Université M’hamed Bougara de Boumerdès

Faculté des sciences

Département de mathématiques

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

2.2- Méthode des trapèzes(n=1)

2.3- Méthode de Simpson (n=2).

2.4- Méthode de Simpson 3/8(quadrature simple)

2.5- Formules composées.

2.5.1-Formule de trapèze composée

2.5.2-Formule de Simpson composée.

2.5.3- Quadrature composite de Simpson 3/8

2.6- Méthode de Newton (n=3)

3- Formule d’erreur dans l’intégration approchée

4- Changement de variable affine

5-Série d’exercices n0 4

Chapitre 5 : Résolution des systèmes linéaires

Introduction

1- Méthode de Cramer

2- Méthode directes

2.1- Méthodes de Gauss ordinaire

2.2- Système du pivot

2.2.1- Stratégie du pivot partiel :

2.2.2- Stratégie du pivot

2.3- Méthodes LU

2.4- Décompositions d’une matrice symétrique

2
 2.5- Décompositions d’une matrice symétrique définie positive (de cholesky)

3. Méthodes Itératives

3.1- Normes vectorielles

3.2- Normes vectorielles usuelles

3.3- Normes matricielles

3.4 -Normes matricielles usuelles

3.5- Définition

3.5.1-Conditions suffisante de convergence

3.5.2- Conditions nécessaire et suffisante de convergence

3.5.3- Méthode de Jacobi

3.5.4- Méthode de Gauss-Seidel

3.6- Méthode de Gauss-Seidel avec sur-ou sous –relaxation

4- Série d’exercices n05.

Solution des exercices

1- Série d’exercices N05.

2- Série d’exercices N05.

3
 Chapitre 4 : Intégration numérique
1- Description du problème

On cherche à estimer la valeur numérique de

avec :a et b deux réels (a < b).

f fonction mal connue mais ne disposant pas de singularité sur [a; b].

Exemple : intégrable sur [0; 1] mais possède une singularité en 0.

√

Méthode classique : primitive

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

Solution : utiliser des méthodes numériques.

Définition 1. On appelle formule de quadrature à n + 1 points une formule du type:

où les , 0, . . . , sont appelés points d'intégration et les , i = 0, . . . , n poids de la formule

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

, 0, . . . , Et non exacte pour .

Exercice : . Déterminer la formule de quadrature suivante et donner son erreur d’intégration.

1 0 1 , … … 3.1)
4
2- Formule de quadrature du type interpolation

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 .

Définition 1. On appelle formule de quadrature de type interpolation, la formule obtenue par le

calcul de pour approcher , étant un polynôme d’interpolation de f.

Proposition 1. Une formule de quadrature à (n + 1) points est de degré au moins n, si et seulement

si elle est de type interpolation à n + 1 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 ».

Théorème : Soient , ,… , (n+1) points équidistants dans [a,b] avec

et ; ; ;∀ 0, … , .

Alors la formule générale de quadrature de Newton –Cotes est donnée par :

…
∑ où ;
! !

Les constantes sont appelées coefficients de Cotes, elles vérifient :∑ 1;

2.2- Méthode des trapèzes (n=1)

La formule des trapèzes est une formule à 2 points :

Le polynôme de Lagrange associé à ces deux points est

D’où

5
Remarque

Le trapèze composé revient à intégrer une interpolation linéaire par morceaux de la fonction.

• La formule du trapèze est d’ordre 2.

2.3- Méthode de Simpson (n=2).

La formule de Simpson est une formule à trois points ;

Le polynôme associé à ces trois points est

Notons que

⇒
6

4
⇒
6

⇒
6

On tire donc la formule suivante:

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

2.4-Méthode de Simpson 3/8(quadrature simple)

Le Polynôme Pn(x) est de degré 3

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.

2.5.1- Formule de trapèze composée.

En général, la précision fournie par un seul trapèze n’est pas suffisante. On divise alors le segment
[a,b] en segments partiels égaux, et à chacun desquels en on applique la formule de trapèzes.
Soient : ; , ,…, , ,

On trouve ⋯

…
∑

2.5.2- Formule de Simpson composée.

Comme dans le cas de la méthode de trapèze, il y a souvent intérêt à décomposer au préalable
l’intervalle total en intervalles partiels égaux,et à appliquer séparément la méthode à chacun
d’eux :Soient en posant 2 ; ; , …, 1 ,
, .

