3. Une formule de quadrature est dite de degré de précision n si elle est exacte pour
Formules globales:
Nous avons vu au chapitre précédent que nous pouvons approcher une fonction f par un polynôme
d’interpolation ∑ .L’idée va donc être de remplacer le calcul de
par . Cela se justifie pour les deux raisons suivantes:
l’intégration de polynômes est très simple, et ne nécessite que les quatre opérations
élémentaires.
dans la pratique, assez souvent, on ne connait pas la forme analytique de f, mais seulement
sa valeur en certains points .
2.1-Méthode de Newton-Cotes: plus généralement, les formules d’intégration qui peuvent s’écrire
sous la forme ∑ sont connues sous le nom de « formule de
Newton-Cotes ».
D’où
5
Remarque
Le trapèze composé revient à intégrer une interpolation linéaire par morceaux de la fonction.
Notons que
⇒
6
4
⇒
6
⇒
6
4
3 2
4
6 2
Remarques
- Cette formule a un degré de précision de 3.
- Comme pour le trapèze, il est préférable de subdiviser en sous intervalle
3
3 3
8
6
x f(x) = x3 Règle du trapèze (n = 1) h = 6 ; a=0 ; b=6
0 0 6
0 216 648
2 2
1 1
2 8 Simpson 1/3(n = 2) h =3, 3
3 27 6
4 0 4 ∗ 27 216 324
4 64 6 6
5 125 Simpson 3/8 (n = 3) h =2, 2; 4
3
6 216 3 3
8
3∗2
0 3 ∗ 8 3 ∗ 64 216 324
8
2.5-Formules composées.
Plutôt que d’augmenter le degré du polynôme d’interpolation, on peut obtenir une formule
d’intégration en découpant l’intervalle d’intégration en sous-intervalles et en appliquant des
formules simples sur chacun des sous-intervalles.
On trouve ⋯
…
∑
On trouve
4 ⋯
3
2 ⋯
2∑ 4∑ 2∑
4∑
7
2.5.3-Quadrature composite de Simpson 3/8
Sur chaque triplet de sous intervalles, la courbe est remplacée par une cubique.
Pour chaque 4uplet de valeurs :
3
3 3
8
La règle composite de Simpson 3/8
Pour trouver l’intégrale I(f) est :
3
3 3 2 ⋯ 2 3 3
8
Exercice 6
Ces points d’appui sont ceux donnant sin x, comparer alors les résultats obtenus avec la valeur
exacte.
Corrigé :
0 1 0.785
2 4
Soit S l’approximation de I par la méthode de Simpson. Celle-ci s’écrit
4 0 4 ∗ 0.707107 1 1 2027
6 2 12
4 2
3
1
0 1 4 0.38. . . 0.92. . . 2 0.707. . . 1.000135
83
Les points d’appui donnés dans cet exercice correspondent à la fonction sin x. Et
1On constate donc
que l’approximation de I donnée par la méthode de Simpson est meilleure que celle par les trapèzes,
puisque |S − I| = 0.000135 et |T − I| = 0.012884.
8
2.6- Méthode de Newton (n=3) :
; , 2 ; 3 ;
3
Et alors
3 3
Ou encore
3
3 3
8
Où
Théorème : soit f une fonction n fois continument dérivable sur [a,b]telle que existe sur ]a,b[.
Si les valeurs de f aux points , ,…, appartenant à [a ;b] sont connues, et ∑ est
l’approximation d’ordre n de alors,
1 !
Où max ; | |
2 12
Formule générale :
2 12
Il vient pour appliquer la méthode des trapèzes au calcule d’une intégrale avec une erreur inférieur à
, on choisit de n de trapèze grâce à la majoration :
9
Remarque :
• La formule du trapèze a un degré de précision de 1 (l’erreur sera nulle pour les polynômes de
degré 0 et 1).
• Le trapèze composé revient à intégrer une interpolation linéaire par morceaux de la fonction .
4
6 2 2880
4 ⋯ 2
3
⋯
180
Et pour déterminer le nombre (suffisant) de sous intervalles partiels de l’intervalle d’intégration tel
que l’erreur soit inférieur à , il suffit de faire la majoration : .
Remarque :
-Cette méthode a un degré de précision de 3.Si nous doublons le nombre de sous intervalles alors
- Simpson 1/3 composée revient à intégrer une interpolation quadratique par morceaux de la
fonction .
- La formule est d’ordre 4.
Erreur dans la formule des Simpson 3/8
3 3
3 3
8 2560
3
3 3 2 ⋯ 2 3 3
8 80
Et pour déterminer le nombre (suffisant) de sous intervalles partiels de l’intervalle d’intégration tel
que l’erreur soit inférieur à , il suffit de faire la majoration : .
Remarque : Cette méthode aura le même degré de précision et le même ordre que Simpson 1/3
10
Exemple :
1 1
; 0; 1; ; 0 1; 1 0.36788; 0.7788
2 2 2
1- Trapèze : 1
1
1 0.36788 6480.6839
2 2
On obtient
Par conséquent
,d’où
Exemple
Transformer l’intervalle [0;1] dans l’intervalle ; par un changement de variable affine.
On a et
11
On voit que lorsque x = 0 alors , lorsque x = 1 alors ,ou encore
Transformer l’intervalle [-1;1] dans l’intervalle ; par un changement de lorsque x=1/2 alors
etc.variable affine
1
2 2
12
Série d’exercice N0:4
Exercice1 :
2- Utiliser les méthodes, des trapèzes et de Simpson composites avec 3 sous-intervalles pour
approcher I.
4- En combien de sous-intervalles faut-il découper [0, 1/2] dans la méthode des trapèzes
composite pour avoir un majorant du même ordre de grandeur que celui obtenu avec la
méthode de Simpson pour trois sous-intervalles.
Exercice5 :
1- Déterminer par la méthode des trapèzes puis par celle de Simpson sur la base du
tableau suivant
x 0 3
8 4 8 2
F(x) 0 0.382683 0.707107 0.923880 1
2- Ces points d’appui sont ceux donnant sin(x) comparé alors les résultats obtenus avec la
valeur exacte
13
Exercice 6 : Considère la fonction f définie sur R par . On souhaite calculer une
valeur approchée de par la méthode de Simpson.
On note A(n; f ) la valeur approchée fournie par la méthode de Simpson combinée avec n sous
intervalles.
(a) Déterminer une valeur de n aussi petite que possible assurant| , | 10 . On notera v
la valeur de n trouvée.
Le calcul de A(n; f ) nécessite l’utilisation d’un certain nombre de valeurs de la fonction f . Or on ne
peut disposer que d’une approximation de cette fonction, une approximation donnée, disons, par la
fonction .
Il est donc impossible de calculer exactement A(n ,f ) : on ne peut disposer que de A(n, ).
(b) On suppose que pour tout 0; 1 où est un réel strictement
positif.Montrer que
, ,
(c) En déduire une majoration pour
,
(d) Que peut-on dire de la perte de précision entraînée par le calcul de la formule donnant A(v; f )
sur une calculatrice travaillant avec une précision de 10 ?
