Vous êtes sur la page 1sur 203

Universite Louis Pasteur L2 Mathematiques

U.F.R. de Mathematique et Informatique


Analyse Numerique
S. Salmon
2005-2006
2
Table des mati`eres
0.1 Quest-ce que lanalyse numerique ? . . . . . . . . . . . . . . . . . . . . . . . . 7
0.2 Pourquoi un ordinateur fait-il des calculs faux? . . . . . . . . . . . . . . . . . 7
0.2.1 Ecriture en base b . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
0.2.2 Representation des nombres en machine . . . . . . . . . . . . . . . . . 9
0.2.3 Erreurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.3 Quest-ce quun bon algorithme ? . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.4 A quoi sert lanalyse numerique ? . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.5 Plan du cours . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.6 Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1 Resolution des equations non lineaires 13
1.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.2 Localisation des zeros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.3 Methode des approximations successives ou methode du point xe . . . . . . 14
1.3.1 Une methode classique . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.3.2 Methode du point xe . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.3.3 Ordre dune methode . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
1.4 Methode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
1.4.1 Convergence de la methode de Newton . . . . . . . . . . . . . . . . . . 21
1.4.2 Zeros de multiplicite m . . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.4.3 Test darret des iterations . . . . . . . . . . . . . . . . . . . . . . . . . 23
1.5 Cas particulier : recherche des racines dun polyn ome . . . . . . . . . . . . . . 24
1.5.1 Suite de Sturm : localisation des racines . . . . . . . . . . . . . . . . . 24
1.5.2 Approximation de la plus grande racine . . . . . . . . . . . . . . . . . 24
1.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
2 Normes matricielles et conditionnement 27
2.1 Rappel sur le produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2 Rappel sur les normes vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Normes matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.4 Conditionnement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3 Resolution de syst`emes lineaires 33
3.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.2 Cas des matrices triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.3 Methode de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
3.4 Strategie de pivot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3
4 TABLE DES MATI
`
ERES
3.5 Co ut de la methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
3.6 Existence de la factorisation LU . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.7 Cas particulier des matrices symetriques denies positives . . . . . . . . . . . 40
4 Interpolation polynomiale 43
4.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Polyn omes de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2.1 Decompte doperations . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.3 Dierences divisees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.3.1 Cas particulier : points equitablement repartis . . . . . . . . . . . . . 48
4.4 Estimation de lerreur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50
4.5 Interpolation dHermite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4.6 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
4.7 La methode des splines . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.7.1 Interpolation cubique de Hermite . . . . . . . . . . . . . . . . . . . . . 54
4.7.2 Interpolation spline cubique . . . . . . . . . . . . . . . . . . . . . . . . 54
5 Integration numerique 55
5.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2 Formules de Newton-Cotes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2.1 Formules de quadrature de type interpolation . . . . . . . . . . . . . . 55
5.2.2 Construction des formules de Newton-Cotes . . . . . . . . . . . . . . . 57
5.2.3 Formules composites . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.3 Formules de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
5.4 Conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
6 Derivation numerique 69
6.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2 Approximation de la derivee premi`ere . . . . . . . . . . . . . . . . . . . . . . 69
6.2.1 Formules `a deux points . . . . . . . . . . . . . . . . . . . . . . . . . . 69
6.2.2 Formules `a trois points . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
6.3 Approximation de la derivee seconde . . . . . . . . . . . . . . . . . . . . . . . 71
6.4 Approximation des derivees dordre superieur . . . . . . . . . . . . . . . . . . 72
6.5 Methode des dierences nies . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.5.1 Exemples de mecanique . . . . . . . . . . . . . . . . . . . . . . . . . . 72
6.5.2 Principe de la methode . . . . . . . . . . . . . . . . . . . . . . . . . . 74
A Resolution numerique des equations dierentielles 77
A.1 Position du probl`eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
A.2 Resolution numerique : methode dEuler . . . . . . . . . . . . . . . . . . . . . 78
A.3 Methodes `a un pas generique . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
A.4 Methodes `a pas multiples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
B Annee 2002-2003 85
C Annee 2003-2004 115
D Annee 2004-2005 147
TABLE DES MATI
`
ERES 5
E Annee 2005-2006 179
6 TABLE DES MATI
`
ERES
Introduction
0.1 Quest-ce que lanalyse numerique ?
Les calculatrices et les ordinateurs nous permettent de faire beaucoup doperations et ce
tr`es rapidement. Mais pour que les machines soient capables de faire ces calculs, il faut les
programmer ! ...et donc ecrire les programmes. Cest lobjet essentiel de lanalyse numerique
qui sest developpee avec lapparition des ordinateurs (et qui est alors une specialite recente
des mathematiques).
Mais faire beaucoup doperations ne veut pas dire faire nimporte quoi : les methodes ont
un co ut, lie dune part au temps de calcul, ie au nombre doperations elementaires (addi-
tions, soustractions, multiplications et divisions) ` a faire, et dautre part ` a lespace memoire
necessaire pour stocker les donnees et les resultats.
Par ailleurs, lordinateur ne fait pas de calculs exacts (` a cause du mode de representation
des reels

2 = 1.4142136). Ceci constitue un inconvenient car cela provoque des erreurs dar-
rondis et de troncature.
Lobjectif de lanalyse numerique est de developper des algorithmes, de les comparer entre
eux (cest-`a-dire destimer leurs performances a priori ) et de les etudier an de selectionner
les bons algorithmes.
0.2 Pourquoi un ordinateur fait-il des calculs faux ?
Tout simplement parce quil ne connat quun nombre ni de nombres ! Par exemple ceux
qui poss`edent un nombre ni donne de chires non nuls apr`es la virgule, or ce nest pas le cas
de
1
3
ou de

2 qui ont un nombre inni de chires non nuls apr`es la virgule.
0.2.1 Ecriture en base b
La representation des nombres que nous utilisons quotidiennement est la representation
en base 10 mais les ordinateurs travaillent en base 2 (representation binaire) ou en base 8 ou
encore en base 16.
Denition 1 Ecriture en base b
Soit b un entier strictement superieur ` a 1. Pour tout entier n superieur ou egal ` a 1, il existe
7
8 TABLE DES MATI
`
ERES
un unique entier p et des entiers d
i
(0 i p) compris entre 0 et b 1 avec d
p
= 0 tels que :
n =
p

i=0
d
i
b
i
note
= d
p
d
p1
. . . d
0
b
Exemple :
En base 10 :
234 = 2 10
2
+ 3 10 + 4 10
0
En base 2 :
234 = 2 117
= 2 (2 58 + 1)
= 2 (2 2 29 + 1)
= 2 (2 2 (2 14 + 1) + 1)
= 2 (2 2 (2 2 7 + 1) + 1)
= 2 (2 2 (2 2 (2 3 + 1) + 1) + 1)
= 2 (2 2 (2 2 (2 (2 1 + 1) + 1) + 1) + 1)
= 2
7
+ 2
6
+ 2
5
+ 2
3
+ 2.
Donc 234 = 11101010
2
.
En base 8 :
234 = 8 29 + 2
= 8 (8 3 + 5) + 2
= 3 8
2
+ 5 8 + 2
Donc 234 = 352
8
.
En base 16 (on utilise les symboles de 0 ` a 9 plus les lettres A, B, C, D, E, F ) :
234 = 16 14 + 10
Donc 234 = EA
16
.
On generalise cette ecriture aux nombres reels. Mais attention le nombre de chires apr`es
la virgule etant inni la somme va de `a p :
Denition 2 Ecriture en base b
Soit b un entier strictement superieur ` a 1. Pour tout reel x non nul, il existe un unique entier
p et des entiers d
i
(i p) compris entre 0 et b 1 avec d
p
= 0 tels que :
x =
p

i=
d
i
b
i
note
= d
p
d
p1
. . . d
0
, d
1
. . . d
q
. . .
b
0.2. POURQUOI UN ORDINATEUR FAIT-IL DES CALCULS FAUX? 9
Exemple :
En base 10 :
0.625 = 0 10
0
+ 6
1
10
+ 2
1
10
2
+ 5
1
10
3
En base 2 :
0.625 = 0.500 + 0.125
= 1
1
2
+ 0
1
2
2
+ 1
1
2
3
Donc 0.625 = 0.101
2
.
0.2.2 Representation des nombres en machine
Dans un ordinateur, les nombres sont representes en virgule ottante :
Denition 3 Representation en virgule ottante
Soit x un reel non nul, en virgule ottante x secrit :
x = 0.a
1
. . . a
N
.b
E
,
avec b N

la base, a = 0.a
1
. . . a
N
que lon appelle la mantisse, 0 a
i
< b, a
1
= 0, E Z
lexposant compris entre deux entiers m et M (m E M) et N N le nombre de
chires signicatifs.
N.B : Si E < m ou E > M, le reel considere ne peut pas etre represente en virgule ot-
tante dans ce syst`eme, lordinateur ne connat alors pas ce nombre, on parle dunderow(si
E < m) ou doverow(si E > M).
Denition 4 Arrondi
Soit x un reel dont la representation en virgule ottante est x = 0.a
1
. . . a
N
a
N+1
.b
E
, si la
machine consideree na que N chires signicatifs, il faut denir Ar(x) larrondi de x :
si a
N+1
b/2, alors Ar(x) = 0.a
1
. . . a
N
.b
E
+ 0. 0 . . . 0
. .
N1
1.b
E
,
si a
N+1
< b/2, alors Ar(x) = 0.a
1
. . . a
N
.b
E
.
N.B : Le cas a
N+1
= b/2 est arbitraire !
Lerreur relative faite est alors :
|x Ar(x)|
|x|

b
2
b
N
. .
precision machine
0.2.3 Erreurs
La premi`ere source derreurs dans les calculs faits par un ordinateur provient donc dabord
des erreurs darrondi sur les donnees. Puis des operations eectuees sur les reels en virgule
ottante. Nous ne nous etendrons pas sur ce sujet (voir TAN licence) mais il faut etre conscient
10 TABLE DES MATI
`
ERES
que certaines operations, telles la soustraction de deux reels voisins par exemple, peut etre
une source derreurs non negligeables !
Exemple
Soit x = 0, 124322.10
4
et y = 0, 123171.10
4
. Le calcul de x y sur une machine ` a 4 chires
signicatifs donne Ar(x) Ar(y) = 0, 1243.10
4
0, 1231.10
4
= 0, 11.10
2
, il ne reste alors plus
que deux chires signicatifs ! (cest ce que lon appelle lextinction de chires).
0.3 Quest-ce quun bon algorithme ?
An de choisir le meilleur algorithme possible, il faut pouvoir les comparer. Un bon algo-
rithme est alors un algorithme :
1. le moins co uteux possible en place memoire,
2. le moins co uteux possible en temps de calcul : cest-` a-dire qui minimise le nombre
doperations necessaires. Cest ce quon appelle un probl`eme de complexite.
Un exemple : Calcul dun determinant dune matrice N N.
La methode mathematique de Cramer necessite N N! operations elementaires (N!
additions et (N1)N! multiplications). Prenons N = 50, sachant que 5050! 15.10
55
,
et quun ordinateur peut faire environ 20 GFlops (ie 20 milliards doperations `a la
seconde), il faudrait quand meme environ 10
50
ans pour faire ce calcul.
3. le plus stable possible, ie le moins sensible aux erreurs darrondi que nous venons
devoquer,
4. le plus precis possible : la solution que jobtiens est une solution approchee, je veux
savoir si je suis pr`es ou loin de la solution exacte. Cest ce quon appelle lestimation
derreur.
0.4 A quoi sert lanalyse numerique ?
Lanalyse numerique est donc letude dalgorithmes qui permettront de simuler des probl`emes
physiques sur un ordinateur. Un probl`eme mod`ele est le probl`eme suivant. On se donne une
corde de tension T > 0 attachee `a ses deux extremites et sur laquelle on tire avec une force f
vers le haut. On cherche ` a calculer le deplacement vertical u de la corde. Les physiciens nous
donnent lequation que verie u :
_
_
_
T u

(x) = f(x) x ]0, 1[


u(0) = 0.
u(1) = 0.
A nous de la resoudre !
0.5 Plan du cours
1. Resolution des equations non lineaires
2. Normes matricielles et conditionnement
3. Resolution de syst`emes dequations lineaires
4. Interpolation polynomiale et splines
0.6. BIBLIOGRAPHIE 11
5. Integration et derivation numeriques
6. Dierences nies
0.6 Bibliographie
1. Cours de licence de Techniques dAnalyse Numerique de Bopeng Rao (Universite Louis
Pasteur, Strasbourg).
2. Cours de licence de Techniques dAnalyse Numerique de Reinhard Schaefke (Universite
Louis Pasteur, Strasbourg).
3. Cours danalyse numerique matricielle de Michel Sala un (Conservatoire National des
Arts et Metiers, Paris).
4. Initiation ` a lAnalyse Numerique.
Auteur : Theodor, Editeur : Masson (epuise mais disponible ` a la librairie du CNAM ou
en biblioth`eque).
5. Analyse numerique pour ingenieurs (Deuxi`eme edition). Auteur : Andre Fortin, Editeur :
Presses internationales Polytechnique.
6. Introduction ` a lanalyse numerique, Applications sous Matlab. Auteur : Jerome Bastien,
Jean-Noel Martin, Editeur : Dunod.
12 TABLE DES MATI
`
ERES
Chapitre 1
Resolution des equations non
lineaires
1.1 Position du probl`eme
Soit une fonction f : R R continue. On cherche les zeros (encore dits les racines)
de f ie les points x R tels que f(x) = 0. Ce probl`eme est important en particulier en
optimisation o` u lon cherche ` a minimiser (ou maximiser) une fonction, car on cherche alors
les points o` u la derivee sannule.
Sil existe un intervalle [a, b] tel que f(a).f(b) < 0, alors par le theor`eme des valeurs in-
termediaires, il existe au moins un zero de f dans lintervalle [a, b]. Si de plus, f est strictement
monotone alors f est une bijection et ce zero est unique dans [a, b].
1.2 Localisation des zeros
Quelle que soit la methode utilisee, il est preferable avant de chercher les zeros dune
fonction, davoir une idee de leur localisation. Une methode simple et ecace pour cela est la
dichotomie.
On suppose quil existe un intervalle [a, b] tel que f(a).f(b) < 0.
On calcule alors f
_
a +b
2
_
et on determine le nouvel intervalle contenant la racine soit
_
a,
a +b
2
_
, soit
_
a +b
2
, b
_
, en regardant le signe des produits f
_
a +b
2
_
f(a) et f
_
a +b
2
_
f(b).
On recommence alors le processus sur lintervalle deux fois plus petit et ainsi de suite. Au
bout de n iterations de cette procedure la longueur de lintervalle obtenue est
b a
2
n
.
A partir de maintenant, on suppose que f ne poss`ede quun seul zero (note l)
dans [a, b].
13
14 CHAPITRE 1. R

ESOLUTION DES

EQUATIONS NON LIN

EAIRES
1.3 Methode des approximations successives ou methode du
point xe
Mis ` a part quelques cas simples comme les equations du second degre, il est impossible
dexprimer directement les solutions de f(x) = 0.
Principe de la methode des approximations successives
On remplace lequation f(x) = 0 par une equation equivalente x = g(x) et on construit la
suite recurrente denie par :
_
x
0
xe dans [a, b]
x
n+1
= g(x
n
),
avec lespoir que la suite (x
n
) converge vers la solution l du probl`eme. Cette methode est dite
iterative (par opposition aux methodes dites directes).
Interpretation geometrique :
Chercher l tel que f(l) = 0 revient ` a chercher lintersection du graphe de f avec laxe des
abscisses.
Chercher l tel que g(l) = l revient ` a chercher lintersection du graphe de g avec la droite y = x
cest-`a-dire ` a trouver le point xe de g, do` u le nom de la methode.
l
C
f
Intersection du graphe de f et de l`axe des abscisses

l
C
g
y=x
Intersection du graphe de g et de la droite y=x
Exemples :
On peut remplacer lequation f(x) = 0 par lequation x = x f(x) = g(x) ou par
x = x
f(x)

= g(x), = 0.
Questions :
1. La suite (x
n
) converge-t-elle ?
1.3. M

ETHODE DES APPROXIMATIONS SUCCESSIVES OUM

ETHODE DU POINT FIXE15


2. Si oui, converge-t-elle vers l solution du probl`eme ?
3. Question danalyse numerique : sil y a convergence vers l, ` a quelle vitesse converge-t-
on ? Peut-on estimer lerreur commise sur lapproximation de l ?
La reponse `a la question 2 est immediate : La reponse `a la question 2 est oui.
Sil y a convergence de la suite (x
n
) denie par :
_
x
0
xe dans [a, b]
x
n+1
= g(x
n
),
et que x
n
[a, b], n N alors x
n
tend vers l tel que g(l) = l quand n tend vers linni.
preuve
Soit x = lim
n
x
n
. Alors :
x
n+1
= g(x
n
)

x = g(x)
car g est continue. Donc la limite de (x
n
) verie x = g(x) et si x [a, b] alors x = l.
Donc pour que (x
n
) converge vers l, il sut que (x
n
) converge et que x
n
[a, b], n N.
1.3.1 Une methode classique
Methode de la corde
(ou methode de Lagrange
1
)
On remplace la courbe par une droite passant par deux points donnes et on approche le point
dintersection de la courbe avec laxe des abscisses par le point dintersection de la droite avec
laxe des abscisses. On recommence avec le nouveau point calcule et un des deux points de
depart de lalgorithme.
Equation de la droite (AB) :
y f(a)
x a
=
f(b) f(a)
b a
x
1
= a f(a)
b a
f(b) f(a)
x
2
= a f(a)
x
1
a
f(x
1
) f(a)
soit x
n+1
= a f(a)
x
n
a
f(x
n
) f(a)
. .
g(xn)
ou x
n+1
= b f(b)
x
n
b
f(x
n
) f(b)
. .
e g(xn)
1
Joseph-Louis Lagrange, francais ( ?) ne en Italie, 1736-1813
16 CHAPITRE 1. R

ESOLUTION DES

EQUATIONS NON LIN

EAIRES

A
B
a
b x
1
x
2
Mthode des parties proportionnelles
1.3.2 Methode du point xe
Soit la suite recurrente suivante :
_
x
0
xe dans [a, b]
x
n+1
= g(x
n
),
(1.1)
On suppose que g est une fonction continue, que l [a, b] et que l = g(l) f(l) = 0.
Theor`eme 1 Condition susante de convergence de la methode du point xe.
Si
(1) g(x) est strictement contractante i.e
0 L < 1, (x, y) [a, b] |g(x) g(y)| L |x y|.
et si
(2) x [a, b] =g(x) [a, b]
Alors quel que soit x
0
[a, b], la suite (x
n
)
nN
denie par (1.1) converge vers l unique solution
de lequation l = g(l) dans [a, b].
preuve
Si x
0
[a, b], alors par lhypoth`ese (2), x
1
= g(x
0
) [a, b], x
2
= g(x
1
) [a, b], . . . Donc
x
n
[a, b], n N et si la suite converge, elle converge vers l = lim
n
x
n
[a, b], solution
de l = g(l).
Si la suite (x
n
)
nN
converge, alors l est unique. En eet, soient l
1
et l
2
, limites de (x
n
),
dapr`es lhypoth`ese (1) :
|l
1
l
2
| = |g(l
1
) g(l
2
)| L |l
1
l
2
| avec L < 1,
donc
|l
1
l
2
|(1 L) 0,
1.3. M

ETHODE DES APPROXIMATIONS SUCCESSIVES OUM

ETHODE DU POINT FIXE17


soit l
1
= l
2
.
Montrons que la suite converge :
|x
n+1
x
n
| = |g(x
n
) g(x
n1
)| L |x
n
x
n1
|
L
2
|x
n1
x
n2
|
. . .
L
n
|x
1
x
0
|
Donc en particulier :
|x
n+p
x
n
| = |x
n+p
x
n+p1
+x
n+p1
x
n+p2
+ +x
n+1
x
n
|
|x
n+p
x
n+p1
| + |x
n+p1
x
n+p2
| + + |x
n+1
x
n
|
(L
n+p1
+L
n+p2
+ +L
n
) |x
1
x
0
|
L
n
1 L
p
1 L
|x
1
x
0
| or 0 < 1 L
p
1
|x
n+p
x
n
|
L
n
1 L
|x
1
x
0
|
Comme 0 L < 1, lim
n
L
n
= 0 et lim
n
|x
n+p
x
n
| = 0, p N. La suite (x
n
)
nN
verie le crit`ere de Cauchy
2
donc converge.
Remarque 1 Strictement contractante implique continue.
Dans la pratique, il faut dabord determiner lintervalle sur lequel la fonction g est
contractante (si elle lest !) puis eventuellement le reduire pour que g([a, b]) [a, b].
Faisons tendre p vers linni dans linegalite de la preuve precedente :
|x
n+p
x
n
|
L
n
1 L
|x
1
x
0
|,
on obtient que
|l x
n
|
L
n
1 L
|x
1
x
0
|,
et que
L
n
1 L
est une estimation de lerreur entre la solution l et le n-i`eme itere de la
suite x
n
. Donc plus L est proche de 0, plus l est proche de x
n
.
Proposition 1 Soit g derivable sur [a, b]. Si g

verie max
x[a,b]
|g

(x)| = L < 1, alors g est


une application strictement contractante dans [a, b].
preuve
On utilise la formule des accroissements nis :
g(x) g(y) = g

()(x y) avec ]x, y[,


|g(x) g(y)| = |g

()||x y| max
t[a,b]
|g

(t)||x y| = L |x y|,
o` u 0 L < 1.
Remarque 2 Cette proposition est bien utile car il est beaucoup plus facile de regarder
le max de g

que de verier que g est contractante.


2
Augustin Louis Cauchy, francais, 1789-1857
18 CHAPITRE 1. R

ESOLUTION DES

EQUATIONS NON LIN

EAIRES
Attention : soit la fonction g(x) = x + 1/x pour x 1. On a g

(x) = 1 1/x
2
donc
|g

(x)| < 1 mais sup


x1
|g

(x)| = 1 et
|g(x) g(y)| < |x y|.
Pourtant g na pas de point xe, en eet x = g(x) 1/x = 0 !
Proposition 2 (Admise) Condition susante de non interet de la methode du point xe
Si g

est continue au voisinage de l tel que g(l) = l et si |g

(l)| > 1, alors quel que soit


x
0
[a, b], dierent de l, soit la suite (x
n
)
nN
denie par (1.1) ne converge pas vers l, soit
elle est stationnaire en l `a partir dun certain rang.
N.B : On dit alors de l quil est un point xe repulsif.
Methodologie :
Apr`es avoir localise les zeros de la fonction de f dans un intervalle de longueur donnee,
on etudie la fonction g. Si g nest pas derivable, on cherche ` a savoir directement si g est
contractante ou non dans lintervalle. Si g est derivable, on etudie sa derivee g

et on estime
g

(l) :
Si |g

(l)| < 1, la methode converge. Il faut alors trouver un intervalle [a, b] dans lequel
max
x[a,b]
|g

(x)| < 1 et g([a, b]) [a, b] (il en existe forcement un aussi petit soit-il, cf
proposition suivante).
Proposition 3 (Admise) Si |g

(l)| < 1, alors il existe un intervalle [a, b] contenant l


pour lequel la suite denie par x
0
[a, b] et x
n+1
= g(x
n
) converge vers l.
x
0
x
1
x
2
Fig. 1.1 0 g

(l) < 1
Si |g

(l)| > 1, on elimine la methode, cf Proposition 2 et Fig. 1.3.


Exemples
1.3. M

ETHODE DES APPROXIMATIONS SUCCESSIVES OUM

ETHODE DU POINT FIXE19


x
0
x
1
x
2
Fig. 1.2 1 < g

(l) 0
g(x) = x f(x). La condition |g

(l)| < 1 devient |1 f

(l)| < 1.
g(x) = xf(x)/. La condition |g

(l)| < 1 devient |1f

(l)/| < 1. Donc il faut choisir


proche de f

(l).
N.B : Le choix = f

(x) donne la methode de Newton que nous etudierons parti-


culi`erement.
g(x) =
af(x) xf(a)
f(x) f(a)
(Lagrange).
g

(l) =
f(a) + (l a)f

(l)
f(a)
,
or f(a) = f(l) + (a l)f

(l) +
(a l)
2
2
f

(c) pour c ]a, l[. La condition devient donc

(a l)
2
f

(c)
2f(a)

< 1.
1.3.3 Ordre dune methode
Denition 5 La methode denie par x
n+1
= g(x
n
) est dordre p si
|x
n+1
l|
|x
n
l|
p
=
|e
n+1
|
|e
n
|
p
a une
limite dans R
+
quand n tend vers linni.
Remarque 3 Le terme e
n
= |x
n
l| est lerreur ` a letape n.
Dans le cas o` u g est p fois derivable, on a :
e
n+1
= x
n+1
l = g(x
n
)g(l) = (x
n
l)g

(l)+
(x
n
l)
2
2
g

(l)+ +
(x
n
l)
p
p!
g
(p)
(l)+(x
n
l)
p

n
(x
n
l)
20 CHAPITRE 1. R

ESOLUTION DES

EQUATIONS NON LIN

EAIRES
x
0
x
1
x
2
Fig. 1.3 g

(l) > 1
avec lim
n

n
= 0, soit, e
n+1
= e
n
g

(l) +
e
2
n
2
g

(l) + +
e
p
n
p!
g
(p)
(l) +e
p
n

n
(e
n
).
La methode est dite dordre p si et seulement si g

(l) = g

(l) = = g
(p1)
(l) = 0 et
g
(p)
(l) = 0.
En particulier, si g

(l) = 0, la methode est dordre 1 et on a une convergence dite lineaire.


Ce qui est le cas general des methodes daproximations successives.
Le rapport
|e
n+1
|
|e
n
|
|g

(l)| sappelle le coecient de reduction asymptotique de lerreur.


Plus ce rapport est petit, plus vite lerreur decrot.
1.4 Methode de Newton
Methode de Newton
3
On remplace la courbe par la tangente ` a la courbe en un point donne et on approche le point
dintersection de la courbe avec laxe des abscisses par le point dintersection de la tangente
avec laxe des abscisses. On recommence avec le nouveau point calcule.
Equation de la tangente ` a la courbe en A :
y f(a)
x a
= f

(a)
3
Sir Isaac Newton, anglais, 1643-1727
1.4. M

ETHODE DE NEWTON 21

A
a=x
0
x
1
Mthode de Newton
Fig. 1.4 Methode de Newton
x
1
= a
f(a)
f

(a)
x
2
= x
1

f(x
1
)
f

(x
1
)
soit x
n+1
= x
n

f(x
n
)
f

(x
n
)
. .
g(xn)
Attention : f

(x
n
) = 0, n N.
Soit donc la methode de Newton :
_
_
_
x
0
xe dans [a, b]
x
n+1
= g(x
n
) = x
n

f(x
n
)
f

(x
n
)
.
(1.2)
1.4.1 Convergence de la methode de Newton
Theor`eme 2 Convergence globale de la methode de Newton
Si f C
2
([a, b]) et est telle que
1. f(a)f(b) < 0
2. x [a, b], f

(x) = 0 (stricte monotonie)


3. x [a, b], f

(x) = 0 (convexite dans le meme sens sur lintervalle [a, b]),


alors x
0
[a, b] tel que f(x
0
)f

(x
0
) > 0, la suite (x
n
)
nN
denie par (1.2) converge vers
lunique solution l de f(x) = 0 dans [a, b].
preuve
22 CHAPITRE 1. R

ESOLUTION DES

EQUATIONS NON LIN

EAIRES
Les hypoth`eses (1) et (2) assurent lexistence et lunicite de l dans [a, b].

x
n+1
l = x
n
l
f(x
n
)
f

(x
n
)
= x
n
l +
f(l) f(x
n
)
f

(x
n
)
= x
n
l +
(l x
n
)f

(x
n
) + (l x
n
)
2
f

(
n
)/2
f

(x
n
)
avec
n
]x
n
, l[
= (x
n
l)
_
1
f

(x
n
) + (l x
n
)f

(
n
)/2
f

(x
n
)
_
= (x
n
l)
2
f

(
n
)
2f

(x
n
)
Si f

(x) et f

(x) ont meme signe sur [a, b], alors quel que soit n 0, x
n+1
l > 0. Donc
la suite (x
n
)
nN
est minoree par l.
Si f

(x) et f

(x) sont de signe contraire sur [a, b], alors quel que soit n 0, x
n+1
l < 0.
Donc la suite (x
n
)
nN
est majoree par l.
f

(x) > 0 x
0
[a, b] donc f(x
0
) > 0 par hypoth`ese.
f

(x) > 0
l < x
1
= x
0

f(x
0
)
f

(x
0
)
< x
0
donc n N, l < x
n
.
Comme f(x
n
) est du meme signe que f(x
0
) > 0 (car f ne sannule quen l et x
n
> l),
alors
x
n+1
= x
n

f(x
n
)
f

(x
n
)
< x
n
,
donc la suite est decroissante et minoree par l donc convergente.
f

(x) < 0
l > x
1
= x
0

f(x
0
)
f

(x
0
)
> x
0
donc n N, l > x
n
.
Comme f(x
n
) est du meme signe que f(x
0
) > 0, alors
x
n+1
= x
n

f(x
n
)
f

(x
n
)
> x
n
,
donc la suite est croissante et majoree par l donc convergente.
f

(x) < 0 x
0
[a, b] donc f(x
0
) < 0 par hypoth`ese.
Memes arguments que dans le 1er cas.
N.B : Pour une racine multiple, les hypoth`eses de ce theor`eme ne peuvent etre veriees !
1.4. M

ETHODE DE NEWTON 23
Theor`eme 3 Si l est un zero simple, la methode de Newton est dordre 2 au moins.
preuve
On a que g

(x) =
f(x)f

(x)
(f

(x))
2
(si f

existe) donc comme f(l) = 0, on a g

(l) = 0 et la methode
est dordre 2 au moins.
g

(x) =
[f

(x)f

(x) +f(x)f

(x)](f

(x))
2
2f

(x)f

(x)
2
f(x)
(f

(x))
4
do` u g

(l) =
f

(l)
f

(l)
(deni car f

(l) = 0 si l est un zero simple). Donc si f

(l) = 0, la methode
de Newton est dordre 2 et si f

(l) = 0, la methode de Newton est dordre superieur `a 2.


Remarque 4 Si la methode est dordre 2, la convergence est dite quadratique. On a :
e
n+1
= e
2
n
g

(l)
2
+e
2
n
(e
n
)
soit log
10
|e
n+1
| = 2 log
10
|e
n
| c o` u c = log
10
|
g

(l)
2
|, ce qui signie que la pente de lerreur
en fonction du nombre diterations est de 2 et qu`a chaque iteration, on multiplie par 2 le
nombre de chires exacts apr`es la virgule !
1.4.2 Zeros de multiplicite m
Proposition 4 Si l est un zero de f de multiplicite m, la methode iterative
_
_
_
x
0
xe dans [a, b]
x
n+1
= g(x
n
) = x
n
m
f(x
n
)
f

(x
n
)
.
est dordre superieur ou egal ` a 2.
preuve
On resout |f(x)|
1/m
= 0 qui admet l comme zero simple.
g(x) = x
f
1/m
(x)
(f
1/m
(x))

= x
f
1/m
(x)
(1/m)f
1/m1
(x)f

(x)
= x m
f(x)
f

(x)
.

1.4.3 Test darret des iterations


Quelle que soit la methode iterative utilisee, un des points importants de la programmation
de ces methodes est le choix du test darret des iterations. Deux solutions :
1. |x
n+1
x
n
| avec la precision desiree. Mais attention, il peut arriver que |x
n+1
x
n
|
soit petit sans quil y ait solution au probl`eme de point xe.
2. |f(x
n
)| avec valeur xee. Mais comme f(x
n
) = f(x
n
) f(l) (x
n
l)f

(l), cette
valeur depend de |f

(l)| !
24 CHAPITRE 1. R

ESOLUTION DES

EQUATIONS NON LIN

EAIRES
1.5 Cas particulier : recherche des racines dun polyn ome
Dans le cas des polyn omes, on est amene `a se poser deux questions dierentes en fonction
du probl`eme :
1. localiser et trouver toutes les racines dun polyn ome,
2. trouver la plus grande en module.
1.5.1 Suite de Sturm : localisation des racines
On construit une suite de Sturm
4
`a laide de lalgorithme dEuclide
5
pour trouver le PGCD
de deux polyn omes. Soit `a trouver les racines du polyn ome P
n
(x).
On pose f
0
(x) = P
n
(x) et f
1
(x) = P

n
(x), alors
f
2
(x) = R(x) o` u f
0
(x) = Qf
1
(x) +R(x), degR < degf
1
< degf
0
. . .
f
n+1
(x) = R(x) o` u f
n1
(x) = Qf
n
(x) +R(x), degR < degf
n
.
Lalgorithme se termine quand f
m
(x) est constant, ce qui est s ur darriver car ` a chaque etape,
on diminue dau moins une unite le degre du polyn ome.
Deux cas se presentent alors :
1er cas f
m
= 0, ce qui veut dire PGCD(f
0
, f
1
) =PGCD(P
n
, P

n
) = f
m1
. Donc P
n
a au moins
des racines doubles, on recommence alors avec
P
n
f
m1
qui na que des racines simples.
2`eme cas f
m
= 0, ce qui veut dire PGCD(f
0
, f
1
) = 1, P
n
na que des racines simples.
Theor`eme 4 Soit (f
0
, f
1
, . . . , f
m
) suite de Sturm dans [a, b]. Alors le nombre de racines
reelles distinctes dans lintervalle [a, b] de f
0
(x) = P
n
(x) en supposant que ni a, ni b ne sont
racines, est egal ` a la dierence entre le nombre de changements de signe de la suite
(f
0
(a), f
1
(a), . . . , f
m
(a)), note V (a), et le nombre de changements de signe de la suite
(f
0
(b), f
1
(b), . . . , f
m
(b)), note V (b), soit |V (b) V (a)|.
Ainsi, on peut localiser et isoler toutes les racines dun polynome, et utiliser une des
methodes vues pour lapprocher.
1.5.2 Approximation de la plus grande racine
Theor`eme 5 Soit P un polyn ome ` a coecients reels de degre superieur ou egal ` a 2 admettant
n racines reelles :

1
>
2
> >
n
Alors pour toute valeur initiale x
0
>
1
, la suite de Newton (x
n
)
nN
est strictement decroissante
et converge vers
1
.
4
Jacques Charles Francois Sturm, suisse, 1803-1855
5
Euclide dAlexandrie, 325-265 avant JC ( ?)
1.5. CAS PARTICULIER : RECHERCHE DES RACINES DUN POLYN

OME 25
preuve
Supposons que P soit strictement positif pour x >
1
. Dapr`es le theor`eme de Rolle
6
, P

admet (n 1) racines telles que :

i+1
<
i
<
i
, 1 i n 1
donc P

> 0 pour x >


1
. Dapr`es le theor`eme de Rolle, P

admet (n 2) racines telles que :

i+2
<
i+1
<
i
<
i
<
1
, 1 i n 2
donc P

> 0 pour x >


1
.
x
1
= x
0

P(x
0
)
P

(x
0
)
= x
0

P(x
0
) P(
1
)
P

(x
0
)
,
or P(
1
) P(x
0
) = (
1
x
0
)P

(x
0
) + (
1
x
0
)
2
P

(), ]
1
, x
0
[. Ce qui donne :
x
1
=
1
+ (
1
x
0
)
2
P

()
P

(x
0
)
,
or, par hypoth`ese x
0
>
1
et >
1
, donc P

() > 0 et P

(x
0
) > 0 do` u x
1
>
1
. Et comme
dautre part, x
0
> x
1
, on peut montrer par recurrence que (x
n
)
nN
decrot et quelle est
minoree par
1
donc convergente. Sa limite ne peut etre que lunique solution de P(x) = 0
dans [
1
, x
0
] (dapr`es le theor`eme (2)) cest-`a-dire
1
.

1
P 0 +
P

+
P

+
Si lon suppose que P est strictement negatif pour x >
1
, les arguments restent les memes.

1
P 0
P

N.B
Soit
_
_
_
x
0
xe
x
n+1
= g(x
n
) = x
n

P(x
n
)
P

(x
n
)
.
Une fois trouvee
1
, la plus grande racine, on pose P
1
(x) =
P(x)
x
1
, alors
P

1
(x) =
P

(x)
x
1

P(x)
(x
1
)
2
, et pour trouver
2
, on utilise la methode suivante :
_
_
_
x
0
xe
x
n+1
= g(x
n
) = x
n

P(x
n
)
P

(x
n
) P(x
n
)/(x
n

1
)
.
6
Michel Rolle, francais, 1652-1719
26 CHAPITRE 1. R

ESOLUTION DES

EQUATIONS NON LIN

EAIRES
Une fois
1
, . . . ,
j
trouvees, on pose P
1
(x) =
P(x)
(x
1
) . . . (x
j
)
, alors
P

1
(x) =
P

(x)
(x
1
) . . . (x
j
)

P(x)
(x
1
) . . . (x
j
)
j

i=1
1
x
i
, et pour trouver
j+1
, on utilise
la methode suivante :
_
_
_
x
0
xe
x
n+1
= g(x
n
) = x
n

P(x
n
)
P

(x
n
) P(x
n
)

j
i=1
1/(x
i
)
.
1.6 Conclusion
Lavantage de la methode du point xe est que si elle converge, elle convergera quelle que
soit la valeur initiale choisie dans lintervalle de convergence. Son inconvenient principal est sa
lenteur de convergence, on peut neanmoins laccelerer (cf TD et TP). La methode de Newton
est plus rapide car la vitesse de convergence est dordre au moins 2 ; la diculte reside dans
le choix de la valeur initiale !
Les dierentes methodes proposees ont leurs avantages et leurs inconvenients, on choisira
celle qui convient le mieux au probl`eme pose ! On voit quil est donc necessaire detudier
correctement les algorithmes avant de se lancer dans la programmation ! Cest la demarche
obligatoire en analyse numerique.
Chapitre 2
Normes matricielles et
conditionnement
2.1 Rappel sur le produit scalaire
Soit E un espace vectoriel sur R. On appelle produit scalaire sur E toute forme bilineaire
symetrique, denie positive cest-`a-dire
: E E R telle que
1. x, y, z E, , R, (x +y, z) = (x, z) +(y, z)
x, y, z E, , R, (z, x +y) = (z, x) +(z, y)
2. x, y E, (x, y) = (y, x)
3. x E, (x, x) 0 et (x, x) = 0 x = 0.
2.2 Rappel sur les normes vectorielles
Une norme vectorielle est une application de : R
N
R
+
telle que
1. x = 0 x = 0
2. R, x R
N
, x = ||x
3. x, y R
N
, x +y x +y (inegalite triangulaire).
Exemples
Pour 1 p < , on denit la norme p par :
R
N
x x
p
= (
N

i=1
|x
i
|
p
)
1/p
.
On retrouve la norme euclidienne pour p = 2.
Proposition 5 Inegalite de Cauchy-Schwarz
1
x, y R
N
, |(x, y)|
_
(x, x)
_
(y, y) = xy
1
Hermann Amandus Schwarz, allemand, 1843-1921
27
28 CHAPITRE 2. NORMES MATRICIELLES ET CONDITIONNEMENT
preuve
Pour tout R, on a :
0 (x + y, x + y) = (x, x) + 2(x, y) +
2
(y, y).
Or un trin ome est de signe constant si et seulement sil na aucune racine reelle cest-`a-dire
si et seulement si son discriminant reduit est negatif, soit :

= (x, y)
2
(x, x)(y, y) 0.
Et cest la relation demandee.
Legalite nest possible que si x et y sont lies.
Corollaire
Cette inegalite permet de demontrer que pour tout produit scalaire , on peut denir une
norme : x =
_
(x, x).
preuve
1. x = 0 (x, x) = 0 x = 0.
2. R, x R
N
, x =
_
(x, x) =
_

2
(x, x) = ||x
3. x, y R
N
, x + y
2
= (x + y, x + y) = (x, x) + 2(x, y) + (y, y) (x, x) +
2
_
(x, x)
_
(y, y) + (y, y) (
_
(x, x) +
_
(y, y))
2
= (x +y)
2

Corollaire
Soit A une matrice carree dordre N, symetrique (A =
T
A) et denie
positive (x R
N
\ {0} , (Ax/x) > 0) alors x
A
=
_
(Ax/x) est une norme.
preuve
Comme A est denie positive,
A
existe et est `a valeurs positives.
Dapr`es le corollaire precedent, il sut de demontrer que lapplication
_
: R
N
R
N
R
(x, y) (Ax/y)
denit un produit scalaire.
Cest une forme bilineaire, puisque cest le produit scalaire de deux vecteurs de R
N
.
(Ax/y) =
T
yAx
(x/Ay) =
T
(Ay)x =
T
y
T
Ax, donc si A est symetrique (x/Ay) =
T
yAx = (Ax/y).
(x, x) = (Ax/x) 0 car A est semi-denie positive et
(x, x) = (Ax/x) = 0 x = 0 car A est denie positive.