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

1- Déterminer par la méthode des trapèzes puis par celle de

x 0 /2
Simpson sur la base du tableau suivant : 0 1

2- Déterminer par la méthode des trapèzes puis

x 0 /8 /4 3 /8 /2
par celle de Simpson sur la base du
0 0.382683 0.707107 0.923880 1
tableau suivant :

Ces points d’appui sont ceux donnant sin x, comparer alors les résultats obtenus avec la valeur
exacte.
Corrigé :

1-Soit T l’approximation de I par la méthode des trapèzes, le pas h donné par

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

2- ∑ 0 1 2 0.382683 0.707107 0.92388

0.987116

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

L’approximation à l’ordre 3 de la fonctionnelle est donnée par ∑

avec où est le polynôme de Lagrange au point . Après calcul, il
vient : ; ; ; .

Et alors

3 3

Ou encore

3
3 3
8

Où

3- Formule d’erreur dans l’intégration approchée

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 ; | |

3.1- Erreur dans la formule des trapèzes

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).

• Plus l’intervalle sera grand plus l’erreur sera grande.

• Le trapèze composé revient à intégrer une interpolation linéaire par morceaux de la fonction .

• La formule du trapèze est d’ordre 2.

 Erreur dans la formule des Simpson simple

4
6 2 2880

 Formule générale :n=2k

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

 Formule générale :n=2k

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

Simpson 1/3(n = 2) h =3,

1
4 0 4 ∗ 0.7788 0.36788 0.74718
6 6
4- Changement de variable affine
Souvent on définit d’abord une formule de quadrature sur l’intervalle [0;1] ou sur l’intervalle [-1;1]
et puis on la généralise à l’intervalle x ; x par un changement de variable affine.
Soit a ; b et soit ; , on cherche une transformation qui envoie l’intervalle [a;b]
dans l’intervalle [c;d] ainsi
′

Si ′ est une constante, i.e. si g est une transformation affine , alors

Pour déterminer cette transformation affine, on doit résoudre le système linéaire

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

On a . , qu’on peut réécrire 1

1
2 2

12
 Série d’exercice N0:4
Exercice1 :

Peut-on trouver des coefficients réels , , tels que

1 2
0 1
3 3
Pour tout polynôme de degré inférieur ou égal à 3 ? Si la réponse est oui, calculer ces coefficients.
2. Appliquer la formule de quadrature ainsi définie à la fonction f :
↦ 1/ 2 ; calculer la valeur exacte de l’intégrale puis donner un
majorant de l’erreur.
Exercice2 : On cherche à approcher l’intégrale par la formule des
trapèzes (cas n = 1 des formules de Newton-Cotes fermé). On approxime ainsi cette intégrale par la
formule de quadrature suivante avec

et polynôme de Lagrange nécessaire pour l’interpolation. Calculer les poids et

Exercice 3 : On cherche à approcher l’intégrale par la formule de

Simpson (cas n = 2 des formules de Newton-Cotes fermé) 4 Montrer
que la formule de Simpson est de degré de précision 3.

Exercice 4 : On veut approcher l’intégrale .

1- Donner une valeur approchée de I en utilisant la méthode : trapèze -Simpson

2- Utiliser les méthodes, des trapèzes et de Simpson composites avec 3 sous-intervalles pour
approcher I.

3- Donner dans les deux cas un majorant de l’erreur.

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.

Exercice 8:On considère l’intégrale ln

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 :

Définissons la fonction . Combien faudrait-il de sous-intervalles, à l’aide de la

méthode de Simpson 1/ 3 composée, pour obtenir une approximation de F(1) avec une précision de
0, 5×10−8 (répondre sans calculer la valeur analytique de F(x)) ?

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

On propose dans un premier temps (question 1 à 2) de construire la formule de quadrature à deux

points :

… 1 ;où0 1 est à déterminer

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 ?

Exercice 11(sup):On considère l’intégrale

1. Calculer la valeur exacte de I .

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 12(sup) : On veut approcher l’intégrale par la formule de quadrature

suivante 1 1 Calculer pour que cette formule de quadrature soit de degré
de précision au moins 1. Montrer que cette formule de quadrature a pour degré de précision 1.

Exercice 13(sup) : Estimer en utilisant la méthode des trapèzes composite avec 8 et

puis 16 sous-intervalles en prenant en compte l’erreur.