Exercice 7 :
Utiliser la méthode de Simpson 3/8 avec 6 intervalles pour évaluer : √ . Comparer le résultat
avec la valeur exacte.
1.Évaluer numériquement cette intégrale par la méthode des trapèzes composite avec n = 4 sous-
intervalles et comparer le résultat ainsi obtenu avec la valeur exacte. Pourquoi la valeur numérique
est-elle inférieure à la valeur exacte ? Est-ce vrai quel que soi t n? (Justifier la réponse.)
2. Quel nombre de sous-intervalles n faut-il choisir pour avoir une erreur inférieure à 10 ? On
rappelle que l’erreurde quadrature associée s’écrit, si ∈ ; ,
| | "
; ;
12
Exercice 9 :
Exercice 10 :
∞
Soit f une fonction , . On se donne les points de subdivision de l’intervalle [a;b] :
avec
14
Le but de l’exercice est de trouver une formule de quadrature à n points pour approcher l’intégrale
définie
1. Déterminer w pour que la formule de quadrature (1) soit exacte pour toute fonction g
polynomiale de degré 1 et donner la plus grande valeur den.
2. À l’aide d’un changement de variable affine ,en déduire une formule de quadrature pour
l’intégrale suivante :
3. En déduire une formule de quadrature à 2n points, notée F, pour le calcul approché de (1). Cette
formule de quadrature est-elle stable ?
2. Évaluer numériquement cette intégrale par la méthode des trapèzes avec 3 sous-intervalles.
3. Pourquoi la valeur numérique obtenue à la question précédente est-elle supérieure à ln(2) ? Est-ce
vrai quelque soit n? Justifier la réponse. (On pourra s’aider par un dessin.)
4. Quel nombre de sous-intervalles n faut-il choisir pour avoir une erreur inférieure à 10 ? On
rappelle que l’erreurde quadrature associée s’écrit, si ∈ ; ,
| | "
; ;
12
Exercice 14 :
Soit f une fonction C1(R,R).
1. On considère l’approximation 2 0 2
Quel est le degré de précision de cette formule de quadrature ?
2. On se donne les points de subdivision de l’intervalle [a;b] : avec .À
l’aide d’un changementde variable affine, en déduire une formule de quadrature pour l’intégrale
15
En tirer une formule de quadrature composite pour l’intégrale
Exercice 15 (sup) : Calculer Arctg(3) par les méthodes d'intégration des trapèzes et de Simpson
pour n=6.
Exercice (16sup) :
1. Construire un polynôme P qui passe par les points (0, 0), (1, 0) et (−1, 2).
2. Prendre n subdivisions sur [0, 1] et approcher par la méthode :
a) Des trapèzes (n = 3); évaluer ensuite l'erreur relative commise.
b) De Simpson (n = 30).
Exercice 17(sup) :
Soit f une fonction continue donnée sur l'intervalle [−1, 1]. Notons par P le polynôme de degré deux
qui interpole f en les points −1, 0 et 1.
1. Exprimer en fonction de f(−1), f(0) et f(1).
2. Vérifier que l'expression obtenue coïncide avec une formule d'intégration numérique dont on
donnera le nom et la valeur du pas de discrétisation.
Exercice (18sup) : Soit la formule d'intégration numérique suivante :
1 2
0 1
3 3
1. Déterminer a, b, c et d de sorte que R(f) = 0 quelle que soit f appartenant à l'espace vectoriel des
polynômes de degré inférieur ou égal à 3.
2. Trouver p le degré de précision de la formule proposée.
3. En admettant que l'erreur d'approximation soit de la forme :
, ∈ 0 ,1
Déterminer la constante K.
16
Chapitre 5 : Résolution des systèmes linéaires
a x a x ⋯ a x b
a x a x ⋯ a x b
Ι
⋮ ⋮ ⋮ ⋮
a x a x ⋯ a x b
Exemple
1 2 3
4 5 6 A est une matrice carrée d’ordre 3
7 8 9
1 4 7
2 5 8
3 6 9
1 2 3
0 4 5 Triangulaire supérieur b 0, i .
0 0 9
1 0 0
2 4 0 Triangulaire inférieur c 0, i
3 5 9
1 0 0 1 0 0
0 5 0 ;I 0 1 0
0 0 9 0 0 1
1- Méthode de Cramer : cette méthode repose sur le calcule des déterminants.
2 3
⟶ det 5 0le système admet une unique solution
1 4
6 3 2 6
det 3 4 15 det 1 3 0
3 , 0
det 5 5 det 5 5
3
Donc
0
Remarque : soit le système
Notre objectifs : est de faire appel à des méthodes ayant des temps de calcule acceptables ne
dépasse pas
2- Méthode directes
On construit la matrice /
18
Si 0 et on fait les affectations suivantes :
Est maintenue
Chaque ligne i tq i=2,…,n va être remplace par ligne i ligne 1.pour trouver un nouveaux système
2 2 2 2
11 12 … 1 . 1
2 2 2
/ 0 22 … 2 . 2
⋮ ⋮ ⋱ ⋮ ⋮
2 2 2
0 2 … .
Résolution ⇔
11 1 12 2
… 1 1
22 2
… 2 2
Remarque :
19
On applique la méthode de Gausse
triangulisation : 1ere étape on note
1 0
2 1 2 |10 1
6
6 4 0 |26 21
1
/ 2
11
1
8 5 1 31 8
|35
1 2
11
6
Ligne 2 - ligne 1 = 6 4 0 |26 3∗ 2 1 2 |10 0 1 6 | 4
2
On obtient
2 1 2 |10
/ 0 1 6 | 4 ; 1 0
2
32 1
0 1 7 | 5 2 1
22
Ligne 3 – 1 ∗ ligne 2 = 0 1 7 | 5 1∗ 0 1 6 | 4 0 0 1 | 1
2 1 2 |10
/ 0 1 6 | 4 ; est la matrice triangulaire supérieure.
0 0 1 | 1
2 1 2 2 3 10 3 1 3
⟺ 2 6 3 4 ⟺ 2 6 4⟹ 2 2 ; 2
3 1 2 1 2 2 10 ⟹ 1 3 1
2.2- Système du pivot : diviser par des petites valeurs donne de grandes valeurs donne donc de
grandes erreurs.
2.2.1- Stratégie du pivot partiel : à la Kiéme étape on prend le plus grand pivot en valeur absolue
de la colonne.
max
20
Exemple : l’exemple précédent avec Gauss avec le pivot partiel.