N.B
(x/y) =
T
yx =
N

i=1
x
i
y
i
(Ax/y) =
T
yAx
(x/Ay) =
T
(Ay)x =
T
y
T
Ax, donc si A est symetrique (x/Ay) =
T
yAx = (Ax/y).
2.3. NORMES MATRICIELLES 29
Theor`eme 6 (Admis)
Dans un espace vectoriel de dimension nie toutes les normes sont equivalentes ie
, R/ x R
N
, x
i
x
j
x
i
.
2.3 Normes matricielles
Denition 6 Une norme matricielle est une application, qui ` a une matrice associe un nombre
reel positif ou nul, telle que
1. A = 0 A = 0
2. R, A R
NN
, A = ||A
3. A, B R
NN
, A +B A +B (inegalite triangulaire).
4. A, B R
NN
, A.B AB.
Denition 7 Une norme matricielle
M
et une norme vectorielle
V
sont dites com-
patibles si et seulement si :
A R
NN
, x R
N
, Ax
V
A
M
x
V
.
Proposition 6 A partir de toute norme vectorielle
V
, on peut denir une norme matri-
cielle
M
compatible, dite la norme matricielle subordonnee `a la norme vectorielle
par
A
M
= sup
xR
N
\{0}
Ax
V
x
V
.
preuve

A(x)
V
x
V
=
||Ax
V
||x
V
=
Ax
V
x
V
x = 0,
donc
sup
xR
N
\{0}
Ax
V
x
V
= sup
x
V
=1
Ax
V
x
V
.
Or la sph`ere unite est un ensemble ferme borne et la norme est une fonction continue. Donc
le supremum existe et est atteint sur la sph`ere, donc cette norme
M
est bien denie.

A, B R
NN
, A.B = sup
xR
N
\{0}
ABx
V
x
V
= sup
xR
N
\{0}
A(Bx)
V
Bx
V
Bx
V
x
V
sup
yR
N
\{0}
Ay
V
y
V
sup
xR
N
\{0}
Bx
V
x
V
AB
La compatibilite est evidente.
Remarque 5 Pour toute norme matricielle subordonnee
M
: I
M
= 1.
30 CHAPITRE 2. NORMES MATRICIELLES ET CONDITIONNEMENT
Exemples
Norme de Frobenius
2
A =

_
n

i=1
m

j=1
a
2
ij
=
_
tr(
T
AA)
N.B : I =

n (donc nest pas subordonnee `a une norme vectorielle).


Normes matricielles subordonnees aux normes vectorielles :
A
1
= sup
1jm
n

i=1
|a
ij
|
A

= sup
1in
m

j=1
|a
ij
|
A
2
= sup
x=0
Ax
2
x
2
=
_
(
T
AA)
o` u est le rayon spectral de A ie (A) = max
i
|
i
| o` u
i
est valeur propre de A.
2.4 Conditionnement
On consid`ere le syst`eme Ax = b o` u A est inversible. Dans la pratique, b peut etre entache
derreur (erreur de mesures, erreurs darrondi . . . ) et le syst`eme `a resoudre devient :
Ay = b + b avec y = x + x
Le but est de mesurer lerreur relative commise sur x, i.e
x
x
en fonction des donnees du
probl`eme :
b
b
.
A(x + x) = b + b
Ax +Ax = b + b or Ax = b
Ax = b
x = A
1
b
x = A
1
b A
1
b
x
x
A
1

b
x
Comme Ax = b, b A x, on obtient :
x
x
A
1
A
. .
=Cond(A)
b
b
Le conditionnement de A, note Cond(A), donne une estimation de lamplication de ler-
reur commise sur x par rapport ` a lerreur sur les donnees b.
2
Ferdinand Georg Frobenius, allemand, 1849-1917
2.4. CONDITIONNEMENT 31
Si Cond(A) est petit, on dit que la matrice est bien conditionnee et lerreur commise sur x
est du meme ordre de grandeur que celle commise sur les donnees b. Inversement, si Cond(A)
est grand, on dit que la matrice est mal conditionnee et lerreur commise sur x est plus
grande que lerreur commise sur les donnees b.
Proprietes :
1. Cond(A) = Cond(A
1
)
2. Cond(A) = Cond(A), R

3. La matrice identite est la matrice la mieux conditionnee :


A
1
A = I = 1.
4. 1 = I = A
1
A A
1
A = Cond(A).
32 CHAPITRE 2. NORMES MATRICIELLES ET CONDITIONNEMENT
Chapitre 3
Resolution de syst`emes lineaires
3.1 Position du probl`eme
On cherche ` a resoudre un syst`eme lineaire dequations, ie on cherche le vecteur x R
N
tel
que Ax = b o` u A R
NN
est une matrice carree, supposee inversible (detA = 0) et b R
N
un vecteur donne.
Ce probl`eme est un des plus importants de lanalyse numerique, nous allons voir une methode
pour le resoudre mais il en existe beaucoup dautres.
3.2 Cas des matrices triangulaires
Soit le syst`eme suivant `a resoudre :
_

_
a
11
x
1
= b
1
a
21
x
1
+ a
22
x
2
= b
2
.
.
.
.
.
.
.
.
.
a
n1
x
1
+ a
n2
x
2
+ + a
nn
x
n
= b
n
Ce syst`eme equivaut ` a trouver x vecteur de R
N
tel que Ax = b avec :
Ax =
_
_
_
_
_
a
11
a
21
a
22
.
.
.
.
.
.
a
n1
a
n2
. . . a
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
Comme la matrice est triangulaire inferieure, detA =
n
i=1
a
ii
, cette matrice est inversible
si et seulement si a
ii
= 0, i 1, 2, . . . , n. Le vecteur x sobtient facilement par une descente :
_

_
x
1
= b
1
/a
11
x
2
= (b
2
a
21
x
1
)/a
22
.
.
.
x
i
= (b
i

i1
j=1
a
ij
x
j
)/a
ii
.
.
.
x
n
= (b
n

n1
j=1
a
ij
x
j
)/a
nn
33
34 CHAPITRE 3. R

ESOLUTION DE SYST
`
EMES LIN

EAIRES
Comptons le nombre doperations necessaires `a une descente :
pour le calcul de x
i
: (i 1), (i 2) + 1, 1/, donc au total
n

i=1
2(i 1) +n = 2
n1

i=0
i +n = n(n 1) +n n
2
operations.
Soit maintenant le syst`eme suivant `a resoudre :
_

_
a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
= b
1
a
22
x
2
+ + a
2n
x
n
= b
2
.
.
.
.
.
.
.
.
.
a
nn
x
n
= b
n
Ce syst`eme equivaut ` a trouver x vecteur de R
N
tel que Ax = b avec :
Ax =
_
_
_
_
_
a
11
a
12
. . . a
1n
a
22
. . . a
2n
.
.
.
.
.
.
a
nn
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
b
1
b
2
.
.
.
b
n
_
_
_
_
_
Comme la matrice est triangulaire superieure, detA =
n
i=1
a
ii
, cette matrice est inver-
sible si et seulement si a
ii
= 0, i 1, 2, . . . , n. Le vecteur x sobtient facilement par une
remontee :
_

_
x
1
= (b
1

n
j=2
a
ij
x
j
)/a
11
x
2
= (b
2

n
j=3
a
ij
x
j
)/a
22
.
.
.
x
i
= (b
i

n
j=i+1
a
ij
x
j
)/a
ii
.
.
.
x
n
= b
n
/a
nn
Comptons le nombre doperations necessaires `a une remontee :
pour le calcul de x
i
: n (i + 1) + 1 = (n i), (n i), 1/, donc au total
n

i=1
2(n i) +n = 2
n

i=1
n
n

i=1
i +n = 2n
2
n(n + 1) +n n
2
operations.
3.3 Methode de Gauss
(Gauss
1
)
Comme les syst`emes triangulaires sont faciles et economiques ` a resoudre, lobjectif est de
transformer tout syst`eme lineaire en syst`eme triangulaire equivalent.
1
Johann Carl Friedrich Gauss, allemand, 1777-1855
3.3. M

ETHODE DE GAUSS 35
Soit ` a resoudre le syst`eme Ax = b, on suppose que a
11
= 0 :
_

_
a
11
x
1
+a
12
x
2
+ +a
1n
x
n
= b
1
a
21
x
1
+a
22
x
2
+ +a
2n
x
n
= b
2
.
.
.
.
.
.
a
n1
x
1
+a
n2
x
2
+ +a
nn
x
n
= b
n
L
1
L
1
L
2
L
2

a
21
a
11
L
1
.
.
.
L
n
L
n

a
n1
a
11
L
1
_

_
a
11
x
1
+ a
12
x
2
+ +a
1n
x
n
= b
1
a
(2)
22
x
2
+ +a
(2)
2n
x
n
= b
(2)
2
.
.
.
.
.
.
a
(2)
n2
x
2
+ +a
(2)
nn
x
n
= b
(2)
n
o` u pour 2 i n :
a
(2)
ij
= a
ij

a
i1
a
11
a
1j
,
b
(2)
i
= b
(1)
i

a
i1
a
11
b
1
,
Interpretation matricielle
Soit la matrice L
(1)
telle que :
L
(1)
=
_
_
_
_
_
_
_
_
_
_
_
1 0 . . . 0

a
21
a
11
1

a
31
a
11
0
.
.
.
.
.
.
.
.
.
.
.
. 0

a
n1
a
11
0 . . . 0 1
_
_
_
_
_
_
_
_
_
_
_
alors le calcul de L
(1)
b et L
(1)
A donne :
L
(1)
b =
_
_
_
_
_
_
_
_
_
_
_
_
_
b
1

a
21
a
11
b
1
+b
2
.
.
.

a
i1
a
11
b
1
+b
i
.
.
.

a
n1
a
11
b
1
+b
n
_
_
_
_
_
_
_
_
_
_
_
_
_
= b
(2)
L
(1)
A =
_
_
_
_
_
_
_
_
_
_
a
11
a
12
. . . a
1n
0 a
22

a
21
a
11
a
12
. . . a
2n

a
21
a
11
a
1n
0 a
32

a
31
a
11
a
12
. . . a
3n

a
31
a
11
a
1n
.
.
.
.
.
.
.
.
.
0 a
n2

a
n1
a
11
a
12
. . . a
nn

a
n1
a
11
a
1n
_
_
_
_
_
_
_
_
_
_
= A
(2)
36 CHAPITRE 3. R

ESOLUTION DE SYST
`
EMES LIN

EAIRES
Donc on a :
Ax = b L
(1)
Ax = L
(1)
b A
(2)
x = b
(2)
.
A letape (r)
On a elimine x
1
des equations 2 `a n, x
2
des equations 3 `a n et x
r1
des equations r `a n. On
suppose que a
(r)
rr
, que lon appelle le pivot, est non nul.
_

_
a
(1)
11
x
1
+a
(1)
12
x
2
+ . . . + a
(1)
1n
x
n
= b
(1)
1
.
.
. =
.
.
.
a
(r1)
r1r1
x
r1
+ a
(r1)
r1r
x
r
+. . . + a
(r1)
r1n
x
n
= b
(r1)
r1
a
(r)
rr
x
r
+. . . + a
(r)
rn
x
n
= b
(r)
r
a
(r)
r+1r
x
r
+. . . + a
(r)
r+1n
x
n
=
.
.
.
.
.
. =
.
.
.
a
(r)
nr
x
r
+. . . + a
(r)
nn
x
n
= b
(r)
n
L
1
L
1
.
.
.
L
r1
L
r1
L
r
L
r
L
r+1
L
r+1

a
(r)
r+1r
a
(r)
rr
L
r
.
.
.
L
n
L
n

a
(r)
nr
a
(r)
rr
L
r
On obtient alors la matrice A
(r+1)
et le vecteur b
(r+1)
tels que : pour r + 1 i n et
r + 1 j n :
a
(r+1)
ij
= a
(r)
ij

a
(r)
ir
a
(r)
rr
a
(r)
rj
,
b
(r+1)
i
= b
(r)
i

a
(r)
ir
a
(r)
rr
b
(r)
r
,
Interpretation matricielle
Soit la matrice L
(r)
telle que :
L
(r)
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . 0
0 1 . . . . . .
.
.
.
.
.
. 0
.
.
. . . .
.
.
.
.
.
.
.
.
. 1 . . .
.
.
.
.
.
.
.
.
.
a
(r)
r+1r
a
(r)
rr
. . .
.
.
.
.
.
.
.
.
.
.
.
. . . .
.
.
.
.
.
.
.
.
. . . .
.
.
. 0
0 0
a
(r)
nr
a
(r)
rr
. . . 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
3.3. M

ETHODE DE GAUSS 37
alors le calcul de L
(r)
b
(r)
et L
(r)
A
(r)
donne :
L
(r)
b
(r)
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
b
(1)
1
b
(2)
2
.
.
.
b
(r1)
r

a
(r)
r+1r
a
(r)
rr
b
(r)
r
+b
(r)
r+1
.
.
.

a
(r)
nr
a
(r)
rr
b
(r)
r
+b
(r)
n
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
= b
(r+1)
L
(r)
A
(r)
=
_

_
a
(1)
11
a
(1)
12
. . . . . . . . . . . . . . . a
(1)
1n
0 a
(2)
22
. . . . . . . . . . . . . . . a
(2)
2n
0 0 a
(3)
33
. . . . . . . . . . . . a
(3)
3n
.
.
.
.
.
. 0
.
.
. . . . . . . . . .
.
.
.
.
.
.
.
.
. . . . 0 a
(r)
rr
a
(r)
rr+1
. . . a
(r)
rn
.
.
.
.
.
. . . .
.
.
. 0 a
(r+1)
r+1r+1
. . . a
(r+1)
r+1n
.
.
.
.
.
. . . .
.
.
.
.
.
.
.
.
. . . . a
(r+1)
r+2n
.
.
.
.
.
. . . .
.
.
.
.
.
.
.
.
. . . .
.
.
.
0 0 0 0 0 a
(r+1)
nr+1
. . . a
(r)+1
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
= A
(r+1)
Donc on a :
Ax = b L
(r)
A
(r)
x = L
(r)
b
(r)
A
(r+1)
x = b
(r+1)
.
Au bout de (n 1) etapes,
le syst`eme est triangulaire superieur. De plus, la matrice est inversible (donc le syst`eme
soluble) si et seulement si det(A
(n)
) =
n
i=1
a
(i)
ii
= 0 ie si aucun des pivots nest nul ! La
methode de Gauss est donc possible si aucun des pivots rencontres nest nul.
On a alors que
Ax = b A
(n)
x = b
(n)
L
(n1)
A
(n1)
x = L
(n1)
b
(n)
L
(n1)
L
(n2)
. . . L
(1)
Ax = L
(n1)
L
(n2)
. . . L
(1)
b.
Notons U (pour upper) la matrice A
(n)
puisquelle est triangulaire superieure et

L (pour
lower) la matrice L
(n1)
L
(n2)
. . . L
(1)
puisquelle est triangulaire inferieure comme produit
de matrices elles-memes triangulaires inferieures, on a alors :
Ux =

Lb
Comme, quel que soit r, detL
(r)
= 1, les matrices L
(r)
sont toutes inversibles donc leur produit
aussi. Notons L =

L
1
= L
(1)
1
L
(2)
1
. . . L
(n1)
1
qui est aussi triangulaire inferieure.
Ax = b LUx = b.
38 CHAPITRE 3. R

ESOLUTION DE SYST
`
EMES LIN

EAIRES
On a donc factorise la matrice A en un produit dune matrice triangulaire inferieure et dune
matrice triangulaire superieure. Do` u lautre nom de la methode de Gauss : la factorisation
LU. Pour resoudre le syst`eme, il sut maintenant de faire une descente pour resoudre Ly = b
puis une remontee pour resoudre Ux = y.
Proposition 7 Linverse dune matrice L
(r)
est donnee par :
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . 0
0 1 . . . . . .
.
.
.
.
.
. 0
.
.
. . . .
.
.
.
.
.
.
.
.
. 1 . . .
.
.
.
.
.
.
.
.
.
a
(r)
r+1r
a
(r)
rr
. . .
.
.
.
.
.
.
.
.
.
.
.
. . . .
.
.
.
.
.
.
.
.
. . . .
.
.
. 0
0 0
a
(r)
nr
a
(r)
rr
. . . 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Proposition 8 Le produit dune matrice L
(r)
1
par une matrice L
(r+1)
1
est donne par :
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . 0
0 1 . . . . . .
.
.
.
.
.
. 0
.
.
. . . .
.
.
.
.
.
.
.
.
. 1 . . .
.
.
.
.
.
.
.
.
.
a
(r)
r+1r
a
(r)
rr
1 . . .
.
.
.
.
.
.
.
.
.
.
.
.
a
(r+1)
r+2r+1
a
(r+1)
r+1r+1
. . .
.
.
.
.
.
.
.
.
. . . . . . .
.
.
. 0
0 0
a
(r)
nr
a
(r)
rr
a
(r+1)
nr+1
a
(r+1)
r+1r+1
. . . 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
Corollaire 1 La matrice L est donnee par :
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . . . . 0
a
(1)
21
a
(1)
11
1 0 . . . . . . . . .
.
.
.
a
(1)
31
a
(1)
11
a
(2)
32
a
(2)
22
.
.
. . . . . . . . . .
.
.
.
.
.
.
.
.
. 1 0 . . .
.
.
.
.
.
.
.
.
.
a
(r)
r+1r
a
(r)
rr
1 0
.
.
.
.
.
.
.
.
.
.
.
.
a
(r+1)
r+2r+1
a
(r+1)
r+1r+1
.
.
.
.
.
.
.
.
.
.
.
. . . . . . .
.
.
. 0
a
(1)
n1
a
(1)
11
a
(2)
n2
a
(2)
22
a
(r)
nr
a
(r)
rr
a
(r+1)
nr+1
a
(r+1)
r+1r+1
. . .
a
(n1)
nn1
a
(n1)
n1n1
1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
3.4. STRAT

EGIE DE PIVOT 39
3.4 Strategie de pivot
La methode suppose qu` a chaque etape, le pivot est non nul. Que se passe-t-il lorsquon
rencontre un pivot nul ?
Supposons que a
(r)
rr
= 0, comme A est inversible, on peut toujours trouver dans la sous-
colonne r un terme a
(r)
ir
(i > r) non nul. Dans ce cas on permute les lignes i et r de la matrice
(attention de ne pas oublier de faire la meme manipulation sur le second membre pour garder
lequivalence des syst`emes).
Erreurs darrondi
Soit ` a resoudre le syst`eme :
_
1
1 1
__
x
1
x
2
_
=
_
1
2
_
La solution est donnee par x
1
=
1
1
et x
2
=
1 2
1
, ce qui donne pour = 0, x
1
= x
2
= 1.
Or en resolvant ce syst`eme par la methode de Gauss avec = 10
9
o` u 10
9
est la precision
de la machine, on obtient :
_
10
9
1
0 1 10
9
__
x
1
x
2
_
=
_
1
2 10
9
_
,
or, 1 10
9
10
9
et 2 10
9
10
9
sur la machine do` u la solution x
2
= 1 et x
1
= 0 qui
nest pas la solution !
Si par contre, on permute les lignes 1 et 2, on obtient :
_
1 1
0 1 10
9
__
x
1
x
2
_
=
_
2
1 2 10
9
_
,
or, 1 10
9
1 et 1 2 10
9
1 sur la machine do` u la solution x
2
= 1 et x
1
= 1 qui est
la solution du syst`eme !
Conclusion il ne faut pas utiliser des pivots trop petits car les erreurs darrondi peuvent
donner des solutions fausses. On cherche alors dans la sous-colonne r, le plus grand pivot
a
jr
= max
rin
|a
ir
| et on permute les lignes j et r. Cest ce quon appelle une strategie de
pivot partiel. La methode de Gauss nest jamais programmee sans au moins une strategie
de pivot partiel.
Remarque 6 Les pivots petits ne disparaissent pas, ils sont juste rejetes ` a la n de
lalgorithme o` u leur inuence est moins grande.
Si on cherche le plus grand pivot dans la sous-matrice r i n et r j n et quon
permute alors ` a la fois les lignes et les colonnes, cest une strategie de pivot total.
3.5 Co ut de la methode
Co ut de letape r :
pour i = r + 1 ` a n et j = r + 1 ` a n, a
(r+1)
ij
= a
(r)
ij
m
ir
a
(r)
rj
, r + 1 j n.
40 CHAPITRE 3. R

ESOLUTION DE SYST
`
EMES LIN

EAIRES
soit (n r)/ et (n r)
2
fois (1, 1) pour le calcul de a
(r+1)
ij
et
pour i = r + 1 ` a n, b
(r+1)
i
= b
(r)
i
m
ir
b
(r)
r
.
soit (n r) fois (1, 1) pour le calcul de b
(r+1)
i
, soit au total
n1

r=1
(n r) =
n1

r=1
r =
n(n 1)
2
divisions,
2
n1

r=1
[(nr)
2
+(nr)] = 2
n(n 1)(2n 1)
6
+2
n(n 1)
2
= 2
n(n
2
1)
3
additions et multiplications,
soit au total de lordre de
2n
3
3
operations. Il faut rajouter le co ut dune descente et dune
remontee ie 2n
2
qui devient vite negligeable d`es que n est grand.
3.6 Existence de la factorisation LU
Theor`eme 7 Soit A une matrice carree dordre n ayant toutes ses sous-matrices principales

A
k
= (a
ij
)
1i,jk
reguli`eres ( ie inversibles). Alors la matrice A admet une unique facto-
risation LU o` u L est triangulaire inferieure avec des 1 sur la diagonale et U triangulaire
superieure.
preuve
Unicite Soit A = L
1
U
1
= L
2
U
2
do` u U
1
U
1
2
. .
triangulaire superieure
= L
1
1
L
2
. .
triangulaire inferieure
= D.
Comme D a des 1 sur la diagonale, D = I, donc U
1
= U
2
et L
1
= L
2
.
Existence il sut de montrer que a
(r)
rr
= 0 pour 1 r n1. On le demontre par recurrence.
Le premier pivot est forcement non nul car cest la sous-matrice

A
1
qui est reguli`ere par
hypoth`ese.
Si a
(r)
rr
= 0 pour 1 r k 1, on a alors A = L
(1)
1
L
(2)
1
. . . L
(k1)
1
A
(k)
soit par blocs :

A
k
=

L
k

A
(k)
k
, or dune part par hypoth`ese det

A
k
est dierent de 0 et dautre part det

A
k
=
a
(1)
11
a
(2)
22
. . . a
(k1)
k1k1
a
(k)
kk
. Par hypoth`ese de recurrence a
(r)
rr
= 0 pour 1 r k 1, donc a
(k)
kk
est aussi dierent de 0
Remarque 7 Cest la valeur sur la diagonale de L qui donne lunicite. Cette valeur doit
donc toujours etre xee.
3.7 Cas particulier des matrices symetriques denies positives
Rappel Soit Aune matrice symetrique (A =
T
A) reelle denie positive (x R
N
\ {0} , (Ax/x) >
0) alors A est inversible et toutes ses valeurs propres sont reelles et strictement positives.
preuve
Soit x Ker(A), Ax = 0 donc (Ax/x) = 0 x = 0 soit A inversible.
Soit x C
n
vecteur propre de A associe `a la valeur propre C, alors
Ax = x et Ax = Ax = x.
3.7. CAS PARTICULIER DES MATRICES SYM

ETRIQUES D

EFINIES POSITIVES 41
On fait le produit scalaire de la premi`ere egalite par x et de la deuxi`eme par x, on obtient :
(Ax/x) = (x/x) = x
2
et (Ax/x) = (x/x) = x
2
.
Comme (Ax/x) = (Ax/x) car A est symetrique, on a : x
2
= x
2
, soit est reel.
Enn,
0 < (Ax/x) = (x/x) = x
2
.

Theor`eme 8 Toute matrice symetrique denie positive admet une unique factorisation LU.
preuve
Soit

A
k
, sous-matrice principale dordre k de A. Alors

A
k
est denie positive car
(x
1
x
2
. . . x
k
)

A
k
T
(x
1
x
2
. . . x
k
) = (x
1
x
2
. . . x
k
0 . . . 0)A
T
(x
1
x
2
. . . x
k
0 . . . 0) 0.
Donc

A
k
est inversible et dapr`es le theor`eme (7), A poss`ede une factorisation LU unique.
Factorisation de Cholesky
2
Comme A est symetrique, on a LU =
T
(LU) =
T
U
T
L soit
T
U
1
L
. .
triangulaire inferieure
=
T
LU
1
. .
triangulaire superieure
=
_
_
_
_
_
1/u
11
0 0
0 1/u
22
.
.
.
.
.
.
.
.
.
0 . . . 1/u
nn
_
_
_
_
_
.
Posons D =
_
_
_
_
_

u
11
0

u
22
.
.
.
.
.
.
.
.
.
0 . . .

u
nn
_
_
_
_
_
(ce qui est possible car A est denie positive et que
les u
ii
> 0).
Alors
T
LU
1
= D
2
, do` u D
T
L = DD
2
U = D
1
U, et donc A = LD.D
1
U = LD.D
T
L =

L
T

L avec

L = LD.
Corollaire 2 Toute matrice symetrique denie positive admet une unique factorisation L
T
L,
appelee factorisation de Cholesky.
Factorisation de Crout
3
Comme A =

L
T

L = LD.DD
1T
(LD) = LD.DD
1T
D
T
L = LD.DD
1
D
T
L = LD
2T
L.
Corollaire 3 Toute matrice symetrique denie positive admet une unique factorisation LD
T
L,
appelee factorisation de Crout.
Remarque 8 Pour des raisons numeriques, on pref`ere utiliser la factorisation de Crout ` a
celle de Cholesky car il ny a pas dextraction de racines carrees.
2
Andre Louis Cholesky,francais, 1875-1918
3
Prescott Durand ( ?) Crout, americain ( ?)
42 CHAPITRE 3. R

ESOLUTION DE SYST
`
EMES LIN

EAIRES
Chapitre 4
Interpolation polynomiale
4.1 Position du probl`eme
Soient (x
i
, y
i
), i = 0, . . . , n, n + 1 couples de valeurs reelles. Le but de tout probl`eme
dinterpolation est de determiner une fonction g simple, telle que :
g(x
i
) = y
i
, i = 0, . . . , n.
Les points (x
i
, y
i
) sont appeles les points dinterpolation. Linterpolation polynomiale consiste
`a chercher la fonction g sous la forme dun polyn ome.
Exemple dutilisation
En physique, on mesure experimentalement la temperature dun objet qui refroidit au cours
du temps. On obtient une suite de valeurs ` a dierents temps t
i
. On cherche alors ` a tracer la
courbe de refroidissement la plus proche possible des points mesures, et ainsi `a estimer des
valeurs de la fonction en des points non mesures (cf Fig 4.1).
Exemple le plus simple : interpolation lineaire
On remplace la courbe de f par la droite passant par (x
i
, f(x
i
)) et (x
i+1
, f(x
i+1
)) :
p(x) = f(x
i
) +
f(x
i+1
) f(x
i
)
x
i+1
x
i
(x x
i
)
Voici le calcul par interpolation lineaire des notes de presence aux TPs Maple : 0 si pas
dabsence, 20 si presence `a toutes les seances sauf 1 cest-`a-dire ` a 11 seances. On peut alors
facilement obtenir la note de presence dun etudiant venu ` a 5 seances, cest environ 9 (cf Fig
4.2).
4.2 Polyn omes de Lagrange
Soient (x
i
, y
i
), i = 0, . . . , n, n + 1 points dinterpolation. Existe-t-il un polyn ome P tel
que P(x
i
) = y
i
, i = 0, . . . , n?
Theor`eme 9 Si les x
i
sont tous distincts alors il existe un unique polyn ome P
n
de degre au
plus n tel que
P
n
(x
i
) = y
i
, i = 0, . . . , n.
43
44 CHAPITRE 4. INTERPOLATION POLYNOMIALE
0
0.2
0.4
0.6
0.8
1
2 4 6 8 10
Fig. 4.1 Les points mesures (croix), la fonction (en pointilles) et le polyn ome dinterpolation
(en trait plein).
preuve
Unicite : Soient P
n
et Q
n
deux polyn omes de degre inferieur ou egal `a n tels que :
P
n
(x
i
) = Q
n
(x
i
) = y
i
, i = 0, . . . , n.
Notons R
n
= P
n
Q
n
, ce polyn ome est de degre inferieur ou egal `a n, et poss`ede au moins
n + 1 racines (les x
i
, i = 0, . . . , n), ce qui signie que R
n
ne peut etre que le polyn ome nul.
Existence (demonstration constructive)
On commence par chercher des polyn omes L
k
de degre n tels que
L
k
(x
i
) =
ik
=
_
1 si i = k
0 sinon
, i = 0, . . . , n.
Alors L
k
sannule en x
0
, x
1
, . . . , x
k1
, x
k+1
, . . . , x
n
donc L
i
secrit :
L
k
(x) = (x x
0
)(x x
1
) . . . (x x
k1
)(x x
k+1
) . . . (x x
n
)
(N.B : L
k
est bien de degre n).
Reste `a trouver . Pour cela, on utilise le fait que L
k
(x
k
) doit etre egal `a 1 :
L
k
(x
k
) = 1 = (x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
),
soit
=
1
(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
)
.
4.2. POLYN

OMES DE LAGRANGE 45
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
y
1 2 3 4 5 6 7 8 9 10 11 12
x
Fig. 4.2 Calcul de la note de presence aux TP Maple par interpolation lineaire.
Donc
L
k
(x) =
(x x
0
)(x x
1
) . . . (x x
k1
)(x x
k+1
) . . . (x x
n
)
(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
)
=

n
i=0
i=k
(x x
i
)

n
i=0
i=k
(x
k
x
i
)
.
On pose alors P
n
(x) =
n

i=0
y
i
L
i
(x). Comme
P
n
(x
k
) =
n

i=0
y
i
L
i
(x
k
) =
n

i=0
y
i

ik
= y
k
, k = 0, . . . , n
par unicite, le polynome P
n
est le polyn ome cherche.
Remarque 9 Proposition 9 Les L
k
, k = 0, . . . , n forment une base de lespace vec-
toriel des polynomes de degre au plus n.
preuve
Ils forment une famille maximale libre car si
n

i=0

i
L
i
(x) = 0 x R
46 CHAPITRE 4. INTERPOLATION POLYNOMIALE
alors,
n

i=0

i
L
i
(x
k
) =
n

i=0

ik
=
k
= 0, k = 0, . . . , n.

Proposition 10
n

i=0
L
i
= 1.
preuve
Par denition, le polyn ome P =

n
i=0
L
i
est le polyn ome dinterpolation de degre au
plus n tel que P(x
i
) = 1, i = 0, . . . , n. Donc P 1 est un polyn ome de degre au plus n
qui sannule en tous les x
i
, i = 0, . . . , n, donc qui poss`ede n + 1 racines, ce qui signie
que P 1 ne peut etre que le polyn ome nul.
4.2.1 Decompte doperations
Le calcul dun des polyn omes de Lagrange
1
de degre n necessite :
2(n 1) multiplications,
2n additions,
1 division
Donc pour calculer P
n
, les operations necessaires sont :
(n + 1) polyn omes de Lagrange
(n + 1) multiplications,
n additions.
ie (2n1)(n+1) multiplications , 2n(n+1) +n additions et (n+1) divisions, soit de lordre
de 4n
2
operations. Ce qui est relativement cher.
On peut diminuer de moitie ce co ut en re-ecrivant plus astucieusement les polynomes de
Lagrange mais il reste une diculte majeure avec cette methode.
Si on veut rajouter un point dinterpolation et chercher le polyn ome de degre n+1 qui passe
par les n + 2 points dinterpolation que lon sest donnes, il faut recalculer les polyn omes de
Lagrange qui ont alors change ! Do` u lidee de contruire les polynomes dinterpolation par
recurrence an de minimiser le nombre de calculs si on rajoute ou retire un point.
4.3 Dierences divisees
On se donne une fonction f que lon cherche ` a interpoler et n + 1 points dinterpolation
(x
i
, f(x
i
)), i = 0, . . . , n. On note y
i
= f(x
i
), i = 0, . . . , n.
Soit P
n
(x) le polyn ome de degre n tel que P
n
(x
i
) = y
i
, i = 0, . . . , n et soit P
n1
(x) le
polyn ome de degre n 1 tel que P
n1
(x
i
) = y
i
, i = 0, . . . , n 1.
Alors P
n
(x) = P
n1
(x) +C(x). Donc C(x) = P
n
(x) P
n1
(x) est un polyn ome de degre au
1
Joseph-Louis Lagrange, francais ( ?) ne en Italie, 1736-1813
4.3. DIFF

ERENCES DIVIS

EES 47
plus n qui sannule en x
i
, i = 0, . . . , n 1.
Donc C(x) = a
n
(x x
0
)(x x
1
) . . . (x x
n1
) do` u
P
n
(x) = P
n1
(x) +a
n
(x x
0
)(x x
1
) . . . (x x
n1
).
Reste `a calculer a
n
le coecient dominant de C(x).
Comme P
n1
est de degre au plus n1, a
n
est le coecient dominant de P
n
(x) =
n

k=0
y
k
L
k
(x).
Comme chaque L
k
est de degre au plus n, cherchons le terme dominant de L
k
:
L
k
(x) =
(x x
0
)(x x
1
) . . . (x x
k1
)(x x
k+1
) . . . (x x
n
)
(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
)
=
1
(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
)
x
n
+. . .
Donc
a
n
=
n

k=0
y
k
(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
)
=
n

k=0
f(x
k
)
(x
k
x
0
)(x
k
x
1
) . . . (x
k
x
k1
)(x
k
x
k+1
) . . . (x
k
x
n
)
=
n

k=0
f(x
k
)

n
i=0
i=k
(x
k
x
i
)
si y
k
= f(x
k
).
Ce coecient a
n
est note f[x
0
, x
1
, . . . , x
n
] et est appele la dierence divisee dordre n de f.
On denit alors la forme de Newton
2
progressive du polyn ome dinterpolation de f
par :
_
P
0
(x) = f[x
0
] = y
0
P
n
(x) = P
n1
(x) + (x x
0
)(x x
1
) . . . (x x
n1
)f[x
0
, x
1
, . . . , x
n
]
et la forme de Newton regressive du polyn ome dinterpolation de f par :
_
P
0
(x) = f[x
n
] = y
n
P
n
(x) = P
n1
(x) + (x x
n
)(x x
n1
) . . . (x x
1
)f[x
0
, x
1
, . . . , x
n
]
Proposition 11
k 1, f[x
0
, x
1
, . . . , x
k
] =
f[x
1
, x
2
, . . . , x
k
] f[x
0
, x
1
, . . . , x
k1
]
x
k
x
0
preuve
On note

P
k1
(x) le polyn ome de degre k 1 tel que

P
k1
(x
i
) = y
i
, i = 1, . . . , k, P
k1
(x) le
polyn ome de degre k 1 tel que P
k1
(x
i
) = y
i
, i = 0, . . . , k 1, et P
k
(x) le polyn ome de
degre k tel que P
k
(x
i
) = y
i
, i = 0, . . . , k.
On pose
Q(x) =
(x x
0
)

P
k1
(x) (x x
k
)P
k1
(x)
x
k
x
0
2
Sir Isaac Newton, anglais, 1643-1727
48 CHAPITRE 4. INTERPOLATION POLYNOMIALE
Le polyn ome Q est de degre au plus k et verie :
_

_
Q(x
i
) =
(x
i
x
0
)

P
k1
(x
i
) (x
i
x
k
)P
k1
(x
i
)
x
0
x
k
=
(x
i
x
0
)y
i
(x
i
x
k
)y
i
x
k
x
0
= y
i
, i = 1, . . . , k 1
Q(x
k
) =
(x
k
x
0
)

P
k1
(x
k
)
x
k
x
0
= y
k
Q(x
0
) =
(x
0
x
k
)P
k1
(x
0
)
x
k
x
0
= y
0
.
Donc Q(x) = P
k
(x) car P
k
(x) est unique.
Or P
k1
(x) = P
k2
(x) + (x x
0
)(x x
1
) . . . (x x
k2
)f[x
0
, x
1
, . . . , x
k1
]
et