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

Introduction : on considère le système suivant :

a x a x ⋯ a x b
a x a x ⋯ a x b
Ι
⋮ ⋮ ⋮ ⋮
a x a x ⋯ a x b

Le système Ι s’écrit sous forme matricielle avec

a a … a x b
a a … a x b
⋮ ⋮ ⋱ ⋮ ; ⋮ ;
⋮
a a … a x b

A est une matrice carre d’ordre (de type ) , , vecteurs de

1) Une matrice A est triangulaire supérieur si a 0 pour i

2) Une matrice A est triangulaire inférieur si a 0 pour i
3) Transposée de A noté est définie par a ; a
4) est dit diagonale si si a 0 ,∀ i j
Les a ; ϵ 1, … , n sont des élément diagonaux de A

Si a 1 , iϵ 1, … , n A est dite matrice unité d’ordre

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.

Si 0 , le système admet une unique solution :

Où est la matrice obtenue en remplaçant, dans A la ème colonne par b
17
 2 3 6
Exemple : Soit le système
4 3

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

1) Si det 0 le système n’admet aucune solution, ou admet une infinité de solution.

2) Si det 0 ⟺ est inversible existe .
Le nombre d’opération ; effectué pour résoudre un système d’ordre ≃ 1 !

Notre objectifs : est de faire appel à des méthodes ayant des temps de calcule acceptables ne
dépasse pas

2- Méthode directes

2.1- Méthodes de Gauss ordinaire

Principe : est de transformer la matrice A en une matrice triangulaire supérieur puis
résoudre le système triangulaire supérieur
triangulaire supérieurOù
… …
… …
0
⋮ 0 ⋱ ⋮ ⋮
⋮ ⋮ 0 ⋱ ⋮
0 0 0 0

On construit la matrice /

/ / Où est une matrice triangulaire supérieur

Etapes : on pose on écrit

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 … .

Ainsi la Kiéme étape 2 on effectué les opérations suivantes : si 0

Résolution ⇔

11 1 12 2
… 1 1

22 2
… 2 2

On commence par déterminer puis jusqu’a l’obtention de de la 1ere équation

Remarque :

1) Les , ,… , sont appels pivot de la méthode de Gauss .

2) La méthode de Gauss est applicable sisi le pivot de chaque étape est 0 c-a-d
0 ,∀ 1. . . .
3) det ∏
Exemple
2 1 2 10
, 6 4 0 ; 26
8 5 1 35

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

Ligne 3 - 4 ligne 1 = 8 5 1 |35 4∗ 2 1 2 |10 0 1 7 | 5

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

On obtient le système final /

2 1 2 |10
/ 0 1 6 | 4 ; est la matrice triangulaire supérieure.
0 0 1 | 1

Résolution : résoudre le système revient à résoudre le système triangulaire supérieur

.

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.

D’où le but de choix du pivot (partiel où total).

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

On permet la 1ere ligne et la 3ième ligne

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

Ligne 3 - ligne 1 = 2 1 2 |10 ∗ 8 5 1 |35 0

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

On obtient le système final /

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

Remarque : 1- le pivot total impose des permutations de lignes et de colonnes.

2- A chaque permutation de colonne les inconnus changent de place

3- permutation de ligne⇒ changement de b.

4- 1 ∏ ; p est le nombre de permutation de ligne

Exemple : résoudre par Gauss avec pivot total le système

1 2 2 2
1 3 2 1
3 5 8 8

Pivot max max (1 ;2 ;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

2.3- Méthodes LU : soit à résoudre le système .

Mettre a sous la forme

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

des multiplications à chaque étape)

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.

A se décompose sous forme LU sisi 0 , ∀1 où sisi 0 ,1

Remarque : det ∏ ∏

Exemple : résoudre le système par la méthode de LU ,tq

1 3 2 1
1 2 3 , 0
1 3 1 0

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

2.4- Décompositions d’une matrice symétrique

Définition : A est dit symétrique si A=At c.-à-d. ∀1 , .

Exemple : ; ; ⟹ est symétrique.

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

si A est dit symétrique A=At

A L DV L DV V D L Ce qui implique L

Donc A=L DL

2.5 Décompositions d’une matrice symétrique définie positive (de Cholesky)

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

1) Si A symétrique définie positive(S.D.P) alors 0

2) Tout matrice S.D.P admet la décomposition LU par tout de A=L DL (car A est symétrique).