2
1ere étape : 6 ; max |2|; |6|; |8| 8
8
8 5 1 |35 1
21 6
1 8
/ 6 4 0 |26 11
1
2 1 2 |10 31 2
1 8
11
3
Ligne 2 - ligne 1 = 6 4 0 |26 ∗ 8 5 1 |35 0
4
D’où
8 3 1 |35
1 3 1
0
/ 4 4 4
1 7 5
0
4 4 4
1 1 1
2iéme étape : ; max ;
4 4 4
8 3 1 |35
1
/ 0 ; 0
4
2
32
0 2
22
Ligne 3 + 1 ∗ ligne 2 = 0 1∗ 0 0 0 1 |1
8 3 3 |35
1 3 1
/ 0
4 4 4
0 0 1 |1
3
La solution 2
1
21
2.2.2 - Stratégie du pivot total : à la Kiéme étape on choisit le pivot.
max
1 2 2 2
1 3 2 1
3 5 8 8
1ere étape : On permet la 1ere ligne et la 3ième ligne et puis la 1ere colonne avec la 3ième colonne
1 2 2 2 3 5 8 8
1 3 2 1 1 3 2 1
3 5 8 8 1 2 2 2
1
Ligne 2 + ligne 1 = 2 3 1 | 1 ∗ 8 5 3 |8 0 |1
4
Ligne 3 - ligne 2 = 2 2 1 |2 ∗ 8 5 3 |8 0 |0
8 5 3 |8
17 7
0 |1 17 7 3 1 17
/ 4 4 ; 2 max max , , ,
3
2 3 2 3 4 4 4 4 4
1 2 3 2 3
0 |0
4 4
8 5 3 |8
17 7
0 |1
/ 4 4
3 1 3
0 |0
4 4 17
22
Ligne 3 - ligne 1 = 0 |0 ∗ 0 |1 0 0
8 5 3
17 7 8 3
0 1 1
⟺ 4 4 3 ⟹ 1
1
0 0 17 2
17
U est une matrice triangulaire supérieur obtenue par la méthode de Gauss ordinaire ( .
L est matrice triangulaire inferieur unitaire (des 1 sur diagonal), avec (c’est donc la matrice
1
Résolution : résoudre le system ⟺ ⟺
2
Théorème : soit A une matrice d’ordre n , les sous matrice d’ordre k : 1 de la matrice
A.
Remarque : det ∏ ∏
1 0
1 3 2
1 2 3
1 3 1
Ligne 2 - ligne 1 = 1 2 3 1∗ 1 3 2 0 1 1
Ligne 3 - ligne 1 = 1 3 1 1∗ 1 2 3 0 0 1
1 3 2
0 1 1 , 1 0 on obtient la matrice
0 0 1
1 3 2 1 0 0 1 0 0
0 1 1 ; 21 1 0 1 1 0
0 0 1 31 32 1 1 0 1
23
1
Résolution : ⟺ ⟺
2
1 0 0 1 1 1
⟺ 1 1 0 0 ⟺ 0⟹ 1⟹ 1
1 0 1 0 0⟹ 1 1
1 3 2 1 3 2 1 ⟹ 7 7
⟺ 0 1 1 1 ⟺ 1⟹ 2 ⟹ 2
0 0 1 1 1⟹ 1 1
1
* si A LU LIU LDD U ;I ⋱ ;
1
La matrice D est la matrice diagonale,
u
D diag U diag , ,…, ⋱ ;D D
u
Posons V D U
A L DV L DV V D L Ce qui implique L
Donc A=L DL
Définition 1) A est définie positive sisi : 0 , ∀ (ie le pivot de chaque étape est >0)
0 ,∀
2- soit A une matrice symétrique, on dit est définie positive sisi⟺
0⟺ 0
Proposition
24
*
Posons ⟹
1
Résoudre ⟺ ⟺
2
Théorème : si A est une matrice symétrique définie positive alors elle admet une factorisation sous
forme .
* l’Algorithme de Cholesky
0 0
⋮ ⋱ 0 ,
⋯
1
2é ,3
, 2…
1
,
25
Exemple : donne la factorisation de Cholesky
9 3 3 3 0 0 0
3 26 6 6 0 0
Donc
3 6 51 9 0
3 6 9 84
√9 3
3
1
3
3
1
3
3
1
3
√26 1 5
1 1
6 1 1
5
1 1
6 1 1
5
51 1 1 √49 7
1 1 1
9 1∗1 1∗1 1
7
84 1 1 1 9
3 0 0 0 3 1 1 1
Donc 1 5 0 0 et 0 5 1 1
1 1 7 0 0 0 7 1
1 1 1 9 0 0 0 9
Remarque : Si à une étape de calcul on trouve 0alors A n’est pas définie positive et
parconséquent A n’admet pas la décomposition de Cholesky .Par contre elle peut êtredécomposé
sous forme A=R.S avec S égale à Rt à un signe prés.
26
3. Méthode Itératives
3.1- Norme vectorielles
‖ , ,…, ‖
*‖ ‖ ∑ | |
*‖ ‖ max … | |
*‖ ‖ ∑
‖ ‖ | |
‖ ‖ | |
…
‖ ‖ √ √
3.3 -Norme matricielles: Un peu comme pour les vecteurs de Rn, les matrices possèdent
une norme. En voici la définition.
Définition : Soient ∈ ensemble des matrices réelles de format n n. Alors,
l'application‖. ‖ : ⟶ est une norme matricielle si elle satisfait les propriétés
suivantes:
*‖ ‖ 0 , ∀ , et ‖ ‖ 0 , ⇔ 0
*‖ ‖ ‖ ‖ ‖ ‖ ,
*‖ ‖ | |‖ ‖, ,
‖ ‖ ‖ ‖‖ ‖ ,
3.4 ‐Norme matricielles usuelles : soit , 1 ;1
*‖ ‖ max .. ∑
*‖ ‖ max .. ∑
27
*‖ ‖ , ouo max | | disgne le rayon spectrale de A, et les
valeurs propres de A.
Remarque : est une valeur propre de ⟺ det 0.
Exemple 2 : Trouvons les normes matricielles 1, 2 et ∞ de la matrice
2 1 1
2 3 2
1 1 2
Commençons par les normes infinie et 1.
‖ ‖ max 4,7,4 4
.. ..
‖ ‖ max 5,5,5 5
.. ..
Pour ce qui est de la norme 2, nous devons tout d'abord calculer les valeurs propres de
on a
0
9 9 8
9 11 9 0
8 9 9
25 53 29 0
En résolvant cette équation, on obtient les trois valeurs propres de :
1 , 14 3√19 ; 14 3√19
Ainsi,‖ ‖ | | 14 3√19 =
3.5- Définition : une méthode itérative de résolution du système
Consiste d’abord à poser au système , où la matrice A se décomposer sous la
forme
Alors ⟺
⟺
On pose
∈
Est appelée aussi processus itératif.
28
3.5.1- Conditions suffisante de convergence
‖ ‖
‖ ‖
.
‖ ‖
1 ‖ ‖
B la matrice d’itération
On pose
, ; 0
Et
1
; ;
⋮ ⋮
∑ ∑
29
1
Théorème: une condition nécessaire et suffisante pour que le processus de Jacobi converge
indépendamment de la condition initiale , est que 1
| | ; 1… ;
Théorème : pour que le processus de Jacobi converge ∀ ∈ il suffit que la matrice A soit
DDS.
Remarque :
max 1
..
max 1
..
é
30
Et
∑ ∑ ; 1…
Remarque :
1) tous les résultats de convergence pour Jacobi restent valables pour la méthode de Gauss-
Seidel.