P
k1
(x) =

P
k2
(x) + (x x
1
) . . . (x x
k1
)f[x
1
, x
2
, . . . , x
k
].
En identiant les termes de plus haut degre de Q
_
f[x
1
, x
2
, . . . , x
k
] f[x
0
, x
1
, . . . , x
k1
]
x
k
x
0
_
et
de P
k
(f[x
0
, x
1
, . . . , x
k
]), on obtient exactement la relation cherchee.
Exemple dapplication :
x
0
= 1 y
0
= 0
x
1
= 2 y
1
= 3
x
2
= 3 y
2
= 2
3 0
2 1
= 3 = f[x
0
, x
1
]
2 3
3 2
= 1 = f[x
1
, x
2
]
1 3
3 2
= 2 = f[x
0
, x
1
, x
2
]
Forme progressive :
_
_
_
P
0
(x) = f[x
0
] = y
0
= 0
P
1
(x) = P
0
(x) +f[x
0
, x
1
](x x
0
) = 0 + 3(x 1)
P
2
(x) = P
1
(x) +f[x
0
, x
1
, x
2
](x x
0
)(x x
1
) = 3(x 1) 2(x 1)(x 2) = 2x
2
+ 9x 7
Forme regressive :
_
_
_
P
0
(x) = f[x
2
] = y
2
= 2
P
1
(x) = P
0
(x) +f[x
1
, x
2
](x x
2
) = 2 (x 3) = x + 5
P
2
(x) = P
1
(x) +f[x
0
, x
1
, x
2
](x x
2
)(x x
1
) = x + 5 2(x 3)(x 2) = 2x
2
+ 9x 7
4.3.1 Cas particulier : points equitablement repartis
Soient x
i
= x
0
+i h, i = 0, . . . , n et y
i
, i = 0, . . . , n, n+1 points dinterpolation. Quand
on construit la table des dierences divisees, on remarque que les denominateurs sont toujours
les memes. On decide alors de ne plus faire les divisions dans la table, on obtient alors une
table des dierences progressives-regressives.
4.3. DIFF

ERENCES DIVIS

EES 49
Table des dierences divisees
x
0
y
0
x
0
+h y
1
x
0
+ 2h y
2
x
0
+ 3h y
3
y
1
y
0
h
y
2
y
1
h
y
3
y
2
h
y
2
2y
1
+y
0
2h
2
y
3
2y
2
+y
1
2h
2
y
3
3y
2
+ 3y
1
y
0
6h
3
Table des dierences progressives-regressives
x
0
y
0
x
0
+h y
1
x
0
+ 2h y
2
x
0
+ 3h y
3
y
1
y
0
y
2
y
1
y
3
y
2
y
2
2y
1
+y
0
y
3
2y
2
+y
1
y
3
3y
2
+ 3y
1
y
0
On note loperateur de dierence croissante deni par y
0
= y
1
y
0
et loperateur
de dierence decroissante deni par y
3
= y
3
y
2
. Alors :

2
y
0
= y
0
= (y
1
y
0
) = y
1
y
0
= (y
2
y
1
) (y
1
y
0
) = y
2
2y
1
+y
0
,

3
y
0
=
2
y
0
= (y
2
2y
1
+y
0
) = y
2
2y
1
+y
0
= y
3
3y
2
+ 3y
1
y
0
,

2
y
3
= y
3
= (y
3
y
2
) = y
3
y
2
= (y
3
y
2
) (y
2
y
1
) = y
3
2y
2
+y
1
,

3
y
3
=
2
y
3
= (y
3
2y
2
+y
1
) = y
3
2y
2
+y
1
= y
3
3y
2
+ 3y
1
y
0
.
Do` u lecriture de la table des dierences progressives-regressives :
x
0
y
0
x
0
+h y
1
x
0
+ 2h y
2
x
0
+ 3h y
3
y
0
y
2
y
1
y
3

2
y
0

2
y
3

3
y
0
=
3
y
3
On denit alors les polyn omes dinterpolation par recurrence sous leur forme progressive :
_

_
P
0
(x) = f[x
0
] = y
0
P
n
(x) = P
n1
(x) +

n
y
0
n!h
n
(x x
0
)(x x
1
) . . . (x

x
n1
)
soit
P
n
(x) = y
0
+
y
0
h
(x x
0
) +

2
y
0
2!h
2
(x x
0
)(x x
1
) + +

n
y
0
n!h
n
(x x
0
)(x x
1
) . . . (x x
n1
)
50 CHAPITRE 4. INTERPOLATION POLYNOMIALE
et sous leur forme regressive :
_

_
P
0
(x) = f[x
n
] = y
n
P
n
(x) = P
n1
(x) + (x x
n
)(x x
n1
) . . . (x x
1
)

n
y
n
n!h
n
soit
P
n
(x) = y
n
+
y
n
h
(x x
n
) +

2
y
n
2!h
2
(x x
n
)(x x
n1
) + +

n
y
n
n!h
n
(x x
n
)(x x
n1
) . . . (x x
1
)
Exemple dapplication :
x
0
= 1 y
0
= 0
x
1
= 2 y
1
= 3
x
2
= 3 y
2
= 2
3 0 = 3 = y
0
2 3 = 1 = y
2
1 3 = 4 =
2
y
0
=
2
y
2
Forme progressive :
_

_
P
0
(x) = y
0
= 0
P
1
(x) = P
0
(x) +
y
0
h
(x x
0
) = 0 + 3(x 1)
P
2
(x) = P
1
(x) +

2
y
0
2!h
2
(x x
0
)(x x
1
) = 3(x 1) 2(x 1)(x 2) = 2x
2
+ 9x 7
Forme regressive :
_

_
P
0
(x) = y
2
= 2
P
1
(x) = P
0
(x) +
y
2
h
(x x
2
) = (x 3)
P
2
(x) = P
1
(x) +

2
y
2
2!h
2
(x x
2
)(x x
1
) = (x 3) 2(x 3)(x 2) = 2x
2
+ 9x 7
4.4 Estimation de lerreur
Soit une fonction f : [a, b] R et soient x
0
, x
1
, x
2
, . . . x
n
[a, b]. Soit P
n
le polyn ome
dinterpolation de f tel que P
n
(x
i
) = f(x
i
), i = 0, . . . , n. Que peut-on dire de f(x) P
n
(x) ?
Theor`eme 10 Soit f C
n
([a, b]), derivable (n + 1) fois sur ]a, b[. Si a x
0
< x
1
< <
x
n
b, alors
f(x) P
n
(x) =
(x x
0
)(x x
1
) . . . (x x
n
)
(n + 1)!
f
(n+1)
() ()
pour tel que a min(x, x
0
) < < max(x, x
n
) b.
Theor`eme 11 Theor`eme de Rolle
3
,
Soit f une application continue de [a, b] dans R et derivable sur ]a, b[ avec f(a) = f(b).
Alors il existe au moins un reel c ]a, b[ tel que f

(c) = 0.
3
Michel Rolle, francais, 1652-1719
4.4. ESTIMATION DE LERREUR 51
preuve du theor`eme 10
Si x = x
i
, i = 0, . . . , n alors () est veriee.
On suppose que x = x
i
, i = 0, . . . , n et on denit
W(t) = f(t) P
n
(t)
(t x
0
)(t x
1
) . . . (t x
n
)
(x x
0
)(x x
1
) . . . (x x
n
)
[f(x) P
n
(x)].
Alors W est dierentiable (n + 1) fois (car f et P
n
le sont) et W sannule en x
i
, i =
0, . . . , n et en x, donc W poss`ede (n + 2) zeros distincts.
Entre 2 zeros consecutifs de W, W

sannule (par le theor`eme de Rolle). Donc W

admet
au moins (n + 1) zeros distincts dans ] min(x, x
0
), max(x, x
n
)[.
En appliquant ce raisonnement ` a W

puis, W

, puis W
(n)
, on deduit que W
(n+1)
sannule
au moins 1 fois dans ] min(x, x
0
), max(x, x
n
)[ :
] min(x, x
0
), max(x, x
n
)[ , W
(n+1)
() = 0.
Ce qui donne 0 = W
(n+1)
() = f
(n+1)
() 0
(n + 1)!
(x x
0
)(x x
1
) . . . (x x
n
)
[f(x) P
n
(x)],
qui est exactement ().
Corollaire 4 Si f
(n+1)
est continue sur [a, b] alors
|f(x) P
n
(x)|
|(x x
0
)(x x
1
) . . . (x x
n
)|
(n + 1)!
max
x[a,b]
|f
(n+1)
(x)|
preuve
Une fonction continue sur un compact est bornee et atteint ses bornes.
Remarque 10 Lerreur est composee de deux termes bien distincts, le terme
(x x
0
)(x x
1
) . . . (x x
n
)
(n + 1)!
qui se rapporte au choix des points x
i
et le terme max
x[a,b]
|f
(n+1)
(x)| lie `a la regularite de f.
Estimation grossi`ere :
|f(x) P
n
(x)|
|b a|
n+1
(n + 1)!
max
x[a,b]
|f
(n+1)
(x)|
|f(x) P
n
(x)|
|b a|
n+1
(n + 1)!
f
(n+1)

En conclusion, plus f est reguli`ere, moins lerreur est grande.


Pour minimiser cette erreur, on peut donc jouer sur le premier terme : on peut montrer
quil existe un choix optimal des points x
i
qui permet de minimiser lerreur dapproxima-
tion. Ce choix optimal est de prendre pour points dinterpolation les zeros des polynomes
de Chebyshev
4
( cf TD et TP).
4
Pafnuty Lvovich Chebyshev, russe, 1821-1894
52 CHAPITRE 4. INTERPOLATION POLYNOMIALE
4.5 Interpolation dHermite
Position du probl`eme : on cherche un polyn ome qui prenne non seulement ses valeurs en
un certain nombre de points dinterpolation donnes mais dont le polynome derive est aussi
xe en ces points ie on cherche un polyn ome P tel que :
P(x
i
) = y
i
, i = 0, . . . , n
P

(x
i
) = z
i
, i = 0, . . . , n.
On a 2(n + 1) = 2n + 2 valeurs donnees, le polyn ome sera de degre au plus 2n + 1.
Theor`eme 12 Il existe un unique polyn ome de degre au plus 2n + 1 tel que
P(x
i
) = y
i
, i = 0, . . . , n
P

(x
i
) = z
i
, i = 0, . . . , n.
preuve
Unicite : Soient P et Q deux polyn omes de degre inferieur ou egal `a 2n + 1 tels que :
P(x
i
) = Q(x
i
) = y
i
et P

(x
i
) = Q

(x
i
) = z
i
, i = 0, . . . , n.
Notons R = P Q, polyn ome de degre inferieur ou egal `a 2n + 1. Alors R poss`ede au moins
n+1 racines doubles (les x
i
, i = 0, . . . , n car R et R

sannulent en x
i
) soit 2n+2 racines, ce
qui signie que R est le polyn ome nul.
Existence : On pose P(x) =

n
i=0
y
i
h
i
(x) +

n
i=0
z
i
k
i
(x) avec
h
i
(x) = [1 2(x x
i
)L

i
(x
i
)].L
2
i
(x)
k
i
(x) = (x x
i
).L
2
i
(x)
o` u les L
i
(x) sont les polyn omes de Lagrange veriant
L
i
(x
k
) =
ik
=
_
1 si i = k
0 sinon.
Comme les polyn omes L
i
sont de degre n, les polyn omes h
i
et les polyn omes k
i
sont de degre
2n + 1.
h
i
(x
j
) = [1 2(x
j
x
i
)L

i
(x
i
)].L
2
i
(x
j
) =
_
1 si j = i
0 sinon
=
ij
k
i
(x
j
) = 0 0 j n
h

i
(x) = 2L
2
i
(x)L

i
(x
i
) + 2[1 2(x x
i
)L

i
(x
i
)]L
i
(x)L

i
(x)
h

i
(x
j
) = 2L
2
i
(x
j
)L

i
(x
i
) + 2[1 2(x
j
x
i
)L

i
(x
i
)]L
i
(x
j
)L

i
(x
j
) = 0 0 j n
k

i
(x) = L
2
i
(x) + 2(x x
i
)L
i
(x)L

i
(x)
k

i
(x
j
) = L
2
i
(x
j
) + 2(x
j
x
i
)L
i
(x
j
)L

i
(x
j
) =
_
1 si j = i
0 sinon
=
ij
4.6. CONCLUSION 53
Donc
P(x
j
) =
n

i=0
y
i
h
i
(x
j
) +
n

i=0
z
i
k
i
(x
j
)
. .
=0
=
n

i=0
y
i

ij
= y
j
et
P

(x
j
) =
n

i=0
y
i
h
i
(x
j
)
. .
=0
+
n

i=0
z
i
k

i
(x
j
) =
n

i=0
z
i

ij
= z
j
.
Le polyn ome P est donc le polyn ome cherche.
Theor`eme 13 Soit f C
2n+1
([a, b]), derivable (2n + 2) fois sur ]a, b[. Si a x
0
< x
1
<
< x
n
b, alors
f(x) P(x) =
(x x
0
)
2
(x x
1
)
2
. . . (x x
n
)
2
(2n + 2)!
f
(2n+2)
()()
pour tel que a min(x, x
0
) < < max(x, x
n
) b.
preuve du theor`eme 13
Idem preuve du theor`eme 10.
4.6 Conclusion
En fait, les methodes dinterpolation polynomiale presentees ici (Lagrange et Hermite
5
)
sont assez peu utilisees dans la pratique. Dabord, il est dicile dinterpoler avec des po-
lyn omes de degre tr`es eleve : on voit alors apparatre un phenom`ene deets de bord dit
phenom`ene de Runge
6
(du nom du mathematicien qui la mis en evidence). Ce phenom`ene
consiste en de tr`es fortes oscillations du polyn ome aux extremites du segment sur lequel on a
interpole. On peut diminuer fortement ces oscillations en choisissant judicieusement les points
dinterpolation (cf TD et TP).
Neanmoins, ces methodes dinterpolation ont un interet pour construire des formules de qua-
drature pour lintegration numerique (cf chapitre suivant) et des schemas pour resoudre des
equations dierentielles (cf L3 module TAN).
Linterpolation en utilisant des polyn omes de degre eleve introduit aussi une grande sen-
sibilite aux erreurs. On pref`ere alors faire de linterpolation par morceaux : cest-`a-dire
decouper le segment sur lequel on veut interpoler en petits segments et interpoler sur chacun
des ces petits segments avec des polynomes de degre moindre. Cest la methode des splines,
methode dinterpolation polynomiale la plus utilisee en pratique.
5
Charles Hermite, francais, 1822-1901
6
Carle David Tolme Runge, allemand, 1856-1927
54 CHAPITRE 4. INTERPOLATION POLYNOMIALE
4.7 La methode des splines
On se donne une fonction f que lon cherche ` a interpoler sur un intervalle [a, b]. Soient n
points x
i
dans cet intervalle tels que a = x
1
< < x
n
= b. On note y
i
= f(x
i
), i = 1, . . . , n.
Sur chaque intervalle [x
i
, x
i+1
], i = 1, . . . , n 1, on cherche un polyn ome P
i
, i = 1, . . . , n 1
de degre 3 tel que :
P
i
(x
i
) = y
i
et P
i
(x
i+1
) = y
i+1
, i = 1, . . . , n 1
P

i
(x
i
) = s
i
et P

i
(x
i+1
) = s
i+1
, i = 1, . . . , n 1
o` u s
i
, i = 1, . . . , n sont des param`etres libres que nous preciserons plus tard.
Remarque 11 Pour connatre le polyn ome P
i
de degre 3, nous avons bien 4 equations pour
4 inconnues !
Alors, quel que soit le choix de s
i
, i = 1, . . . , n, le polyn ome P, qui restreint ` a chaque
intervalle [x
i
, x
i+1
], i = 1, . . . , n 1 vaut P
i
, est une fonction de classe C
1
([a, b]), ie continue
et derivable sur [a, b], de derivee continue sur [a, b]. On presente deux exemples de choix pour
les param`etres s
i
, i = 1, . . . , n, qui sont les plus utilises et les plus interessants du point de
vue de lapproximation.
4.7.1 Interpolation cubique de Hermite
On choisit s
i
= f

(x
i
), i = 1, . . . , n. On peut alors demontrer que sur chaque intervalle
[x
i
, x
i+1
], i = 1, . . . , n 1, on a :
|f(x) P
i
(x)|
_
|x
i+1
x
i
|
2
_
4
max
x
i
xx
i+1
|f
(4)
()|
4!
, ]x
i
, x
i+1
[,
et donc que si f C
4
([a, b]), on a :
|f(x) P(x)|
(b a)
4
384
max
axb
|f
(4)
()|, ]a, b[.
4.7.2 Interpolation spline cubique
Les param`etres s
i
sont determines par la condition : P doit etre deux fois contin ument
derivable. Ce qui donne les conditions :
P

i
(x
i
) = P

i+1
(x
i
), i = 2, . . . , n 1.
Ces conditions donnent un syst`eme tridiagonal de n 2 equations qui est ` a diagonale stric-
tement dominante donc inversible. Ce syst`eme a donc une solution et une seule (cf TD).
Il manque encore deux conditions quon appelle les conditions de bord, ` a savoir le choix
de s
1
et s
n
.
Le choix le plus simple est la condition libre s
1
= s
n
= 0 qui donne le spline naturel de f.
Mais ce choix est mauvais du point de vue de lapproximation car cela provoque des erreurs
au bord de lintervalle et diminue donc la qualite de lapproximation.
Un autre choix naturel si f

est connue aux extremites est s


1
= f

(x
1
) et s
n
= f

(x
n
), ce qui
donne le spline interpolant complet de f.
Chapitre 5
Integration numerique
5.1 Position du probl`eme
On veut evaluer lintegrale dune fonction. Malheureusement, les methodes analytiques
de calcul de primitives (vues en cours) sont souvent inutilisables pour les fontions qui inter-
viennent dans les probl`emes physiques (fonctions soit trop compliquees pour etre integrees
`a vue, soit seulement donnees par une table de valeurs). Nous cherchons donc une valeur
approchee `a laide dun ordinateur ie une valeur calculee `a laide de sommes nies, quon
appellera une formule de quadrature :
_
b
a
f(x) dx
n

i=0

i
f(x
i
)
o` u les x
i
, i = 0 . . . n sont appeles les noeuds ou points dintegration, et les
i
, i = 0 . . . n,
les poids de la formule de quadrature.
5.2 Formules de Newton-Cotes
5.2.1 Formules de quadrature de type interpolation
On a vu au chapitre precedent que lon pouvait remplacer, ie approcher, une fonction
quelconque f par un polyn ome. Donc comme f(x) est proche de P(x), on a :
f(x) P(x) =
_
b
a
f(x) dx
_
b
a
P(x) dx.
N.B : Avantages
1. les polynomes sont faciles `a integrer,
2. cette methode est utilisable meme si on ne connat que des valeurs de f puisquon peut
alors construire le polyn ome P dinterpolation de f sur ces valeurs.
55
56 CHAPITRE 5. INT

EGRATION NUM

ERIQUE
On se donne (x
i
, y
i
= f(x
i
)), i = 0, . . . , n, n + 1 points dinterpolation tels que a x
0
<
x
1
< < x
n
b.
I =
_
b
a
f(x) dx
_
b
a
P
n
(x) dx =
_
b
a
n

i=0
y
i
L
i
(x) dx
Soit I
n
=
n

i=0
y
i
_
b
a
L
i
(x) dx
I
n
=
n

i=0

i
f(x
i
) o` u
i
=
_
b
a
L
i
(x) dx.
Les
i
sont appeles les poids de la formule de quadrature et les x
i
les noeuds ou points
dintegration.
On denit lerreur comme etant R(f) = I(f) I
n
(f) :
R(f) =
_
b
a
f(x) dx
_
b
a
P(x) dx
=
_
b
a
(f(x) P(x)) dx
=
_
b
a
(x x
0
)(x x
1
) . . . (x x
n
)
(n + 1)!
f
(n+1)
((x)) dx
pour tel que a min(x, x
0
) < (x) < max(x, x
n
) b.
Denition 8 Une formule de quadrature est dite exacte sur un ensemble V si
f V, R(f) = 0.
Theor`eme 14 Une formule de quadrature ` a n+1 points est exacte sur lespace vectoriel des
polyn omes de degre au plus n (= IP
n
) si et seulement si cest une formule de type interpolation
`a n + 1 points.
preuve
= On suppose que p IP
n
, R(p) = 0.
Alors R(L
i
) = 0, i = 0, . . . , n (car L
i
IP
n
) cest-`a-dire I
n
= I pour f L
i
:
_
b
a
L
i
(x) dx =
n

k=0

k
L
i
(x
k
) =
i
.
Les poids sont alors forcement donnes par lintegrale des polyn omes de Lagrange, cest donc
une formule de type interpolation ` a n + 1 points.
= Soit p IP
n
. Son polyn ome dinterpolation de degre n nest autre que lui-meme. Alors
R(p) =
_
b
a
(p(x) p(x)) dx = 0 (f p dans la denition de R).
Denition 9 Une formule de quadrature est dite de degre de precision n si elle est exacte
pour x
k
, k = 0, . . . , n et non exacte pour x
n+1
.
Remarque 12 1. Une formule exacte sur IP
n
est de degre de precision au moins n.
5.2. FORMULES DE NEWTON-COTES 57
2. Si on a plusieurs integrales de type
_
b
a
(x)f(x) dx o` u (x) est une fonction donnee,
on peut ecrire :
_
b
a
(x)f(x) dx
_
b
a
(x)P(x) dx,
alors seuls les poids sont changes et deviennent
_
b
a
(x)L
i
(x) dx.
Interet : Si la fonction ` a integrer poss`ede des singularites, on peut sarranger pour les
mettre dans la fonction (x), ce qui permet deviter une mauvaise interpolation.
Exemple dapplication : Trouver A
0
et A
1
tels que :
_
1
1
f(x) dx = A
0
f(1) +A
1
f(1) +R(f).
Cest une formule de type interpolation ` a 2 points donc exacte sur IP
1
soit :
f 1, R(f) = 0
_
1
1
1 dx = A
0
+A
1
.
f x, R(f) = 0
_
1
1
xdx = A
0
+A
1
.
soit
_
A
0
+A
1
= 2
A
0
+A
1
= 0
=
_
A
0
= 1
A
1
= 1
Donc pour f quelconque, on obtient la formule suivante :
_
1
1
f(x) dx = f(1) +f(1) +R(f).
Erreur :
Pour f x
2
,
_
1
1
f(x) dx =
2
3
et A
0
f(1) + A
1
f(1) = 2, donc R(f) = 0. La formule est de
degre de precision 1.
Lerreur est de la forme :
_
1
1
(x 1)(x + 1)
2
f
(2)
((x)) dx avec [1, 1].
5.2.2 Construction des formules de Newton-Cotes
Soient x
i
= x
0
+ ih, i = 0, . . . , n et y
i
, i = 0, . . . , n, n + 1 points dinterpolation tels que
x
0
= a et x
n
= b. On vient de voir que lon peut construire des formules de quadrature de la
fa con suivante :
_
b
a
f(x) dx (b a)
n

i=0

(n)
i
f(x
i
) o` u
(n)
i
=
1
b a
_
b
a
L
i
(x) dx, i = 0, . . . , n.
58 CHAPITRE 5. INT

EGRATION NUM

ERIQUE
Les L
i
(x) sont les polyn omes de Lagrange de degre n.
Pour n = 0, le seul point est soit a, soit b :
_
b
a
f(x) dx (b a)f(a)
ou
_
b
a
f(x) dx (b a)f(b).
Cest la formule des rectangles (ie Fig 5.2.2) qui est exacte pour les polynomes de degre
0 seulement, cest-`a-dire les constantes.
a
b
f(a)
f(b)
+
(b!a) f(a)
(b!a) f(b)
Mthode des rectangles
Calcul de lerreur de la formule des rectangles
On a que
R(f) =
_
b
a
(x a)f

() dx avec [a, b].


Comme f

est continue sur [a,b] (f est supposee de classe C


1
), f est bornee et atteint ses
bornes sur [a, b]. Posons m = inf
x[a,b]
f

(x) et M = sup
x[a,b]
f

(x), alors comme (xa) est de signe


constant sur [a, b], on a que :
_
b
a
(x a)mdx
_
b
a
(x a)f

() dx
_
b
a
(x a)M dx
5.2. FORMULES DE NEWTON-COTES 59
m
_
b
a
(x a)f

() dx
_
b
a
(x a) dx
M.
En appliquant le theor`eme des valeurs intermediaires `a f

qui est continue, on conclut quil


existe un dans ]a, b[ tel que :
f

() =
_
b
a
(x a)f

() dx
_
b
a
(x a) dx
ie R(f) = f

()
_
b
a
(x a) dx =
(b a)
2
2
f

().
soit, |R(f)|
(b a)
2
2
max
x[a,b]
|f

(x)|. Le resultat est identique en prenant b comme point din-


terpolation.
Pour n = 1, les points sont x
0
= a et x
1
= b :

(1)
0
=
1
b a
_
b
a
L
0
(x) dx =
1
b a
_
b
a
x b
a b
=
1
2

(1)
1
=
1
b a
_
b
a
L
1
(x) dx =
1
b a
_
b
a
x a
a b
=
1
2
Donc la formule est
_
b
a
f(x) dx =
(b a)
2
(f(a) +f(b)).
Cest la formule des trap`ezes (ie Fig 5.2.2) que lon a dej` a vue en exemple. Le degre de
precision est 1 comme dej` a calcule dans lexemple precedent, ce qui signie que cette formule
est exacte pour les polynomes de degre inferieur ou egal `a 1.
Calcul de lerreur de la formule des trap`ezes
On rappelle (cf exemple precedent) que
R(f) =
_
b
a
(x a)(x b)
2
f
(2)
((x)) dx avec [a, b].
Comme f
(2)
est continue sur [a,b] (f est supposee de classe C
2
), f est bornee et atteint ses
bornes sur [a, b]. Posons m = inf
x[a,b]
f
(2)
(x) et M = sup
x[a,b]
f
(2)
(x), alors comme (x a)(x b)
est de signe constant sur [a, b] (negatif), on a que :
_
b
a
(x a)(x b)
2
mdx
_
b
a
(x a)(x b)
2
f
(2)
() dx
_
b
a
(x a)(x b)
2
M dx
m
_
b
a
(x a)(x b)
2
f
(2)
() dx
_
b
a
(x a)(x b)
2
dx
M.
60 CHAPITRE 5. INT

EGRATION NUM

ERIQUE
a
b
f(a)
f(b)
Mthode des trapzes
En appliquant le theor`eme des valeurs intermediaires `a f

qui est continue, on conclut quil


existe un dans ]a, b[ tel que :
f
(2)
() =
_
b
a
(x a)(x b)
2
f
(2)
() dx
_
b
a
(x a)(x b)
2
dx
ie R(f) =
f
(2)
()
2
_
b
a
(x a)(x b) dx =
(b a)
3
12
f
(2)
()
soit, |R(f)|
(b a)
3
12
max
x[a,b]
|f

(x)|.
Pour n = 2 les points sont x
0
= a, x
2
= b et le point milieu x
1
=
a +b
2
:

(2)
0
=
1
b a
_
b
a
L
0
(x) dx =
1
b a
_
b
a
(x b)(x (a +b)/2)
(a b)(a (a +b)/2)
=
1
6

(2)
1
=
1
b a
_
b
a
L
1
(x) dx =
1
b a
_
b
a
(x a)(x b)
((a +b)/2 b)((a +b)/2 a)
=
4
6

(2)
2
=
1
b a
_
b
a
L
2
(x) dx =
1
b a
_
b
a
(x a)(x (a +b)/2)
(b a)(b (a +b)/2)
=
1
6
5.2. FORMULES DE NEWTON-COTES 61
Donc la formule est
_
b
a
f(x) dx =
(b a)
6
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
.
Cest la formule de Simpson
1
qui est exacte pour les polyn omes de degre au moins 2 (car
cest une formule dinterpolation ` a trois points), elle est de degre de precision au moins 2.
Essayons avec le mon ome x
3
:
_
b
a
x
3
dx =
_
x
4
4
_
b
a
=
b a
4
(b
3
+ab
2
+a
2
b +a
3
).
Or, la formule de quadrature donne :
(b a)
6
_
a
3
+ 4
_
a +b
2
_
3
+b
3
_
=
(b a)
6
_
a
3
+
_
a
3
+ 3ab
2
+ 3a
2
b +b
3
2
_
+b
3
_
=
(b a)
4
(b
3
+ab
2
+a
2
b +a
3
).
Donc la formule est encore exacte pour le degre 3, elle est de degre de precision au moins 3.
Essayons avec le mon ome x
4
:
_
b
a
x
4
dx =
_
x
5
5
_
b
a
=
b a
5
(b
4
+ab
3
+a
2
b
2
+a
3
b +a
4
).
La formule de quadrature donne :
(b a)
6
_
a
4
+ 4
_
a +b
2
_
4
+b
4
_
=
(b a)
6
_
a
4
+
a
4
+ 4a
3
b + 6a
2
b
2
+ 4ab
3
+b
4
4
+b
4
_
=
(b a)
24
(5b
4
+ 4ab
3
+ 6a
2
b
2
+ 4a
3
b + 5a
4
).
Cette fois, la formule nest pas exacte pour le degre 4, elle est donc de degre de precision egal
`a 3.
Calcul de lerreur de la formule de Simpson
_
b
a
f(x) dx =
(b a)
6
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
+R(f),
avec
R(f) =
(b a)
5
2880
f
(4)
() o` u [a, b]
preuve : cf TD.
Donc
|R(f)|
(b a)
5
2880
max
x[a,b]
|f
(4)
(x)|.
1
Thomas Simpson, anglais, 1710-1761
62 CHAPITRE 5. INT

EGRATION NUM

ERIQUE
Theor`eme 15 (Admis) Le degre de precision des formules de Newton-Cotes
2
`a n+1 points
est
_
n si n est impair
n + 1 si n est pair.
Lerreur dans les formules de Newton-Cotes ` a n + 1 points est en
_
h
n+2
si n est impair
h
n+3
si n est pair
o` u h = (b a).
Remarque 13 1. On peut demontrer que si le degre de precision est p alors lerreur est
en h
p+2
et reciproquement. Comme le degre de precision est facile ` a evaluer, il est facile
davoir une idee de lerreur.
2. On peut construire des formules de Newton-Cotes de type ouvert ie qui ne comportent
pas les bornes dintegration comme noeuds de la formule de quadrature.
Exemple
Pour integrer la fonction
sin(x)
x
entre 0 et 1 on peut utiliser :
La formule du point milieu :
_
b
a
f(x) dx (b a)f
_
a +b
2
_
.
La formule variante des trap`ezes :
_
b
a
f(x) dx
(b a)
2
_
f
_
a +
b a
3
_
+f
_
b
b a
3
__
La formule variante de Simpson :
_
b
a
f(x) dx
(b a)
8
_
3f
_
a + 5b
6
_
+ 2f
_
a +b
2
_
+ 3f
_
5a +b
6
__
Denition 10 On dira ici quune formule de quadrature est stable si les poids intervenant
dans la formule sont strictement positifs.
N.B : A partir de n 9 les formules de Newton-Cotes sont inutilisables car elles deviennent
instables ie les poids intervenant dans les formules peuvent etre negatifs.
Idee intuitive de lavantage des poids positifs :
Soient f et g deux fonctions susamment proches ie f g alors I
n
(f) et I
n
(g)
doivent aussi etre proches. Or
I
n
(f) I
n
(g) =
n

i=0

(n)
i
(f(x
i
) g(x
i
)).
2
Richard Cotes, anglais, 1682-1716
5.2. FORMULES DE NEWTON-COTES 63
Do` u
|I
n
(f) I
n
(g)|
n

i=0
|
(n)
i
||f(x
i
) g(x
i
)|

i=0

(n)
i
|f(x
i
) g(x
i
)| si p
(n)
i
> 0 i
(
n

i=0

(n)
i
)f g
(
n

i=0

(n)
i
)
. .
=1
.
5.2.3 Formules composites
On decoupe lintervalle dintegration [a, b] : a
i
= a
0
+ ih, i = 0, . . . , l, a
0
= a, a
l
= b.
Alors h =
b a
l
.
_
b
a
f(x) dx =
l1

i=0
_
a
i+1
a
i
f(x) dx
=
l1

i=0
h
n

j=0

n
j
f( x
j
) +R(f).
avec x
j
[a
i
, a
i+1
].
Theor`eme 16 On suppose que n, les poids et la repartition des points sont xes. Alors pour
toute fonction f continue sur [a, b] :
lim
l
l1

i=0
h
n

j=0

(n)
j
f( x
j
) =
_
b
a
f(x) dx
preuve
On rappelle que pour toute fonction continue la somme de Riemann
3
denie par :
l1

i=0
(a
i+1
a
i
)f(c
i
) avec c
i
[a
i
, a
i+1
]
tend vers
_
b
a
f(x) dx quand l tend vers linni (cest la denition meme de lintegrale de
Riemann).
3
Georg Friedrich Bernhard Riemann, allemand, 1826-1866
64 CHAPITRE 5. INT

EGRATION NUM

ERIQUE
f(a)
f(b)
a=a_0 b=a_k
Formules composites
Donc :
lim
l
l1

i=0
h
n

j=0

(n)
j
f( x
j
) = lim
l
n

j=0
h
(n)
j
l1

i=0
f( x
j
)
= (
n

j=0

(n)
j
)
. .
=1
lim
l
l1

i=0
hf( x
j
) =
l1

i=0
(a
i+1
a
i
)f( x
j
)
. .
somme de Riemann avec f x
j
[a
i
,a
i+1
]
=
_
b
a
f(x) dx.

N.B En general, les points dintegration sont donnes dans un intervalle de reference [a, b]. On
doit donc les transporter dans [a
i
, a
i+1
] :
x
j
[a, b]
t+
x
j
[a
i
, a
i+1
],
avec =
a
i+1
a
i
b a
et =
a
i
b a
i+1
a
b a
, soit x
j
=
a
i
b a
i+1
a +hx
j
b a
.
5.3 Formules de Gauss
Comme pour linterpolation, on se pose la question suivante : comment choisir au mieux
les points dintegration pour que la formule soit de degre de precision le plus eleve possible ?
5.3. FORMULES DE GAUSS 65
Le probl`eme est donc le suivant : trouver ` a la fois p
n
i
, i = 0 . . . n, les poids et x
i
, i = 0 . . . n,
les points de la formule de quadrature :
_
b
a
f(x) dx
n

i=0

n
i
f(x
i
).
On est donc en presence de 2n + 2 inconnues !
On cherche alors une formule exacte pour IP
2n+1
, ce qui secrit encore :
_
b
a
x
l
dx =
n

i=0

n
i
f(x
i
), 0 l 2n + 1,
on a bien 2n + 2 equations.
Remarque 14 Peut-on faire mieux ?
Non, le degre de precision de la formule est bien 2n + 1.
Soit le polyn ome de degre 2n+2, Q(x) = (xx
0
)
2
(xx
1
)
2
. . . (xx
n
)
2
. Ce polyn ome est stric-
tement positif (pour x = x
i
, i = 0, . . . , n), donc
_
b
a
Q(x) dx > 0 et comme

n
i=0

n
i
Q(x
i
) = 0,
la formule est fausse pour ce polyn ome de degre 2n + 2.
Theor`eme 17 (Admis) La formule de quadrature ` a (n+1) points est exacte sur IP
2n+1
si et
seulement si les points x
i
, i = 0 . . . n, sont tels que le polyn ome v(x) =
n
i=0
(x x
i
) verie
une condition dorthogonalite `a savoir :
_
b
a
x
q
v(x) dx = 0 0 q n.
On appelle formule de type Gauss les formules de quadrature :
_
b
a
f(x) dx =
n

i=0

(n)
i
f(x
i
) o` u
les x
i
sont les zeros dun polyn ome de degre n + 1 qui verie la condition dorthogonalite.
Theor`eme 18 Pour f C
2n+2
([a, b]), lerreur des formules de type Gauss est donnee par :
R(f) =
_
b
a
v
2
n
(x) dx
(2n + 2)!
f
2n+2
(), [a, b]
preuve
On construit le polyn ome dinterpolation de Hermite P
2n+1
deni sur x
0
, x
1
, . . . , x
n
alors :
f(x)P
2n+1
(x) =
(x x
0
)
2
(x x
1
)
2
. . . (x x
n
)
2
(2n + 2)!
f
2n+2
(), a min(x, x
0
) < < max(x, x
n
) b.
66 CHAPITRE 5. INT

EGRATION NUM

ERIQUE
Alors
_
b
a
f(x) dx
_
b
a
P
2n+1
(x) dx =
_
b
a
v
2
n
(x)
(2n + 2)!
f
2n+2
() dx
_
b
a
f(x) dx
n

i=0

(n)
i
P
2n+1
(x
i
) =
_
b
a
v
2
n
(x)
(2n + 2)!
f
2n+2
() dx
_
b
a
f(x) dx
n

i=0

(n)
i
f(x
i
) =
_
b
a
v
2
n
(x)
(2n + 2)!
f
2n+2
() dx
car la formule de quadrature est exacte pour les polyn omes de degre 2n + 1. On utilise le
theor`eme des valeurs intermediaires comme dans la demonstration de lerreur pour la formule
des trap`ezes, car v
2
n
(x) est de signe constant sur [a, b] et que f
2n+2
est continue sur [a, b], on
obtient donc quil existe [a, b] tel que :
R(f) =
_
b
a
v
2
n
(x) dx
(2n + 2)!
f
2n+2
().