24
*

Posons ⟹

D’où A s’écrit sous forme ∗

La décomposition (*) est appelée décomposition de Cholesky de A , et la matrice R est appelée

matrice de cholesky

R est une matrice triangulaire inferieur

Rt est une matrice triangulaire supérieure

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

Il existe plusieurs manières de définir la norme pour un vecteur. La plus connue de

toutes est certainement la norme euclidienne

‖ , ,…, ‖

Cette norme représente géométriquement la longueur du vecteur.

Définition : Une application‖. ‖ → (ici, V est un espace vectoriel Réel) est dite une
norme vectorielle si elle respecte les propriétés suivantes:
*‖ ‖ 0 , ∀ ∈ ‖ ‖ 0 ,⟺ 0
*‖ ‖ ‖ ‖ ‖ ‖∀ , ∈
*‖ ‖ | |‖ ‖, ∀ ∈ . ∈

3.2- Norme vectorielles usuelles

*‖ ‖ ∑ | |
*‖ ‖ max … | |
*‖ ‖ ∑

Exemple 1. Trouvons les normes 1, 2 et ∞ du vecteur 1; 0; 1; 4 ,On obtient

‖ ‖ | |

‖ ‖ | |
…

‖ ‖ √ √

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 ⟺
⟺

Si M inversible (c-à-d existe) on obtient

⇒

On pose

On définit la suite ∈ par

∈
Est appelée aussi processus itératif.

Remarque : si la suite converge vers , alors est la solution du système

28
3.5.1- Conditions suffisante de convergence

Théorème : pour que le processus (P) converge ∀ ∈ ,il suffit qu’il

existe une norme tq ‖ ‖ 1.

De plus l’estimation d’erreur à priori :

‖ ‖
‖ ‖
.

Et l’estimation d’erreur pas à pas :

‖ ‖
1 ‖ ‖

3.5.2- Conditions nécessaire et suffisante de convergence

Théorème : le processus (P) converge vers , ∀ ∈ si et seulement si 1.

B la matrice d’itération

3.5.3- Méthode de Jacobi : c’est une méthode qui correspond à la décomposition

On pose

Alors le processus de Jacobi correspondent est :

, ; 0
Et

L’algorithme de Jacobi est donc

1
; ;
⋮ ⋮

∑ ∑

29
 1

Théorème: une condition nécessaire et suffisante pour que le processus de Jacobi converge
indépendamment de la condition initiale , est que 1

Définition : on dit qu’une matrice A est diagonal dominante strict (DDS)sisi

| | ; 1… ;

Théorème : pour que le processus de Jacobi converge ∀ ∈ il suffit que la matrice A soit
DDS.

Remarque :

- En pratique le calcule de est trés compliqué, il suffit alors de verifier si

1puisque .
- La méthode de Jacobi converge si l’une des conditions suivantes est vérifier :

max 1
..

max 1
..

- Si ;∀, est la dimension du système, alors l’algorithme de Jacobi converge

- pour avoir appliqué la méthode de Jacobi il faut que soient 0

3.5.4- Méthode de Gauss-Seidel

Elle correspond à la configuration et le processus de Gauss-Seidel s’écrit

é
30
 Et

L’algorithme de Gauss-Seidel est donc

∑ ∑ ; 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

2) Pour calculer le rayon spectral max | | , on commence par calculer le polynôme

caractéristique

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

Les valeurs propres sont les racines de polynôme comme

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

3.6- Méthode de Gauss-Seidel Avec sur-ou sous –relaxation

La méthode permet d’accélérer la convergence par rapport à la méthode de Gauss-Seidel.elle
consiste à pondérer, à chaque itération, obtenu par la méthode de Gaussa-Seidel et le résultat
l’itération précédente, par l’intermédiaire d’un paramètre de relaxation compris entre 0 et 2.

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 . .

Pour 1, on retrouve la méthode de Gauss-Seidel.

Pour 1, on parlera de sur-relaxation .

Pour 1, on parlera de sous-relaxation .

Sous forme matricielle :

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

Exercice2 (sup):Calculé les déterminants suivants

4 2 3
3
, 0 3 4
3
0 0 5

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

Exercice4 : Résoudre le système Ax=b où

 Par la méthode de Gauss avec pivot partiel.

1 3 3 0
1 1 0 , 1 ;
3 2 6 11

 Par la méthode de Gauss avec pivot total

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

Résoudre Ax=b par la méthode L.U .

Calculer en déduire et det(A)

Exercice6 : On considère la matrice A

1 1 1 0
1 5 1 2
1 1 3 2
0 2 2 1

1- Calculer les décompositions L.U,LDV et LDLt de A. A est-elle symétrique définie positive.