2) De plus si A est DDS alors la méthode de Gauss-Seidel converge.
3) Si A symétrique strictement définie positive alors Gauss-Seidel converge.
4) pour avoir appliqué la méthode de Gauss-Seidel il faut que soient 0
5) la méthode de Gauss-Seidel présente l’avantage suivant par rapport à celle de Jacobi .On
n’est pas obligé de connaitre les composantes de pour avoir caculer .La
méthode de Jacobi nécessite le stockage des deux vecteurs et .par contre la
méthode de Gauss –Seidel ne nécessite qu’un seul vecteur ,…, , ,…,
Exercice d’application :
2 1 0 1 calculerlamatricedeJacobi
Soit 1 2 1 2 calclerlarayonspéctralρ B
0 1 2 3 etudierlaconvergencedelaméthodedeJcobi
Solution :
1) On a ;
31
0 0
2 0 0 0 0 0 0 1 0 0 1 0
0 2 0 1 0 0 ; 0 0 1 ; 1 0 1 ; 0 0 ;
0 0 2 0 1 0 0 0 0 0 1 0
0 0
1 1
0 0 0 0
2 2
1 0 1 0 1 1
0 0 1 0 1 0
2 0 1 0 2 2
1 1
0 0 0 0
2 2
det
1 1
0 0 0
2 2
1 1 1 0 0 1 1
0 0 1 0
2 2 0 0 1 2 2
1 1
0 0 0
2 2
0
0
Doncdet 0
0 0 0
0
0
0⟺ ∨ Donc les valeurs propres sont
√
; 0;
√
√2
∓
2
√2 √2 √2
max ; 0;
2 2 2
√
3) Comme 1 ⟺ la méthode de Jacobi converge vers la solution Ax=b
32
Si l’on note . la valeur de à l’itération k+1 évaluée par la méthode de Gauss-Seidel. La
valeur à l’itération k+1 est :
1 . .
33
Série d’exercice: N05
Exercice 1(sup): Calculer le produit A.B (et B.A lorsque cela possible)dans les cas suivants :
0 1 1 0
,
0 0 0 0
1 2 1 1 00
0 1 1 , 1 1
1 1 0 1 1
Exercice3 : Résoudre par la méthode de Cramer et puis par la méthode de Gauss ordinaire les
systèmes Ax=b
1 02 03 04 2
1 2 1 4
1 04 09 16 10
2 2 1 , 5 ;
1 08 27 64
,
14
1 1 1 3 1 16 81 256 190
1 3 3 2
2 2 5 , 7
3 2 6 12
Exercice5 : Soit la matrice A définie par
1 4 3 1/3
1 5 3 , 6
1 6 4 1
1 1 1 0
1 5 1 2
1 1 3 2
0 2 2 1
1 0 0
0 1 0
,
0 0 1
Calculer ‖ ‖ , ‖ ‖ , ‖ ‖∞
Calculer .
Le processus converge-t-il ∀ ∈ ?
Pour
1 2 2
1 1 1 , montrer que 1
2 2 1
Pour
2 1 1
2 2 2 , montrer que 1
1 1 2
35
Calculer la matrice de Gauss-Seidel associée à A et donner l’algorithme
correspondant.
Montrer que cette méthode converge ∀ ∈
Soit ∈ tel que .calculer en fonction de en
déduire que , ∀ 0
Calculer lim →∞ .
En déduire lim →∞ ,solution du système Ax=b.
4 2 1 0 1
2 5 0 1 , 0
1 0 5 2 0
0 1 2 4 0
(c) Réordonner les équations de façon à assurer la convergence des deux méthodes.
0.9 1 4
(d) Soit le système linéaire Ax = b suivant:
0 0.9 7
Écrire la matrice d’itérations TJ de la méthode de Jacobi et en déduire son rayon spectral. Est-ce que
la méthode Jacobi converge pour ce système linéaire?
1 quelle conditions peut-on avoir sur le paramètre m afin que la méthode de Gauss soit
applicable sur A ?
2- En déduire le déterminant de A.
3 - pour m=1/2, déduire la relation du système AX=b.
4- donner une condition suffisante de convergence de la méthode de Jacobi.
5- Ecrire la matrice d’itération de Jacobi associé à A.
6- Ecrire l’algorithme de Jacobi.et montrez sa convergence pour m=1/3.
7 - A partir de quel rang peut-on déduire l’erreur initiale d’un facteur de 10-2.
8- calculer , sachant que, 0,0,0
37
La solution de la série d’exercice N04
Exercice 1 :
Donc
Pour 0; 1,
Pour 1; ,
Pour 2; ,
Pour 3; ,
Donc →
1 3 1 3 2 1
0 1
8 8 3 8 3 8
1 3 1 3 2 1 11 33 33 1
≃ 0 1
8 8 3 8 3 8 82 85 84 8
3 9 9 111
≃ 0.69375
16 8 20 160
I= ln 2 | ln 2
L’erreur | | ln 2 0.00060
- Pour cette formule de quadrature, les nœuds sont les points a et b donc pour calculer les poids
et , il faut connaitre les les polynôme de Lagrange et nécessaire pour le calcul du
polynôme d’interpolation passant par les points : (x0, y0) = (a, f(a)) et (x1,
y1)= (b, f(b)). Pour rappel,
39
;
D’où
1 1 1 1 1
2 2
1 1 1 1 1
2 2
≃ .
Exercice 3 :
- La formule de Simpson est une formule de quadrature de type interpolation à 3 points. D’après
l’un des théorèmes du cours, elle est donc exacte pour tous les polynômes de degré au plus 2. Elle
est donc de degré de précision au moins 2, ce que confirme les calculs suivants :
Degré 0 : 1→ 1 – ,
6
4 2
1 4 1 –a
Degré 1 : → ,
3
4 4
6 2 6 2 6 2
Degré 2 : → ,
2
4 4
6 2 6 4
2 2 2
6 3
40
Degré 3 : → ,
3
4 4
6 2 6 8
1 3 3 1
6 2 2 2 2 4
Degré 4 : → ,
4
4 4
6 2 6 16
1 3 1
6 4 2 4
5 4 6 4 5
24
5 1 1 5
24 24 12 12 24 24
Le résultat obtenu par la formule de quadrature est différent de la valeur de l’intégrale pour
. On en conclut que la formule de Simpson est de degré de précision 3.
Trapèze
0.4447
Simpson
0 0 1
4 0 4
6 2 6 2 2
0.461371
2- Utiliser les méthodes, des trapèzes et de Simpson composites avec 3 sous-intervalles pour
approcher I.
Trapèze composite
41
Avec ; 0; ; ; .