Theor`eme 19 (Admis) Les formules de type Gauss sont stables et convergentes pour toute
fonction continue.
Remarque 15 Convergente signie lim
n
n

i=0

(n)
i
f(x
i
) =
_
b
a
f(x) dx.
Les formules de type Gauss sont souvent utiles pour les integrales impropres conver-
gentes.
Il existe des formules de type Gauss o` u les extremites de lintervalle sont des points
dintegration : formules de Gauss-Radau et Gauss-Lobatto
4
.
Exemple Gauss-Radau ` a 2 points
_
1
1
f(x) dx = A
0
f(1) +A
1
f(x
1
) +R(f)
f 1, R(f) = 0
_
1
1
1 dx = 2 = A
0
+A
1
.
f x, R(f) = 0
_
1
1
xdx = 0 = A
0
+x
1
A
1
.
f x
2
, R(f) = 0
_
1
1
x
2
dx = 2/3 = A
0
+x
2
1
A
1
.
N.B : Ce syst`eme nest pas un syst`eme lineaire !
On obtient A
0
= 1/2, A
1
= 3/2, x
1
= 1/3. La formule (exacte pour le degre 2) est donc
_
1
1
f(x) dx =
1
2
_
f(1) + 3f
_
1
3
__
+R(f)
4
Rehuel Lobatto, neerlandais, 1797-1866
5.4. CONCLUSION 67
Notez la dierence avec
_
1
1
f(x) dx = A
0
f(x
1
) +A
1
f(x
2
) +R(f)
o` u il y a 4 inconnues !
Les 4 equations sont les suivantes :
f 1, R(f) = 0
_
1
1
1 dx = 2 = A
0
+A
1
.
f x, R(f) = 0
_
1
1
xdx = 0 = A
0
x
1
+A
1
x
2
.
f x
2
, R(f) = 0
_
1
1
x
2
dx = 2/3 = A
0
x
2
1
+A
1
x
2
2
.
f x
3
, R(f) = 0
_
1
1
x
3
dx = 0 = A
0
x
3
1
+A
1
x
3
1
.
do` u :
A
0
x
1
= A
1
x
2
A
1
x
2
(x
2
2
x
2
1
) = 0
De la derni`ere equation on tire : soit A
1
= 0, A
0
= 2 et x
1
= 0 ce qui est impossible puisque
2
3
= A
0
x
2
1
+A
1
x
2
2
,
soit x
2
= 0, A
0
= 0 ou x
1
= 0 ce qui est impossible,
soit x
2
= x
1
.
On obtient alors que A
0
= A
1
= 1 et que x
2
1
=
1
3
.
Do` u la formule :
_
1
1
f(x) dx = f
_

3
_
+f
_
1

3
_
+R(f)
Les formules de Gauss-Lobatto de degre de precision 3 et 5 sont :
_
1
1
f(x) dx =
1
3
f(1) +
4
3
f(0) +
1
3
f(1) +R(f)
_
1
1
f(x) dx =
1
6
f(1) +
5
6
f
_

5
_
+
5
6
f
_
1

5
_
+
1
6
f(1) +R(f)
5.4 Conclusion
Les formules des trap`ezes et de Simpson sont les plus utilisees et souvent sous leur forme
composite. Les formules de Gauss sont neanmoins beaucoup plus precises et peuvent de
la meme facon etre composees. Lintegration numerique est aussi tr`es utile pour calculer
numeriquement des integrales doubles :
_
1
1
_
1
1
f(x, y) dxdy.
68 CHAPITRE 5. INT

EGRATION NUM

ERIQUE
Chapitre 6
Derivation numerique
Application : methode des dierences
nies
6.1 Position du probl`eme
Comme pour lintegrale, on voudrait etre en mesure devaluer numeriquement la derivee
dune fonction qui nest connue que par ses valeurs en un certain nombre de points. Ce
probl`eme de derivation numerique est tr`es commun en ingenierie et en analyse numerique
(cest la base des methodes de dierences nies).
6.2 Approximation de la derivee premi`ere
Supposons donnee une fonction f susamment derivable sur un intervalle [a, b] de R seule-
ment connue de fa con discr`ete ie par ses valeurs en des points x
i
, i = 0, . . . , n.
Une des methodes les plus anciennes utilisees pour obtenir des formules de derivation
numerique consiste `a construire des quotients dierentiels `a laide de la formule de Taylor.
6.2.1 Formules `a deux points
On suppose que les x
i
sont reguli`erement espaces : x
i
= x
0
+ ih et on cherche une ap-
proximation de f

(x
0
). Ecrivons un premier developpement de Taylor
1
dordre 1 de f autour
de x
0
:
f(x
0
+h) = f(x
0
) +hf

(x
0
) +
h
2
2
f

(
1
),
1
[x
0
, x
0
+h]
On obtient :
_

_
f

h+
(x
0
) =
f(x
0
+h) f(x
0
)
h
approximation de la derivee premi`ere en x
0
E =
h
2
f

(
1
),
1
[x
0
, x
0
+h] erreur commise
1
Brook Taylor, anglais, 1685-1731
69
70 CHAPITRE 6. D

ERIVATION NUM

ERIQUE
Ecrivons un autre developpement de Taylor dordre 1 de f autour de x
1
:
f(x
1
h) = f(x
1
) hf

(x
1
) +
h
2
2
f

(
2
),
2
[x
1
h, x
1
]
On obtient alors :
_

_
f

h
(x
1
) =
f(x
1
) f(x
1
h)
h
approximation de la derivee premi`ere en x
1
E =
h
2
f

(
2
),
1
[x
1
h, x
1
] erreur commise
Les formules obtenues sont donc deux approximations de la derivee premi`ere en un point
donne ie deux discretisations de f

(x
i
) et lerreur commise ` a chaque fois tend vers 0 comme
h. On parle dapproximation dordre 1.
Augmentons lordre du developpement de Taylor de f autour de x
1
:
f(x
1
+h) = f(x
1
) +hf

(x
1
) +
h
2
2
f

(x
1
) +
h
3
6
f
(3)
(
1
),
1
[x
1
, x
1
+h]
f(x
1
h) = f(x
1
) hf

(x
1
) +
h
2
2
f

(x
1
)
h
3
6
f
(3)
(
2
),
2
[x
1
h, x
1
]
En soustrayant membre `a membre, on obtient :
f(x
1
+h) f(x
1
h) = 2hf

(x
1
) +
h
3
6
(f
(3)
(
1
) +f
(3)
(
2
)).
Ce qui donne :
_

_
f

hc
(x
1
) =
f(x
1
+h) f(x
1
h)
2h
approximation de la derivee premi`ere en x
1
E =
h
2
12
(f
(3)
(
1
) +f
(3)
(
2
)),
1
[x
1
, x
1
+h],
2
[x
1
h, x
1
] erreur commise
Lestimation de lerreur se simplie :
[x
1
h, x
1
+h] /
h
2
12
(f
(3)
(
1
) +f
(3)
(
2
)) =
h
2
6
f
(3)
().
La formule centree est une formule dordre 2 et donc plus precise que les deux premi`eres
formules, meme si elle necessite la connaissance de f au meme nombre de points. Il faut
cependant noter que les points utilises sont disposes symetriquement par rapport ` a celui o` u
lon calcule la derivee.
Remarque 16 Soient P
+
, P

et P
c
les polyn omes dinterpolation de f contruits respecti-
vement sur les points x
1
, x
1
+h, x
1
h, x
1
et x
1
h, x
1
+h, alors :
f

h+
(x
1
) = P

+
(x
1
)
f

h
(x
1
) = P

(x
1
)
f

hc
(x
1
) = P

c
(x
1
)
6.3. APPROXIMATION DE LA D

ERIV

EE SECONDE 71
Comme pour lintegration numerique, le principe utilise est de remplacer la fonction f par
son polyn ome dinterpolation et de deriver ce dernier.
En eet :
x
1
f(x
1
)
x
1
+h f(x
1
+h)
f(x
1
+h) f(x
1
)
h
Donc P(x) = f(x
1
) +
f(x
1
+h) f(x
1
)
h
(x x
1
)
On a donc que P

(x) =
f(x
1
+h) f(x
1
)
h
et on pose f

(x
1
) P

(x
1
) =
f(x
1
+h) f(x
1
)
h
.
On peut verier que la formule centree correspond aussi ` a f

hc
(x
1
) = P

2
(x
1
) o` u P
2
est le
polyn ome de degre 2 qui interpole f aux points x
1
h, x
1
, x
1
+ h. Cest donc en fait une
formule ` a trois points donc une meilleure approximation.
6.2.2 Formules `a trois points
Il est possible de developper dautres formules, pour cela il sut decrire un developpement
de Taylor de f autour de x
0
avec un pas 2h par exemple :
f(x
0
+ 2h) = f(x
0
) + 2hf

(x
0
) + 2h
2
f

(x
0
) +
4h
3
3
f
(3)
(
1
),
1
[x
0
, x
0
+ 2h]
f(x
0
+h) = f(x
0
) +hf

(x
0
) +
h
2
2
f

(x
0
) +
h
3
6
f
(3)
(
2
),
2
[x
0
, x
0
+h]
En combinant ces deux equations de fa con `a faire disparatre la derivee seconde, on obtient :
_

_
f

hd
(x
0
) =
4f(x
0
+h) 3f(x
0
) f(x
0
+ 2h)
2h
approximation de la derivee premi`ere en x
0
E =
h
2
3
(2f
(3)
(
1
) f
(3)
(
2
)),
1
[x
0
, x
0
+ 2h],
2
[x
0
, x
0
+h] erreur commise
On peut demontrer en utilisant un polyn ome dinterpolation (cf TD) que dans ce cas, lerreur
peut se mettre sous la forme suivante :
E =
h
2
3
f
(3)
(), [x
0
, x
0
+ 2h].
6.3 Approximation de la derivee seconde
Pour obtenir une approximation de la derivee seconde, nous procedons de la meme facon,
mais `a partir de developpements de Taylor dordre 4 :
f(x
1
+h) = f(x
1
) +hf

(x
1
) +
h
2
2
f

(x
1
) +
h
3
6
f
(3)
(x
1
) +
h
4
24
f
(4)
(
1
),
1
[x
1
, x
1
+h]
f(x
1
h) = f(x
1
) hf

(x
1
) +
h
2
2
f

(x
1
)
h
3
6
f
(3)
(x
1
) +
h
4
24
f
(4)
(
2
),
2
[x
1
h, x
1
]
72 CHAPITRE 6. D

ERIVATION NUM

ERIQUE
f(x)dx
u(y)
0 y
1
Fig. 6.1 Elastique de tension xe `a ses deux extremites et soumis `a une force verticale
f(x) donnee
Apr`es addition, on obtient :
_

_
f

hc
(x
1
) =
f(x
1
+h) 2f(x
1
) +f(x
1
h)
h
2
approximation de la derivee seconde en x
1
E =
h
2
24
(f
(4)
(
1
) +f
(4)
(
2
)),
1
[x
1
, x
1
+h],
2
[x
1
h, x
1
] erreur commise
Le terme derreur peut se simplier de la meme facon que precedemment :
[x
1
h, x
1
+h] /
h
2
24
(f
(4)
(
1
) +f
(4)
(
2
)) =
h
2
12
f
(4)
().
Cette formule est donc dordre 2 (le terme derreur tend vers 0 comme h
2
) et est tr`es
importante dans la pratique.
6.4 Approximation des derivees dordre superieur
On peut evidemment generaliser cette approche et determiner des approximations des
derivees dordre superieur. Mais attention, la derivation numerique est une operation tr`es
instable, ie tr`es sensible aux erreurs darrondi.
6.5 Methode des dierences nies
6.5.1 Exemples de mecanique
On suppose quun elastique de longueur 1 et de tension > 0 est xe `a ses deux
extremites et est soumis `a une force verticale donnee f(x)dx au point x :
On cherche alors le deplacement vertical u(x) au point x.
La theorie de lelasticite (linearisee) nous apprend qualors la fonction u : [0, 1] x u(x)
R verie lequation dierentielle suivante :
u

(x) = f(x) x [0, 1]


6.5. M

ETHODE DES DIFF

ERENCES FINIES 73
et les conditions limites homog`enes : u(0) = u(1) = 0.
Le probl`eme que verie la fonction u(x) est donc un probl`eme aux limites :
_
_
_
u

(x) = f(x) x =]0, 1[


u(0) = 0
u(1) = 0
(6.1)
Remarque 17 Si u est une solution correspondant ` a une tension , u/2 est alors une solution
correspondant `a une tension 2.
Les questions que lon se pose ` a partir de ce probl`eme sont les suivantes :
1. Existe-t-il une solution ie une fonction u : [0, 1] x u(x) R qui verie ce
probl`eme ?
2. Si oui, est-elle unique ?
3. Que peut-on dire de lapplication f u?
4. Peut-on expliciter u(x) ?
Theor`eme 20 Si f C
0
([0, 1]), le probl`eme (6.1) admet une solution et une seule u
C
2
([0, 1]). Lapplication f u est lineaire.
preuve
Existence Soit
G(x, ) =
_
x(1 ) 0 x 1
(1 x) 0 x 1
Alors la fonction u(x) =
_
1
0
G(x, )f() dx, 0 x 1 est une fonction C
2
([0, 1]), solution de
(6.1).
Unicite Soient u
1
et u
2
deux solutions C
2
([0, 1]) de (6.1). Alors u = u
1
u
2
est C
2
([0, 1]) et
est telle que :
_
_
_
u

(x) = 0 x =]0, 1[
u(0) = 0
u(1) = 0
Alors u(x) = ax +b, a, b R constantes. Mais les conditions aux limites donnent a = b = 0.
Donc u
1
= u
2
.
Linearite Soient u
1
et u
2
deux solutions C
2
([0, 1]) de (6.1) avec respectivement pour second
membre f
1
et f
2
. Alors u
1
+u
2
est solution de (6.1) avec pour second membre f
1
+f
2
. Meme
raisonnement avec u, R.
Avec ce theor`eme, nous avons repondu ` a 3 questions sur 4 (analyse mathematique du probl`eme).
La reponse `a la derni`ere question est NON :
on ne pourra pas trouver une formule explicite de la fonction solution u, on va donc en cher-
cher une approximation ie une approximation des valeurs de u(x
i
) en des points x
i
donnes
(analyse numerique : choisir la methode dapproximation et faire lanalyse a priori, program-
mer la methode et etudier les resultats - analyse a posteriori - ).
74 CHAPITRE 6. D

ERIVATION NUM

ERIQUE
0 L
x x+dx
S
h(T!T
e
)
Fig. 6.2 Ailette de refroidissement
On etudie la dissipation de la chaleur dans un element de radiateur (ou ailette). On
suppose que lailette, de longueur L, est susamment mince pour considerer que le probl`eme
est unidimensionnel (ie que la temperature T ne depend que de x). Lequation dierentielle
que verie alors T est la suivante :
kT

(x) +
h
c
(x)p
S
(T T
e
) = 0 x =]0, L[
o` u k est la conductivite thermique (W/(mKelvin)), h
c
(x) le coecient surfacique de transfert
thermique (W/(m
2
Kelvin)), p le perim`etre de la surface S (pdx represente la surface laterale)
et T
e
la temperature ambiante.
En notant u(x) = T(x) T
e
et en rajoutant les conditions limites ` a savoir que lailette est
chauee aux deux extremites `a une temperature T
0
, le probl`eme secrit :
_
_
_
u

(x) +c(x)u(x) = 0 x =]0, L[


u(0) = T
0
u(L) = T
0
Ce probl`eme est donc du type suivant qui nous servira de mod`ele :
_
_
_
u

(x) +c(x)u(x) = f(x) x =]0, 1[


u(0) =
u(1) =
(6.2)
6.5.2 Principe de la methode
On supose que dans le probl`eme mod`ele (6.2) f, c sont des fonctions donnees continues
dans [0, 1] avec c(x) 0 x [0, 1]. On cherche ` a trouver u(x), x [0, 1], solution de (6.2).
Theor`eme 21 (Admis) Sous les hypoth`eses donnees, le probl`eme (6.2) a une solution et une
seule u C
2
([0, 1]).
On subdivise de fa con reguli`ere lintervalle [0, 1]. On appelle x
i
= ih, i = 0 . . . N + 1 les
points de la subdivision. La subdivision est appellee maillage uniforme de [0, 1], x
i
, i =
6.5. M

ETHODE DES DIFF

ERENCES FINIES 75
0 . . . N + 1 les noeuds du maillage et h =
1
N + 1
le pas du maillage. Le nombre de noeuds
du maillage (N + 2) est destine `a tendre vers linni et donc h est amene `a tendre vers 0.
Notons u
i
= u(x
i
), alors u
0
= et u
N+1
= permet de verier les conditions limites. Il
reste `a trouver u
i
, i = 1 . . . N. Ecrivons lequation dierentielle du probl`eme en x
i
:
u

(x
i
) +c(x
i
)u(x
i
) = f(x
i
) i = 0, . . . N
Comme les fonctions c et f sont donnees, on peut calculer c(x
i
)
note
= c
i
et f(x
i
)
note
= f
i
.
Or on a vu ` a la section precedente que lon pouvait approcher la derivee seconde dune fonction
en un point donne `a laide de la formule :
_

_
u

(x
i
) =
u(x
i
+h) 2u(x
i
) +u(x
i
h)
h
2

h
2
12
u
(4)
(), [x
i
h, x
i
+h].
u

(x
i
) =
u
i+1
2u
i
+u
i1
h
2

h
2
12
u
(4)
(), [x
i1
, x
i+1
].
On a alors facilement que :
max
1iN

(x
i
)
_
u
i+1
+ 2u
i
u
i1
h
2
_

h
2
12
sup
x[0,1]
|u
(4)
(x)|.
Le membre de droite dans linegalite precedente sappelle lerreur de consistance.
Donc on obtient quil existe
i
[x
i1
, x
i+1
], i = 1, . . . , N tels que :
u
2
+ 2u
1
u
0
h
2
+c
1
u
1
= f
1

h
2
12
u
(4)
(
1
)
u
3
+ 2u
2
u
1
h
2
+c
2
u
2
= f
2

h
2
12
u
(4)
(
2
)
. . .
u
i+1
+ 2u
i
u
i1
h
2
+c
i
u
i
= f
i

h
2
12
u
(4)
(
i
)
. . .
u
N+1
+ 2u
N
u
N1
h
2
+c
N
u
N
= f
N

h
2
12
u
(4)
(
N
)
Ce qui donne le syst`eme suivant `a resoudre :
1
h
2
_
_
_
_
_
_
_
_
_
_
_
_
2 +c
1
h
2
1 0 0 . . . 0
1 2 +c
2
h
2
1 0
.
.
.
0 1 2 +c
3
h
2
1
.
.
.
.
.
.
.
.
. 0 1
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
. 1
0 . . . . . . 0 1 2 +c
N
h
2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
u
1
u
2
.
.
.
.
.
.
.
.
.
u
N
_
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
_
f
1
+

h
2
f
2
.
.
.
.
.
.
.
.
.
f
N
+

h
2
_
_
_
_
_
_
_
_
_
_
_

h
2
12
_
_
_
_
_
_
_
_
_
_
_

2
.
.
.
.
.
.
.
.
.

N
_
_
_
_
_
_
_
_
_
_
_
soit un syst`eme de la forme A
h
U = B+E
h
o` u A
h
est une matrice tridiagonale symetrique
et E
h
un vecteur tel que :
E
h


h
2
12
sup
x[0,1]
|u
(4)
(x)|,
donc qui tend vers 0 comme h
2
.
76 CHAPITRE 6. D

ERIVATION NUM

ERIQUE
Theor`eme 22 Si c(x) 0 x [0, 1], la matrice A
h
est denie positive (donc inversible !).
preuve
On a que x R
N
:
(A
h
x/x) =
1
h
2
(
N

i=1
(2+c
i
h
2
)x
2
i
2
N1

i=1
x
i
x
i+1
) =
1
h
2
(x
2
1
+
N1

i=1
(x
i
x
i+1
)
2
+x
2
N
+h
2
N

i=1
c
i
x
2
i
) 0.
(A
h
x/x) = 0
_
_
_
x
1
= 0
x
N
= 0
x
i
= x
i+1
, i = 1, . . . , N 1
x = 0.

Notons () le syst`eme lineaire suivant :


A
h
U
h
= B, ()
et appelons U
h
= (u
h
(x
i
))
1iN
lunique vecteur solution. On peut alors demontrer le theor`eme
de convergence suivant :
Theor`eme 23 Si u C
4
([0, 1]) est solution de (6.2) et u
h
solution du syst`eme lineaire ()
alors :
u u
h

= max
1iN
|u(x
i
) u
h
(x
i
)|
h
2
96
sup
x[0,1]
|u
(4)
(x)|.
Donc plus h est petit (plus il y a de points dans le maillage), meilleure est lapproximation
de la solution exacte du probl`eme si celle-ci est reguli`ere.
Remarque 18 Si u C
3
([0, 1]) alors :
u u
h

= O(h)
Si u C
2
([0, 1]) alors :
u u
h

h0
0
Annexe A
Resolution numerique des equations
dierentielles
A.1 Position du probl`eme
On appelle equation dierentielle une equation reliant une fonction et ses derivees
successives. Si lequation ne fait intervenir que la fontion et sa derivee, on parle dequation
du premier ordre.
Soit un ouvert de RR
N
. Etant donnes f : RR
N
R
N
qui ` a un couple (t, u)
associe f(t, u) continue, un point quelconque t
0
R, un point quelconque U
0
R
N
, nous
cherchons une fontion u : I R
N
, o` u I est un voisinage de t
0
dans R, qui ` a t I associe
u(t), contin ument derivable, telle que u verie le probl`eme de Cauchy suivant :
_
u

(t) = f(t, u(t))


u(t
0
) = U
0
condition initiale ou condition de Cauchy
(A.1)
On dit quil y a unicite au probl`eme de Cauchy en (t
0
, U
0
) sil existe au moins une solution
`a ce probl`eme et si pour toutes solutions : I R
N
et : J R
N
, les fonctions et
concident sur I J.
Letude mathematique de lexistence et de lunicite dune solution u est delicate et consti-
tue une branche enti`ere des mathematiques. Nous nous contenterons de donner une condi-
tion susant `a lexistence et lunicite dune solution au probl`eme de Cauchy. Nous ne nous
interesserons ensuite qu`a la resolution numerique de ces equations dierentielles.
Theor`eme 24 Theor`eme de Cauchy-Lipschitz (Admis)
Si f est continue dans et si f est localement lipschitzienne par rapport ` a sa deuxi`eme
variable, ie si
pour tout (t
0
, u
0
) , il existe un voisinage V de (t
0
, u
0
) et L > 0 tels que :
(t, u), (t, v) V, |f(t, u) f(t, v)| L|u v|,
alors pour tout (t
0
, u
0
) , il existe I voisinage de t
0
dans R et une application u, contin ument
derivable, de I dans R
N
solution unique de :
_
u

(t) = f(t, u(t))


u(t
0
) = U
0
77
78 ANNEXE A. R

ESOLUTION NUM

ERIQUE DES

EQUATIONS DIFF

ERENTIELLES
Remarque 19 Si f est de classe C
1
alors f est localement lipschitzienne par rapport ` a sa
deuxi`eme variable, et le theor`eme de Cauchy-Lipschitz sapplique.
Exemples

_
u

(t) = u(t) t
u(0) = 0
La fontion u(t) = exp (t) +t + 1, t 0 est solution.

_
_
_
u

(t) =
u(t)
t ln t
+
1
ln t
, t [e, 5]
u(e) = e
La fontion u(t) =
t
ln t
est solution unique car :
|f(t, u) f(t, v)| =

v u
t ln t

v u
e

=
1
e
|v u|.
A.2 Resolution numerique : methode dEuler
On suppose que les hypoth`eses du theor`eme (24) sont veriees. Nous cherchons `a approcher
les valeurs de la solution u de lequation (A.1) pour dierentes valeurs de t I = [0, T].
Soit h la longueur du pas, on denit t
j
= jh, j = 0, 1, 2, . . . , n :
_
t
j+1
t
j
u

(t) dt =
_
t
j+1
t
j
f(t, u(t)) dt
u(t
j+1
) u(t
j
) =
_
t
j+1
t
j
f(t, u(t)) dt
. .
integration numerique
On note u
j
= u(t
j
) et u
j+1
= u(t
j+1
).
En utilisant la formule des rectangles ` a gauche, on obtient :
u
j+1
u
j
= (t
j+1
t
j
)f(t
j
, u(t
j
))
u
j+1
= u
j
+ (t
j+1
t
j
)f(t
j
, u
j
)
On obtient le schema dEuler explicite (explicite car on a directement u
j+1
en fonction de
u
j
) :
_
u
j+1
= u
j
+hf(t
j
, u
j
)
u(0) = U
0
A.2. R

ESOLUTION NUM

ERIQUE : M

ETHODE DEULER 79
En utilisant la formule des rectangles ` a droite, on obtient :
u
j+1
u
j
= (t
j+1
t
j
)f(t
j+1
, u(t
j+1
))
u
j+1
= u
j
+ (t
j+1
t
j
)f(t
j+1
, u
j+1
)
On obtient le schema dEuler implicite (implicite car u
j+1
est des deux cotes de lequation) :
_
u
j+1
= u
j
+hf(t
j+1
, u
j+1
)
u(0) = U
0
Remarque 20 Le schema dEuler explicite est plus simple ` a utiliser mais moins precis que
le schema dEuler implicite. De plus, le schema dEuler implicite est plus stable que le schema
dEuler explicite.
Exemple
Soit > 0 et lequation :
u

(t) = u(t)
u(0) = 1
La fonction u(t) = exp (t) est solution.
Par le schema dEuler explicite :
u
j+1
= (1 h)u
j
u
j
= (1 h)
n
Donc comme u(t) tend vers 0 quand t tend vers linni, |1 h| < 1, soit la condition de
stabilite h < 2/.
Par le schema dEuler implicite :
(1 + h)u
j+1
= u
j
u
j
=
1
(1 + h)
n
Alors u
j
tend vers 0 pour tout h > 0. Il ny a pas de condition de stabilite.
Interpretation graphique du schema dEuler explicite
Comme u

(0) = f(0, u(0)), on confond la courbe de f : t f(t, u(t)) et la tangente en 0


pour trouver le point suivant, A
1
. Puis on construit la tangente ` a la courbe au nouveau point
et on trouve un point A
2
, etc
Le -schema
En combinant les schemas dEuler explicite et implicite, on obtient le -schema :
_
u
j+1
= u
j
+h[f(t
j+1
, u
j+1
) + (1 )f(t
j
, u
j
)], 0 1
u(0) = U
0
.
On retrouve le schema dEuler explicite pour = 0, et limplicite pour = 1.
Pour = 1/2, on retrouve la formule des trap`ezes.
Remarque 21 Pour les schemas implicites, la valeur de depart est en general donnee par
un schema explicite. Les schemas implicites sont ` a considerer comme des equations de point
xe.
80 ANNEXE A. R

ESOLUTION NUM

ERIQUE DES

EQUATIONS DIFF

ERENTIELLES
A
1
0
t
1
T
t
2
A
2
u
0
C
f
Le schema de Heun
u

j+1
= u
j
+hf(t
j
, u
j
)
u
j+1
= u
j
+h/2[f(t
j+1
, u

j+1
) +f(t
j
, u
j
)]
u
j+1
= u
j
+h/2[f(t
j+1
, u
j
+hf(t
j
, u
j
)) +f(t
j
, u
j
)]
u(0) = U
0
.
Le schema dEuler modie
u
j+1/2
= u
j
+h/2f(t
j
, u
j
)
u
j+1
= u
j
+hf(t
j+1/2
, u
j+1/2
)
u(0) = U
0
.
A.3 Methodes `a un pas generique
Les methodes `a un pas secrivent
_
u
j+1
= u
j
+h(t
j
, u
j
, h)
u
0
= u(0),
avec continue par rapport aux trois variables.
Choisir une methode revient ` a choisir la fonction ! Quelles conditions imposer ` a pour que
la methode fonctionne ?
A.3. M

ETHODES
`
A UN PAS G

EN

ERIQUE 81
Exemples
Schema dEuler (t, u, h) = f(t, u).
Schema de Heun (t, u, h) = 1/2[f(t +h, u +hf(t, u)) +f(t, u)].
On pose e
j
(h) = u(t
j
) u
j
, j = 0, 1, . . . , n : lerreur ` a letape j.
Objectif 1 : Quand h tend vers 0, u(t
j
) doit tendre vers u
j
ie on a convergence de la solution
approchee trouvee u
j
vers la solution exacte au point t
j
, u(t
j
).
Denition 11 Une methode `a un pas est dite convergente sur [0, T] si quelle que soit U
0
condition initiale :
lim
h0
max
0jn
|e
j
(h)| = 0
lim
h0
max
0jn
|u(t
j
) u
j
| = 0.
Objectif 2 : Il faut que la methode approche bien lequation dierentielle.
Denition 12 Une methode `a un pas est dite consistante si pour tout u solution de u

=
f(t, u) :
lim
h0
max
0jn1

1
h
(u(t
j+1
) u(t
j
)) (t
j
, u(t
j
), h)

= 0
Objectif 3 : connatre et controler la repercussion des erreurs darrondi.
Denition 13 Une methode `a un pas est dite stable si :
il existe K independant de h tel que , pour tous U
0
,

U
0
et u
j+1
= u
j
+h(t
j
, u(t
j
), h),
u
j+1
= u
j
+h(t
j
, u(t
j
), h) +
j
verient |u
j
u
j
| K(|U
0

U
0
| +
j1

i=0
|
i
|) 0 j n.
Ces trois notions sont liees pour les schemas `a un pas. En eet :
Proposition 12 Pour une methode `a un pas, la convergence implique la consistance.
Theor`eme 25 Si une methode `a un pas est consistante et stable alors elle est convergente.
preuve
Soit u solution de lequation dierentielle, la consistance donne : u(t
j+1
) = u(t
j
)+h(t
j
, u(t
j
), h)+

n
avec lim
h0
max
n
|
n
| = 0.
Or la methode est aussi stable, donc
max
j
|u(t
j
) u
j
| K(|u(0) U
0
| + hN
..
=T
max
n
|
n
|)
max
j
|u(t
j
) u
j
| K(|u(0) U
0
| +T max
n
|
n
|
. .
0
).
Donc max
j
|u(t
j
) u
j
| 0.
82 ANNEXE A. R

ESOLUTION NUM

ERIQUE DES

EQUATIONS DIFF

ERENTIELLES
Proposition 13 Une condition necessaire et susante pour quune methode `a un pas soit
consistante est (t, u, 0) = f(t, u), t [0, T], u R
N
.
Justication
lim
h0
u(t +h) u(t)
h
= u

(t) = f(t, u(t)).


Comme est continue,
lim
h0
(t, u(t), h) = (t, u(t), 0),
soit
(t, u(t), 0) = f(t, u(t)).
Proposition 14 Si est localement lipschitzienne par rapport ` a sa deuxi`eme variable, alors
la methode est stable.
Theor`eme 26 Le schema dEuler et le schema de Heun sont explicites et convergents.
preuve
Pour le schema dEuler, cest evident car (t, u, h) = f(t, u) est localement lipschitzienne par
rapport ` a la deuxi`eme variable, par hypoth`ese du theor`eme de Cauchy-Lipschitz.
Pour le schema de Heun, (t, u, h) = 1/2[f(t +h, u +hf(t, u)) +f(t, u)]. Or
|(t, u, h) (t, v, h)| 1/2|f(t, u) f(t, v)| + 1/2|f(t +h, u +hf(t, u) f(t +h, v +hf(t, v))|
L/2|u v| +L/2|u v +h(f(t, u) f(t, v))| L(1 +hl/2)|u v|.

Denition 14 On dit quune methode est dordre p si


max
j
|1/h(u(t
j+1
) u(t
j
)) (t
j
, u(t
j
), h)| = O(h
p
).
Methode dordre 4 : methode de Runge-Kutta
On pose (t, u, h) = 1/6(k
1
+ 2k
2
+ 2k
3
+k
4
)
avec
k
1
= f(t, u)
k
2
= f(t +h/2, u + (h/2)k
1
)
k
3
= f(t +h/2, u + (h/2)k
2
)
k
4
= f(t +h, u +hk
3
).
Cette methode est dordre 4 et donne dexcellents resultats. Son defaut est quelle demande
levaluation de f quatre fois.
A.4. M

ETHODES
`
A PAS MULTIPLES 83
A.4 Methodes `a pas multiples
On appelle methode `a k pas une methode denie par :

k
u
j+k
+
k1
u
j+k1
+ +
0
u
j
= h(
k
f
j+k
+ +
0
f
j
),
k
= 0
o` u on a pose f
j
= f(t
j
, u
j
).
Si
k
= 0, la methode est explicite et implicite sinon.
Pour denir ces methodes `a pas multiples, on utilise les formules dintegration numerique
ou de dierentiation ou dinterpolation (cf TDs).
Exemples
_
t
j+1
t
j1
u

(t) dt =
_
t
j+1
t
j1
f(t, u(t)) dt
u(t
j+1
) u(t
j1
) = 2hf
j
..
formule du point milieu
On obtient alors le schema saute-mouton (leap-frog en anglais) :
_
u
j+1
= u
j1
+ 2hf
j
u
0
= u(0).
_
t
j+2
t
j
u

(t) dt =
_
t
j+2
t
j
f(t, u(t)) dt
u(t
j+2
) u(t
j
) = 2h/6(f
j+2
+ 4f
j+1
+f
j
)
. .
formule de Simpson
Soit :
_
u
j+2
= u
j
+h/3(f
j+2
+ 4f
j+1
+f
j
)
u
0
= u(0).
Remarque 22 Comment programmer un schema implicite ?
Soient y
0
, y
1
donnes.
Pour i = 1 `a n faire (etape de prediction, formule explicite) :
y
0
i+1
= y
i
+ 3h/2f(x
i
, y
i
) h/2f(x
i1
, y
i1
)
Pour k = 0, 1 jusqu` a convergence faire (etape de correction) :
y
k+1
i+1
= y
i
+h/2[f(x
i
, y
i
) +f(x
i+1
, y
k
i+1
)]
y
1
donne par Runge-Kutta de meme ordre que le schema pour conserver la precision.
On peut montrer que si la prediction est bien choisie, une iteration de correction sut.
84 ANNEXE A. R

ESOLUTION NUM

ERIQUE DES

EQUATIONS DIFF

ERENTIELLES
Annexe B
Annee 2002-2003
85
86 ANNEXE B. ANN

EE 2002-2003
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 1
Exercice 1 Polynomes de Lagrange (Joseph-Louis Lagrange, franco-italien, 1736-1813)
Soient les points dinterpolation suivants : (1, 0), (1, 0), (2, 3) et (3, 2). Trouvez le polyn ome
dinterpolation de degre 3 passant par ces points :
a) par une methode didentication,
b) par une methode de mise en facteurs,
c) `a laide des polyn omes de Lagrange.
Exercice 2 Matrice de Vandermonde (Alexandre Vandermonde, fran cais, 1735-1796)
a)

Ecrire le syst`eme lineaire qui denit le polyn ome dinterpolation de degre 3 passant
par les points de coordonnees (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
), (x
3
, y
3
).
b) Calculer le determinant de la matrice V de ce syst`eme lineaire (on pourra eectuer
des manipultations de lignes et de colonnes). La matrice V est appelee matrice de
Vandermonde.
c) Calculer dans le cas general (i.e. en dimension quelconque) le determinant dune matrice
de Vandermonde.
Exercice 3 Algorithme de Neville-Aitken ( Eric Harold Neville, anglais, 1889-1961 et
Alexander Aitken, neo-zelandais, 1895-1967)
Pour deux suites de nombres x
1
, x
2
, . . . , x
r
et y
1
, y
2
, . . . , y
r
, on denit la suite de polyn omes :
P
k,0
= y
k
pour k = 0, 1, . . . , r et
P
k,j+1
(x) =
(x
k
x)P
j,j
(x) (x
j
x)P
k,j
(x)
x
k
x
j
pour k = j + 1, . . . , r et j = 0, . . . , k 1.
a) Construire P
3,3
avec (x
0
, y
0
) = (1, 0), (x
1
, y
1
) = (1, 0), (x
2
, y
2
) = (2, 3) et (x
3
, y
3
) =
(3, 2).
b) Montrez par recurrence que P
k,j
avec k j est le polyn ome dinterpolation de Lagrange
pour les points x
0
, x
1
, . . . , x
j1
, x
k
.
c) Quen concluez-vous pour P
k,k
?
Exercice 4 Dierences divisees
a) Retrouvez par la methode des dierences divisees le polynome dinterpolation de La-
grange de degre 3 aux points (1, 0), (1, 0), (2, 3) et (3, 2) (polyn ome dej` a obtenu).
b) Reecrire larbre des dierences divisees lorsque les points x
0
, x
1
, x
2
, x
3
sont reguli`erement
repartis (formule de Newton : Sir Isaac Newton, anglais, 1643-1727).
87
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 2
Exercice 1
On consid`ere la table suivante :
x f(x)
2.8 16.4446
3.0 20.0855
3.2 24.5325
3.4 29.9641
3.6 36.5982
3.8 44.7012
4.0 54.5982
1.) Calculer f(3.3) par interpolation polynomiale ` a partir des donnees 3, 3.2, 3.4, 3.6, en
ecrivant le polyn ome sous la forme de Newton utilisant les dierences progressives.
2.) Donner une majoration de lerreur theorique dinterpolation sachant que f(x) = e
x
.
Comparer ` a lerreur reelle.
3.) Combien de points aurait-il fallu prendre, en theorie, pour avoir une erreur inferieure
`a 5.10
5
? On admettra que :

i=0
(x x
i
)

h
n+1
(n + 1)! o` u x
i
= x
0
+ih et x
0
x x
n
.
4.) Resoudre f(x) = 30 par interpolation inverse, ` a la precision de votre choix. Comparer
`a la solution exacte.
Exercice 2
Soit la fonction denie par f(x) =

1 +x.
1.) Determiner le polyn ome dinterpolation de Newton P veriant :
P(0) = f(0) , P
_
1
2
_
= f
_
1
2
_
, P(1) = f(1).
Calculer P(0.1) et P(0.9). Comparer aux valeurs exactes.
Evaluer f(x) P(x) pour ces deux valeurs en vous servant dun theor`eme du cours.
2.) Determiner Q polyn ome dinterpolation dHermite veriant :
Q(0) = f(0) , Q
_
1
2
_
= f
_
1
2
_
, Q(1) = f(1).
Q

(0) = f

(0) , Q

_
1
2
_
= f

_
1
2
_
, Q

(1) = f

(1).
Calculer Q(0.1) et Q(0.9). Comparer aux valeurs exactes.
88 ANNEXE B. ANN

EE 2002-2003
Exercice 3
Soit la fonction denie par f(x) =
3

x.
1. Construire la table des dierences divisees `a partir des donnees
(x
i
, f(x
i
)), i = 0 ` a 4, avec x
0
= 0 , x
1
= 1 , x
2
= 8 , x
3
= 27 , x
4
= 64.
2. Ecrire le polyn ome dinterpolation de f, note P
4
, construit sur les donnees du 1, en
utilisant la formule de Newton et les dierences divisees, cest-`a-dire :
P
0
(x) = f(x
0
)
P
k
(x) = P
k1
(x) + (x x
0
)(x x
1
) . . . (x x
k1
)f[x
0
, x
1
, . . . , x
k
]
Calculer P
i
(20) pour i = 1 ` a 4 et comparer `a f(20).
3. Ecrire lerreur dinterpolation E
4
(x) = f(x) P
4
(x).
Peut-on majorer E
4
(20) sur lintervalle considere ? Expliquer les resultats du (2).
4. Pour ameliorer les resultats, on interpole f sur les donnees (x
i
, f(x
i
)) i = 1 ` a 4. Ecrire
le polyn ome dinterpolation ainsi obtenu ` a laide de (1). On le note Q
3
. Calculer Q
i
(20)
pour i = 1, 2, 3 et donner une majoration de E
3
(20) = f(20) Q
3
(20).
5. On veut maintenant resoudre
3

x = avec = 2.71441761659, par interpolation


inverse. Pour cela :
a. Construire la table des dierences progressives-regressives (y
i
= y
i
y
i1
) pour les
donnees permutees, cest-`a-dire pour (f(x
i
), x
i
)
i = 0 ` a 4.
b. Ecrire le polyn ome dinterpolation R
4
, construit ` a laide de la formule de Newton
regressive :
R
k
(x) = R
k1
(x) + (x x
n
)(x x
n1
) . . . (x x
n(k1)
)

k
f(x
n
)
k!h
k
R
0
(x) = f(x
n
)
Calculer les R
i
() pour i = 1 ` a 4. Que constate-t-on ? Evaluer une majoration de

2
() = f
1
() R
2
(). Comparer ` a
R
3
() R
2
().
89
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 3
TD de preparation au premier TP Maple.
Probl`eme 1