34
Exercice7 : Soit la matrice A
2 1 0 0
5
1 0 0
2
5
0 0 1
2
0 0 1 2

 Déterminer la décomposition de Cholesky de A, en déduire l’unique solution de

Ax=b=(1 1 0 0)t

Exercice8 : On considère la matrice A

1 0 0
0 1 0
,
0 0 1

 Décomposer A sous la forme L.U et préciser la condition pour laquelle cette

décomposition est possible.
 Pour quelle condition A est-elle définie positive ? Calculer LDLt et RRt.
 Pour 1 montrer que A se décompose sous forme R.S, R matrice de
Cholesky etS triangulaire supérieure.

Exercice 9 : Soit la matrice A

0.9 1
0 0.9

 Calculer ‖ ‖ , ‖ ‖ , ‖ ‖∞
 Calculer .
 Le processus converge-t-il ∀ ∈ ?

Exercice10 : On note et les matrices d’itération des méthodes de Jacobi et de Gauss-Seidel

Associées à A

 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

Execice11 : On considère le système Ax=b où

3 1 1 3
2 3 1 , 1
5 3 3 5

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.

Exercice12 : Soit le système Ax=b où

4 2 1 0 1
2 5 0 1 , 0
1 0 5 2 0
0 1 2 4 0

 Les processus de Jacobi et Gauss-Seidel convergent-ils ∀ ∈

 Ecrire le processus itératif de Jacobi et calculer , en partant de 0
 Ecrire le processus itératif de Gauss-Seidel.
 Montrer que 0, ∀ et en déduire la solution exacte de AX=b.

Exercice13 : Soit le système linéaire suivant:

(a) Faire 2 itérations de la méthode de Jacobi en partant du point = (0 0 0) T .

(b) Faire 1 itération de la méthode de Gauss-Seidel en partant du point = (0 0 0) T .

(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?

Exercice 14(sup) : Soit le système linéaire Ax=b suivant :

6 1 1 12
2 4 0 0
1 2 6 6

 résoudre le système Ax=b par la méthode de Gauss ordinaire.

 Rappeler les conditions nécessaires et suffisantes pour l’existence des décompositions LU et
RRt de A.
 Déterminer L et U. Peut-on résoudre ce système par la méthode Cholesky ?
 Vérifier la condition suffisante de convergence pour la méthode de Jacobi puis, calculer les
trois premières itérations , et , en partant de 2 ,2 ,2 .
36
  Comparer la 3e itération à la solution exacte du système Ax=b.

Exercice 15(sup) : On considère le système Ax=b suivant :

4 2 2 6
2 5 1 , 3
2 1 5 7

 Diagonaliser la matrice A par la méthode de Gauss ordinaire.

 Montrer que la matrice A admet la décomposition LU.
 Déduire L et U puis, résoudre Ax=b par cette décomposition.
 Montrer que la matrice A admet la décomposition de Cholesky RRt.
 Calculer R.
 Calculer la matrice J de Jacobi associée à la matrice A et déduire la convergence de cette
méthode.

Exercice 16(sup) : Soit le système Ax=b défini comme suit :

1

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 :

Peut-on trouver des coefficients réels tels que

, ,
1 2
0 1
3 3
Pour tout polynôme de degré inférieur ou égal à 3 ? Si la réponse est oui, calculer ces coefficients.

Oui on peut trouver les coefficients réels , , tels que

1 2
0 1
3 3
Car On cherche une formule de quadrature à 4 points, elle doit donc être exacte sur l’ensemble des
polynômes de degré au plus 3.

Donc

Pour 0; 1,

Pour 1; ,

Pour 2; ,

Pour 3; ,

Pour calculer , , , il faut donc résoudre le système suivant

….
1 2 1
….. 2
3 3 2
1 4 1
… 3
9 9 3
1 8 1
… 4
27 27 4
2 2 1 3
2 3 → → …. 5
9 9 6 4
8 10 1 27
2 4 → → 4 5 …. 6
27 27 4 8

6 4 5 → → On remplace la valeur de dans l’équation (5)

Donc →

D’après l’équation (2) on trouve

38
13 23 1 1
→
38 38 2 8

AU fian d’prés (1) on trouve que

Finalement, la formule de quadrature est

1 3 1 3 2 1
0 1
8 8 3 8 3 8

2. Appliquer la formule de quadrature ainsi définie à la fonction f :

↦ 1/ 2 ; calculer la valeur exacte de l’intégrale puis donner un
majorant de l’erreur.