D’où
1 0 1 1
459474
6 2 6 3
Simpson composite
k=3 intervalles→ 2 6 sous-intervalles
0 1 1
; 0; ;
6 12 12
1 1 1 5 1
; ; ; ;
6 4 3 12 2
2 4
3
2 4
3
0.461282
→ 2 → 4 2 →
3
8 → 16 4 12
2
Et les majorants
; / 0 2; ; / 0 12
Ceci nous permet l’erreur dans la formule des trapèzes de majorer l’erreur commise avec les deux
méthodes composites
0
| | 2 0.0023
12 12 ∗ 3
Erreur dans la formule des Simpson
0
| | 12 1.6 ∗ 10
180 180 ∗ 6
42
4- En combien de sous-intervalles faut-il découper [0, 1/2] dans la méthode des trapèzes
composites pour avoir un majorant du même ordre de grandeur que celui obtenu avec la
méthode de Simpson pour trois sous-intervalles.
Soit nt le nombre nécessaire de sous-intervalles nécessaire pour obtenir une précision de 1.6*10
avec la méthode des trapèzes.
| | 1.6 ∗ 10 → 12 ∗ 1.6 ∗ 10
12
∗ 10 2 0 ∗ 10
→ → 114.108
12 ∗ 1.6 ∗ 10 12 ∗ 1.6 ∗ 10 12 ∗ 1.6
Donc n=115
Exercice5 :
3- Déterminer par la méthode des trapèzes puis par celle de Simpson sur la base du
tableau suivant
x 0 3
8 4 8 2
F(x) 0 0.382683 0.707107 0.923880 1
Trapèze composite
2 2
0.987116
Simpson composite
4 sous-intervalles
0
.
4 8
2 4
3
2 4
3
43
0 2 4 1.000135
2- Ces points d’appui sont ceux donnant sin(x) comparé alors les résultats obtenus avec la
valeur exacte
Les points d’appui donnés dans cet exercice correspondent à la fonction sin x. Et
1.On constate donc que l’approximation de I donnée par la méthode de
Simpson est meilleure que celle par les trapèzes, puisque |S − I| = 0.000135 et |T − I| =
0.012884
D’après le cours, on a
| , |
180
′ 2 → ′′ 2 2 1 → 2 4 6
→ 2 8 24 6 → ; 1 76
1 76
76 10 → 10 → 6→ 2 → 3
180 180
On vérifie immédiatement que n = 6 est la plus petite valeur de n satisfaisant la condition.
, 2 4
3
Où a=0 , b=1et
, 2 4
3
44
2 4
3
puis, en utilisant que la valeur absolue d’une somme est majorée par la somme des valeurs absolues
, 2 4
3
2 1 1 1 4 1 0 1 6
3∗2 6
(c) On a
, | , | , , 10
Exercice 7 :
Utiliser la méthode de Simpson 3/8 avec 6 intervalles pour évaluer : √ . Comparer le résultat
avec la valeur exacte
D’après le cours on a
3
3 3 2 3 3
8
4 7 11 19 23
; 1; ; ; ; 5; ; ; 9
3 3 3 3 3
1 7 11 19 23
√1 3 3 2√5 3 3 √9 17.3278663
2 3 3 3 3
2
L’erreur absolue | | |17.3333333 17.3278663| 0.54 ∗ 10
1- La méthode des trapèzes composite à n+1 points (n sous-intervalles) pour calculer l’intégrale
d’une fonction f sur l’intervalle [a,b] s’écrit
45
,
2
Ici on a ln ; 4 ’ ù ; 1; , ; ; 2.
et on obtient
1 2 5 6 7
0.3836995094
2 4 4 4
1-une primitive de ln .est xln .La exacte est alors xln 2ln 2
1 0.386294361.
La valeur numérique obtenue est inférieure à celle exacte quelque soit le pas h choisi car la fonction
f est concave, ce qui signifie qu’une corde définie par deux points de la courbe y =ln(x) sera
toujours en-dessous de la courbe, donc l’aire sous les trapèzes sera inférieure à l’aire exacte. Pour
bien visualiser la construction considérons n= 2 :
| |
12
ln → → → max ; | | | 1 | 1.
10 100
| | 10 → → 2.86
12 12 12
Exercice 9 :
| | 0.5 ∗ 10
180
→ 1 → 2 → 3
→ 4 → max 0 4
;
46
D’où
4
| | 0.5 ∗ 10 → ∗ 10 ∗ 10 45.91
180 180 ∗ 0.5 90
Exercice 10 :
1. Déterminer w pour que la formule de quadrature (1) soit exacte pour toute fonction g
polynomiale de degré 1 et donner la plus grande valeur den.
-Une formule de quadrature est dite de degré de précision n si elle est exacte pour
0
Degré 0 : 1→ 1 2 ,
4 2 4 2
2
3 2 3 3 3
La formule de quadrature a au moins un degré de précision supérieur à 0.
1
Degré 1 : → 1
0 ,
4 2 4 2
0
3 2 3 3 2 3
La formule de quadrature a au moins un degré de précision supérieur à 1.
1
Degré 2 : → 1
,
4 2 4 2 2 2 2
3 2 3 3 4 3
si la formule de quadrature est exacte pour les polynômes de degré au plus 1car →
* si
1
Degré 3 : → 1
0 ,
47
3
2
4 2 4 3 2 3
3 3
0
3 2 3 3 8 3 2 2
4 2 Degré d’exactitude
k 3 2 3
0 1 2 2 Au moins 0
1 x 0 0 Au moins 1
2 2/3
1 si Au moins 2 si
3 0 /2 2
1
2 2
2 1
1 1
3 3 2 6 2
2 1
1 2 1
3 3 6
∑ 1 2 1
Cette formule de quadrature est stable puisque tous les coefficients sont positifs
Exercice 14 :
Soit f une fonction C1(R,R).
1. On considère l’approximation 2 0 2
Quel est le degré de précision de cette formule de quadrature ?
-Une formule de quadrature est dite de degré de précision n si elle est exacte pour
48
, 0, . . . , Et non exacte pour .
0
Degré 0 : 1→ 1 2 ,
2 1 1 2
2 0 2 2 1 2 2
3 2 2 3
1
Degré 1 : → 1
0 ,
2 1 1 2 1 1
2 0 2 2 0 2 0
3 2 2 3 2 2
2 1 1 2 1 1 2
2 0 2 2 0 2
3 2 2 3 4 4 3
2 1 1 2 1 1
2 0 2 2 0 2 0
3 2 2 3 8 8
La formule de quadrature a au moins un degré de précision supérieur à 3.