Etude des polyn omes de Tchebyche (Pafnuty Lvovich Chebyshev, russe, 1821-
1894)
On appelle fonction polynomiale de Tchebyche de degre n, lapplication
T
n
: [1, +1] R
x cos(narccos(x)).
1) Montrez en posant cos() = x que pour tout entier n positif, T
n
est un polyn ome de
degre n en x.
2) Montrez que pour tout n 2, on a
T
n+1
(x) = 2xT
n
(x) T
n1
(x).
3) Calculez les 5 premiers polynomes de Tchebyche.
4) Determinez en fonction de n le coecient du terme en x
n
de T
n
.
5) On pose
X
k
= cos(
2k 1
2n
) pour k = 1, . . . , n.
Montrez que T
n
poss`ede n zeros simples. Ces zeros sont appeles les points de Tchebyche
dordre n.
6) Si f est une fonction de classe C
n+1
[1, 1] , on rappelle que lon a lestimation derreur
|f(x) P(x)| max
x[1,+1]

f
(n+1)
(x)

(n + 1)!
max
x[1,+1]
|(x x
0
) . . . (x x
n
)|
o` u P est le polyn ome dinterpolation de Lagrange en les points x
0
, . . . , x
n
. On admettra
le resultat suivant
max
x[1,+1]
|(x x
0
) . . . (x x
n
)| max
x[1,+1]
|(x X
0
) . . . (x X
n
)| .
Expliquez pourquoi les points de Tchebyche sont de bons points dinterpolation.
7) Quels points dinterpolation faut-il choisir si lintervalle dinterpolation est le segment
[a, b] ?
90 ANNEXE B. ANN

EE 2002-2003
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 4
On pose T
n
(x) = cos(narccos(x)) et X = arccos(x) pour x [1; 1].
Exercice 1 Les polyn omes de Chebyshev
1. Demontrez la formule de recurrence des polynomes de Chebyshev `a laide de MAPLE.
(Indice : developper cos((n + 2)x) puis cos((n + 1)x).)
2. Acher les 10 premiers polyn omes de Chebyshev `a laide dune boucle for. Que vaut le
coecient de plus haut degre ?
3. Tracer leurs graphes.
4. Verier que les cos
_
(2k1)
12
_
sont les zeros dun des polyn omes precedents (Lequel ?).
Exercice 2 Linterpolation polynomiale
1. Consultez laide en ligne de MAPLE pour linterpolation.
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec :
6 points : -5, -3, -1, 1, 3, 5.
11 points : -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5.
21 points : -5, -4.5, -4, -3.5, -3, -2.5, -2, -1.5, -1, -0.5, 0, 0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4,
4.5, 5.
3. Tracer f et son polyn ome dinterpolation sur un meme graphe. Que constatez-vous ?
Exercice 3 Interpolation polynomiale et polyn omes de Chebyshev
1. Quel sont les polyn omes de Chebyshev qui poss`edent 6, 11 et 21 zeros ?
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec 6, 11 puis 21 points dinterpolation qui seront les 6,
11 puis 21, zeros dun polyn ome de Chebyshev.
3. Tracer f et ce nouveau poyln ome dinterpolation sur un meme graphe. Que constatez-
vous ?
4. Reprendre les trois derni`eres questions avec la fonction f(x) =
1
1 +x
2
.
91
DEUG MIAS 1 Analyse numerique
Annee 2002-2003 Feuille TP1
Exercice 1
Soit I =
_
+
0
e
x
2
dx et I
n
=
_
n
0
e
x
2
dx. On a alors I
n
= I
n1
+
_
n
n1
e
x
2
dx. Une table
de valeurs donne I
2
= 0.88208139076242.
a) Considerons la formule dintegration suivante :
_
1
0
f(x) dx = f(0) + f
_
1
3
_
+ f
_
2
3
_
+ f(1).
Trouvez , , , , tels que cette formule soit exacte sur lespace vectoriel des polyn omes
de degre le plus eleve possible. Par un changement de variables, donnez la formule sur
lintervalle quelconque [a, b] .
b) Calculez
_
3
2
e
x
2
dx et
_
4
3
e
x
2
dx par la formule precedente. En deduire I
3
et I
4
.
c) On pose f
_
1
n
_
= I
n
. On a alors lim
n+
I
n
= f(0) = I. Interpolez f par le polyn ome P
sur les donnees
_
1
2
, f
_
1
2
__
,
_
1
3
, f
_
1
3
__
,
_
1
4
, f
_
1
4
__
et calculez P(0).
Exercice 2
a) Determinez A
0
, A
1
, A
2
tels que la relation :
_
2
0
f(x)

x
dx = (2h)
1/2
(A
0
f(0) +A
1
f(h) +A
2
f(2h)) +R(f)
soit exacte (i.e. R(f) = 0) sur lespace vectoriel des polyn omes de degre le plus eleve
possible. On precisera ce degre.
b) Calculez exactement
_
1
0
ln(1 +x)

x
dx, en integrant dabord par partie, puis par chan-
gement de variable. Calculez approximativement cette integrale par la methode qui
prec`ede. Comparer ce resultat ` a celui que lon obtient par la methode de Simpson (on
calculera lim
x0
ln(1 +x)

x
).
c) Expliquez pourquoi le resultat obtenu par la methode de Simpson est mauvais (Thomas
Simpson, anglais, 1710-1761).
92 ANNEXE B. ANN

EE 2002-2003
Exercice 3
On veut evaluer I =
_
1
0
ln(x)
x
2
1
dx par une formule dintegration numerique du type

A
i
f(x
i
)
o` u f(x) =
ln(x)
x
2
1
.
a) Montrez que x
i
= 1 est une valeur possible mais pas x
i
= 0.
b) Construire la formule de quadrature suivante, de type interpolation :
_
1
0
f(x) dx = af
_
1
2
_
+bf(1) +R(f).
Determinez R(f). Appliquez cette formule ` a I.
c) On rappelle la formule de Gauss-Legendre ` a deux points :
_
1
1
f(x) dx = f
_
1

3
_
+f
_

3
_
+
1
135
f
(4)
()
pour [1, 1] . En deduire lapproximation de
_
1
0
f(x) dx et lappliquer ` a I.
(Johann Carl Friedrich Gauss, allemand, 1777-1855 et Adrien-Marie Legendre, fran cais,
1752-1833)
d) Comparez les resultats precedents `a la valeur exacte

2
8
.
Exercice 4
On veut evaluer I =
_
+1
1
e
x
2
(1 +x
2
) dx.
a) Calculez une approximation de I par la methode des trap`ezes `a 3 points.
b) Construire une methode dapproximation du type :
_
+1
1
f(x)(1 +x
2
) dx = A
1
f(x
1
) +A
2
f(x
2
) +R(f)
o` u x
1
, x
2
et A
1
, A
2
sont des nombres distincts non nuls. En supposant R(f) = Kf
(4)
(),
[1, 1] . Determinez K `a laide de f(x) = x
4
.
93
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 5
Exercice 1
Ecrire la methode des trap`ezes composite `a n + 1 points. Que pouvez-vous dire de lerreur ?
Probl`eme 1
On denit une fonction poids (x) = e
x
et les polyn omes de Laguerre L
n
(x) = e
x
d
n
dx
n
(x
n
e
x
).
Ces derniers verient :
_

0
e
x
L
n
(x)L
p
(x) dx = 0, n = p,
_

0
e
x
L
n
(x)
2
dx = (n!)
2
.
On construit alors la formule dintegration suivante :
_

0
e
x
f(x) dx =
n

k=0
A
n
k
f(x
k
) +R(f).
On vous fournit la table suivante.
Abscisses et poids pour lintegration de Gauss-Laguerre :
n = 2 x
i

i
0.585786437627 0.853553390593
3.414213562373 0.146446609407
n = 3 x
i

i
0.415774556783 0.711093009929
2.294280360279 0.278517733569
6.289945062937 0.0103892565016
On veut calculer numeriquement I =
_
/2
0
ln(sin(x)) dx.
1. Expliquer pourquoi on ne peut appliquer ni la methode des trap`ezes, ni celle de Simpson.
On coupe alors I en deux integrales :
I
1
=
_
a
0
ln(sin(x)) dx et I
2
=
_
/2
a
ln(sin(x)) dx
2. On determine dabord a de sorte que |I
1
| .
a) Sachant que sin(x)
2

x, x
_
0;

2

, montrer que
|I
1
| a
_
1 ln(
2a

)
_
.
94 ANNEXE B. ANN

EE 2002-2003
b) Verier que a = 10
3
convient pour = 1.510
2
.
3. On prend maintenant a = 10
3
et = 1.510
2
.
Ecrire la methode des trap`ezes composite `a n+1 points appliquee `a I
2
ainsi que lerreur.
Combien de points doit-on prendre pour avoir une erreur inferieure `a ?
4. Utiliser la transformation ln(sin(x)) = ln(x) +ln
_
sin(x)
x
_
pour calculer une estimation
de I par la methode de Simpson simple.
5. Dans I, on pose sin(x) = e
t
. Verier que I =
_

0
te
t

1 e
2t
dt. Calculer une ap-
proximation de I `a laide de la formule de Gauss-Laguerre `a 2 points en utilisant la
table ci-dessus.
95
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 6
Exercice 1
a) Montrez que lequation x cos(x) = 0 a une unique solution s sur R.
b) Montrez que la suite denie par : x
n+1
= cos(x
n
) converge vers s, quel que soit x
0
dans R.
Exercice 2
a) Discutez selon les valeurs de ( > 0), le nombre de points dintersection des deux
courbes dequations :
g(x) =

x et h(x) = ln(x).
On pourra pour cela etudier la fonction f(x) =

x ln(x).
b) On prend =
1
2
. Montrez que f(x) =

x
2
ln(x) sannule deux fois sur R
+
.
Localisez chaque racine entre deux entiers successifs.
Montrez que chacune des iterations suivantes :
(1) x
n+1
= exp
_
x
n
2
_
,
(2) x
n+1
= 4(ln(x
n
))
2
permet de napprocher quune seule des deux racines (on justiera la convergence ou la
divergence).
Probl`eme 1
On consid`ere la fonction f(x) = ln((x + 1) exp(2x) + 1 x).
Le but de ce probl`eme est de determiner le domaine de denition de f.
1. On pose u(x) = (x + 1) exp(2x) + 1 x. Calculez u

et u

.
Montrez que u

sannule pour une valeur de quon localisera entre deux entiers suc-
cessifs.
Montrez que u sannule en deux valeurs et (on notera la valeur positive).
Montrez que = .
Localisez et entre deux entiers successifs.
2. En deduire le domaine de denition de f en fonction de et le graphe de f.
3.

Ecrire la methode de Newton pour lapproximation eective de . Choisir une valeur x
0
qui assure la convergence de la suite vers et calculez x
1
et x
2
.
`
A laide du theor`eme
des accroissements nis, calculez une majoration de lerreur |x
2
|.
96 ANNEXE B. ANN

EE 2002-2003
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 7
Probl`eme 1
On veut resoudre :
f(x) = x + 1
x
3
e
x
(B.1)
1. Calculer f

(x) et f

(x). En deduire le tableau de variations de f. Quel est le nombre de


solutions de (B.1) ? Localiser chaque solution entre deux entiers consecutifs.
2. On consid`ere les methodes iteratives suivantes :
x
n+1
=
x
n
3
e
xn
1 (B.2)
x
n+1
= 3e
xn
(x
n
+ 1) (B.3)
a) Verier que, si ces methodes convergent, elles convergent bien vers une solution de
(B.1).
b) Montrer que chaque methode ne converge que vers une seule solution de (B.1).
Preciser alors lintervalle sur lequel le theor`eme du point xe sapplique, et, dans ce
cas, determiner combien diterations seront, a priori, necessaires pour obtenir une
erreur absolue inferieure `a 5.10
7
.
Calculer dans chaque cas deux iteres `a partir dun x
0
admissible.
3. Ecrire la methode de Newton pour resoudre (B.1). Pour chaque solution, justier le
choix de x
0
et calculer deux iteres.
A partir des valeurs approchees obtenues, donner, si possible, une estimation des solu-
tions.
4. Ecrire la methode de Newton pour trouver une approximation de la valeur o` u f admet
un maximum.
Calculer une estimation de ce maximum.
97
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 8
Exercice 1 Methode dacceleration dAitken
Soit (x
n
) une suite denie par :
_
x
0
[a; b]
x
n+1
= g(x
n
)
et convergente vers l solution de f(x) = 0.
On suppose que lordre de cette methode est 1 soit :
e
n+1
= (A+
n
)e
n
, o` u e
n
= x
n
l, A = g

(l), 0 < A < 1 et lim


n

n
= 0
1. Montrer que e
n+2
2e
n+1
+e
n
secrit ((A 1)
2
+
n
)e
n
avec lim
n

n
= 0
2. Soit x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
. Montrer que
x

n
l
x
n
l
=

n
2
n
(A 1)
2
n
((A 1)
2
+
n
)
.
Que vaut lim
n
x

n
l
x
n
l
?
Exercice 2 Methode de la fausse position ou methode de la secante
Linconvenient de la methode de Newton est lutilisation de f

(x) qui peut etre dicile ` a


evaluer. On remplace alors f

(x
n
) par lapproximation suivante :
f(x
n
) f(x
n1
)
x
n
x
n1
.
1. Ecrire la methode correspondante. Justier lapproximation de la derivee. Sachant
lordre des methodes de Lagrange et de Newton, que pouvez-vous dire de lordre de
cette nouvelle methode ?
2. On suppose que f

(l) = 0 et f

(l) = 0.
a) Que vaut e
n+1
en fonction de e
n1
et e
n
?
b) Sachant que f(x
n
) = (x
n
l)f

(l) +
(x
n
l)
2
2
f

(l) + (x
n
l)
2

n
(x
n
l) avec
lim
n

n
= 0, montrer que e
n+1
Ke
n
e
n1
avec K `a determiner.
c) Soit p lordre de la methode :
lim
n
|e
n+1
|
|e
n
|
p
= C, avec C = 0.
Montrer que p verie p
2
p 1 = 0.
98 ANNEXE B. ANN

EE 2002-2003
Exercice 3 Methode de Newton : exemples
Ecrire la methode de Newton correspondant aux fonctions suivantes. Regarder levolution des
iteres, quen pensez-vous ?
a) f(x) =
x
2
100
10
b) f(x) = e
x/10
10
5
c) f(x) = ln(x + 2)e
x
4
b) f(x) = x
3
2x + 1
99
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 9
Resolution de f(x) = 0
Exercice 1 Suite de Sturm
Soit P un polyn ome de degre n suppose navoir que des racines simples. On denit une suite
de polyn omes P
k
par :
_
_
_
P
0
(x) = P(x)
P
1
(x) = P

(x)
P
k+1
= QP
k
P
k1
(P
k+1
est loppose du reste de la division euclidienne de P
k1
par P
k
).
On note P
m
le dernier terme de la suite.
1. Que peut-on dire de P
k+1
(r)P
k1
(r) si r est racine de P
k
?
2. Si r est une racine de P, examiner les signes possibles de P
0
(x) et P
1
(x) au voisinage
de r.
3. Si s est une racine de P
k
, montrer quil y a 4 cas possibles pour les signes de P
k1
(x), P
k
(x), P
k+1
(x)
au voisinage de s.
4. On denit V (a) le nombre de changements de signes dans la suite P
0
(a), P
1
(a), . . . , P
m
(a).
Montrer que pour h susamment petit, V (s +h) = V (s h) + 1.
5. Conclure que V (b) V (a) est le nombre de racines reelles de P dans [a; b].
6. Application : Quel est le nombre de racines reelles de P(x) = X
5
5x
3
+4x dans [3; 3] ?
Trouver la plus grande en module.
Exercice 2 Relation coecients-racines
Soit P(x) = a
0
x
n
+a
1
x
n1
+ +a
n
un polyn ome de degre n et une de ses racines.
1. Montrer que || max
_
1,
n

1
|a
j
|
|a
0
|
_
2. Montrer que || 1 +
A
|a
0
|
o` u A = max
1jn
|a
j
|
100 ANNEXE B. ANN

EE 2002-2003
Normes matricielles et conditionnement
Exercice 3 Normes matricielles
1. Soit une norme matricielle, et b un vecteur non nul de R
N
. Que vaut xb
T
?
2. Montrer que x xb
T
est une norme vectorielle compatible avec la norme matri-
cielle.
Exercice 4 Normes matricielles
1. Verier que A
T
A est symetrique reelle et que A
T
A est semi-denie positive si et seule-
ment si A est inversible.
2. Montrer que A
2
= sup
Ax
2
x
2
=
_
(A
T
A)
3. Que se passe-t-il si A est symetrique ?
4. Soit U une matrice orthogonale (U
T
U = UU
T
= I). Calculer U
2
. Verier que
AU
2
= UA
2
= A
2
pour toute matrice A.
Exercice 5 Conditionnement
1. Resoudre le syst`eme lineaire suivant :
A =
_
10 7
7 5
_
b =
_
17
12
_
2. Resoudre le syst`eme lineaire suivant :
A =
_
10 7
7 5
_
b =
_
17.5
11.5
_
3. Resoudre le syst`eme lineaire suivant :
A =
_
10 7
7 5
_
+
_
0 0.5
0.5 0
_
b =
_
17.5
11.5
_
4. Que pensez-vous des resultats obtenus ?
101
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 10
Methode de Gauss : factorisation LU
Exercice 1
Verier que pour :
L
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
alors
L
1
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
1
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
puis que
L = L
1
1
L
1
2
=
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
Appliquer la methode de Gauss sans permutation au syst`eme Ax = b,
A =
_
_
1 1 3
3 1 1
1 3 1
_
_
b =
_
_
12
8
10
_
_
Exercice 2
Appliquer la methode de Gauss sans permutation au syst`eme Ax = b,
A =
_
_
1 1 1
2 3 1
3 2 1
_
_
b =
_
_
3
0
2
_
_
Donner la decomposition LU de A.
Appliquer ` a nouveau la methode de Gauss au syst`eme precedent avec une permutation
cette fois (on le notera

Ax =

b). Soit P la matrice dite de permutation telle que PA =

A.
Donner la decomposition

L

U de

A.
102 ANNEXE B. ANN

EE 2002-2003
Exercice 3
Appliquer la methode de Gauss au syst`eme suivant,
_
_
_
x + y + (2m1)z = 1
mx + y + z = 1
x + my + z = 3(m + 1)
Discuter suivant les valeurs de m.
Exercice 4
Ecrire la methode de Gauss sur une matrice tridiagonale et compter le nombre doperations.
Exercice 5
Ecrire la factorisation de Choleski pour une matrice symetrique denie positive et compter le
nombre doperations.
103
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 11
Splines cubiques
Letude de linterpolation polynomiale nous a conduit ` a deux constatations. La premi`ere
est le co ut du calcul qui devient eleve losque le degre du polyn ome augmente et la deuxi`eme
est lapparition de phenom`emes de bord lorsque le degre et lintervalle dinterpolation aug-
mentent.
Un autre approche consiste ` a travailler localement, en faisant de linterpolation par morceaux
cest-`a-dire que sur un sous-intervalle donne, on fait de linterpolation polynomiale de bas
degre (generalement 1, 2, ou 3). Par exemple, soit f une fonction donnee sur [a; b], les points
dinterpolation sont notes x
1
, . . . , x
n
. Sur chaque segment [x
i
; x
i+1
], on interpole par un po-
lyn ome de degre 1, 2 ou 3.
Nous allons nous interesser `a un seul exemple, le plus utilise : les splines cubiques. Sur
chaque segment [x
i
; x
i+1
], on cherche un polyn ome de degre 3 s tel que :
s(x
i
) = f(x
i
), i = 1 . . . n
veriant les conditions supplementaires :
s

(x

i
) = s

(x
+
i
) : continuite de la derivee premi`ere,
s

(x

i
) = s

(x
+
i
) : continuite de la derivee seconde.
Probl`eme 1 Splines cubiques
Soient a = x
1
< x
2
< < x
n
= b n points distincts et une fonction f : [a, b] R. On
cherche `a construire une fonction spline cubique s telle que
s
i
(x
i
) = f(x
i
) 1 i n; s

(x
1
) = s

(x
n
) = 0.
(i) Notons
h
i
= x
i+1
x
i
, i = 1, 2, n 1; D
i
= s

(x
i
), i = 1, 2, n.
Quel est le degre de s

sur chacun des intervalles [x


i
; x
i+1
] ?
Montrer alors que
s

(x) =
D
i+1
h
i
(x x
i
)
D
i
h
i
(x x
i+1
),
pour tout x
i
x x
i+1
, i = 1, 2, n 1.
(ii) En deduire quil existe des constantes A
i
, B
i
, i = 1, 2, n 1 telles que :
s

(x) =
D
i+1
2h
i
(x x
i
)
2

D
i
2h
i
(x x
i+1
)
2
+A
i
,
s(x) =
D
i+1
3h
i
(x x
i
)
3

D
i
6h
i
(x x
i+1
)
3
+A
i
(x x
i
) +B
i
pour tout x
i
x x
i+1
, i = 1, 2, n 1.
104 ANNEXE B. ANN

EE 2002-2003
(iii) Comme s(x
i
) = f(x
i
), i = 2, n1 et s(x
i+1
) = f(x
i+1
), i = 1, 2, n1, montrer
que pour tout 1 i n 1 on a :
A
i
=
f(x
i+1
f(x
i
)
h
i
+
h
i
6
(D
i
D
i+1
), B
i
= f(x
i
)
h
2
i
6
D
i
.
(iv) Utilisant les conditions de continuite s

(x
+
i
) = s

(x

i
), montrer quon a :

i
D
i1
+ 2D
i
+
i
D
i+1
= F
i
, 2 i n 1
o` u on a pose

i
=
h
i1
h
i
+h
i1
;
i
=
h
i
h
i
+h
i1
;
F
i
=
6
h
i1
+h
i
_
f(x
i+1
) f(x
i
)
h
i

f(x
i
) f(x
i1
)
h
i1
_
.
Ainsi le vecteur colonne de composantes D
i
est solution du syst`eme lineaire :
_
_
_
_
_
_
_
_
_
_
2
2

3
2
3

3
2
3

n2
2
n2

n1
2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
D
2
D
3
D
4

D
n2
D
n1
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
F
2
F
3
F
4

F
n2
F
n1
_
_
_
_
_
_
_
_
_
_
(v) Montrer que la matrice est ` a diagonale dominante. En deduire que la fonction spline
s est determinee de facon unique par la resolution du syst`eme lineaire de la question
precedente.
(vi) Application : Trouver la fonction spline cubique telle que
f : [0, 3] R, f

(0) = f

(3) = 2 et
x 0 1 2 3
f(x) -1 0 3 8
105
DEUG MIAS 2 Analyse numerique
Annee 2002-2003 Feuille 12
Last but not least !
Resolution de syst`emes non lineaires
Exercice 1 Methode de Newton
Ecrire la methode de Newton appliquee au syst`eme :
(S)
_

_
x =
1
2
e
(x+y)
y =
1
2
e
(yx)
Verier que la methode est toujours denie dans ce cas.
En partant de X
0
=
_
0.25
0.25
_
, calculer X
1
.
Resolution numerique des equations dierentielles
Exercice 2 Methodes de Taylor et de Runge-Kutta
Soit t dans [0, T] et une fonction y : [0, T] R continuement derivable solution de lequation
dierentielle suivante :
_
y

(t) = f(t, y(t))


y(0) = Y
0
.
(B.4)
On cherche ` a approcher cette solution y en des points t
j
= 0 +j
T
n
.
(i) Ecrire le developpement de Taylor `a lordre 2 de y(t
i+1
).
(ii) A partir de lequation dierentielle, calculer y

(t).
(iii) En deduire une methode pour resoudre (B.4). Cette methode sappelle methode de
Taylor dordre 2.
(iv) La methode de Runge-Kutta dordre 2 sobtient ` a partir de la precedente en
rempla cant :
f(t
i
, y
i
) +
h
2
_
f
x
(t
i
, y
i
) +
f
y
(t
i
, y
i
).f(t
i
, y
i
)
_
(B.5)
par
A.f(t
i
+ , y
i
+ ).
Ecrire le developpement de Taylor `a lordre 2 de A.f(t
i
+, y
i
+). Identier avec (B.5)
et en deduire la methode de Runge-Kutta dordre 2.
(v) Ecrire lalgorithme correspondant.
106 ANNEXE B. ANN

EE 2002-2003
(vi) La methode de Runge-Kutta dordre 4 sobtient par le meme principe mais les
calculs sont beaucoup plus lourds :
_

_
y
i+1
= y
i
+h(t
i
, y
i
, h)
(t
i
, y
i
, h) =
1
6
[k
1
(t
i
, y
i
, h) +k
2
(t
i
, y
i
, h) +k
3
(t
i
, y
i
, h) +k
4
(t
i
, y
i
, h)]
k
1
(t
i
, y
i
, h) = f(t
i
, y
i
)
k
2
(t
i
, y
i
, h) = f(t
i
+
h
2
, y
i
+
h
2
k
1
(t
i
, y
i
, h))
k
3
(t
i
, y
i
, h) = f(t
i
+
h
2
, y
i
+
h
2
k
2
(t
i
, y
i
, h))
k
4
(t
i
, y
i
, h) = f(t
i
+h, y
i
+
h
2
k
3
(t
i
, y
i
, h))
Ecrire lalgorithme correspondant ` a cette methode.
Exercice 3
Soit
_
x
n+4
xn
f(x) dx = h[af(x
n+1
) +bf(x
n+2
) +cf(x
n+3
)] +R(f).
o` u x
n+i
= x
n
+ih, i = 0 ` a 4.
1.) Determiner a, b, c de sorte que R(f) = 0 quelle que soit f appartenant ` a lespace des
polyn omes de degre le plus grand possible (pour faciliter les calculs, montrer dabord
que lon peut supposer x
n
= 0). Resoudre le syst`eme par la methode de Gauss.
Quel est le degre p de precision de la formule ?
Trouver K tel que R(f) = Kf
(p+1)
().
2.) Pour resoudre lequation dierentielle
_
y

= f(x, y) x [a; b]
y(a) =
on propose le schema suivant :
y
n+4
y
n
=
4h
3
(2f
n+3
f
n+2
+ 2f
n+1
)
o` u y
i
est une approximation de y(x
i
) et f
i
= f(x
i
, y
i
).
a. Comment a-t-on obtenu ce schema ?
b. Etudier lordre de ce schema (on pourra utiliser la question precedente).
On dit quun schema multi-pas

k
y
n+k
+
k1
y
n+k1
+ +
0
y
n
= h[ kf
n+k
+ +
0
f
n
]
est dordre p sil existe une constante C telle que :

1
h
(
k
y(x
n+k
) + +
0
y(x
n
)) (
k
f(x
n+k
, y(x
n+k
)) + +
0
f(x
n
, y(x
n
)) )

C h
p
c. Combien de valeurs de demarrage faudra-t-il ? Comment les obtenir ?
Exercice 4
107
Sur lintervalle (a, b), on pose h =
b a
n
et on denit x
k
= a +kh pour k = 0, 1, . . . , N.
1.) Determiner le polyn ome dinterpolation P de la fonction x y(x), deni par la
donnee de (x
n
, y(x
n
)) ; (x
n+1
, y(x
n+1
)) ; (x
n+2
, y(x
n+2
)) et (x
n+3
, y(x
n+3
)).
2.) Calculer la derivee de P en x
n+2
, puis lexprimer en fonction de h. En derivant lerreur
dinterpolation, donner lexpression de y

(x
n+2
)P

(x
n+2
) en supposant y susamment
derivable, puis lexprimer en fonction de h.
3.) Pour resoudre lequation dierentielle
_
y

= f(x, y) x [a; b]
y(a) =
on propose le schema suivant :
1
3
y
n+3
+
1
2
y
n+2
y
n+1
+
1
6
y
n
= hf
n+2
o` u f
n+2
= f(x
n+2
, y
n+2
).
Faites le lien avec ce qui prec`ede, en disant comment est obtenu ce schema.
4.) Quel est lordre du schema ?
5.) Comment allez-vous initialiser le schema, toujours en conservant lordre ?
6.) On pose (t) =
1
3
t
3
+
1
2
t
2
t +
1
6
. Verier que (1) = 0. Que peut-on dire de la
stabilite du schema ?
On demontre quun schema multi-pas

k
y
n+k
+
k1
y
n+k1
+ +
0
y
n
= h[ kf
n+k
+ +
0
f
n
]
est stable si le polyn ome () =
0
+
1
+ +
k

k
verie les deux conditions
suivantes :
(a) Toutes les racines sont de module inferieur ou egal `a 1.
(b) Les eventuelles racines de module egal `a 1 sont simples.
Exercice 5
Montrez que pour lequation dierentielle denie sur R par :
y

=
_
0 si y < 0,

y si y 0,
il ny a pas unicite au probl`eme de Cauchy. Pourquoi ?
108 ANNEXE B. ANN

EE 2002-2003
Exercice 6
Soit F : R
2
R une fonction de classe C
1
et f, g deux solutions sur R de lequation
dierentielle :
y

= F(t, y).
On suppose quil existe t
0
R tel que f(t
0
) < g(t
0
). Montrez que pour tout t R, f(t) < g(t).
Exercice 7
Soit F : R
2
R une fonction de classe C
1
telle que F(t, 0) = 0 pour tout t R. Soit f
solution sur R de lequation dierentielle :
y

= F(t, y).
Montrez que les zeros de f sont isoles.
109
Universite Louis Pasteur 10 juin 2003
U.F.R. de Mathematique et Informatique
DEUG MIAS 2
Analyse Numerique
Examen de juin
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 1
Soit p un polyn ome de degre 2. Combien de valeurs sont necessaires pour interpoler unique-
ment ce polyn ome p ? Que doit-on trouver dans la table des dierences si on prend plus de
valeurs que necessaires ?
Il ny a quune seule erreur dans le tableau de valeurs du polyn ome p de degre 2 suivant,
trouvez-la et corrigez-la ` a laide de la table des dierences progressives-regressives !
x 0 1 2 3 4 5
p(x) 1 6 10 22 33 46
Exercice 2
Soit f C
5
([a, b]). On note c =
a +b
2
, h =
b a
2
.
(i) Montrer quil nexiste quun unique polyn ome de degre 3 tel que
f(a) = p(a), f(b) = p(b), f(c) = p(c), f

(c) = p

(c).
(ii) Soit A lapplication de R
4
dans P
3
, qui ` a 4 valeurs donnees associe p deni ` a la question
(i).
A : R
4
P
3
(f(a), f(b), f(c), f

(c)) p
tel que
f(a) = p(a), f(b) = p(b), f(c) = p(c), f

(c) = p

(c).
Pourquoi lunicite de p demontree `a la question (i) vous donne lexistence de p ?
(iii) Montrer en vous inspirant de la demonstration de lerreur dinterpolation du po-
lyn ome de Lagrange quil existe [a, b] tel que
f(x) p(x) =
f
(4)
()
4!
(x a)(x c)
2
(x b).
(On etudiera la fonction : W(t) = f(t) p(t)
(t a)(t b)(t c)
2
(x a)(x b)(x c)
2
[f(x) p(x)]).
110 ANNEXE B. ANN

EE 2002-2003
(iv) Quel est le degre de precision de la formule de Simpson? En deduire
_
b
a
p(x) dx. Que
vaut alors cette integrale en fonction de f(a), f(b) et f(c) ?
(v) En deduire que la formule de Simpson satisfait
_
b
a
f(x) dx
b a
6
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
=
h
5
90
f
(4)
()
avec un entre a et b.
Formule de la moyenne generalisee : Soient f et g deux fonctions continues sur [a, b]
avec g de signe constant sur ]a, b[ alors il existe dans [a, b] tel que
_
b
a
f(x)g(x) dx = f()
_
b
a
g(x) dx.
N.B :
_
b
a
(x a)(x b)
_
x
a +b
2
_
2
dx =
(b a)
5
120
.
Probl`eme
Premi`ere partie
Soient les deux fonctions suivantes :
f(x) = x et g(x) = ln(1 + 2x).
On cherche ` a calculer numeriquement laire comprise entre ces deux courbes.
1. On note h(x) = f(x) g(x).
(a) Etudier la fonction h. Montrer quil existe deux valeurs pour lesquelles h sannule :
une valeur evidente (laquelle ?) et une valeur que lon note . Localiser dans un
intervalle I = [i, i + 1] o` u i est un entier.
(b) Pour approcher , on denit la suite suivante :
_
x
0
I
x
n+1
= g(x
n
)
Montrer que cette suite converge bien vers . Calculer deux iteres.
(c) Ecrire la methode de Newton qui permet de trouver une approximation de . Jus-
tier le choix du x
0
qui assure la convergence et calculer quatre iteres. Donner une
valeur approchee de .
2. Soit la formule dintegration numerique suivante :
_
1
0
f(x) dx = [af(0) +bf
_
1
3
_
+cf
_
2
3
_
+df(1)] +R(f).
(a) Determiner a, b, c et d de sorte que R(f) = 0 quelle que soit f appartenant ` a lespace
vectoriel des polynomes de degre le plus grand possible. Quel est le syst`eme que resout
a, b, c, d ?
111
(b) Resoudre le syst`eme precedent par la methode de Gauss et en deduire la factorisa-
tion LU de la matrice.
(c) Quel est le degre p de precision de la formule ?
Trouver K tel que R(f) = Kf
(p+1)
() o` u [0, 1].
(d) Par un changement de variables, donner la formule dintegration numerique sur
[0, ]. Donner une approximation de laire comprise entre les deux courbes f et g.
Deuxi`eme partie
On cherche ` a resoudre numeriquement lequation dierentielle suivante :
_
y

(x) = f(x, y(x)) x [a; b]


y(a) = y
a
On divise lintervalle [a; b] en N + 1 points x
i
= a + i h, i = 0..N avec h =
b a
N
et on se
donne la formule dintegration numerique suivante :
_
1
0
f(x) dx =
1
8
f(0) +
3
8
f
_
1
3
_
+
3
8
f
_
2
3
_
+
1
8
f(1) +R(f).
1. Par un changement de variable adequat, deduire la formule dintegration sur [x
n
, x
n+3
].
2. On propose pour resoudre lequation dierentielle, le schema suivant :
y
n+3
y
n
= 3h
_
1
8
f
n
+
3
8
f
n+1
+
3
8
f
n+2
+
1
8
f
n+3
_
o` u y
i
est une approximation de y(x
i
) et f
i
= f(x
i
, y
i
).
Comment a-t-on obtenu ce schema ? A combien de pas est ce schema ? Est-il implicite
ou explicite ?
3. Quelle valeurs de demarrage faut-il ? Comment les obtenir ?
4. Etudier lordre de ce schema (on pourra utiliser la methode de la question 2.c de la
premi`ere partie en cherchant lerreur de la formule dintegration sur [0, 3h]).
Rappel : On dit quun schema multi-pas

k
y
n+k
+
k1
y
n+k1
+ +
0
y
n
= h[
k
f
n+k
+ +
0
f
n
]
est dordre p sil existe une constante C telle que :

1
h
(
k
y(x
n+k
) + +
0
y(x
n
)) (
k
f(x
n+k
, y(x
n+k
)) + +
0
f(x
n
, y(x
n
)) )

C h
p
112 ANNEXE B. ANN

EE 2002-2003
Universite Louis Pasteur 5 septembre 2003
U.F.R. de Mathematique et Informatique
DEUG MIAS 2
Analyse Numerique
Examen de septembre
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 1 Factorisation de Gauss
1. Soit la matrice
A =
_
_
_
_
2 1 0 0
1 2 1 0
0 1 2 1
0 0 1 2
_
_
_
_
a. Calculer (AX, X) pour X =
_
_
_
_
x
1
x
2
x
3
x
4
_
_
_
_
un vecteur quelconque de R
4
. Quen deduisez-
vous sur la matrice A? Montrer ` a laide dun theor`eme du cours que la matrice A
admet alors une factorisation LU de Gauss.
b. Donner la factorisation LU de A.
2. On consid`ere le syst`eme
(S

)
_
3x + 5y = 2
(3 + )x + (5 + )y = 2
a. Calculez la solution exacte de ce syst`eme. Que remarquez-vous ?
b. Prenez = 10
p
o` u p est tel que 1 + 10
p
= 1 sur votre calculatrice.
Resolvez (S

) ` a laide de la methode de Gauss sans pivot.


c. Faites de meme `a laide de la methode de Gauss avec strategie de pivot partiel.
Comparez les resultats.
Exercice 2 Methode du point xe
On consid`ere la fonction f denie sur R par f(x) = x
4
4x
3
1.
1. Localiser chaque racine de lequation f(x) = 0 dans un intervalle forme de deux entiers
consecutifs.
2. Ecrire la methode de Newton relative ` a la fonction f. Justier le choix de x
0
.
113
3. Soient les deux methodes dapproximations successives denies par les relations sui-
vantes :
(1) x
n+1
= x
4
n
4x
3
n
+x
n
1
(2) x
n+1
=
1
x
3
n
+ 4
Pour chaque racine, on montrera soit la convergence, soit la divergence de la suite,
denie par ces deux methodes dapproximations successives.
Probl`eme :
Interpolation numerique, integration numerique et equations dierentielles.
Premi`ere partie
Soit une fonction f denie sur R.
1. Determiner le polyn ome dinterpolation de Newton P veriant :
P(1) = f(1) , P(0) = f(0) , P(1) = f(1).
2. Integrer le polyn ome P sur lintervalle [1; +1]. En deduire une formule dintegration
numerique. Quelle formule reconnaissez-vous ? Quelle est son degre de precision et ler-
reur de cette formule ?
3. Par changement de variables, donner la formule equivalente sur lintervalle [a; b].
4. Donner enn, la meme formule sur un intervalle [a; b] decoupe en n = 2p intervalles (le
fait que n soit choisi pair nest pas d u au hasard !). Quelle est alors lerreur faite avec
cette nouvelle formule ?
Deuxi`eme partie
On cherche ` a resoudre numeriquement lequation dierentielle suivante :
_
y

(x) = f(x, y(x)) x [a; b]


y(a) = y
a
(B.6)
On divise lintervalle [a; b] en N +1 points x
i
= a+ih, i = 0..N avec h =
b a
N
. On consid`ere
le schema suivant :
y
n+1
= y
n1
+h
_
1
3
f
n1
+
4
3
f
n
+
1
3
f
n+1
_
o` u y
n
= y(x
n
) et f
n
= f(x
n
, y(x
n
)).
1. Comment a-t-on obtenu ce schema ?
2. Que pouvez-vous dire sur ce schema (implicite ou explicite, combien de pas, eventuellement
son ordre) ?
3. Determiner le polyn ome dinterpolation de Newton Q veriant :
Q(x
n1
) = y(x
n1
) = y
n1
, Q(x
n
) = y(x
n
) = y
n
, Q(x
n+1
) = y(x
n+1
) = y
n+1
.
Deriver ce polynome Q et calculer Q

(x
n+1
). En deduire un schema numerique pour
resoudre (B.6).
114 ANNEXE B. ANN

EE 2002-2003
Annexe C
Annee 2003-2004
115
116 ANNEXE C. ANN

EE 2003-2004
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 1
Exercice 3 Polynomes de Lagrange (Joseph-Louis Lagrange, franco-italien, 1736-1813)
Soient les points dinterpolation suivants : (1, 0), (0, 1), (1, 0) et (2, 1). Trouvez le po-
lyn ome dinterpolation de degre 3 passant par ces points :
a) par une methode didentication,
b) par une methode de mise en facteurs,
c) `a laide des polyn omes de Lagrange.
Exercice 4 Matrice de Vandermonde (Alexandre Vandermonde, fran cais, 1735-1796)
a)