D’après la premier question on trouve que

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

- calculer la valeur exacte de l’intégrale

I= ln 2 | ln 2

L’erreur | | ln 2 0.00060

Exercice2 : On cherche à approcher l’intégrale par la formule des

trapèzes (cas n = 1 des formules de Newton-Cotes fermé). On approxime ainsi cette intégrale par la
formule de quadrature suivante avec

et polynôme de Lagrange nécessaire pour l’interpolation. Calculer les poids et

- 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,

Dans notre cas, on a alors

39
 ;

D’où

1 1 1 1 1
2 2

1 1 1 1 1
2 2

La formule des trapèzes est donc

≃ .

Exercice 3 :

On cherche à approcher l’intégrale par la formule de Simpson (cas n = 2

des formules de Newton-Cotes fermé) 4 Montrer que la formule
de Simpson est de degré de précision 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

La formule de Simpson a au moins un degré de précision supérieur à 0.

Degré 1 : → ,

3
4 4
6 2 6 2 6 2

La formule de Simpson a au moins un degré de précision supérieur à 1.

Degré 2 : → ,

2
4 4
6 2 6 4

2 2 2
6 3

La formule de Simpson a au moins un degré de précision supérieur à 2. Maintenant pour le degré

supérieur, on a

40
Degré 3 : → ,

3
4 4
6 2 6 8
1 3 3 1
6 2 2 2 2 4

La formule de Simpson a au moins un degré de précision supérieur à 3.

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.

Exercice 4 : On veut approcher l’intégrale .

5- Donner une valeur approchée de I en utilisant la méthode : trapèze -Simpson

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

3- Donner dans les deux cas un majorant de l’erreur.

→ 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

Erreur dans la formule des trapèzes

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

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 .

D’après le cours, on a

| , |
180

Calculons les dérivées de .

′ 2 → ′′ 2 2 1 → 2 4 6

→ 2 8 24 6 → ; 1 76

Pour avoir la propriété demandée il suffit donc d’avoir

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.

(b) D’après le cours on a

, 2 4
3

Où a=0 , b=1et

, 2 4
3

D’où l’on déduit

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

(d) Le résultat fourni par la calculatrice est , 10 . Le résultat obtenu vérifie

Donc , 10 10 La perte de précision de 10-12 due au calcul est négligeable

devant l’erreur de 10-3 due à la méthode.

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

La valeur exacte de √ 9 1 17.3333333

2
L’erreur absolue | | |17.3333333 17.3278663| 0.54 ∗ 10

Exercice 8:On considère l’intégrale ln

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 :

2. L’erreur est majorée par

| |
12

ln → → → max ; | | | 1 | 1.

10 100
| | 10 → → 2.86
12 12 12

À partir de 3 sous-intervalles, l’erreur de quadrature est inférieure à 10 .

Exercice 9 :

D’après le cours l’erreur dans la formule des Simpson s’écrit :

| | 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

À partir de 46 sous-intervalles, l’erreur de quadrature est inférieure à 0.5 ∗ 10 .

Exercice 10 :

Soit … 1 ;où0 1 est à déterminer

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, . . . , Et non 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 →

.La formule de quadrature a au moins un degré de précision supérieur à 2 si

* 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

La formule de quadrature a un degré de précision 2.

Donc on peut résumer les résultats dans le tableau suivant :

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

Si la formule de quadrature est exacte pour les polynômes de degré au plus 1, si la

formule est exacte pour les polynômes de degré au plus 2.
2. Par le changement de variable 1 on déduit la formule de quadrature

1
2 2
2 1
1 1
3 3 2 6 2

3. Si an (i.e. si on considère une subdivision de l’intervalle [a;b] équirépartie)

alors on trouve la formule de quadrature composite (i.e. sur n sous-intervalles et à 2n points)

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

La formule de quadrature a au moins un degré de précision supérieur à 0.

1
Degré 1 : → 1
0 ,

2 1 1 2 1 1
2 0 2 2 0 2 0
3 2 2 3 2 2

La formule de quadrature a au moins un degré de précision supérieur à 1.

1
Degré 2 : → 1
,

2 1 1 2 1 1 2
2 0 2 2 0 2
3 2 2 3 4 4 3

La formule de quadrature a au moins un degré de précision supérieur à 2.

1
Degré 3 : → 1
0 ,

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.