Degré 4 : → ,
2 1 1 2 1 1 1 2
2 0 2 2 0 2
3 2 2 3 16 16 6 5
La formule de quadrature et donc exacte de degré 3.
k 2 1 1 Degré d’exactitude
2 0 2
3 2 2
0 1 2 2 au moins 0
1 x 0 0 au moins 1
2 2/3 2/3 au moins 2
3 0 0 au moins 3
2/5 1/6 3
49
2. Soit , alors
1
2 2
2 2
3 2 2 2
3
2 2
3 4 3 4
50
La correction de la série d’exercice N05
Exercice3 : Résoudre par la méthode de Cramer et puis par la méthode de Gauss ordinaire les
systèmes Ax=b
a- la méthode de Cramer
1 2 1 4
1) 2 2 1 , 5
1 1 1 3
1 2 1
det A 2 2 1 1 0 le système admet une unique solution
1 1 1
4 2 1 1 4 1 1 2 4
5 2 1 2 5 1 2 2 5
3 1 1 1 3 1 1 1 3
1; 1; 1
1
Donc 1
1
1 02 03 04 2
1 04 09 16 10
2) ,
1 08 27 64 14
1 16 81 256 190
1 02 03 04
1 04 09 16
det A
1 08 27 64
288 0 le système admet une unique solution
1 16 81 256
02 02 03 04 1 02 03 04
10 04 09 16 1 10 09 16
14 08 27 64 1 14 27 64
190 16 81 256 1 190 81 256
46 ; 61 ;
51
1 02 02 04 1 02 02 02
1 04 10 16 1 04 10 10
1 08 14 64 1 08 14 14
1 16 190 256 1 16 190 190
36 ; 8.5
46
61
Donc 36
8.5
4) La méthode de Gauss est applicable sisi le pivot de chaque étape est 0 c-a-d
0 ,∀ 1. . . .
1 2 1 4
1- 2 2 1 , 5
1 1 1 3
1 0
1 2 1| 4 1
1| 21 2
2 2 5 1
/ | 1
11
1
1 1 31 1
1| 3
1 1
11
Ligne 2 -2 ligne 1 = 2 2 1 |5 2∗ 1 2 1 |4 0 2 1 | 3
Ligne 3 - ligne 1 = 1 1 1 |3 1 2 1 |4 0 1 0 | 1
1 2 1 | 4
0 2 1| 3
/ | 2
32 1
0 1 0| 1 1 2
22
2 0
Ligne 3 – ∗ ligne 2 = 0 1 0 | 1 ∗ 0 2 1 |1 0 0
0 0
1 1 2 2 1 3 4 1
3 1
⟺ 2 2 3 3 ⟺ 2 1 3⟹ 1 ; 1
2 2
1 1
2 3 2 1 2 2 4⟹ 1 3 1
1 02 03 04 2
1 04 09 16 10
2) ,
1 08 27 64 14
1 16 81 256 190
1 0
1
21 1
1 02 03 04 |02 1 1
11
1 04 09 16 |10 1
/ 31 1
1 08 27 64 |14
1 1
1 16 81 256 |190 11
1
41 1
1 1
11
2 0
1 02 03 04 |02
|8 2
0 2 6 12 32 6
/
0 6 24 60 |10 2 2
0 14 78 252 |188 22
2
42 14
2 2
22
53
6 0
1 02 03 04 |02
0 2 6 12 |8
/
0 0 6 24 | 12
0 0 36 168 |132 3
43 36
2 6
33
1 02 03 04 |02
0 2 6 12 |8
/ ; 24 0, est la matrice triangulaire supérieure
0 0 6 24 | 12
0 0 0 24 |204
1 2 3 4 4 2
1 2 3
2 6 12 4 8
⟺ 2 3
6 24 4 12
3
24 4 204
17
3 2
8.5
17 46
6 3 24 2 12 ⟹ 3 36 61
⟺ ;
2 6 36 12
17
8⟹ 61 36
2 2 4
17
8.5
1 2 ∗ 61 3 36 4 2
2⟹ 3 46
Stratégie du pivot partiel : à la Kiéme étape on prend le plus grand pivot en valeur absolue
de la colonne.
max
1
1ere étape : 1 ; max |1|; |1|; |3| 3
3
54
On permet la 1ere ligne et la 3ième ligne
1
3 2 6 |11 21 1
1 3
/ 1 1 0 |01 11
1 3 3 |00 1
31 1
1 3
11
1 1
Ligne 2 - ligne 1 = 1 1 0 |1 ∗ 3 2 6 |11 0 2
3 3
1 1
Ligne 3 - ligne 1 = 2 1 2 10 ∗ 3 2 6 |11 0 1
3 3
D’où
3 2 6 |11
1 8
0 2
/ 3 3
7 11
0 1
3 3
1 7 7
2iéme étape : ; max ; On permet la 2ième ligne et la 3ième ligne
3 3 3
3 2 6 |11
0 1 7
/ ; 0
3
0 2 2
32
2
22
Ligne 3 - ∗ ligne 2 = 0 2 ∗ 0 1 0 0
3 2 6 |11
7 11
0 1
/ 3 3
15 15
0 0
7 7
3
La solution 2
1
1 3 3 2
2 2 5 , 7
3 2 6 12
Stratégie du pivot total : à la Kiéme étape on choisit le pivot.
max
1 3 3
Pivot max max 2 2 5 =6
3 2 6
1ere étape : On permet la 1ere ligne et la 3ième ligne et puis la 1ere colonne avec la 3ième colonne
3 2 6 |12 6 2 3 |12
2 2 5 |7 5 2 2 |7
1 3 3 | 2 3 3 1 | 2
6 2 3 |12
5 2 2 |7 5
/ 6
3 3 1 | 2
3
6
56
6 2 3 |12
0 | 3
/ 2 max2 3 max2 3 2 On permet
0 2 | 8 2 3 2 3 2
Ligne 3 - ligne 1 = 0 | 3 ∗ 0 2 | 8 0 0
6 2 3 |12
1
0 2 | 8
/ 2
5 5
0 0
12 3
6 3 2 2 3 1 12 4
1 4
⟺ 2 2 1 8 ⟺ 2 ∗4 8⟹ 2 3 ; 3
2
6 2∗ 3 3 ∗ 4 12 ⟹ 3 1 1
3
1
U est une matrice triangulaire supérieur obtenue par la méthode de Gauss ordinaire ( .