Ecrire le syst`eme lineaire qui denit le polyn ome dinterpolation de degre 3 passant
par les points de coordonnees (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
), (x
3
, y
3
).
b) Calculer le determinant de la matrice V de ce syst`eme lineaire (on pourra eectuer
des manipultations de lignes et de colonnes). La matrice V est appelee matrice de
Vandermonde.
c) Calculer dans le cas general (i.e. en dimension quelconque) le determinant dune matrice
de Vandermonde.
Exercice 5 Algorithme de Neville-Aitken (Eric Harold Neville, anglais, 1889-1961 et
Alexander Aitken, neo-zelandais, 1895-1967)
Pour deux suites de nombres x
1
, x
2
, . . . , x
r
et y
1
, y
2
, . . . , y
r
, on denit la suite de polyn omes :
P
k,0
= y
k
pour k = 0, 1, . . . , r et
P
k,j+1
(x) =
(x
k
x)P
j,j
(x) (x
j
x)P
k,j
(x)
x
k
x
j
pour k = j + 1, . . . , r et j = 0, . . . , k 1.
a) Construire P
3,3
avec (x
0
, y
0
) = (1, 0), (x
1
, y
1
) = (1, 0), (x
2
, y
2
) = (2, 3) et (x
3
, y
3
) =
(3, 2).
b) Montrez par recurrence que P
k,j
avec k j est le polyn ome dinterpolation de Lagrange
pour les points x
0
, x
1
, . . . , x
j1
, x
k
.
c) Quen concluez-vous pour P
k,k
?
Exercice 6 Dierences divisees
a) Retrouvez par la methode des dierences divisees le polynome dinterpolation de La-
grange de degre 3 aux points (1, 0), (0, 1), (1, 0) et (2, 1) (polyn ome dej` a obtenu).
b) Reecrire larbre des dierences divisees lorsque les points x
0
, x
1
, x
2
, x
3
sont reguli`erement
repartis (formule de Newton : Sir Isaac Newton, anglais, 1643-1727).
117
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 2
Exercice 1
On consid`ere la fonction f donnee par la table suivante :
x 0 2 4 6
f(x) 0 28.28427 40 48.98979
(1) Construire la table des dierences progressives () `a partir des donnees.
(2) Ecrire le polyn ome P dinterpolation de f sur les donnees {0; 2; 4} en utilisant la
formulation de Newton avec dierences progressives.
Calculer P(3).
(3) Faire de meme avec les donnees {2; 4; 6}. On notera Q le polyn ome. Calculer Q(3).
(4) Sachant que f(x) = 20

x, calculer les erreurs reelles. Etudier une majoration des


erreurs theoriques dans les deux cas. Conclure.
(5) Par interpolation inverse, calculer f
1
(34, 641).
Exercice 2
On consid`ere la table suivante :
x f(x)
2.8 16.4446
3.0 20.0855
3.2 24.5325
3.4 29.9641
3.6 36.5982
3.8 44.7012
4.0 54.5982
(1) Calculer f(3.3) par interpolation polynomiale ` a partir des donnees {3, 3.2, 3.4, 3.6},
en ecrivant le polyn ome sous la forme de Newton utilisant les dierences progressives
. (y
i
= y
i+1
y
i
).
(2) Donner une majoration de lerreur theorique dinterpolation sachant que f(x) = e
x
.
Comparer ` a lerreur reelle.
(3) Combien de points aurait-il fallu prendre, en theorie, pour avoir une erreur inferieure
`a 5.10
5
? On admettra que :

i=0
(x x
i
)

h
n+1
(n + 1)! o` u x
i
= x
0
+ih et x
0
x x
n
.
(4) Resoudre f(x) = 30 par interpolation inverse, ` a la precision de votre choix. Comparer
`a la solution exacte.
118 ANNEXE C. ANN

EE 2003-2004
Exercice 3
Extrait de lexamen de juin 2003.
Soit p un polyn ome de degre 2. Combien de valeurs sont necessaires pour interpoler unique-
ment ce polyn ome p ? Que doit-on trouver dans la table des dierences si on prend plus de
valeurs que necessaires ?
Il ny a quune seule erreur dans le tableau de valeurs du polyn ome p de degre 2 suivant,
trouvez-la et corrigez-la ` a laide de la table des dierences progressives-regressives !
x 0 1 2 3 4 5
p(x) 1 6 10 22 33 46
119
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 3
TD de preparation au premier TP Maple.
Probl`eme 1

Etude des polyn omes de Tchebyche (Pafnuty Lvovich Chebyshev, russe, 1821-
1894)
On appelle fonction polynomiale de Tchebyche de degre n, lapplication
T
n
: [1, +1] R
x cos(narccos(x)).
1) Montrez en posant cos() = x que pour tout entier n positif, T
n
est un polyn ome de
degre n en x.
2) Montrez que pour tout n 2, on a
T
n+1
(x) = 2xT
n
(x) T
n1
(x).
3) Calculez les 5 premiers polynomes de Tchebyche.
4) Determinez en fonction de n le coecient du terme en x
n
de T
n
.
5) On pose
X
k
= cos(
2k 1
2n
) pour k = 1, . . . , n.
Montrez que T
n
poss`ede n zeros simples. Ces zeros sont appeles les points de Tchebyche
dordre n.
6) Si f est une fonction de classe C
n+1
[1, 1] , on rappelle que lon a lestimation derreur
|f(x) P(x)| max
x[1,+1]

f
(n+1)
(x)

(n + 1)!
max
x[1,+1]
|(x x
0
) . . . (x x
n
)|
o` u P est le polyn ome dinterpolation de Lagrange en les points x
0
, . . . , x
n
. On admettra
le resultat suivant
max
x[1,+1]
|(x x
0
) . . . (x x
n
)| max
x[1,+1]
|(x X
0
) . . . (x X
n
)| .
Expliquez pourquoi les points de Tchebyche sont de bons points dinterpolation.
7) Quels points dinterpolation faut-il choisir si lintervalle dinterpolation est le segment
[a, b] ?
120 ANNEXE C. ANN

EE 2003-2004
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 4
On pose T
n
(x) = cos(narccos(x)) et X = arccos(x) pour x [1; 1].
Exercice 1 Les polyn omes de Chebyshev
1. Demontrez la formule de recurrence des polynomes de Chebyshev `a laide de MAPLE.
(Indice : developper cos((n + 2)x) puis cos((n + 1)x).)
2. Acher les 10 premiers polyn omes de Chebyshev `a laide dune boucle for. Que vaut le
coecient de plus haut degre ?
3. Tracer leurs graphes.
4. Verier que les cos
_
(2k1)
12
_
sont les zeros dun des polyn omes precedents (Lequel ?).
Exercice 2 Linterpolation polynomiale
1. Consultez laide en ligne de MAPLE pour linterpolation.
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec :
6 points : -5, -3, -1, 1, 3, 5.
11 points : -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5.
21 points : -5, -4.5, -4, -3.5, -3, -2.5, -2, -1.5, -1, -0.5, 0, 0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4,
4.5, 5.
3. Tracer f et son polyn ome dinterpolation sur un meme graphe. Que constatez-vous ?
Exercice 3 Interpolation polynomiale et polyn omes de Chebyshev
1. Quel sont les polyn omes de Chebyshev qui poss`edent 6, 11 et 21 zeros ?
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec 6, 11 puis 21 points dinterpolation qui seront les 6,
11 puis 21, zeros dun polyn ome de Chebyshev.
3. Tracer f et ce nouveau poyln ome dinterpolation sur un meme graphe. Que constatez-
vous ?
4. Reprendre les trois derni`eres questions avec la fonction f(x) =
1
1 +x
2
.
121
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 5
Exercice 1 Calcul de lerreur de la formule de Simpson
Extrait de lexamen de juin 2003.
Soit f C
5
([a, b]). On note c =
a +b
2
, h =
b a
2
.
(i) Montrer quil nexiste quun unique polyn ome de degre 3 tel que
f(a) = p(a), f(b) = p(b), f(c) = p(c), f

(c) = p

(c).
(ii) Soit A lapplication de R
4
dans P
3
, qui ` a 4 valeurs donnees associe p deni ` a la question
(i).
A : R
4
P
3
(f(a), f(b), f(c), f

(c)) p
tel que
f(a) = p(a), f(b) = p(b), f(c) = p(c), f

(c) = p

(c).
Pourquoi lunicite de p demontree `a la question (i) vous donne lexistence de p ?
(iii) Montrer en vous inspirant de la demonstration de lerreur dinterpolation du po-
lyn ome de Lagrange quil existe [a, b] tel que
f(x) p(x) =
f
(4)
()
4!
(x a)(x c)
2
(x b).
(On etudiera la fonction : W(t) = f(t) p(t)
(t a)(t b)(t c)
2
(x a)(x b)(x c)
2
[f(x) p(x)]).
(iv) Quel est le degre de precision de la formule de Simpson? En deduire
_
b
a
p(x) dx. Que
vaut alors cette integrale en fonction de f(a), f(b) et f(c) ?
(v) En deduire que la formule de Simpson satisfait
_
b
a
f(x) dx
b a
6
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
=
h
5
90
f
(4)
()
avec un entre a et b.
Formule de la moyenne generalisee : Soient f et g deux fonctions continues sur [a, b]
avec g de signe constant sur ]a, b[ alors il existe dans [a, b] tel que
_
b
a
f(x)g(x) dx = f()
_
b
a
g(x) dx.
N.B :
_
b
a
(x a)(x b)
_
x
a +b
2
_
2
dx =
(b a)
5
120
.
122 ANNEXE C. ANN

EE 2003-2004
Exercice 2 Extrait de lexamen de juin 2003.
1. Soit la formule dintegration numerique suivante :
_
1
0
f(x) dx = [af(0) +bf
_
1
3
_
+cf
_
2
3
_
+df(1)] +R(f).
2. Determiner a, b, c et d de sorte que R(f) = 0 quelle que soit f appartenant ` a lespace
vectoriel des polynomes de degre le plus grand possible. Trouver a, b, c, d ?
3. Quel est le degre p de precision de la formule ?
Trouver K tel que R(f) = Kf
(p+1)
() o` u [0, 1].
Exercice 3 Extrait de lexamen de septembre 2003.
Soit une fonction f denie sur R.
1. Determiner le polyn ome dinterpolation de Newton P veriant :
P(1) = f(1) , P(0) = f(0) , P(1) = f(1).
2. Integrer le polyn ome P sur lintervalle [1; +1]. En deduire une formule dintegration
numerique. Quelle formule reconnaissez-vous ? Quelle est son degre de precision et ler-
reur de cette formule ?
3. Par changement de variables, donner la formule equivalente sur lintervalle [a; b].
4. Donner enn, la meme formule sur un intervalle [a; b] decoupe en n = 2p intervalles (le
fait que n soit choisi pair nest pas d u au hasard !). Quelle est alors lerreur faite avec
cette nouvelle formule ?
123
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 6
Exercice 1
Le but de ce probl`eme est levaluation numerique de lintegrale suivante : I =
_
1
0
dx
(1 +x)
_
x(1 x)
.
1. Dire pourquoi on ne peut appliquer ` a I ni la methode des trap`ezes, ni celle de Simpson.
2. On cherche alors une formule du type :
_
1
0
f(x)
_
x(1 x)
dx = A
0
f(0) +A
1
f
_
1
2
_
+A
2
f(1) +R
1
(f). (C.1)
Determiner les coecients A
i
de sorte que R
1
(f) soit nul pour f appartenant ` a lespace
vectoriel des polynomes de degre inferieur ou egal `a n, n aussi grand que possible. Pour
faciliter les calculs, on utilisera la relation de recurrence suivante, quon ne cherchera
pas `a demontrer : si J
k
=
_
1
0
x
k
_
x(1 x)
dx, alors :
_
J
0
=
J
k
=
2k 1
2k
J
k1
Que vaut n?
On suppose quil existe [0, 1] tel que f C
n+2
([0; 1]) : R
1
(f) = C f
n+1
().
Determiner C.
Application numerique `a I : quelle approximation I
1
de I obtient-on ? Donner une
majoration de |R
1
(f)|.
Exercice 2
1. On cherche ` a etablir la formule de quadrature suivante :
_
1
1
f(x) dx = H [f(x
1
) +f(x
2
) +f(x
3
)] +R(f)
de sorte quelle soit exacte si f appartient ` a lespace vectoriel des polyn omes de degre
n, n aussi grand que possible.
(a.) Ecrire les equations determinees par R(x
k
) = 0, k = 0, 1, 2, 3.
(b.) Soit P(x) = (x x
1
)(x x
2
)(x x
3
) = x
3
+c
1
x
2
+c
2
x +c
3
.
Verier que :
_
_
_
c
1
= (x
1
+x
2
+x
3
)
c
2
= x
1
x
2
+x
2
x
3
+x
1
x
3
c
3
= x
1
x
2
x
3
(C.2)
En utilisant les equations du (a.), montrer que :
P(x) = x
3

x
2
En deduire x
1
, x
2
, x
3
et la formule de quadrature.
Quel est son degre de precision (note d) ?
124 ANNEXE C. ANN

EE 2003-2004
(c.) Determiner R(f) en prenant f(x) = x
d+1
et en supposant que R(f) = Kf
(d+1)
(),
[1, 1].
2. En deduire la formule de quadrature pour lapproximation de
_
b
a
g(x) dx, ainsi que
lerreur.
3. Application numerique : Calculer une approximation de I =
_
1
0
sin(x) dx.
4. Comparer le resultat de la question precedente `a celui obtenu par la formule de Simpson
appliquee `a I. Pouvait-on le prevoir gr ace aux termes derreur ?
125
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 7
Exercice 1
On consid`ere la formule suivante :
_
1
1
f(x) dx =
3

k=1
a
k
f(x
k
) +
3

k=1
b
k
f

(x
k
) +R(f).
o` u les x
k
sont donnes par : x
1
= 1, x
2
= 0, x
3
= 1 et les a
k
et les b
k
sont ` a determiner
pour que la formule soit exacte sur lespace vectoriel des polyn omes de degre le plus grand
possible. Quel est ce degre ?
1. Montrez que, si p est impair,
_
1
1
x
p
dx = 0. Appliquer ce resultat ` a p = 1, 3, 5. En
deduire que : a
1
= a
3
, b
2
= 0, b
1
= b
3
.
2. Montrez alors que :
_
1
1
f(x) dx =
1
15
[7f(1) + 7f(1) + 16f(0) +f

(1) f

(1)] +R(f). (C.3)


3. Veriez que la formule (C.3) nest pas exacte pour f(x) = x
6
. En admettant que le reste
soit de la forme : R(f) = Kf
(6)
() avec [1, 1], determinez la constante K.
4. Par changement de variable dans (C.3), montrez que :
_
b
a
g(t) dt =
h
15
[7g(a) + 7g(b) + 16g
_
a +b
2
_
+h(g

(a) g

(b))] +E(g), (C.4)


avec h =
b a
2
.
5. Determinez E(g) ` a partir de R(f).
6. Application Soit I =
_

0
sin(x) dx. Trouvez la valeur approchee de I par la formule
(C.4) et comparez-la `a la valeur exacte. Evaluez lerreur theorique E(g).
7. Montrez que lon a la formule composite suivante :
_
b
a
g(t) dt
h
15
{7g(a) + 7g(b) + 16[g(a +h) +g(a + 3h) + +g(a + (2n 1)h)]
+ 14[g(a + 2h) +g(a + 4h) + +g(a + (2n 2)h)]
+ h[g

(a) g

(b)]} ,
o` u h =
b a
2n
. Evaluez lerreur.
Exercice 2 Extrait de lexamen de septembre 2003.
126 ANNEXE C. ANN

EE 2003-2004
On consid`ere la fonction f denie sur R par f(x) = x
4
4x
3
1.
1. Localiser chaque racine de lequation f(x) = 0 dans un intervalle forme de deux entiers
consecutifs.
2. Soient les trois methodes dapproximations successives denies par les relations sui-
vantes :
x
n+1
= x
4
n
4x
3
n
+x
n
1
x
n+1
=
1
(x
n
4)
1
3
x
n+1
=
1
x
3
n
+ 4
Pour chaque methode et chaque racine, on montrera soit la convergence, soit la diver-
gence de la suite, denie par les methodes des approximations successives precedentes.
3. Ecrire la methode de Newton relative ` a la fonction f. Justier le choix de x
0
.
Exercice 3 Extrait de lexamen de juin 2003.
Soient les deux fonctions suivantes :
f(x) = x et g(x) = ln(1 + 2x).
On cherche ` a calculer numeriquement laire comprise entre ces deux courbes. On note h(x) =
f(x) g(x).
1. Etudier la fonction h. Montrer quil existe deux valeurs pour lesquelles h sannule : une
valeur evidente (laquelle ?) et une valeur que lon note . Localiser dans un intervalle
I = [i, i + 1] o` u i est un entier.
2. Pour approcher , on denit la suite suivante :
_
x
0
I
x
n+1
= g(x
n
)
Montrer que cette suite converge bien vers . Calculer deux iteres.
3. Ecrire la methode de Newton qui permet de trouver une approximation de . Justier
le choix du x
0
qui assure la convergence et calculer quatre iteres. Donner une valeur
approchee de .
127
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 8
Exercice 1 Les formules de Newton-Cotes
Ecrire une fonction newton-cotes donnant lintegrale sur [a, b] du polyn ome dinterpolation
P dune fonction inconnue f en se basant sur une subdivision reguli`ere de [a, b] en n points
(P est unique avec la condition deg(P) < n).
Exercice 2 Methodes composees
1. En subdivisant lintervalle [a, b] en sous intervalles ecrire une procedure qui donne la
formule de Newton-Cotes composee. En deduire les formules dintegration composee
classiques : methode des trap`ezes, methode de Simpson.
2. Calculer des approximations de
_
2
0
exp(cos(t)) dt avec les methodes precedentes. Com-
parer ` a la valeur exacte.
128 ANNEXE C. ANN

EE 2003-2004
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 9
Probl`eme
Pour x > 0, on denit la fonction f par f(x) = x e
(1+x)
.
1. Tracer le gaphe de f et montrer quil existe une solution unique l `a lequation f(x) = 0.
Localiser l entre deux entiers consecutifs.
2. Pour trouver une approximation de l, on propose la methode iterative suivante (A) :
_
x
0
x
n+1
= g(x
n
) o` u g(x) = e
(1+x)
.
Cette methode converge-t-elle vers l ?
3. De la meme mani`ere, on propose la methode (B) :
_
x
0
x
n+1
= h(x
n
) o` u h(x) = x
2
e
1+x
.
Cette methode converge-t-elle ? Vers quelle limite ?
4. Enn, on propose la methode (C) :
_
x
0
x
n+1
= k(x
n
) o` u k(x) = 1 ln x.
Cette methode converge-t-elle vers l ?
5. Choisir x
0
et donner lordre de la methode (A).
6. Methode dacceleration dAitken :
Soit (x
n
) une suite denie par :
_
x
0
[a; b]
x
n+1
= g(x
n
)
et convergente vers l solution de f(x) = 0.
On suppose que lordre de cette methode est 1 soit :
e
n+1
= (A+
n
)e
n
, o` u e
n
= x
n
l, A = g

(l), 0 < A < 1 et lim


n

n
= 0
On denit la nouvelle suite x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
. Comparer lordre de la methode
x

n
avec celui de la methode (A) sur cet exemple.
7. Denir la methode de Newton. Preciser la valeur de x
0
.
8. Methode de la fausse position ou methode de la secante :
linconvenient de la methode de Newton est lutilisation de f

(x) qui peut etre dicile


`a evaluer. On remplace alors f

(x
n
) par lapproximation suivante :
f(x
n
) f(x
n1
)
x
n
x
n1
.
Ecrire la methode correspondante. Justier lapproximation de la derivee. Sachant
lordre des methodes de Lagrange et de Newton, que pouvez-vous dire de lordre de
cette nouvelle methode ? Testez-la sur cet exemple.
129
Exercice 1 Suite de Sturm
Soit P un polyn ome de degre n suppose navoir que des racines simples. On denit une suite
de polyn omes P
k
par :
_
_
_
P
0
(x) = P(x)
P
1
(x) = P

(x)
P
k+1
= QP
k
P
k1
(P
k+1
est loppose du reste de la division euclidienne de P
k1
par P
k
).
On note P
m
le dernier terme de la suite.
1. Que peut-on dire de P
k+1
(r)P
k1
(r) si r est racine de P
k
?
2. Si r est une racine de P, examiner les signes possibles de P
0
(x) et P
1
(x) au voisinage
de r.
3. Si s est une racine de P
k
, montrer quil y a 4 cas possibles pour les signes de P
k1
(x), P
k
(x), P
k+1
(x)
au voisinage de s.
4. On denit V (a) le nombre de changements de signes dans la suite P
0
(a), P
1
(a), . . . , P
m
(a).
Montrer que pour h susamment petit, V (s +h) = V (s h) + 1.
5. Conclure que V (b) V (a) est le nombre de racines reelles de P dans [a; b].
6. Application : Quel est le nombre de racines reelles de P(x) = x
5
5x
3
+4x dans [3; 3] ?
Trouver la plus grande en module.
Exercice 2 Relation coecients-racines
Soit P(x) = a
0
x
n
+a
1
x
n1
+ +a
n
un polyn ome de degre n et une de ses racines.
1. Montrer que || max
_
1,
n

1
|a
j
|
|a
0
|
_
2. Montrer que || 1 +
A
|a
0
|
o` u A = max
1jn
|a
j
|
Exercice 3 Methode dacceleration dAitken
Soit (x
n
) une suite denie par :
_
x
0
[a; b]
x
n+1
= g(x
n
)
et convergente vers l solution de f(x) = 0.
On suppose que lordre de cette methode est 1 soit :
e
n+1
= (A+
n
)e
n
, o` u e
n
= x
n
l, A = g

(l), 0 < A < 1 et lim


n

n
= 0
1. Montrer que e
n+2
2e
n+1
+e
n
secrit ((A 1)
2
+
n
)e
n
avec lim
n

n
= 0
130 ANNEXE C. ANN

EE 2003-2004
2. Soit x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
. Montrer que
x

n
l
x
n
l
=

n
2
n
(A 1)
2
n
((A 1)
2
+
n
)
.
Que vaut lim
n
x

n
l
x
n
l
?
Exercice 4 Methode de la fausse position ou methode de la secante
Linconvenient de la methode de Newton est lutilisation de f

(x) qui peut etre dicile ` a


evaluer. On remplace alors f

(x
n
) par lapproximation suivante :
f(x
n
) f(x
n1
)
x
n
x
n1
.
1. Ecrire la methode correspondante. Justier lapproximation de la derivee. Sachant
lordre des methodes de Lagrange et de Newton, que pouvez-vous dire de lordre de
cette nouvelle methode ?
2. On suppose que f

(l) = 0 et f

(l) = 0.
a) Que vaut e
n+1
en fonction de e
n1
et e
n
?
b) Sachant que f(x
n
) = (x
n
l)f

(l) +
(x
n
l)
2
2
f

(l) + (x
n
l)
2

n
(x
n
l) avec
lim
n

n
= 0, montrer que e
n+1
Ke
n
e
n1
avec K `a determiner.
c) Soit p lordre de la methode :
lim
n
|e
n+1
|
|e
n
|
p
= C, avec C = 0.
Montrer que p verie p
2
p 1 = 0.
131
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 10
Exercice 1 Resolution dequations
On cherche ` a resoudre f(x) = x e
(1+x)
= 0.
1. Programmer la methode iterative suivante (A) :
_
x
0
x
n+1
= g(x
n
) o` u g(x) = e
(1+x)
.
Quelle est la limite obtenue ? Comparer `a la solution donnee par Maple.
2. Programmer la methode dacceleration dAitken sur la suite precedente :
x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
.
3. Programmer la methode de Newton pour f.
4. Programmer la methode de la fausse position ou methode de la secante en remplacant
f

(x
n
) par lapproximation suivante :
f(x
n
) f(x
n1
)
x
n
x
n1
.
Exercice 2 Methode de Newton : exemples
Ecrire la methode de Newton correspondant aux fonctions suivantes. Regarder levolution des
iteres, quen pensez-vous ?
a) f(x) = e
x/10
10
5
b) f(x) = ln(x + 2)e
x
4
c) f(x) = x
3
2x + 1
Exercice 3 Suite de Sturm
Trouver toutes les racines du polyn ome x
8
+ 3x
7
2x
5
+ 12x
4
7x
2
+ 1.
132 ANNEXE C. ANN

EE 2003-2004
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 11
Normes matricielles et conditionnement
Exercice 1
1. Soit une norme matricielle, et b un vecteur non nul de R
N
. Que vaut xb
T
?
2. Montrer que x xb
T
est une norme vectorielle compatible avec la norme matri-
cielle.
Exercice 2
Soit A une matrice carree quelconque.
1. Montrer que pour toute norme matricielle (A) A.
2. Montrer que pour toute norme matricielle Cond(A)
|
max
(A)|
|
min
(A)|
o` u
max
(A) et
min
(A)
designent respectivement la plus grande et la plus petite valeur propre de A.
Exercice 3
1. Verier que A
T
A est symetrique reelle et que A
T
A est semi-denie positive si et seule-
ment si A est inversible.
2. Montrer que A
2
= sup
Ax
2
x
2
=
_
(A
T
A)
3. Que se passe-t-il si A est symetrique ? Quen deduisez-vous sur Cond(A) dans ce cas ?
4. Que se passe-t-il si A est orthogonale (A
T
A = AA
T
= I) ? Quen deduisez-vous sur
Cond(A) dans ce cas ?
5. Soit U une matrice orthogonale (U
T
U = UU
T
= I). Calculer U
2
. Verier que
AU
2
= UA
2
= A
2
pour toute matrice A.
Exercice 4 Conditionnement
1. Resoudre le syst`eme lineaire suivant :
A =
_
10 7
7 5
_
b =
_
17
12
_
2. Resoudre le syst`eme lineaire suivant :
A =
_
10 7
7 5
_
b =
_
17.5
11.5
_
3. Resoudre le syst`eme lineaire suivant :
A =
_
10 7
7 5
_
+
_
0 0.5
0.5 0
_
b =
_
17.5
11.5
_
4. Que pensez-vous des resultats obtenus ?
133
Methode de Gauss : factorisation LU
Exercice 5
Verier que pour :
L
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
alors
L
1
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
1
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
puis que
L = L
1
1
L
1
2
=
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
Appliquer la methode de Gauss sans permutation au syst`eme Ax = b,
A =
_
_
4 8 12
3 8 13
2 9 18
_
_
b =
_
_
4
5
11
_
_
134 ANNEXE C. ANN

EE 2003-2004
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 12
Exercice 1
Utiliser la methode de Gauss pour resoudre le syst`eme suivant :
_
_
_
2x + 3y + z = 4
x + my + 2z = 5
7x + 3y + (m5)z = 7
Discuter suivant les valeurs de m.
Exercice 2
Soient A une matrice n n et u et v deux vecteurs colonnes de longueur n. Verier que :
(A uv
t
)
1
= A
1
+ A
1
uv
t
A
1
avec =
1
1 v
t
A
1
u
.
Quelle est la condition dexistence de cette inverse ?
On consid`ere la matrice
A =
_
_
1 1 1
1 2 2
1 2 3
_
_
1. Quelle est la decomposition LU de A?
2. Resoudre, en utilisant la question precedente, les syst`emes AX
i
= e
i
o` u les e
i
sont les
vecteurs de la base canonique usuelle de R
3
. En deduire A
1
.
Exercice 3 Extrait de lexamen de juin 2003.
Soit la formule dintegration numerique suivante :
_
1
0
f(x) dx = [af(0) +bf
_
1
3
_
+cf
_
2
3
_
+df(1)] +R(f).
1. Determiner a, b, c et d de sorte que R(f) = 0 quelle que soit f appartenant ` a lespace
vectoriel des polynomes de degre le plus grand possible. Quel est le syst`eme que resout
a, b, c, d ?
2. Resoudre le syst`eme precedent par la methode de Gauss et en deduire la factorisation
LU de la matrice.
135
Exercice 4 Extrait de lexamen de septembre 2003.
1. Soit la matrice
A =
_
_
_
_
1 1 1 1
1 1 1 1
1 1 1 1
1 1 1 1
_
_
_
_
Calculer (AX, X) pour X un vecteur quelconque de R
4
. Quen deduisez-vous sur la
matrice A? Montrer qualors la matrice A admet une factorisation LU de Gauss.
Donner la factorisation LU de A.
2. On consid`ere le syst`eme
(S) =
_
3x + 5y = 2
(3 + )x + (5 + )y = 2
Calculer la solution exacte de ce syst`eme. Que remarquez-vous ?
Prenez = 10
p
o` u p est tel que 1 + 10
p
= 1 sur votre calculatrice.
Resolvez (S) ` a laide de Gauss sans recherche de pivot.
Faites de meme `a laide de Gauss avec strategie de pivot partiel. Comparez les
resultats.
136 ANNEXE C. ANN

EE 2003-2004
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 13
Splines cubiques
Letude de linterpolation polynomiale nous a conduit ` a deux constatations. La premi`ere
est le co ut du calcul qui devient eleve lorsque le degre du polyn ome augmente et la deuxi`eme
est lapparition de phenom`emes de bord lorsque le degre et lintervalle dinterpolation aug-
mentent.
Un autre approche consiste ` a travailler localement, en faisant de linterpolation par morceaux
cest-`a-dire que sur un sous-intervalle donne, on fait de linterpolation polynomiale de bas
degre (generalement 1, 2, ou 3). Par exemple, soit f une fonction donnee sur [a; b], les points
dinterpolation sont notes x
1
, . . . , x
n
. Sur chaque segment [x
i
; x
i+1
], on interpole par un po-
lyn ome de degre 1, 2 ou 3.
Nous allons nous interesser `a un seul exemple, le plus utilise : les splines cubiques. Sur
chaque segment [x
i
; x
i+1
], on cherche un polyn ome de degre 3 s tel que :
s(x
i
) = f(x
i
), i = 1 . . . n
veriant les conditions supplementaires :
s

(x

i
) = s

(x
+
i
) : continuite de la derivee premi`ere,
s

(x

i
) = s

(x
+
i
) : continuite de la derivee seconde.
Probl`eme 1 Splines cubiques
Soient a = x
1
< x
2
< < x
n
= b n points distincts et une fonction f : [a, b] R. On
cherche `a construire une fonction spline cubique s telle que
s(x
i
) = f(x
i
) 1 i n; s

(x
1
) = s

(x
n
) = 0.
(i) Notons
h
i
= x
i+1
x
i
, i = 1, 2, n 1; D
i
= s

(x
i
), i = 1, 2, n.
Quel est le degre de s

sur chacun des intervalles [x


i
; x
i+1
] ?
Montrer alors que
s

(x) =
D
i+1
h
i
(x x
i
)
D
i
h
i
(x x
i+1
),
pour tout x
i
x x
i+1
, i = 1, 2, n 1.
(ii) En deduire quil existe des constantes A
i
, B
i
, i = 1, 2, n 1 telles que :
s

(x) =
D
i+1
2h
i
(x x
i
)
2

D
i
2h
i
(x x
i+1
)
2
+A
i
,
s(x) =
D
i+1
3h
i
(x x
i
)
3

D
i
6h
i
(x x
i+1
)
3
+A
i
(x x
i
) +B
i
pour tout x
i
x x
i+1
, i = 1, 2, n 1.
137
(iii) Comme s(x
i
) = f(x
i
), i = 2, n1 et s(x
i+1
) = f(x
i+1
), i = 1, 2, n1, montrer
que pour tout 1 i n 1 on a :
A
i
=
f(x
i+1
) f(x
i
)
h
i
+
h
i
6
(D
i
D
i+1
), B
i
= f(x
i
)
h
2
i
6
D
i
.
(iv) Utilisant les conditions de continuite s

(x
+
i
) = s

(x

i
), montrer quon a :

i
D
i1
+ 2D
i
+
i
D
i+1
= F
i
, 2 i n 1
o` u on a pose

i
=
h
i1
h
i
+h
i1
;
i
=
h
i
h
i
+h
i1
;
F
i
=
6
h
i1
+h
i
_
f(x
i+1
) f(x
i
)
h
i

f(x
i
) f(x
i1
)
h
i1
_
.
Ainsi le vecteur colonne de composantes D
i
est solution du syst`eme lineaire :
_
_
_
_
_
_
_
_
_
_
2
2

3
2
3

4
2
4

n2
2
n2

n1
2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
D
2
D
3
D
4

D
n2
D
n1
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
F
2
F
3
F
4

F
n2
F
n1
_
_
_
_
_
_
_
_
_
_
(v) Montrer que la matrice est ` a diagonale dominante. En deduire que la fonction spline
s est determinee de facon unique par la resolution du syst`eme lineaire de la question
precedente.
(vi) Application : Trouver la fonction spline cubique telle que
f : [0, 3] R, f

(0) = f

(3) = 2 et
x 0 1 2 3
f(x) -1 0 3 8
138 ANNEXE C. ANN

EE 2003-2004
DEUG MIAS 2 Analyse numerique
Annee 2003-2004 Feuille 14
Exercice 1
Montrez que pour lequation dierentielle denie sur R par :
y

=
_
0 si y < 0,

y si y 0,
il ny a pas unicite au probl`eme de Cauchy. Pourquoi ?
Exercice 2
Soit F : R
2
R une fonction de classe C
1
et f, g deux solutions sur R de lequation
dierentielle :
y

= F(t, y).
On suppose quil existe t
0
R tel que f(t
0
) < g(t
0
). Montrez que pour tout t R, f(t) < g(t).
Exercice 3
On cherche ` a resoudre numeriquement lequation dierentielle suivante :
_
y

(x) = f(x, y(x)) x [a; b]


y(a) = y
a
On divise lintervalle [a; b] en N + 1 points x
i
= a + i h, i = 0..N avec h =
b a
N
et on se
donne la formule dintegration numerique suivante :
_
1
0
f(x) dx =
1
8
f(0) +
3
8
f
_
1
3
_
+
3
8
f
_
2
3
_
+
1
8
f(1) +R(f).
1. Par un changement de variable adequat, deduire la formule dintegration sur [x
n
, x
n+3
].
2. On propose pour resoudre lequation dierentielle, le schema suivant :
y
n+3
y
n
= 3h
_
1
8
f
n
+
3
8
f
n+1
+
3
8
f
n+2
+
1
8
f
n+3
_
o` u y
i
est une approximation de y(x
i
) et f
i
= f(x
i
, y
i
).
Comment a-t-on obtenu ce schema ? A combien de pas est ce schema ? Est-il implicite
ou explicite ?
3. Quelle valeurs de demarrage faut-il ? Comment les obtenir ?
139
4. Etudier lordre de ce schema (on pourra utiliser la methode de la question 2.c de la
premi`ere partie en cherchant lerreur de la formule dintegration sur [0, 3h]).
Rappel : On dit quun schema multi-pas

k
y
n+k
+
k1
y
n+k1
+ +
0
y
n
= h[
k
f
n+k
+ +
0
f
n
]
est dordre p sil existe une constante C telle que :

1
h
(
k
y(x
n+k
) + +
0
y(x
n
)) (
k
f(x
n+k
, y(x
n+k
)) + +
0
f(x
n
, y(x
n
)) )

C h
p
Exercice 4
On cherche ` a resoudre numeriquement lequation dierentielle suivante :
_
y

(x) = f(x, y(x)) x [a; b]


y(a) = y
a
(C.5)
On divise lintervalle [a; b] en N +1 points x
i
= a+ih, i = 0..N avec h =
b a
N
. On consid`ere
le schema suivant :
y
n+1
= y
n1
+h
_
1
3
f
n1
+
4
3
f
n
+
1
3
f
n+1
_
o` u y
n
= y(x
n
) et f
n
= f(x
n
, y(x
n
)).
1. Comment a-t-on obtenu ce schema ?
2. Que pouvez-vous dire sur ce schema (implicite ou explicite, combien de pas, eventuellement
son ordre) ?
3. Determiner le polyn ome dinterpolation de Newton Q veriant :
Q(x
n1
) = y(x
n1
) = y
n1
, Q(x
n
) = y(x
n
) = y
n
, Q(x
n+1
) = y(x
n+1
) = y
n+1
.
Deriver ce polynome Q et calculer Q

(x
n+1
). En deduire un schema numerique pour
resoudre (C.5).
140 ANNEXE C. ANN

EE 2003-2004
Exercice 5 Methodes de Taylor et de Runge-Kutta
Soit t dans [0, T] et une fonction y : [0, T] R continuement derivable solution de lequation
dierentielle suivante :
_
y

(t) = f(t, y(t))


y(0) = Y
0
.
(C.6)
On cherche ` a approcher cette solution y en des points t
j
= 0 +j
T
n
.
(i) Ecrire le developpement de Taylor `a lordre 2 de y(t
i+1
).
(ii) A partir de lequation dierentielle, calculer y

(t).
(iii) En deduire une methode pour resoudre (C.6). Cette methode sappelle methode de
Taylor dordre 2.
(iv) La methode de Runge-Kutta dordre 2 sobtient ` a partir de la precedente en
rempla cant :
f(t
i
, y
i
) +
h
2
_
f
x
(t
i
, y
i
) +
f
y
(t
i
, y
i
).f(t
i
, y
i
)
_
(C.7)
par
A.f(t
i
+ , y
i
+ ).
Ecrire le developpement de Taylor `a lordre 2 de A.f(t
i
+, y
i
+). Identier avec (C.7)
et en deduire la methode de Runge-Kutta dordre 2.
(v) Ecrire lalgorithme correspondant.
(vi) La methode de Runge-Kutta dordre 4 sobtient par le meme principe mais les
calculs sont beaucoup plus lourds :
_

_
y
i+1
= y
i
+h(t
i
, y
i
, h)
(t
i
, y
i
, h) =
1
6
[k
1
(t
i
, y
i
, h) +k
2
(t
i
, y
i
, h) +k
3
(t
i
, y
i
, h) +k
4
(t
i
, y
i
, h)]
k
1
(t
i
, y
i
, h) = f(t
i
, y
i
)
k
2
(t
i
, y
i
, h) = f(t
i
+
h
2
, y
i
+
h
2
k
1
(t
i
, y
i
, h))
k
3
(t
i
, y
i
, h) = f(t
i
+
h
2
, y
i
+
h
2
k
2
(t
i
, y
i
, h))
k
4
(t
i
, y
i
, h) = f(t
i
+h, y
i
+
h
2
k
3
(t
i
, y
i
, h))
Ecrire lalgorithme correspondant ` a cette methode.
141
Universite Louis Pasteur 7 juin 2004
U.F.R. de Mathematique et Informatique
DEUG MIAS 2
Analyse Numerique
Examen de juin
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 1
Soient (x
i
, y
i
, z
i
), i = 0 . . . n des triplets de R.
(i) Montrer que le polyn ome P de degre 2n + 1 tel que :
P(x
i
) = y
i
et P

(x
i
) = z
i
, i = 0 . . . n.
est unique.
(On ne demande que la demonstration de lunicite et non de lexistence).
(ii) Soit f C
2n+2
([a, b]).On pose y
i
= f(x
i
) et z
i
= f

(x
i
), i = 0 . . . n.
Si a x
0
< x
1
< < x
n
b et P deni comme au (i), montrer qualors :
f(x) P(x) =
(x x
0
)
2
(x x
1
)
2
. . . (x x
n
)
2
(2n + 2)!
f
(2n+2)
()
o` u a min(x, x
0
) < < max(x, x
n
) b.
(iii) Quel est le nom de ce polynome P ?
(iv) Soit f C
2n+2
([a, b]). Demontrer lerreur des formules de type Gauss ie :
R(f) =
f
(2n+2)
()
(2n + 2)!
_
b
a
v
2
n
(t) dt, [a, b]
o` u v
n
(t) =
n
i=0
(t t
i
) avec t
i
, i = 0 . . . n, n + 1 points de Gauss.
Exercice 2
Pour resoudre lequation dierentielle suivante
_
y

(x) = f(x, y(x)) x [a; b]


y(a) = y
0
o` u f poss`ede les proprietes necessaires pour assurer lexistence et lunicite de la solution y,
on consid`ere le schema suivant :
y
n+3
y
n
=
3h
2
(f
n+2
+f
n+1
) ,
o` u h est le pas, x
n
= a +nh, y
n
est la valeur approchee de y(x
n
) et f
n
= f(x
n
, y
n
).
A combien de pas est ce schema ? Est-il implicite ou explicite ? Quelles valeurs de demarrage
faut-il ? Comment les obtenir ?
142 ANNEXE C. ANN

EE 2003-2004
Probl`eme
Premi`ere partie
Soit une fonction f que lon cherche ` a interpoler sur lintervalle [0, 6].
(a) Calculer le polyn ome dinterpolation P sur les donnees suivantes
x 0 2 4 6
f(x) 0.5 1.7903 3.3900 1.2795
(b) Sachant que la fonction f est egale `a :
f(x) = 3 sin(2x) +
1
2
cos(3x),
Calculer lerreur dinterpolation que vous avez faite en x = 3 et en x = 5. Les resultats
sont-ils satisfaisants ? Justier-les (eventuellement en tracant f).
(c) On cherche `a ameliorer les resultats en interpolant avec une spline cubique, notee s.
On pose x
i
= i, i = 0 . . . 5 et D
i
= s

(x
i
), i = 0 . . . 5 avec D
0
et D
5
xes. Pour trouver
s, on doit resoudre le syst`eme suivant :

i
D
i1
+ 2D
i
+
i
D
i+1
= F
i
, 1 i 4,
o` u
i
=
i
= 1/2, i = 1 . . . 4. Ecrire le syst`eme. On notera A la matrice du syst`eme
obtenu.
(d) Calculer le produit scalaire (Ax/x) o` u x est un vecteur quelconque de R
4
. Quen
deduisez-vous sur A?
(e) Quelle est la factorisation LU de la matrice A du syst`eme obtenu ? Pouvait-on prevoir
que la factorisation existait ?
(f) Pensez-vous que les resultats de linterpolation avec s ainsi calcule seront meilleurs ?
Deuxi`eme partie
Soit la formule dintegration numerique suivante :
_
1
1
g(x) dx =
1
g(a) +
0
g(0) +
1
g(a) +R(g).
(a) Determiner
1
,
0
et a de sorte que R(g) = 0 quelle que soit g appartenant ` a lespace
vectoriel des polynomes de degre le plus grand possible. Quel est le degre de precision
de cette formule ?
(b) Montrer que /2 est racine de f (la fonction de la premi`ere partie) et trouver `a laide
de la methode de Newton la racine de f qui appartient ` a lintervalle [1, 0]. (On ne
demande aucune justication de la convergence de la methode de Newton, ni du choix
de x
0
).
(c) Calculer `a laide de la formule, sur laquelle vous aurez eectue le changement de
variables adequat :
_
/2

f(t) dt. Calculer lerreur faite avec cette formule.