Donc on peut résumer les dans le tableau suivant :

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

d’où le changement de variable 1 . On déduit la formule de

quadrature (exacte sur l’espace des polynômes de degré au plus 3)

1
2 2

2 2
3 2 2 2

Soit La formule précédente se réécrit

3
2 2
3 4 3 4

et la formule de quadrature composite déduite de cette approximation est

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

Si 0 , le système admet une unique solution :

Où est la matrice obtenue en remplaçant, dans A la ème colonne par b

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

b- la méthode de Gauss ordinaire

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

On obtient le système final /

52
 1 2 1 | 4
1| 3
0 2
/ | ; 0 est la matrice triangulaire supérieure

0 0

Résolution : résoudre le système revient à résoudre le système triangulaire supérieur

.

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

Ligne 2 - ligne 1 = 1 04 09 16 |10 1 02 03 04 |02 0 2 6 12| 8

Ligne 3 - ligne 1 = 1 08 27 64 |14 1 02 03 04 |02 0 6 24 60|10

Ligne 4 - ligne 1 = 1 16 81 256 |190 1 02 03 04 |02 0 14 78 252|188

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

Ligne 3 - ligne 1 = 0 6 24 60 |10 0 2 6 12 |8 0 0 6 24| 12

Ligne 4 - ligne 1 = 0 14 78 252 |188 0 2 6 12 |8 0 0 36 168|132

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

Ligne 4 - ligne 1 = 0 0 36 168 |132 6 0 0 6 24 | 12 0 0 0 24|204

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

Résolution : résoudre le système revient à résoudre le système triangulaire supérieur

.

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

Exercice4 : Résoudre le système Ax=b où

 Par la méthode de Gauss avec pivot partiel.

1 3 3 0
1 1 0 , 1 ;
3 2 6 11

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

On obtient le système final /

3 2 6 |11
7 11
0 1
/ 3 3
15 15
0 0
7 7

Résolution : résoudre le système revient à résoudre le système triangulaire supérieur

.
55
 3 1 2 2 6 3 11 1
3 3
⟺ 2 3 ⟺ 2 1 ⟹ 2 2 ; 2
3 2∗ 2 6 11 ⟹ 1 3 1
3 1

3
La solution 2
1

 Par la méthode de Gauss avec pivot total

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

Ligne 2 ligne 1 = 5 2 2 |7 ∗ 6 2 3 |12 0 | 3

Ligne 3 - ligne 2 = 3 3 1 | 2 ∗ 6 2 3 |12 0 3 |12

56
 6 2 3 |12
0 | 3
/ 2 max2 3 max2 3 2 On permet
0 2 | 8 2 3 2 3 2

la 2iéme ligne et la 3ième ligne

6 2 3 |12
1
0 2 | 8
/ 2
1 1 1
0 | 3
3 2 6

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

Résolution : résoudre le système revient à résoudre le système triangulaire supérieur

.
6 2 3
1 12
0 2 8
⟺ 2 5
5
0 0 3
12

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

Exercice5 : Soit la matrice A définie par

1 4 3 1/3
1 5 3 , 6
1 6 4 1

Résoudre Ax=b par la méthode L.U .

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

des multiplications à chaque étape).

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

2- Calculer en déduire et det(A)

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

 det det det ∏ 1 1 1 1

Exercice6 : On considère la matrice A

1 1 1 0
1 5 1 2
1 1 3 2
0 2 2 1

1- Calculer les décompositions L.U,LDV et LDLt de A . A est-elle symétrique définie positive.

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

Car A est symétrique( A=At)

A L DV L DV V D L Ce qui implique L

 A est-elle symétrique définie positive .

A est symétrique ( A=At) elle admet une unique décomposition sous la forme

A LDL L√D√DL RR A n’est pas positive car 4 0

Exercice7 : Soit la matrice A

2 1 0 0
5
1 0 0
2
5
0 0 1
2
0 0 1 2

 Déterminer la décomposition de Cholesky de A, en déduire l’unique solution de

Ax=b=(1 1 0 0)t
61
* l’Algorithme de Cholesky

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

 Décomposer A sous la forme L.U et préciser la condition pour laquelle cette

décomposition est possible.
La condition pour cette décomposition est possible si det 0
det 1 0; det 1 0; det 1 0
1 0 0 1 0
det det 1 0 1 0 0 1 3

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

2- Pour quelle condition A est-elle définie positive ? Calculer LDLt et RRt.