L est matrice triangulaire inferieur unitaire (des 1 sur diagonal), avec (c’est donc la matrice
1 0
57
1 4 3
1 5 3
1 6 4
1
2
22 1 0
1 4 3
00 1 00
00 2 1
2
1 4 3
00 1 00 , 1 0 on obtient la matrice
00 0 1
1 4 3 1 0 0 1 0 0
00 1 00 ; 21 1 0 1 1 0
00 0 1 31 32 1 1 2 1
1
Résolution : ⟺ ⟺
2
1
1/3 3
1 0 0 1/3 19
⟺ 1 1 0 6 ⟺ 6⟹ 19/3 ⟹
1 2 1 1 2 1⟹ 40/3 3
40
3
1 1 40
4 3
3 3 3
1 4 3 19 19 19
⟺ 00 1 00 ⟺ ⟹
00 0 1 3 3 3
40 40 43
3 3 3
43
3
19
3
40
3
58
1 0 0 1 0 0
On pose 1 0 ; 0 1 0
1 0 0 1
1 0 0 1 0 0 1 0 0
⇒ 1 1 0 1 0 0 1 0
1 2 1 1 0 0 1
1 0 0 1 0 0
⇒ 1 1 0 0 1 0
1 2 2 1 0 0 1
1 0 1
⇒ 1 2 0⇒ 1
2 0 2
1 0 0
Donc 1 1 0
1 2 1
1 1 0 0
On pose 0 2 ; 0 1 0
0 0 3 0 0 1
1 4 3 1 1 0 0
⇒ 00 1 00 0 1 0 1 0
00 0 1 0 0 1 0 0 1
1 4 4 3 1 0 0
⇒ 0 1 0 1 0
0 0 1 0 0 1
4 0 4
⇒ 4 3 0⇒ 0
0 3
1 4 3
Donc 0 1 0
0 0 1
59
On a ⇒
1 4 3 1 0 0 2 2 3
⇒ 0 1 0 1 1 0 1 1 0
0 0 1 1 2 1 1 2 1
1 1 1 0
1 5 1 2
1 1 3 2
0 2 2 1
A=LU
1 0
1 1 1 0 1
1 5 1 2 1
1 1 3 2 1
0 2 2 1
1
0
4 0
1 1 1 0
0 4 00 2
0 00 4 2 0
0 2 2 1 2
4
4 0
1 1 1 0
0 4 00 2
0 00 4 2
0 00 2 00 2
4
60
1 1 1 0
0 4 00 2 ; 1 0
0 00 4 2
0 00 0 01
1 0 0 0
1 0 0 0
1
1 1 0 0
21 0 0
1 0 1 0
31 32 1 0 1
1
1
41 42 43 0 1
2 2
A=LDV
;
1 0 0 0
1 0 0 0 1
0 0 0
0 4 0 0 ; 4
0 00 4 0 1
0 00 0
0 00 0 01 4
0 00 0 01
1 1 1 0
1
0 1 00
2
1
0 00 1
2
0 00 0 01
LDLt
1 1 1 0 1 1 1 0
1 0 0 0 1 1
1 1 0 0 0 1 00 0 1 0
1 0 1 0 2 2
1 1 1 1
0 0 00 1 0 0 1
1 2 2
2 2
0 00 0 01 0 0 0 1
A L DV L DV V D L Ce qui implique L
0 0
⋮ ⋱ 0 ,
⋯
1
2é ,3
, 2…
1
,
√2
1 √2
√2 2
5 √2
√2
2 2
1 1
0 0 0
√2
1 1
0 0 0
√2
5
2
62
1 1 1 2
1
5
2 8
2
5 5
√2 0 0 0 √
√2 0 0
√
√2 0 0 0 √2 0 0
Donc 0 et
0 0 0 0
0 0 0 0
0
1
Résolution : ⟺ ⟺
2
2 0 0 0 2 1 1
√2 √2 √2
2 0 0 2
2 2
1
2 1 1 2 2
⇒ 5 2 1 ⇒ 5 ⇒ 3√2
0 3 0 0
0 0 2 2 3 4
8 4 0 0
0 0
2 5 2 8 0
3
0
5 5 5
4
√2 √2
√2 √2
√2 0 0 2 2
2
√2 3√2
0 √2 0 0 √2
2 4
⇒ 2 3√2 ⇒ 5 2
5 5 4 0
0 0 2 5
2 0
0 0
8 0
0 8
5 0
5
Donc
0
0
63
Exercice8 : On considère la matrice A
1 0 0
0 1 0
,
0 0 1
Donc la condition 3 0.
A=LU
1 0 1 0
1 0 0 1 0 0
0 1 0 0 0 1 0
~ 0 0
0 0 1 1
0 0 0
1 0
1 0 0
0 1 0
0 0 1
0 0 2
1 0 0
0 1 0
0 0 ; 3
1
0 0 3
1 0 0 0 1 0 0 0
21 1 0 0 0 1 0 0
31 32 1 0 0 0 1 0
41 42 43 1 1
64
- A est-elle définie positive sisi les éléments diagonaux de U sont tous positifs ( 0 :
1 0
2 2 2
3 0→ 3 0→ 3
A=LDLt
1 0 0 0 1 0 0
0 1 0 0 ;
0 1 0 ;
0 0 1 0 0 0 1
1 0 0 0 1
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
0 0 1 ;√ 0 0 1 0
0
0 0 0 3 0 0 0 3
√ √ ; √ √
1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0
√ 0 0 1 0
0 0 1 0
1 0 0 0 3 2
1 0 0 0
0 1 0 0
0 0 1 0
3 2
1 0 0 0 1 0 0
0 1 0 0 0 1 0
√ 0 0 1 0 0 0 1
0 0 0 3 2
0 0 0 1
1 0 0
0 1 0
0 0 1
0 0 0 3 2
3) Pour 1 montrer que A se décompose sous forme R.S, R matrice de Cholesky etS
triangulaire supérieure.
Pour 1→ 3 2
2 0 →A n’est pas définie positive.
D’où A n’admet pas la décomposition . Par contre elle peut être décomposé sous forme A=R.S
avec S égale à Rt à un signe prés
1 0 0 0 1 0 0 0 1 0 0 0
0 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 0 0 1 0 0 0 1 0
1 1 1 1 0 0 0 √2 1 1 1 √2
65
1 0 0 0 1 0 0 1 1 0 0 1
0 1 0 0 0 1 0 1 0 1 0 1
0 0 1 0 0 0 1 1 0 0 1 1
0 0 0 √2 0 0 0 1 0 0 0 √2
Calculer ‖ ‖ , ‖ ‖ , ‖ ‖∞
Commençons par les normes infinie et 1.
1.9
‖ ‖ max 1.9
.. .. 0.9
- Pour ce qui est de la norme 2, nous devons tout d'abord calculer les valeurs propres de .
Calculer .
| | ;
Polynome caractéristique de det(A-
0.9 1 2
det 0.9
0 0.9
2
0.9 0→ 1 2 0.9
| | 0.9
Le processus converge ∀ ∈
Car | | 0.9 1
Pour
1 2 2
1 1 1 , montrer que 1
2 2 1
66
La méthode de Jacobi
, 0 2 2
1 0 1
0 2 2 0
2 2
1 1 1 1
det 1 1 2 2
2 2 2 2
2 2
2 2 4 4 4
0→ 0→ 0
Donc | | 0 1
La méthode de Gauss-Seidel
La matrice de Gauss‐Seidel s’écrit :
1 0 0 0 0 0 0 2 2 1 0 0
0 1 0 ; 1 0 0 ; 0 0 1 ; 1 1 0
0 0 1 2 2 0 0 0 0 2 2 1
1 0
0
0 ;si la matrice A triangulaire inferieur →la matrice A est une matrice
1
1
triangulaire inferieur unitaire.