143
Troisi`eme partie
On consid`ere pour x R

+
, la fonction f denie par f(x) = e
x

x 1.
Soit lunique solution de f(x) = 0.
(a) Verier que I = [0, 1/2].
(b) On consid`ere quatre suites denies, pour x
0
I, par :
(S
1
) x
n+1
= e
2xn
.
(S
2
) x
n+1
= e
xn/2
.
(S
3
) x
n+1
= ln(

x
n
)
(S
4
) x
n+1
= e
x
2
n
.
Seules deux de ces suites sont susceptibles de converger vers . Lesquelles ?
Avec le theor`eme du point xe, montrer quune seule de ces deux suites converge vers
, quel que soit x
0
J = [a, 1/2], a etant `a preciser.
(c) Pour evaluer , on pref`ere utiliser la methode de Newton appliquee `a lequation
x = e
2x
(Justier).
Ecrire la methode de Newton et determiner les valeurs initiales x
0
qui assurent la
convergence de cette suite.
Choisir un x
0
et calculer les trois premiers iteres x
1
, x
2
et x
3
ainsi quune evaluation
de lerreur | x
3
| `a laide de la formule des accroissements nis.
144 ANNEXE C. ANN

EE 2003-2004
Universite Louis Pasteur 7 Septembre 2004
U.F.R. de Mathematique et Informatique
DEUG MIAS 2
Analyse Numerique
Examen de septembre
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 1
(i) Rappeler le theor`eme dexistence et dunicite dune factorisation LU. Le demontrer.
(ii) On appelle matrice de Hilbert dordre n, la matrice n n, notee H
n
de terme
generique : h
ij
=
1
i +j 1
.
1. Quelle est la factorisation LU de la matrice de Hilbert dordre 3, notee H
3
?
2. Comment resoudriez-vous H
2
3
x = b, o` u x et b sont des vecteurs de R
3
, sans calculer
H
2
3
?
(iii) On veut resoudre le syst`eme lineaire Ax = b o` u :
A =
_
_
1 1 1
2 2 5
4 6 8
_
_
et b =
_
_
1
2
5
_
_
1. Verier que lalgorithme de Gauss sans pivot ne peut pas etre execute jusquau
bout.
2. Trouver une matrice de permutation P telle que la matrice PA soit factorisable
(ie telle que lalgorithme de Gauss puisse etre execute jusquau bout).
3. Trouver la factorisation LU de la matrice PA.
4. Resoudre le syst`eme de depart Ax = b en remplacant PA par LU.
Exercice 2
On consid`ere la table suivante donnant les valeurs (m
2
.s
1
) de la viscosite cinematique de
leau en fonction de la temperature T (C) :
T 15 16 17 18 19 20 21 22 23 24 25 26 27 28
1.14 1.11 1.08 1.06 1.03 1.01 0.983 0.960 0.938 0.917 0.896 0.876 0.857 0.839
1. Quelle est la viscosite `a 26.5 degres ?
2. Pour quelle temperature a-t-on = 0.9 m
2
.s
1
?
145
Probl`eme
Premi`ere partie
Soit la fonction f(x) = x e
x
o` u R

+
.
1. Montrer que f ne poss`ede quune seule racine . Localiser cette racine dans un intervalle
I = [i, i + 1] o` u i N est entier.
2. Donner la methode de Newton pour trouver . On justiera le choix de x
0
et la conver-
gence de la methode.
3. Soit la suite denie par :
_
_
_
x
0
I
x
n+1
=
x
n
+ 2e
xn
+ 2
Cette suite converge-t-elle vers ?
4. On denit la suite :
_
_
_
x
0
I
x
n+1
=
x
n
+e
xn
+ 1
avec > 0. Donner les valeurs de permettant de faire converger la methode du point
xe vers sur I.
Deuxi`eme partie
Soit la formule de quadrature suivante :
_
1
1
g(t) dt = a
1
g(2) +a
2
g(1) +a
3
g(0) +R(g).
1. Determiner les coecients a
i
pour i variant de 1 ` a 3, de sorte que R(g) = 0, quel que
soit g appartenant ` a lespace vectoriel des polyn omes de degre inferieur ou egal `a n, o` u
n est le plus grand possible. Que vaut n?
2. En supposant que R(g) = Kg
n+1
(), determiner K.
3. Deduire des questions precedentes, la formule et lerreur de quadrature pour
_
x
n+3
x
n+1
f(x) dx,
en posant x
n
= a +nh.
4. Pour resoudre lequation dierentielle suivante
_
y

(x) = f(x, y(x)) x [a, b]


y(a) = y
0
o` u f poss`ede les proprietes necessaires pour assurer lexistence et lunicite de la solution
y, on consid`ere le schema suivant :
y
n+3
y
n+1
=
h
3
(7f
n+2
2f
n+1
+f
n
),
o` u h est le pas, x
n
= a +nh, y
n
est la valeur approchee de y(x
n
) et f
n
= f(x
n
, y
n
).
146 ANNEXE C. ANN

EE 2003-2004
(i) Comment a-t-on obtenu ce schema ?
(ii) A combien de pas est ce schema ? Est-il implicite ou explicite ? Quelles valeurs de
demarrage faut-il ? Comment les obtenir ?
(iii) On demontre quun schema multi-pas

k
y
n+k
+
k1
y
n+k1
+ +
0
y
n
= h[
k
f
n+k
+ +
0
f
n
]
est stable si le polyn ome () =
0
+
1
+ +
k

k
verie les deux conditions
suivantes :
(a) Toutes les racines sont de module inferieur ou egal `a 1.
(b) Les eventuelles racines de module egal `a 1 sont simples.
Etudier la stabilite de ce schema.
(iv) On dit quun schema multi-pas

k
y
n+k
+
k1
y
n+k1
+ +
0
y
n
= h[
k
f
n+k
+ +
0
f
n
]
est dordre p sil existe une constante C telle que :

1
h
(
k
y(x
n+k
) + +
0
y(x
n
)) (
k
f(x
n+k
, y(x
n+k
)) + +
0
f(x
n
, y(x
n
)) )

C h
p
Etudier lordre de ce schema.
Annexe D
Annee 2004-2005
147
148 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 1
Exercice 1
a) Enoncer le theor`eme des valeurs intermediaires.
b) Soit I un intervalle de R et f : I R continue telle que x I, f(x)
2
= 1. Montrer
que f = 1 ou f = 1.
c) Soit f : R
+
R continue admettant une limite nie en +. Montrer que f est bornee.
Atteint-elle ses bornes ?
Exercice 2
a) Enoncer le theor`eme des valeurs intermediaires pour une fonction strictement mono-
tone.
b) Montrer que lequation 32x = e
x
poss`ede une unique solution dans R. Verier que
0 1. Est-ce que
1
2
1 ?
Exercice 3
a) Enoncer le theor`eme de Rolle. Interpretation geometrique ?
b) Soit f une fonction n fois derivable sur ]a, b[ sannulant en n+1 points de ]a, b[. Montrer
que si f
(n)
est continue, il existe un point x
0
de ]a, b[ tel que f
(n)
(x
0
) = 0.
c) Montrer que le polyn ome P
n
deni par
P
n
(t) = [(1 t
2
)
n
]
(n)
est un polyn ome de degre n dont les racines sont reelles, simples et appartiennent ` a
[1, 1].
Exercice 4
a) Utiliser le theor`eme de Rolle pour demontrer le theor`eme des accroissements nis (in-
dication : on introduira (x) = f(x)
f(b)f(a)
ba
(x a)). Interpretation geometrique ?
b) Montrer que pour tout x > 0,
1
x + 1
< ln(x + 1) ln(x) <
1
x
.
c) Une fonction f est dite strictement contractante sur I sil existe une constante 0 < k < 1
telle que
|f(x) f(y)| k|x y|
pour tous x, y I. Montrer que f(x) = e
(1+x)
est strictement contractante sur R
+
.
149
Exercice 5
a) Une suite (u
n
)
nN
est dite de Cauchy lorsque, pour tout > 0, il existe N N tel que,
si m, n N alors |u
n
u
m
| < . Montrer que toute suite convergente est de Cauchy.
b) On prend maintenant (u
n
) une suite de Cauchy. On veut montrer que (u
n
) converge.
Montrer que (u
n
) est bornee. Soit la suite (v
n
) donnee par son terme general
v
n
= sup{u
p
, p n}.
Montrer que la suite (v
n
) converge (indication : quel est son sens de variation ?). Montrer
que u
n
v
n
0. Conclure.
d) Soit f une fonction strictement contractante sur R. Montrer que la suite denie par
x
0
R, x
n+1
= f(x
n
) est une suite de Cauchy.
Exercice 6
a) Discutez selon les valeurs de ( > 0), le nombre de points dintersection des deux
courbes dequations :
g(x) =

x et h(x) = ln(x).
On pourra pour cela etudier la fonction f(x) =

x ln(x).
b) On prend =
1
2
. Montrez que f(x) =

x
2
ln(x) sannule deux fois sur R
+
.
Localisez chaque racine entre deux entiers successifs.
Montrez que chacune des iterations suivantes :
(1) x
n+1
= exp
_
x
n
2
_
,
(2) x
n+1
= 4(ln(x
n
))
2
permet de napprocher quune seule des deux racines (on justiera la convergence ou la
divergence).
150 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 2
Exercice 1
a) Montrez que lequation x cos(x) = 0 a une unique solution s sur R.
b) Montrez que la suite denie par : x
n+1
= cos(x
n
) converge vers s, quel que soit x
0
dans R.
Probl`eme 1
Pour x > 0, on denit la fonction f par f(x) = x e
(1+x)
.
1. Tracer le gaphe de f et montrer quil existe une solution unique l `a lequation f(x) = 0.
Localiser l entre deux entiers consecutifs.
2. Pour trouver une approximation de l, on propose la methode iterative suivante (A) :
_
x
0
x
n+1
= g(x
n
) o` u g(x) = e
(1+x)
.
Cette methode converge-t-elle vers l ?
3. De la meme mani`ere, on propose la methode (B) :
_
x
0
x
n+1
= h(x
n
) o` u h(x) = x
2
e
1+x
.
Cette methode converge-t-elle ? Vers quelle limite ?
4. Enn, on propose la methode (C) :
_
x
0
x
n+1
= k(x
n
) o` u k(x) = 1 ln x.
Cette methode converge-t-elle vers l ?
5. Choisir x
0
et donner lordre de la methode (A).
6. Methode dacceleration dAitken :
Soit (x
n
) une suite denie par :
_
x
0
[a; b]
x
n+1
= g(x
n
)
et convergente vers l solution de f(x) = 0.
On suppose que lordre de cette methode est 1 soit :
e
n+1
= (A+
n
)e
n
, o` u e
n
= x
n
l, A = g

(l), 0 < A < 1 et lim


n

n
= 0
On denit la nouvelle suite x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
. Comparer lordre de la methode
x

n
avec celui de la methode (A) sur cet exemple.
151
7. Denir la methode de Newton. Preciser la valeur de x
0
.
8. Methode de la fausse position ou methode de la secante :
linconvenient de la methode de Newton est lutilisation de f

(x) qui peut etre dicile


`a evaluer. On remplace alors f

(x
n
) par lapproximation suivante :
f(x
n
) f(x
n1
)
x
n
x
n1
.
Ecrire la methode correspondante. Justier lapproximation de la derivee. Sachant
lordre des methodes de Lagrange et de Newton, que pouvez-vous dire de lordre de
cette nouvelle methode ? Testez-la sur cet exemple.
152 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 3
Exercice 1 Extrait de lexamen Juin 2004
On consid`ere pour x R

+
, la fonction f denie par f(x) = e
x

x 1.
Soit lunique solution de f(x) = 0.
(a) Verier que I = [0, 1/2].
(b) On consid`ere quatre suites denies, pour x
0
I, par :
(S
1
) x
n+1
= e
2xn
.
(S
2
) x
n+1
= e
xn/2
.
(S
3
) x
n+1
= ln(

x
n
)
(S
4
) x
n+1
= e
x
2
n
.
Seules deux de ces suites sont susceptibles de converger vers . Lesquelles ?
Avec le theor`eme du point xe, montrer quune seule de ces deux suites converge vers
, quel que soit x
0
J = [a, 1/2], a etant `a preciser.
(c) Pour evaluer , on pref`ere utiliser la methode de Newton appliquee `a lequation
x = e
2x
(Justier).
Ecrire la methode de Newton et determiner les valeurs initiales x
0
qui assurent la
convergence de cette suite.
Choisir un x
0
et calculer les trois premiers iteres x
1
, x
2
et x
3
ainsi quune evaluation
de lerreur | x
3
| `a laide de la formule des accroissements nis.
Exercice 2 Extrait de lexamen Septembre 2004
Soit la fonction f(x) = x e
x
o` u R

+
.
1. Montrer que f ne poss`ede quune seule racine . Localiser cette racine dans un intervalle
I = [i, i + 1] o` u i N est entier.
2. Donner la methode de Newton pour trouver . On justiera le choix de x
0
et la conver-
gence de la methode.
3. Soit la suite denie par :
_
_
_
x
0
I
x
n+1
=
x
n
+ 2e
xn
+ 2
Cette suite converge-t-elle vers ?
153
4. On denit la suite :
_
_
_
x
0
I
x
n+1
=
x
n
+e
xn
+ 1
avec > 0. Donner les valeurs de permettant de faire converger la methode du point
xe vers sur I.
154 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 4
Probl`eme 1
On veut resoudre :
f(x) = x + 1
x
3
e
x
(D.1)
1. Calculer f

(x) et f

(x). En deduire le tableau de variations de f. Quel est le nombre de


solutions de (D.1) ? Localiser chaque solution entre deux entiers consecutifs.
2. On consid`ere les methodes iteratives suivantes :
x
n+1
=
x
n
3
e
xn
1 (D.2)
x
n+1
= 3e
xn
(x
n
+ 1) (D.3)
a) Verier que, si ces methodes convergent, elles convergent bien vers une solution de
(D.1).
b) Montrer que chaque methode ne converge que vers une seule solution de (D.1).
Preciser alors lintervalle sur lequel le theor`eme du point xe sapplique, et, dans ce
cas, determiner combien diterations seront, a priori, necessaires pour obtenir une
erreur absolue inferieure `a 5.10
7
.
Calculer dans chaque cas deux iteres `a partir dun x
0
admissible.
3. Ecrire la methode de Newton pour resoudre (D.1). Pour chaque solution, justier le
choix de x
0
et calculer deux iteres.
A partir des valeurs approchees obtenues, donner, si possible, une estimation des solu-
tions.
4. Ecrire la methode de Newton pour trouver une approximation de la valeur o` u f admet
un maximum.
Calculer une estimation de ce maximum.
Exercice 1 Suite de Sturm
Quel est le nombre de racines reelles de P(x) = x
5
5x
3
+ 4x dans [3; 3] ? Trouver la plus
grande en module.
Exercice 2 Relation coecients-racines
Soit P(x) = a
0
x
n
+a
1
x
n1
+ +a
n
un polyn ome de degre n et une de ses racines.
1. Montrer que || max
_
1,
n

1
|a
j
|
|a
0
|
_
2. Montrer que || 1 +
A
|a
0
|
o` u A = max
1jn
|a
j
|
155
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille TP 1
Exercice 1 Resolution dequations
On cherche ` a resoudre f(x) = x e
(1+x)
= 0.
1. Programmer la methode iterative suivante (A) :
_
x
0
x
n+1
= g(x
n
) o` u g(x) = e
(1+x)
.
Quelle est la limite obtenue ? Comparer `a la solution donnee par Maple.
2. Programmer la methode dacceleration dAitken sur la suite precedente :
x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
.
3. Programmer la methode de Newton pour f.
4. Programmer la methode de la fausse position ou methode de la secante en remplacant
f

(x
n
) par lapproximation suivante :
f(x
n
) f(x
n1
)
x
n
x
n1
.
Exercice 2 Methode de Newton : exemples
Ecrire la methode de Newton correspondant aux fonctions suivantes. Regarder levolution des
iteres, quen pensez-vous ?
a) f(x) = e
x/10
10
5
b) f(x) = ln(x + 2)e
x
4
c) f(x) = x
3
2x + 1
Exercice 3 Suite de Sturm
Trouver toutes les racines du polyn ome x
8
+ 3x
7
2x
5
+ 12x
4
7x
2
+ 1.
156 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 5
Normes matricielles et conditionnement
Exercice 1
1. Soit une norme matricielle, et b un vecteur non nul de R
N
. Que vaut xb
T
?
2. Montrer que x xb
T
est une norme vectorielle compatible avec la norme matri-
cielle.
Exercice 2
Soit A une matrice carree quelconque. Soit une norme matricielle subordonnee `a une
norme vectorielle.
1. Montrer que (A) A.
2. Supposons A inversible. Montrer que Cond(A)
|
max
(A)|
|
min
(A)|
o` u
max
(A) et
min
(A)
designent respectivement la plus grande et la plus petite valeur propre de A, en module.
Exercice 3
1. Verier que A
T
A est symetrique reelle et que A
T
A est denie positive si et seulement
si A est inversible.
2. Montrer que A
2
= sup
Ax
2
x
2
=
_
(A
T
A)
3. Que se passe-t-il si A est symetrique ? Quen deduisez-vous sur Cond(A) dans ce cas ?
4. Que se passe-t-il si A est orthogonale (A
T
A = AA
T
= I) ? Quen deduisez-vous sur
Cond(A) dans ce cas ?
5. Soit U une matrice orthogonale (U
T
U = UU
T
= I). Calculer U
2
. Verier que
AU
2
= UA
2
= A
2
pour toute matrice A.
Exercice 4 Conditionnement
Soient
A =
_
10 7
14 10
_
b =
_
17
24
_
1. Resoudre le syst`eme lineaire Ax = b.
2. Resoudre le syst`eme lineaire Ax = b + b avec
b =
_
0.5
0.5
_
3. Resoudre le syst`eme lineaire (A+ A)x = b avec
A =
_
0 0.5
0.5 0
_
4. Que pensez-vous des resultats obtenus ?
157
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 6
Methode de Gauss : factorisation LU
Exercice 1
Verier que pour :
L
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
alors
L
1
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
1
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
puis que
L = L
1
1
L
1
2
=
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
Appliquer la methode de Gauss sans permutation au syst`eme Ax = b,
A =
_
_
1 1 3
3 1 1
1 3 1
_
_
b =
_
_
12
8
10
_
_
Exercice 2 Extrait de lexamen de Septembre 2004
(i) On appelle matrice de Hilbert dordre n, la matrice nn, notee H
n
de terme generique :
h
ij
=
1
i +j 1
.
1. Quelle est la factorisation LU de la matrice de Hilbert dordre 3, notee H
3
?
2. Comment resoudriez-vous H
2
3
x = b, o` u x et b sont des vecteurs de R
3
, sans calculer
H
2
3
?
(ii) On veut resoudre le syst`eme lineaire Ax = b o` u :
A =
_
_
1 1 1
2 2 5
4 6 8
_
_
et b =
_
_
1
2
5
_
_
1. Verier que lalgorithme de Gauss sans pivot ne peut pas etre execute jusquau
bout.
158 ANNEXE D. ANN

EE 2004-2005
2. Trouver une matrice de permutation P telle que la matrice PA soit factorisable
(ie telle que lalgorithme de Gauss puisse etre execute jusquau bout).
3. Trouver la factorisation LU de la matrice PA.
4. Resoudre le syst`eme de depart Ax = b en remplacant PA par LU.
Exercice 3 Extrait de lexamen de Juin 2004
On note A la matrice
A =
_
_
_
_
2 1/2 0 0
1/2 2 1/2 0
0 1/2 2 1/2
0 0 1/2 2
_
_
_
_
(a) Calculer le produit scalaire (Ax/x) o` u x est un vecteur quelconque de R
4
. Quen
deduisez-vous sur A?
(b) Quelle est la factorisation LU de la matrice A du syst`eme obtenu ? Pouvait-on prevoir
que la factorisation existait ?
Exercice 4
Appliquer la methode de Gauss au syst`eme suivant,
_
_
_
x + y + (2m1)z = 1
mx + y + z = 1
x + my + z = 3(m + 1)
Discuter suivant les valeurs de m.
Exercice 5
Ecrire la methode de Gauss sur une matrice tridiagonale et compter le nombre doperations.
159
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 7
Decomposition LU II
Exercice 1
On consid`ere le syst`eme (S) :
_
_
1 1 1
1 1 2
1 2 2
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
1
2
1
_
_
.
1. Verier que la solution de (S) est (1, 1, 1)
T
.
2. On perturbe lelement (2, 2) de la matrice. On a alors le syst`eme (S

)
_
_
1 1 1
1 1 + 2
1 2 2
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
1
2
1
_
_
.
(a) Resoudre numeriquement (S

) par la methode de Gauss sans pivot en prenant


= 10
n
o` u n est le nombre maximum de chires aches par votre calculatrice.
(b) Resoudre numeriquement (S

) par la methode de Gauss avec pivot pour le meme


.
(c) Comment justier les dierents resultats ?
Exercice 2
Soit A une matrice carree reelle dordre n denie par a
i,j
= min(i, j).
1. Expliciter la matrice A.
2. Appliquer la methode de Gauss ` a la matrice A et expliciter la decomposition A = LU
avec L triangulaire inferieure `a diagonale unite et U triangulaire superieure. On rappelle
que cette decomposition est possible d`es que lon peut mettre en oeuvre la methode de
Gauss sans faire de permutations.
3. Calculer A
1
en resolvant AX
(i)
= e
(i)
, o` u e
(i)
= (0, . . . , 1, . . . , 0)
T
, (1 est sur la i
`eme
ligne), en utilisant la decomposition A = LU. Quelle remarque peut-on faire concernant
linverse dune matrice tridiagonale ?
Exercice 3 Decomposition QR
Soit A une matrice dordre 3 denie par
A =
_
_
1 2 3
4 5 6
7 8 9
_
_
On denit pour v R
m
, m N

, la matrice de Householder H
m
(v) := I 2
vv
T
v
T
v
, si v = 0 et
H(v) = I, si v = 0. On note |a| :=
_
a
2
1
+ +a
2
m
, pour a = (a
1
, . . . , a
m
) R
m
.
160 ANNEXE D. ANN

EE 2004-2005
1. Montrer que les matrices de Householder sont ` a la fois orthogonales et symetriques.
2. Soit a = (a
1
, . . . , a
m
)
T
et b = (|a|, 0, . . . , 0)
T
. Montrer que lon a
H
m
(b a)a = b.
3. En deduire quil existe c
1
R
3
et t
1
> 0 tels que
H
(1)
A =
_
_
t
1

0
0
_
_
, avec H
(1)
= H
3
(c
1
).
4. En deduire quil existe c
2
R
2
, c
3
R, et t
2
, t
3
> 0 tels que
H
(3)
H
(2)
H
(1)
A =
_
_
t
1

0 t
2

0 0 t
3
_
_
, H
(2)
=
_
1 0
0 H
2
(c
2
)
_
, H
(3)
=
_
_
1 0 0
0 1 0
0 0 H
1
(c
3
)
_
_
.
5. Montrer que A = QR avec Q une matrice orthogonale et R une matrice triangulaire
superieure `a termes diagonaux strictement positifs. Quelle propriete sur la matrice A
a-t-on utilise pour avoir cette decomposition ?
161
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille TP 2
Resolution de syst`emes lineaires
Exercice 1 Decomposition LU
1. Ecrire une procedure LU (sans strategie de pivot) qui ` a une matrice donnee A retourne la
liste de matrices L et U de la factorisation de A. Tester avec A =
_
_
_
_
2 3 0 1
3 5 2 7
0 2 1 2
1 7 2 0
_
_
_
_
.
Indices :
Inutile de conserver les valeurs de A, elles seront remplacees par celles de U : vous
devez donc copier A dans U au debut de votre programme.
Consulter laide en ligne de addrow.
2. Utiliser votre procedure pour trouver le determinant de A.
3. Ecrire une procedure descente et une procedure remontee pour resoudre respectivement
Ly = b et Ux = y.
4. Appliquer ces procedures pour resoudre LUx
i
= e
i
o` u e
i
est le i-`eme vecteur de la base
canonique de R
N
. Que vaut la matrice
_
x
1
x
2
. . . x
n
_
?
5. Modier votre procedure an quelle retourne un message derreur en cas de pivots nuls.
Tester avec A =
_
_
_
_
1 1 1 1
1 1 2 2
1 1 3 1
1 1 1 4
_
_
_
_
.
Exercice 2
La matrice hilbertienne H M
n
(R), H =
_
_
_
_
_
_
_
1 1/2 1/3 1/4 . . .
1/2 1/3 1/4 1/5 . . .
1/3 1/4 1/5 1/6 . . .
1/4 1/5 1/6 1/7 . . .
.
.
.
.
.
.
.
.
.
.
.
.
_
_
_
_
_
_
_
est denie positive
pour tout n N. Calculer le conditionnement de H pour dierentes valeurs de n et faire une
representation graphique.
Exercice 3
On dit que A = (a
i,j
)
n
i,j=1
est une matrice bande dindice p, si elle verie
a
i,j
= 0, |i j| p.
Verier sur des exemples que si A est une matrice bande dindice p, et si A admet une
decomposition LU, alors L et U sont aussi des matrices bandes dindice p.
162 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 8
Exercice 1 Polynomes de Lagrange (Joseph-Louis Lagrange, franco-italien, 1736-1813)
Soient les points dinterpolation suivants : (1, 1), (0, 1), (1, 0) et (2, 0). Trouvez le polyn ome
dinterpolation de degre 3 passant par ces points :
a) par une methode didentication,
b) par une methode de mise en facteurs,
c) `a laide des polyn omes de Lagrange.
Exercice 2 Matrice de Vandermonde (Alexandre Vandermonde, fran cais, 1735-1796)
a)

Ecrire le syst`eme lineaire qui denit le polyn ome dinterpolation de degre 3 passant
par les points de coordonnees (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
), (x
3
, y
3
).
b) Calculer le determinant de la matrice V de ce syst`eme lineaire (on pourra eectuer
des manipultations de lignes et de colonnes). La matrice V est appelee matrice de
Vandermonde.
c) Calculer dans le cas general (i.e. en dimension quelconque) le determinant dune matrice
de Vandermonde.
Exercice 3 Algorithme de Neville-Aitken (Eric Harold Neville, anglais, 1889-1961 et
Alexander Aitken, neo-zelandais, 1895-1967)
Pour deux suites de nombres x
0
, x
1
, x
2
, . . . , x
r
et y
0
, y
1
, y
2
, . . . , y
r
, on denit la suite de
polyn omes :
P
k,0
= y
k
pour k = 0, 1, . . . , r et
P
k,j+1
(x) =
(x
k
x)P
j,j
(x) (x
j
x)P
k,j
(x)
x
k
x
j
pour k = j + 1, . . . , r et j = 0, . . . , k 1.
a) Construire P
3,3
avec (x
0
, y
0
) = (1, 1), (x
1
, y
1
) = (0, 1), (x
2
, y
2
) = (1, 0) et (x
3
, y
3
) =
(2, 0).
b) Montrez par recurrence que P
k,j
avec k j est le polyn ome dinterpolation de Lagrange
pour les points x
0
, x
1
, . . . , x
j1
, x
k
.
c) Quen concluez-vous pour P
k,k
?
Exercice 4 Dierences divisees
a) Retrouvez par la methode des dierences divisees le polynome dinterpolation de La-
grange de degre 3 aux points (1, 1), (0, 1), (1, 0) et (2, 0) (polyn ome dej` a obtenu).
b) Reecrire larbre des dierences divisees lorsque les points x
0
, x
1
, x
2
, x
3
sont reguli`erement
repartis (formule de Newton : Sir Isaac Newton, anglais, 1643-1727).
163
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 9
Exercice 1 Extrait examen septembre 2004
On consid`ere la table suivante donnant les valeurs (m
2
.s
1
) de la viscosite cinematique de
leau en fonction de la temperature T (

C) :
T 15 16 17 18 19 20 21 22 23 24 25 26 27 28
1.14 1.11 1.08 1.06 1.03 1.01 0.983 0.960 0.938 0.917 0.896 0.876 0.857 0.839
1. Quelle est la viscosite `a 26.5 degres ?
2. Pour quelle temperature a-t-on = 0.9 m
2
.s
1
?
Exercice 2
Soit la fonction denie par f(x) =
3

x.
1. Construire la table des dierences divisees `a partir des donnees
(x
i
, f(x
i
)), i = 0 ` a 4, avec x
0
= 0 , x
1
= 1 , x
2
= 8 , x
3
= 27 , x
4
= 64.
2. Ecrire le polyn ome dinterpolation de f, note P
4
, construit sur les donnees du 1, en
utilisant la formule de Newton et les dierences divisees, cest-`a-dire :
P
0
(x) = f(x
0
)
P
k
(x) = P
k1
(x) + (x x
0
)(x x
1
) . . . (x x
k1
)f[x
0
, x
1
, . . . , x
k
]
Calculer P
i
(20) pour i = 1 ` a 4 et comparer `a f(20).
3. Ecrire lerreur dinterpolation E
4
(x) = f(x) P
4
(x).
Peut-on majorer E
4
(20) sur lintervalle considere ? Expliquer les resultats du (2).
4. Pour ameliorer les resultats, on interpole f sur les donnees (x
i
, f(x
i
)) i = 1 ` a 4. Ecrire
le polyn ome dinterpolation ainsi obtenu ` a laide de (1). On le note Q
3
. Calculer Q
i
(20)
pour i = 1, 2, 3 et donner une majoration de E
3
(20) = f(20) Q
3
(20).
5. On veut maintenant resoudre
3

x = avec = 2.71441761659, par interpolation


inverse. Pour cela :
a. Construire la table des dierences progressives-regressives (y
i
= y
i
y
i1
) pour les
donnees permutees, cest-`a-dire pour (f(x
i
), x
i
)
i = 0 ` a 4.
b. Ecrire le polyn ome dinterpolation R
4
, construit ` a laide de la formule de Newton
regressive :
R
k
(x) = R
k1
(x) + (x x
n
)(x x
n1
) . . . (x x
n(k1)
)

k
f(x
n
)
k!h
k
R
0
(x) = f(x
n
)
Calculer les R
i
() pour i = 1 ` a 4. Que constate-t-on ? Evaluer une majoration de

2
() = f
1
() R
2
(). Comparer ` a R
3
() R
2
().
164 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 10
TD de preparation au troisi`eme TP Maple.
Probl`eme 1

Etude des polyn omes de Tchebyche (Pafnuty Lvovich Chebyshev, russe, 1821-
1894)
On appelle fonction polynomiale de Tchebyche de degre n, lapplication
T
n
: [1, +1] R
x cos(narccos(x)).
1) Montrez en posant cos() = x que pour tout entier n positif, T
n
est un polyn ome de
degre n en x.
2) Montrez que pour tout n 2, on a
T
n+1
(x) = 2xT
n
(x) T
n1
(x).
3) Calculez les 5 premiers polynomes de Tchebyche.
4) Determinez en fonction de n le coecient du terme en x
n
de T
n
.
5) On pose
X
k
= cos(
2k + 1
2n
) pour k = 0, . . . , n 1.
Montrez que T
n
poss`ede n zeros simples. Ces zeros sont appeles les points de Tchebyche
dordre n.
6) Si f est une fonction de classe C
n+1
[1, 1] , on rappelle que lon a lestimation derreur
|f(x) P(x)| max
x[1,+1]

f
(n+1)
(x)

(n + 1)!
max
x[1,+1]
|(x x
0
) . . . (x x
n
)|
o` u P est le polyn ome dinterpolation de Lagrange en les points x
0
, . . . , x
n
. On admettra
le resultat suivant
max
x[1,+1]
|(x x
0
) . . . (x x
n
)| max
x[1,+1]
|(x X
0
) . . . (x X
n
)| .
Expliquez pourquoi les points de Tchebyche sont de bons points dinterpolation.
7) Quels points dinterpolation faut-il choisir si lintervalle dinterpolation est le segment
[a, b] ?
165
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 11
Probl`eme 1 Splines cubiques
Soient a = x
1
< x
2
< < x
n
= b n points distincts et une fonction f : [a, b] R. Sur
chaque segment [x
i
; x
i+1
], on cherche un polyn ome de degre 3 s (spline cubique) tel que :
s(x
i
) = f(x
i
), i = 1 . . . n
veriant les conditions supplementaires :
s

(x

i
) = s

(x
+
i
) : continuite de la derivee premi`ere,
s

(x

i
) = s

(x
+
i
) : continuite de la derivee seconde,
ainsi que
s

(x
1
) = s

(x
n
) = 0.
(i) Notons
h
i
= x
i+1
x
i
, i = 1, 2, n 1; D
i
= s

(x
i
), i = 1, 2, n.
Quel est le degre de s

sur chacun des intervalles [x


i
; x
i+1
] ?
Montrer alors que
s

(x) =
D
i+1
h
i
(x x
i
)
D
i
h
i
(x x
i+1
),
pour tout x
i
x x
i+1
, i = 1, 2, n 1.
(ii) En deduire quil existe des constantes A
i
, B
i
, i = 1, 2, n 1 telles que :
s

(x) =
D
i+1
2h
i
(x x
i
)
2

D
i
2h
i
(x x
i+1
)
2
+A
i
,
s(x) =
D
i+1
6h
i
(x x
i
)
3

D
i
6h
i
(x x
i+1
)
3
+A
i
(x x
i
) +B
i
pour tout x
i
x x
i+1
, i = 1, 2, n 1.
(iii) Comme s(x
i
) = f(x
i
), i = 2, n1 et s(x
i+1
) = f(x
i+1
), i = 1, 2, n1, montrer
que pour tout 1 i n 1 on a :
A
i
=
f(x
i+1
) f(x
i
)
h
i
+
h
i
6
(D
i
D
i+1
), B
i
= f(x
i
)
h
2
i
6
D
i
.
(iv) Utilisant les conditions de continuite s

(x
+
i
) = s

(x

i
), montrer quon a :

i
D
i1
+ 2D
i
+
i
D
i+1
= F
i
, 2 i n 1
o` u on a pose

i
=
h
i1
h
i
+h
i1
;
i
=
h
i
h
i
+h
i1
;
F
i
=
6
h
i1
+h
i
_
f(x
i+1
) f(x
i
)
h
i

f(x
i
) f(x
i1
)
h
i1
_
.
166 ANNEXE D. ANN

EE 2004-2005
Ainsi le vecteur colonne de composantes D
i
est solution du syst`eme lineaire :
_
_
_
_
_
_
_
_
_
_
2
2

3
2
3

4
2
4

n2
2
n2

n1
2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
_
D
2
D
3
D
4

D
n2
D
n1
_
_
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
_
_
F
2
F
3
F
4

F
n2
F
n1
_
_
_
_
_
_
_
_
_
_
(v) Montrer que la matrice est ` a diagonale dominante. En deduire que la fonction spline
s est determinee de facon unique par la resolution du syst`eme lineaire de la question
precedente.
(vi) Application : on consid`ere la distribution cumulee N des nouveaux-nes de m`eres
bulgares en fonction de leur age.
age 15 20 25 30 35 40 45
N 0 7.442 26.703 41.635 49.785 50.209 50.226
Trouver la fonction spline cubique f qui interpole ces donnees et qui verie les conditions
f

(15) = f

(50) = 0.
Exercice 1 Extrait Examen juin 2004
Soit une fonction f que lon cherche ` a interpoler sur lintervalle [0, 6].
(a) Calculer le polyn ome dinterpolation P sur les donnees suivantes
x 0 2 4 6
f(x) 0.5 1.7903 3.3900 1.2795
(b) Sachant que la fonction f est egale `a :
f(x) = 3 sin(2x) +
1
2
cos(3x),
Calculer lerreur dinterpolation que vous avez faite en x = 3 et en x = 5. Les resultats
sont-ils satisfaisants ? Justier-les (eventuellement en tracant f).
(c) On cherche `a ameliorer les resultats en interpolant avec une spline cubique, notee s.
On pose x
i
= i, i = 0 . . . 5 et D
i
= s

(x
i
), i = 0 . . . 5 avec D
0
et D
5
xes. Pour trouver
s, on doit resoudre le syst`eme suivant :

i
D
i1
+ 2D
i
+
i
D
i+1
= F
i
, 1 i 4,
o` u
i
=
i
= 1/2, i = 1 . . . 4. Ecrire le syst`eme. On notera A la matrice du syst`eme
obtenu. On remarquera que A est symetrique, denie positive et admet donc une unique
factorisation LU (cf TD 6).
(f) Pensez-vous que les resultats de linterpolation avec s ainsi calcule seront meilleurs ?
167
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille TP 3
On pose T
n
(x) = cos(narccos(x)) et X = arccos(x) pour x [1; 1].
Exercice 1 Les polyn omes de Chebyshev
1. Demontrez la formule de recurrence des polynomes de Chebyshev `a laide de MAPLE.
(Indice : developper cos((n + 2)x) puis cos((n + 1)x).)
2. Acher les 10 premiers polyn omes de Chebyshev `a laide dune boucle for. Que vaut le
coecient de plus haut degre ?
3. Tracer leurs graphes.
4. Verier que les cos
_
(2k1)
12
_
sont les zeros dun des polyn omes precedents (Lequel ?).
Exercice 2 Linterpolation polynomiale
1. Consultez laide en ligne de MAPLE pour linterpolation.
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec :
6 points : -5, -3, -1, 1, 3, 5.
11 points : -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5.
21 points : -5, -4.5, -4, -3.5, -3, -2.5, -2, -1.5, -1, -0.5, 0, 0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4,
4.5, 5.
3. Tracer f et son polyn ome dinterpolation sur un meme graphe. Que constatez-vous ?
Exercice 3 Interpolation polynomiale et polyn omes de Chebyshev
1. Quel sont les polyn omes de Chebyshev qui poss`edent 6, 11 et 21 zeros ?
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec 6, 11 puis 21 points dinterpolation qui seront les 6,
11 puis 21, zeros dun polyn ome de Chebyshev.
3. Tracer f et ce nouveau poyln ome dinterpolation sur un meme graphe. Que constatez-
vous ?
4. Reprendre les trois derni`eres questions avec la fonction f(x) =
1
1 +x
2
.
168 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 12
Exercice 1 Extrait de lexamen de septembre 2004.
Soit la formule de quadrature suivante :
_
1
1
g(t) dt = a
1
g(2) +a
2
g(1) +a
3
g(0) +R(g).
1. Determiner les coecients a
i
pour i variant de 1 ` a 3, de sorte que R(g) = 0, quel que
soit g appartenant ` a lespace vectoriel des polyn omes de degre inferieur ou egal `a n, o` u
n est le plus grand possible. Que vaut n?
2. En supposant que R(g) = Kg
n+1
(), determiner K.
3. Deduire des questions precedentes, la formule et lerreur de quadrature pour
_
x
n+3
x
n+1
f(x) dx,
en posant x
n
= a +nh.
Exercice 2 Extrait de lexamen de juin 2004.
Soit la formule dintegration numerique suivante :
_
1
1
g(x) dx =
1
g(a) +
0
g(0) +
1
g(a) +R(g).
(a) Determiner
1
,
0
et a de sorte que R(g) = 0 quelle que soit g appartenant ` a lespace
vectoriel des polynomes de degre le plus grand possible. Quel est le degre de precision
de cette formule ?
(b) Montrer que /2 est racine de f(x) = 3 sin(2x) +
1
2
cos(3x) et trouver ` a laide de
la methode de Newton la racine de f qui appartient ` a lintervalle [1, 0]. (On ne
demande aucune justication de la convergence de la methode de Newton, ni du choix
de x
0
).
(c) Calculer `a laide de la formule, sur laquelle vous aurez eectue le changement de
variables adequat :
_
/2

f(t) dt. Calculer lerreur faite avec cette formule.