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

Exercice 9 : Soit la matrice A

0.9 1
0 0.9

 Calculer ‖ ‖ , ‖ ‖ , ‖ ‖∞
Commençons par les normes infinie et 1.

‖ ‖ max 0.9; 1.9 1.9

.. ..

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 .

0.9 0 0.91 0.81 0.9

1 0.9 0
0.9 0.9 1.81
0.81 0.9
 0→ 0 → 0.81 1.81 0.81 0
0.9 1.81
 0.656 – 2.62 0
En résolvant cette équation, on obtient les deux valeurs propres de :
0.28 ; 2.34
Ainsi,‖ ‖ | | √2.34

 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

Exercice10 : On note et les matrices d’itération des méthodes de Jacobi et de Gauss-Seidel

Associées à A

 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

Alors | | |0|; |2| 2 1

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- Calculer la matrice de Gauss-Seidel associée à A et donner l’algorithme

correspondant.

La matrice de Gauss‐Seidel s’écrit :

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

2- Montrer que cette méthode converge ∀ ∈

La méthode de Gauss-Seidel converge si | | 1

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

Alors | | |0|; |0.33|; |0.55| 0.55 1. Donc d’après le théorème la

méthode de Gauss‐Seidel converge ∀ ∈

69
3- Soit ∈ tel que .calculer en fonction de .

D’après la 3iémme équation de l’algorithme de Gauss‐Seidel on a

1 1
5 5 3 → 5 5 … 4
3 3

On remplace la valeur de de l’équation 1 dans l’équation 4 on trouve :

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

D’après l’hypothèse 0 donc 0→ .

4- Calculer lim →∞ .

D’après l’équation 2 de l’algorithme on 1 2

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

Exercice12 : Soit le système Ax=b où

4 2 1 0 1
2 5 0 1 , 0
1 0 5 2 0
0 1 2 4 0

1- processus de Jacobi et Gauss-Seidel convergent-ils ∀ ∈

Théorème : si A est une matrice diagonal dominante strict (DDS) alors la méthode de Jacobi et de
Gauss-Seidel convergent

- on dit qu’une matrice A est diagonal dominante strict (DDS)sisi

| | ; 1… ;

2 1 0 3
4
5 | 2| 0 | 1| 3
| | →
5 1 0 | 2| 3
4 0 | 1| | 2| 3

Donc A est diagonal dominante strict→ la méthode de Jacobi et de Gauss-Seidel convergent

2- Ecrire le processus itératif de Jacobi et calculer , en partant de 0

L’algorithme de Jacobi est donc

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

3‐ Ecrire le processus itératif de Gauss-Seidel.

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.

0 On démontre par récurrence que 0; ∀

0
0
lim ; ; 0; 0 .on suppose que 0 et on montre que
→ 0
0
0

Puisque 0 on a d’après l’équation 2 et 3

… 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

Faculté des sciences‐Département de Mathématiques Année : 2017‐2018

Examen de rattrapage d’analyse Numérique Date :9 ‐06‐2018

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

1. Calculer la valeur exacte de I .

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

Execice2 : on considère le système Ax=b où

2 1 0 1
2 1 , 0
0 1 2 1

 Transformer le système Ax b par la méthode de Gauss ordinaire, en précisant les

valeurs de pour lesquelles cette décomposition est possible .

 Posons 1

a- résoudre le système Ax b , par la méthode de Gauss ordinaire.

b- Ecrire la méthode de Jacobi pour la résolution du système Ax = b, sous la

forme .

c- Calculer le rayon spectral de et en déduire que la méthode de Jacobi converge.

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
.

définie à cet endroit.

Solution de l’exercice 2 : Diagonalisation de la matrice A par la méthode de Gauss ordinaire
en précisant les valeurs de pour lesquelles cette décomposition est possible

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

‐ la méthode de Gauss ordinaire est applicable si le pivot de chaque étape 0 donc

2 0, 0⇒ 4, ; 0 0⇒ 4 3

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

……………………………………………………... . .

3) Pour calculer le rayon spectral max | | ,………………….. .

on commence par calculer le polynôme caractéristique

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…………………………………..……………………………………………... .

Les valeurs propres sont les racines de polynôme comme

0
0⟺ ∨ Donc les valeurs propres sont
√
; 0;
√
…………………………………….... .
√
∓

√ √ √
max ; 0; ……………………………………………………………………………………………..… .

√
Comme 1 ⟺ la méthode de Jacobi converge vers la solution Ax=b…………………….. .

76