1 0 0 1 0 0 1 0 0
I3 → 1 1 0 1 0 0 1 0
2 2 1 1 0 0 1
1 0 0 1 0 0 1 0 a 1
→ 1 1 0 0 1 0 → 2 2 0→ b 0
2 2 1 0 0 1 2 c 0 c 2
1 0 0
Donc 1 1 0
0 2 1
1 0 0 0 2 2 0 2 2
1 1 0 0 0 1 0 2 3
0 2 1 0 0 0 0 0 2
2 2
2 3
det 0 2 3 2
0 2
0 0 2
1 0
0⇒ 2 0⇒
2 3 2
D’où 1
67
Execice11 : On considère le système Ax=b où
3 1 1 3
2 3 1 , 1
5 3 3 5
1
0 0
3
3 0 0
1
2 3 0 ; 0
5 3 3 3
1
3
1
0 0
3
3 0 0 1 0 0
1
I3 → 2 3 0 0 0 1 0
5 3 3 3 0 0 1
1
3
1 0 0 3 0
1 0 0
→ 3 1 0 b
0 1 0 → 3 3 0→
3 3 1 3 1 0 0 1
1 3 0 c
1
0 0
3
2 1
0
9 3
1 1 1
3 3 3
1 1 1
0 0 0
3 3 3
0 1 1
2 1 2 5
0 0 0 1 0
9 3 0 0 0 9 9
1 1 1 1
0 0
3 3 3 3
68
1 1
0 0
3 3 3
2 1 1
0 1
9 3 3
1 1 1 5 1
3 3 3 3
L’algorithme s’écrit :
Donc
1
3 ….. 1
3
1
1 2 … 2
3
1
5 5 3 …….. 3
3
1 1
3 3 2 5
2 5 9 9 2 5
det 0
9 9 1 9 27
1 3
0
3
1 0
2 5
0⇒ 0⋁ 0⇒ 2 0.33
9 27
3 0.55
69
3- Soit ∈ tel que .calculer en fonction de .
1 1
5 5 3 → 5 5 … 4
3 3
1 1 1 1 1 1 1 1 1
5 5 3 2 3 5 5 2 3
3 3 3 3 3
5 1 1
9 3 2
- en déduire que , ∀ 0
1 1
3 2
2 2
3 2
3 3
on a 3 2
..
.
0 0
… 3 2
4- Calculer lim →∞ .
1 1 1 2 5
1 2 3 1
3 3 3 3 3
⟹ lim ⟶ lim ⟶ é
1 2 5 1
passons à la limite
3
1 3 3
→3 1 → 4
D’ou lim →∞ .
70
5- déduire lim →∞ ,solution du système Ax=b
lim
→∞
1
lim lim
⟶ ⟶ 4
1
lim 3 lim lim 1
→∞ 3 →∞ →∞
1
1
Don 4
1
4
4 2 1 0 1
2 5 0 1 , 0
1 0 5 2 0
0 1 2 4 0
Théorème : si A est une matrice diagonal dominante strict (DDS) alors la méthode de Jacobi et de
Gauss-Seidel convergent
| | ; 1… ;
2 1 0 3
4
5 | 2| 0 | 1| 3
| | →
5 1 0 | 2| 3
4 0 | 1| | 2| 3
71
1 1
1 1 2 2 3
4
1 1
1 2 2 1 4
→ 5
1 1
3 1 2 4
5
1 1
4 2 2 3
4
1 2
1 1
0 1 2
0 2 2
; 1
; 2
0
3 3
0 1 2
4 4
1 1 1
1 1 2 20 3
0
4 4
1 1
1
2 2 10 4
0
0 4
5 →
1 0
1 0 0
3 1 2 4 0 0
5 0
1 1 0
4 2 2 30 0
5
2 1 1 1 1
1 1 2 2 3 1
4 4
1 1 4
2
2 2 11 4
1
1
5 10 →
1 1 10
2 1 1
3 1 2 4 1
5 20
1 1 20
2 1
4 2 0 0
5 2 3
1
1 1
1 1
1 1
1 1 2 2 3 .… 1
4
1 1
2 2 1 1 4 …. 2
→ 5
1 1 1
3 1 2 4 …. 3
5
1 1 1 1
4 2 2 3 …. 4
4
72
4- Montrer que 0, ∀ et en déduire la solution exacte de AX=b.
… 5 et ….. 6
On remplace les équations (5) et (6) dans l’équation (4) on trouve que
1 2 1
2 0; ∀
4 5 5
Donc
0; ∀
2
5
La solution exacte 1
5
0
4 2 1 0 2 1
→ 2 5 0 1 5 0
1 0 5 2 1 0
0 1 2 4 5 0
0
4 1 1
→4 1→
5 5 3
Donc
0
73
Université M . B. Boumerdès Filière :LMD‐LM‐S4
Exercice 1 :
A- Dire si les énoncés suivants sont vrai ou faux et justifier votre réponse en deux lignes:
(a) Une formule de quadrature d’ordre n est toujours plus précise qu’une autre formule
de quadrature d’ordre n +1.
(b) On peut utiliser la méthode de Simpson avec 6 intervalles pour évaluer:
B- On considère l’intégrale
2. Évaluer numériquement cette intégrale par la méthode des trapèzes avec 3 sous-intervalles.
3. Pourquoi la valeur numérique obtenue à la question précédente est-elle supérieure à ln(2) ? Est-ce
vrai quelque soit m? Justifier la réponse. (On pourra s’aider par un dessin.)
4. Quel nombre de sous-intervalles n faut-il choisir pour avoir une erreur inférieure à 10 ? On
rappelle que l’erreurde quadrature associée s’écrit, si ∈ ; ,
| |
12
Posons 1
74
Solution de l’exercice 1 : (a) Faux. Par exemple l’approximation de f x dx sera, en général,
moins précise avec Trapèze simple (ordre 3 ), qu’avec Trapèze composée (ordre 2).
(b) Faux. La méthode de Simpson nécessite l’évaluation de la fonction . en x . 0, qui n’est pas
.
2 1 0 1
2 1 0 ∗ ;… . ; 1 0
0 1 2 1
2 1 0 1
0 1 ………………………………………….… .
0 1 2 1
4
0⇒ 4
2
2 1 0 1
0 1 … . ; 0⇒ 4 3
0 0
donc ∈ 4, 3 . ……………………………………………………………………………………………………. .
1,
1 - résoudre le système é : ⇔
… .
2 1 0 1 2 1
1 1
⇒ 0 1 ⇒ ⇒ 1⇒ 1 ………………………...
0 0 1 1
2) On a ;
0 0
2 0 0 0 0 0 0 1 0 0 1 0
0 2 0 1 0 0 ; 0 0 1 ; 1 0 1 ; 0 0 ;
0 0 2 0 1 0 0 0 0 0 1 0
0 0
75
0 0 0 0
0 1 0
0 0 1 0 1 0 ;……………………….. .
0 1 0
0 0 0 0
1
0 0 1
2
1 1 2
0 0 0 0 …………………………………………. . .
2 1 1
1
0 0 2
2
……………………………………………………... . .
det
1 1
0 0 0
2 2
1 1 1 0 0 1 1
0 0 1 0
2 2 0 0 1 2 2
1 1
0 0 0
2 2
0
0
Donc det 0⇒ 0 0
0 0 0
0
⇒ 0…………………………………..……………………………………………... .
0
0⟺ ∨ Donc les valeurs propres sont
√
; 0;
√
…………………………………….... .
√
∓
√ √ √
max ; 0; ……………………………………………………………………………………………..… .
√
Comme 1 ⟺ la méthode de Jacobi converge vers la solution Ax=b…………………….. .
76