Exercice 3 Calcul de lerreur de la formule de Simpson
Soit f C
5
([a, b]). On note c =
a +b
2
, h =
b a
2
.
(i) Montrer quil nexiste quun unique polyn ome de degre 3 tel que
f(a) = p(a), f(b) = p(b), f(c) = p(c), f

(c) = p

(c).
169
(ii) Soit A lapplication de R
4
dans P
3
, qui ` a 4 valeurs donnees associe p deni ` a la question
(i).
A : R
4
P
3
(f(a), f(b), f(c), f

(c)) p
tel que
f(a) = p(a), f(b) = p(b), f(c) = p(c), f

(c) = p

(c).
Pourquoi lunicite de p demontree `a la question (i) vous donne lexistence de p ?
(iii) Montrer en vous inspirant de la demonstration de lerreur dinterpolation du po-
lyn ome de Lagrange quil existe [a, b] tel que
f(x) p(x) =
f
(4)
()
4!
(x a)(x c)
2
(x b).
(On etudiera la fonction : W(t) = f(t) p(t)
(t a)(t b)(t c)
2
(x a)(x b)(x c)
2
[f(x) p(x)]).
(iv) Quel est le degre de precision de la formule de Simpson? En deduire
_
b
a
p(x) dx. Que
vaut alors cette integrale en fonction de f(a), f(b) et f(c) ?
(v) En deduire que la formule de Simpson satisfait
_
b
a
f(x) dx
b a
6
_
f(a) + 4f
_
a +b
2
_
+f(b)
_
=
h
5
90
f
(4)
()
avec un entre a et b.
Formule de la moyenne generalisee : Soient f et g deux fonctions continues sur [a, b]
avec g de signe constant sur ]a, b[ alors il existe dans [a, b] tel que
_
b
a
f(x)g(x) dx = f()
_
b
a
g(x) dx.
N.B :
_
b
a
(x a)(x b)
_
x
a +b
2
_
2
dx =
(b a)
5
120
.
170 ANNEXE D. ANN

EE 2004-2005
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille 13
Exercice 1
Montrer que la formule du point milieu est une formule de Gauss. En deduire la majoration
de lerreur :

_
b
a
f(x) dx (b a)f
_
a +b
2
_

(b a)
3
24
f

(), ]a, b[.


Exercice 2 Extrait de lexamen de juin 2004.
Soient (x
i
, y
i
, z
i
), i = 0 . . . n des triplets de R tels que les x
i
sont distincts.
(i) Montrer que le polyn ome P de degre 2n + 1 tel que :
P(x
i
) = y
i
et P

(x
i
) = z
i
, i = 0 . . . n.
est unique.
(On ne demande que la demonstration de lunicite et non de lexistence).
(ii) Soit f C
2n+2
([a, b]).On pose y
i
= f(x
i
) et z
i
= f

(x
i
), i = 0 . . . n.
Si a x
0
< x
1
< < x
n
b et P deni comme au (i), montrer qualors :
f(x) P(x) =
(x x
0
)
2
(x x
1
)
2
. . . (x x
n
)
2
(2n + 2)!
f
(2n+2)
()
o` u a min(x, x
0
) < < max(x, x
n
) b.
(iii) Quel est le nom de ce polynome P ?
(iv) Soit f C
2n+2
([a, b]). Demontrer lerreur des formules de type Gauss ie :
R(f) =
f
(2n+2)
()
(2n + 2)!
_
b
a
v
2
n
(t) dt, [a, b]
o` u v
n
(t) =
n
i=0
(t t
i
) avec t
i
, i = 0 . . . n, n + 1 points de Gauss.
Exercice 3 Dierences divisees generalisees et derivation numerique
Le but de cet exercice est dutiliser linterpolation polynomiale pour obtenir des formules de
derivation numerique. Pour ce faire, nous avons besoin detendre la denition des dierences
divisees lorsque les points dinterpolation ne sont pas distincts.
Soit n N. Soient f : [a, b] R une fonction susamment derivable et x
0
x
1
x
n
des points non necessairement distincts dans [a, b]. On cherche un polyn ome p
n
P
n
qui
interpole la fonction f aux points x
0
, . . . , x
n
, cest-`a-dire tel que :
p
(j)
n
(z) = f
(j)
(z), pour j = 0, . . . , m1,
pour chaque point z qui intervient m fois dans la suite x
0
, . . . , x
n
.
171
Nous admettrons que ce polyn ome est unique et donne par la formule classique :
p
n
(x) =
n

k=0
f[x
0
, . . . , x
k
]v
k1
(x),
o` u v
k
(x) = (x x
0
) . . . (x x
k
), et les dierences divisees generalisees sont denies par
recurrence par :
f[x
j
] = f(x
j
) pour j = 0, . . . , n,
f[x
0
, . . . , x
k
] =
_

_
f[x
1
, . . . , x
k
] f[x
0
, . . . , x
k1
]
x
k
x
0
si x
k
> x
0
,
f
(k)
(x
0
)
k!
si x
k
= x
0
.
On peut verier que f[x
0
, . . . , x
k
] est independant de lordre des x
i
.
(a) Exemple : trouver le polyn ome p P
4
interpolant f(x) = ln x tel que :
p(1) = f(1) = 0, p(2) = f(2) = 0.693147,
p

(1) = f

(1) = 1, p

(2) = f

(2) = 0.5,
p

(1) = f

(1) = 1.
(b) Montrer que pour tout x [a, b], on a
f(x) p
n
(x) = f[x
0
, . . . , x
n
, x] v
n
(x) (D.4)
On pose g
n
(x) = f[x
0
, . . . , x
n
, x]. Admettons le theor`eme suivant (demonstration dans
Elementary numerical analysis, S. D. Conte, C. de Boor, page 65).
Theor`eme : Supposons que f C
k
([a, b]) et x
0
x
1
x
k
sont k+1 points non
necessairement distincts dans [a, b]. Alors
il existe x
0
x
k
tel que
f[x
0
, . . . , x
k
] =
f
(k)
()
k!
, (D.5)
la fonction g
k1
: [a, b] R, x g
k1
(x) = f[x
0
, . . . , x
k1
, x], est continue.
(c) Montrer que
d
dx
g
n
(x) = f[x
0
, . . . , x
n
, x, x]. (D.6)
(d) Deduire de (D.4), (D.5) et (D.6) que, pour tout [a, b], on a f

() = p

n
() +E(f),
o` u
E(f) =
f
(n+2)
()
(n + 2)!
v
n
() +
f
(n+1)
()
(n + 1)!
v

n
() (D.7)
avec , [a, b].
Lerreur E(f) dans la derivation numerique se simplie lorsque quon choisit parmi les
x
i
(alors v
n
() = 0), ou lorsque les points x
i
sont repartis de mani`ere symetrique autour de
(alors n est impair et on peut verier que v

n
() = 0).
172 ANNEXE D. ANN

EE 2004-2005
(e) Ecrire la formule de derivation numerique et lerreur correspondante pour n = 1.
Retrouver les formules vues en cours :
(i) en prenant x
0
= et x
1
= +h,
(ii) en prenant x
0
= h et x
1
= +h.
(f) En prenant n = 2, x
0
= , x
1
= +h et x
2
= + 2h, montrer que
f

()
3f() + 4f( +h) f( + 2h)
2h
avec une erreur
E(f) =
h
2
3
f

()
pour un [, + 2h].
173
DEUG MIAS 2 Analyse numerique
Annee 2004-2005 Feuille TP 4
Exercice 1 Les formules de Newton-Cotes
Ecrire une fonction newton-cotes donnant lintegrale sur [a, b] du polyn ome dinterpolation
P dune fonction inconnue f en se basant sur une subdivision reguli`ere de [a, b] en n points
(P est unique avec la condition deg(P) < n).
Exercice 2 Methodes composees
1. En subdivisant lintervalle [a, b] en sous intervalles ecrire une procedure qui donne la
formule de Newton-Cotes composee. En deduire les formules dintegration composee
classiques : methode des trap`ezes, methode de Simpson.
2. Calculer des approximations de
_
2
0
exp(cos(t)) dt avec les methodes precedentes. Com-
parer ` a la valeur exacte.
174 ANNEXE D. ANN

EE 2004-2005
Universite Louis Pasteur 3 juin 2005
U.F.R. de Mathematique et Informatique
DEUG MIAS 2
Analyse Numerique
Examen de juin
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 1
1. On denit P(x) = a +bx+cx
2
le polyn ome de degre inferieur ou egal `a 2 interpolant f
aux points , et (cest-`a-dire satisfaisant P() = f(), P() = f() et P() = f()).
Ecrire le syst`eme lineaire que resolvent a, b et c. On appelle M la matrice de ce syst`eme.
Faites la factorisation LU de cette matrice. En deduire son determinant.
Quel resultat sur linterpolation retrouve-t-on ?
2. On cherche P sous la forme A+B(x)+C(x)(x). Ecrire le syst`eme lineaire que
resolvent A, B et C. Quel est le nom de la forme du polyn ome P ? Quel est lavantage
de ce syst`eme par rapport au precedent ?
Exercice 2
Soit f C
2
([a, b]), on cherche ` a resoudre lequation f(x) = 0 dans [a, b] ie trouver l [a, b]
solution de f(l) = 0.
On suppose connue une suite de points x
0
, x
1
, . . . , x
n
dans [a, b]. On appelle l
1
la solution
dans [a, b] de lequation approchee P(x) = 0, o` u P est le polyn ome dinterpolation de f sur
les points x
n1
et x
n
.
1. Calculer le polynome dinterpolation P de f sur les points x
n1
et x
n
. Trouver alors
x
n+1
solution de P(x) = 0.
2. Que vaut P(l) P(l
1
) en fonction de l l
1
? Que vaut f(x) P(x) ?
3. On pose e
n
= l x
n
. Deduire de la question precedente f(l) P(l) en fonction de e
n1
et e
n
.
4. Comme e
n+1
= l x
n+1
= l l
1
, deduire des deux questions precedentes lexpression
de e
n+1
= l l
1
en fonction de e
n1
et e
n
.
5. En deduire quil existe [a, b] et [a, b] tels que :
l l
1
= e
n1
e
n
f

()
2f

()
6. Quelle est linterpretation geometrique de x
n+1
? Quelle est cette methode ?
7. Quavons-nous besoin pour initialiser cette methode ?
175
Exercice 3
Soit f une fonction inniment derivable. On cherche ` a approcher
_
1
1
f(x)dx par la formule
dintegration numerique suivante
I
1
:= a
1
f(1) +a
0
f(0) +a
1
f(1).
1. Trouver a
1
, a
0
et a
1
an que cette formule soit exacte pour tout polyn ome de degre
aussi grand que possible. Comment sappelle cette formule et quel est son degre de
precision ?
2. On souhaite rendre cette formule plus precise. Pour la suite, on denit P lunique
polyn ome de degre inferieur ou egal `a 2 interpolant f aux points 1, 0 et 1 (cest-`a-dire
satisfaisant P(1) = f(1), P(0) = f(0) et P(1) = f(1)). Trouver P pour f 1, f x,
f x
2
, f x
3
, f x
4
. Pouvez-vous justier les resultats obtenus ?
3. On cherche maintenant une formule du type
I
2
:= I
1
+A
0
(f(1/2) P(1/2)) +A
1
(f(1/2) P(1/2)).
Trouver A
0
et A
1
de telle sorte que I
2
soit exacte pour tout polyn ome de degre aussi
grand que possible.
Trouver P, le polyn ome de degre inferieur ou egal `a 2 interpolant f aux points 1, 0 et
1 pour f x
5
et f x
6
, en deduire le degre de precision de cette nouvelle formule ?
4. On souhaite avoir une formule encore plus precise. Pour cela, on cherche une formule
du type
I
3
:= I
1
+A
0
(f() P()) +A
1
(f() P()),
avec A
0
, A
1
, de telle sorte que la formule soit exacte pour tout polyn ome de degre
aussi grand que possible. Quel est le degre de precision de cette derni`ere formule ?
5. Tester les 3 formules pour evaluer
_
1
1
exp(x/2)dx et
_
1
1
exp(2x)dx. Que constate-t-on ?
6. Donner les formules dintegration correspondant ` a I
1
, I
2
et I
3
sur un intervalle quel-
conque [a, b], en utilisant un changement de variables.
Probl`eme
Premi`ere partie : question de cours
Demontrer le theor`eme suivant :
Theor`eme 27 Condition susante de convergence de la methode du point xe.
Si
(1) g(x) est strictement contractante i.e
0 L < 1, (x, y) [a, b] |g(x) g(y)| L |x y|.
et si
(2) x [a, b] =g(x) [a, b]
Alors quel que soit x
0
[a, b], la suite (x
n
)
nN
denie par :
_
x
0
xe dans [a, b]
x
n+1
= g(x
n
),
converge vers l unique solution de lequation l = g(l) dans [a, b].
176 ANNEXE D. ANN

EE 2004-2005
Deuxi`eme partie
On etudie la fonction reelle f(x) = x
4
+ 6x
2
60x + 36.
1. Etudier f

la derivee de f et montrer que f

admet une unique solution telle que


f

() = 0. Trouver I

lintervalle de la forme [n, n + 1], n N qui contient .


2. Trouver par la methode de Newton. Ecrire la methode et justier soigneusement la
convergence.
3. Combien diterations de la methode de Newton sont necessaires pour avoir une erreur
inferieure `a 10
8
? Calculer alors `a 10
8
pr`es.
4. Montrer que f() = 3(
4
2
2
+ 12). En deduire le signe de f() et montrer alors
que f poss`ede deux zeros et sur R. Trouver I

et I

les intervalles de la forme


[n, n + 1], n N qui contiennent et .
5. On denit la methode suivante pour trouver ou :
_
x
0
I

ou I

x
n+1
= g(x
n
) =
1
60
(x
4
n
+ 6x
2
n
+ 36)
Justier le choix de la methode. Converge-t-elle vers ? Converge-t-elle vers ?
177
Universite Louis Pasteur 6 septembre 2005
U.F.R. de Mathematique et Informatique
DEUG MIAS 2
Analyse Numerique
Examen de Septembre
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 1
1. Montrer quune matrice denie positive est inversible.
2. Soit A
h
la matrice suivante :
A
h
=
1
h
2
_
_
_
_
_
_
_
_
_
_
_
_
2 +c
1
h
2
1 0 0 . . . 0
1 2 +c
2
h
2
1 0
.
.
.
0 1 2 +c
3
h
2
1
.
.
.
.
.
.
.
.
. 0 1
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
. 1
0 . . . . . . 0 1 2 +c
N
h
2
_
_
_
_
_
_
_
_
_
_
_
_
Quelles sont les deux proprietes evidentes de A
h
?
Montrer que si c
i
0, i = 1 . . . N alors A
h
est denie positive (donc inversible).
Exercice 2
Soit la formule dintegration numerique suivante :
_
1
1
f(x) dx = a f(1) +b f(0) +c f(1) +d f

(0) +R(f),
o` u f

designe la fonction derivee de f.


1. Quel est le syst`eme que doivent resoudre a, b, c, d pour que cette formule soit exacte
(R(f) = 0) sur lespace vectoriel des polyn omes de degre le plus eleve possible ? Noter
A la matrice de ce syst`eme.
2. Quelle est la decomposition LU de A?
3. Resoudre le syst`eme. Quelle est cette formule, quel est son degre de precision et la forme
de lerreur ?
178 ANNEXE D. ANN

EE 2004-2005
Exercice 3
Soit la fonction f denie par f(x) =
1
x + 1
.
1. Quel est le polyn ome dinterpolation de f construit sur les abscisses suivantes
x
0
= 0, x
1
= 1, x
2
= 2, x
3
= 3 ?
2. Calculer P(3/2). A quelle erreur peut-on sattendre ? Comparer ` a lerreur exacte.
Exercice 4
Soit la fonction denie par f(x) = x 1 e
x
.
1. Etudier cette fonction f et tracer son graphe. En deduire que lequation f(x) = 0 a une
unique solution notee s. Trouver I intervalle de la forme [n, n+1], n N qui contient s.
2. On denit la methode iterative :
_
x
0
I
x
n+1
= g(x
n
) = 1 + e
x
Cette methode converge-t-elle vers s ?
3. Determiner le nombre diterations assurant que lerreur e
n
= x
n
s verie |e
n
| 5.10
4
.
4. Etudier la convergence de la methode denie par :
_
x
0
I
x
n+1
= h(x
n
) = ln(x 1)
5. Ecrire la methode de Newton relative ` a la fonction f. Quelles sont les valeurs de x
0
qui
assurent la convergence de la methode ?
6. Eectuer numeriquement deux iterations de la methode de Newton pour x
0
= 1. Puis
par la methode denie en 2, eectuer les iterations jusqu` a lobtention dun resultat
voisin `a 5.10
4
pr`es de celui de Newton. Conclure.
Annexe E
Annee 2005-2006
179
180 ANNEXE E. ANN

EE 2005-2006
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille 1
Revisions
Exercice 1 Theor`eme des valeurs intermediaires
a) Enoncer le theor`eme des valeurs intermediaires.
b) Soit I un intervalle de R et f : I R continue telle que x I, f(x)
2
= 1. Montrer
que f = 1 ou f = 1.
c) Soit f : R
+
R continue admettant une limite nie en +. Montrer que f est bornee.
Atteint-elle ses bornes ?
Exercice 2 Theor`eme des valeurs intermediaires
a) Enoncer le theor`eme des valeurs intermediaires pour une fonction strictement mono-
tone.
b) Montrer que lequation 32x = e
x
poss`ede une unique solution dans R. Verier que
0 1. Est-ce que
1
2
1 ?
Exercice 3 Theor`eme de Rolle
a) Enoncer le theor`eme de Rolle. Interpretation geometrique ?
b) Soit f une fonction n fois derivable sur ]a, b[ sannulant en n+1 points de ]a, b[. Montrer
que si f
(n)
est continue, il existe un point x
0
de ]a, b[ tel que f
(n)
(x
0
) = 0.
c) Montrer que le polyn ome P
n
deni par
P
n
(t) = [(1 t
2
)
n
]
(n)
est un polyn ome de degre n dont les racines sont reelles, simples et appartiennent ` a
[1, 1].
Exercice 4 T.A.F.
a) Utiliser le theor`eme de Rolle pour demontrer le theor`eme des accroissements nis (in-
dication : on introduira (x) = f(x)
f(b) f(a)
b a
(x a)).
b) Montrer que pour tout x > 0,
1
x + 1
< ln(x + 1) ln(x) <
1
x
.
c) Une fonction f est dite strictement contractante sur I sil existe une constante 0 < k < 1
telle que
|f(x) f(y)| k|x y|
pour tous x, y I. Montrer que f(x) = e
(1+x)
est strictement contractante sur R
+
.
181
Exercice 5 Suite de Cauchy
a) Une suite (u
n
)
nN
est dite de Cauchy lorsque, pour tout > 0, il existe N N tel que,
si m, n N alors |u
n
u
m
| < . Montrer que toute suite convergente est de Cauchy.
b) On prend maintenant (u
n
) une suite de Cauchy. On veut montrer que (u
n
) converge.
Montrer que (u
n
) est bornee. Soit la suite (v
n
) donnee par son terme general
v
n
= sup{u
p
, p n}.
Montrer que la suite (v
n
) converge (indication : quel est son sens de variation ?). Montrer
que u
n
v
n
0. Conclure.
c) Soit f une fonction strictement contractante sur R. Montrer que la suite denie par
x
0
R, x
n+1
= f(x
n
) est une suite de Cauchy.
Arithmetique des ordinateurs
Exercice 6 Representation des nombres sur un ordinateur.
Soit le syst`eme de numerotation ottante deni par :
fl(X) =
+
.a
1
a
2
a
3
. . . a
N
b
e
avec 0 a
i
b 1 et a
1
= 0.
Rappel :
b N, b 2 est la base de numeration,
a = a
1
a
2
a
3
. . . a
N
la mantisse,
m < e < M lexposant o` u m, M N sont imposes par la taille memoire de la machine,
N est le nombre maximal de chires signicatifs (aussi impose par le choix de la taille des
emplacements memoires alloues au type reel).
a) On choisit : b = 2, N = 2, 2 e 3. Combien y-a-t-il de nombres positifs distincts
representables dans ce syst`eme ? Quels sont-ils ?
b) On choisit : b = 10, N = 3, 9 e 9. Combien y-a-t-il de nombres positifs distincts
representables dans ce syst`eme ?
Exercice 7 Laddition ottante nest pas associative ! !
Laddition ottante nest pas associative : en virgule ottante ` a n chires signicatifs, (a+b)+c
peut etre dierent de a + (b + c). Cest le cas avec le choix suivant o` u les calculs sont faits
avec 8 chires signicatifs :
a = 0.23371258 10
4
; b = 0.33678429 10
2
; c = 0.33677811 10
2
.
Eectuer le calcul.
182 ANNEXE E. ANN

EE 2005-2006
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille 2
Resolution dequations non lineaires
Exercice 1 Extrait de lexamen de septembre 2003.
On consid`ere la fonction f denie sur R par f(x) = x
4
4x
3
1.
1. Localiser chaque racine de lequation f(x) = 0 dans un intervalle forme de deux entiers
consecutifs.
2. Soient les trois methodes dapproximations successives denies par les relations sui-
vantes :
x
n+1
= x
4
n
4x
3
n
+x
n
1
x
n+1
=
1
(x
n
4)
1
3
x
n+1
=
1
x
3
n
+ 4
On montrera quelles suites parmi celles proposees sont interessantes pour obtenir cha-
cune des racines de lequation.
3. Ecrire la methode de Newton relative ` a la fonction f. Justier le choix de x
0
.
Exercice 2 Extrait de lexamen de juin 2003.
Soient les deux fonctions suivantes :
f(x) = x et g(x) = ln(1 + 2x).
On cherche ` a calculer numeriquement laire comprise entre ces deux courbes. On note h(x) =
f(x) g(x).
1. Etudier la fonction h. Montrer quil existe deux valeurs pour lesquelles h sannule : une
valeur evidente (laquelle ?) et une valeur que lon note . Localiser dans un intervalle
I = [i, i + 1] o` u i est un entier.
2. Pour approcher , on denit la suite suivante :
_
x
0
I
x
n+1
= g(x
n
)
Montrer que cette suite converge bien vers . Calculer deux iteres.
3. Ecrire la methode de Newton qui permet de trouver une approximation de . Justier
le choix du x
0
qui assure la convergence et calculer quatre iteres. Donner une valeur
approchee de .
183
Exercice 3 Extrait de lexamen de septembre 2005.
Soit la fonction denie par f(x) = x 1 e
x
.
1. Etudier cette fonction f et tracer son graphe. En deduire que lequation f(x) = 0 a une
unique solution notee s. Trouver I intervalle de la forme [n, n+1], n N qui contient s.
2. On denit la methode iterative :
_
x
0
I
x
n+1
= g(x
n
) = 1 + e
x
Cette methode converge-t-elle vers s ?
3. Determiner le nombre diterations assurant que lerreur e
n
= x
n
s verie |e
n
| 5.10
4
.
4. Etudier la convergence de la methode denie par :
_
x
0
I
x
n+1
= h(x
n
) = ln(x 1)
5. Ecrire la methode de Newton relative ` a la fonction f. Quelles sont les valeurs de x
0
qui
assurent la convergence de la methode ?
6. Eectuer numeriquement deux iterations de la methode de Newton pour x
0
= 1. Puis
par la methode denie en 2, eectuer les iterations jusqu` a lobtention dun resultat
voisin `a 5.10
4
pr`es de celui de Newton. Conclure.
Probl`eme
Extrait de lexamen de juin 2005.
Premi`ere partie : question de cours
Demontrer le theor`eme suivant :
Theor`eme 28 Condition susante de convergence de la methode du point xe.
Si
(1) g(x) est strictement contractante i.e
0 L < 1, (x, y) [a, b] |g(x) g(y)| L |x y|.
et si
(2) x [a, b] =g(x) [a, b]
Alors quel que soit x
0
[a, b], la suite (x
n
)
nN
denie par :
_
x
0
xe dans [a, b]
x
n+1
= g(x
n
),
converge vers l unique solution de lequation l = g(l) dans [a, b].
Deuxi`eme partie
On etudie la fonction reelle f(x) = x
4
+ 6x
2
60x + 36.
184 ANNEXE E. ANN

EE 2005-2006
1. Etudier f

la derivee de f et montrer que f

admet une unique solution telle que


f

() = 0. Trouver I

lintervalle de la forme [n, n + 1], n N qui contient .


2. Trouver par la methode de Newton. Ecrire la methode et justier soigneusement la
convergence.
3. Combien diterations de la methode de Newton sont necessaires pour avoir une erreur
inferieure `a 10
8
? Calculer alors `a 10
8
pr`es.
4. Montrer que f() = 3(
4
2
2
+ 12). En deduire le signe de f() et montrer alors
que f poss`ede deux zeros et sur R. Trouver I

et I

les intervalles de la forme


[n, n + 1], n N qui contiennent et .
5. On denit la methode suivante pour trouver ou :
_
x
0
I

ou I

x
n+1
= g(x
n
) =
1
60
(x
4
n
+ 6x
2
n
+ 36)
Justier le choix de la methode. Converge-t-elle vers ? Converge-t-elle vers ?
185
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille 3
Resolution dequations non lineaires
Exercice 1 Methode dacceleration dAitken
Soit (x
n
) une suite denie par :
_
x
0
[a; b]
x
n+1
= g(x
n
)
et convergente vers l solution de f(x) = 0.
On suppose que lordre de cette methode est 1 soit :
e
n+1
= (A+
n
)e
n
, o` u e
n
= x
n
l, A = g

(l), 0 < A < 1 et lim


n

n
= 0
1. Montrer que e
n+2
2e
n+1
+e
n
secrit ((A 1)
2
+
n
)e
n
avec lim
n

n
= 0
2. Soit x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
. Montrer que
x

n
l
x
n
l
=

n
2
n
(A 1)
2
n
((A 1)
2
+
n
)
.
Que vaut lim
n
x

n
l
x
n
l
?
Normes matricielles et conditionnement
Exercice 2
1. Soit une norme matricielle, et b un vecteur non nul de R
N
. Que vaut xb
T
?
2. Montrer que x xb
T
est une norme vectorielle compatible avec la norme matri-
cielle.
Exercice 3
Soit A une matrice carree quelconque. Soit une norme matricielle subordonnee `a une
norme vectorielle.
1. Montrer que (A) A.
2. Supposons A inversible. Montrer que Cond(A)
|
max
(A)|
|
min
(A)|
o` u
max
(A) et
min
(A)
designent respectivement la plus grande et la plus petite valeur propre de A, en module.
Exercice 4
186 ANNEXE E. ANN

EE 2005-2006
1. Verier que A
T
A est symetrique reelle et que A
T
A est denie positive si et seulement
si A est inversible.
2. Montrer que A
2
= sup
Ax
2
x
2
=
_
(A
T
A)
3. Que se passe-t-il si A est symetrique ? Quen deduisez-vous sur Cond(A) dans ce cas ?
4. Que se passe-t-il si A est orthogonale (A
T
A = AA
T
= I) ? Quen deduisez-vous sur
Cond(A) dans ce cas ?
5. Soit U une matrice orthogonale (U
T
U = UU
T
= I). Calculer U
2
. Verier que
AU
2
= UA
2
= A
2
pour toute matrice A.
Exercice 5 Conditionnement
Soient
A =
_
10 7
14 10
_
b =
_
17
24
_
1. Resoudre le syst`eme lineaire Ax = b.
2. Resoudre le syst`eme lineaire Ax = b + b avec
b =
_
0.5
0.5
_
3. Resoudre le syst`eme lineaire (A+ A)x = b avec
A =
_
0 0.5
0.5 0
_
4. Que pensez-vous des resultats obtenus ?
187
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille TP 1
Exercice 1 Resolution dequations
On cherche ` a resoudre f(x) = x e
(1+x)
= 0.
1. Programmer la methode iterative suivante (A) :
_
x
0
x
n+1
= g(x
n
) o` u g(x) = e
(1+x)
.
Quelle est la limite obtenue ? Comparer `a la solution donnee par Maple.
2. Programmer la methode dacceleration dAitken sur la suite precedente :
x

n
= x
n

(x
n+1
x
n
)
2
x
n+2
2x
n+1
+x
n
.
3. Programmer la methode de Newton pour f.
Exercice 2 Resolution dequations
On cherche ` a approcher l, lunique zero de f(x) = 3, 6x(x 1)(x 2) entre 0, 1 et 1, 9. Pour
cela, on cherche de mani`ere equivalente lunique point xe de g(x) = x +f(x).
1. Tracer la courbe representative de g et la droite y = x. Quel est ce point xe ?
2. Calculer g

(l). Conclure.
3. Programmer neanmoins la methode du point xe en linitialisant ` a 1. Puis en linitiali-
sant de la fa con suivante :
> x[0]:=fsolve(g(x)=1,x=0..0.2);
Que constatez-vous ?
4. Initialisez desormais le point xe de la facon suivante :
> paf:=fsolve(g(x)=1,x=0..0.2);
> x[0]:=fsolve(g(x)=paf,x=1.2..1.5);
Que constatez-vous ? Conclure.
Exercice 3 Methode de Newton : exemples
Ecrire la methode de Newton correspondant aux fonctions suivantes. Regarder levolution des
iteres, quen pensez-vous ?
a) f(x) = e
x/10
10
5
b) f(x) = ln(x + 2)e
x
4
c) f(x) = x
3
2x + 1
Exercice 4 Suite de Sturm
Trouver toutes les racines du polyn ome x
8
+ 3x
7
2x
5
+ 12x
4
7x
2
+ 1.
188 ANNEXE E. ANN

EE 2005-2006
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille 4
Decomposition LU
Exercice 1
Verier que pour :
L
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
alors
L
1
1
=
_
_
1 0 0
l
21
1 0
l
31
0 1
_
_
et L
1
2
=
_
_
1 0 0
0 1 0
0 l
32
1
_
_
puis que
L = L
1
1
L
1
2
=
_
_
1 0 0
l
21
1 0
l
31
l
32
1
_
_
Appliquer la methode de Gauss sans permutation au syst`eme Ax = b,
A =
_
_
4 8 12
3 8 13
2 9 18
_
_
b =
_
_
4
5
11
_
_
Exercice 2
Utiliser la methode de Gauss pour resoudre le syst`eme suivant :
_
_
_
2x + 3y + z = 4
x + my + 2z = 5
7x + 3y + (m5)z = 7
Discuter suivant les valeurs de m.
Exercice 3
Soient A une matrice n n et u et v deux vecteurs colonnes de longueur n. Verier que :
(A uv
t
)
1
= A
1
+ A
1
uv
t
A
1
avec =
1
1 v
t
A
1
u
.
Quelle est la condition dexistence de cette inverse ?
On consid`ere la matrice
A =
_
_
1 1 1
1 2 2
1 2 3
_
_
189
1. Quelle est la decomposition LU de A?
2. Resoudre, en utilisant la question precedente, les syst`emes AX
i
= e
i
o` u les e
i
sont les
vecteurs de la base canonique usuelle de R
3
. En deduire A
1
.
Exercice 4 Extrait de lexamen de septembre 2003.
On consid`ere le syst`eme
(S) =
_
3x + 5y = 2
(3 + )x + (5 + )y = 2
Calculer la solution exacte de ce syst`eme. Que remarquez-vous ?
Prenez = 10
p
o` u p est tel que 1 + 10
p
= 1 sur votre calculatrice.
Resolvez (S) ` a laide de Gauss sans recherche de pivot.
Faites de meme `a laide de Gauss avec strategie de pivot partiel. Comparez les resultats.
Exercice 5
Ecrire la factorisation de Choleski pour une matrice symetrique denie positive et compter le
nombre doperations.
190 ANNEXE E. ANN

EE 2005-2006
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille TP 2
Resolution de syst`emes lineaires
Exercice 1 Decomposition LU
1. Ecrire une procedure LU (sans strategie de pivot) qui ` a une matrice donnee A retourne la
liste de matrices L et U de la factorisation de A. Tester avec A =
_
_
_
_
2 3 0 1
3 5 2 7
0 2 1 2
1 7 2 0
_
_
_
_
.
Indices :
Inutile de conserver les valeurs de A, elles seront remplacees par celles de U : vous
devez donc copier A dans U au debut de votre programme.
Consulter laide en ligne de addrow.
2. Utiliser votre procedure pour trouver le determinant de A.
3. Ecrire une procedure descente et une procedure remontee pour resoudre respectivement
Ly = b et Ux = y.
4. Appliquer ces procedures pour resoudre LUx
i
= e
i
o` u e
i
est le i-`eme vecteur de la base
canonique de R
N
. Que vaut la matrice
_
x
1
x
2
. . . x
n
_
?
5. Modier votre procedure an quelle retourne un message derreur en cas de pivots nuls.
Tester avec A =
_
_
_
_
1 1 1 1
1 1 2 2
1 1 3 1
1 1 1 4
_
_
_
_
.
Exercice 2
La matrice hilbertienne H M
n
(R), H =
_
_
_
_
_
_
_
1 1/2 1/3 1/4 . . .
1/2 1/3 1/4 1/5 . . .
1/3 1/4 1/5 1/6 . . .
1/4 1/5 1/6 1/7 . . .
.
.
.
.
.
.
.
.
.
.
.
.
_
_
_
_
_
_
_
est denie positive
pour tout n N. Calculer le conditionnement de H pour dierentes valeurs de n et faire une
representation graphique.
Exercice 3
On dit que A = (a
i,j
)
n
i,j=1
est une matrice bande dindice p, si elle verie
a
i,j
= 0, |i j| p.
Verier sur des exemples que si A est une matrice bande dindice p, et si A admet une
decomposition LU, alors L et U sont aussi des matrices bandes dindice p.
191
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille 5
Interpolation polynomiale
Exercice 1 Polynomes de Lagrange (Joseph-Louis Lagrange, franco-italien, 1736-1813)
Soient les points dinterpolation suivants : (1, 0), (0, 1), (1, 0) et (2, 1). Trouvez le po-
lyn ome dinterpolation de degre 3 passant par ces points :
a) par une methode didentication,
b) par une methode de mise en facteurs,
c) `a laide des polyn omes de Lagrange.
Exercice 2 Matrice de Vandermonde (Alexandre Vandermonde, fran cais, 1735-1796)
a)

Ecrire le syst`eme lineaire qui denit le polyn ome dinterpolation de degre 3 passant
par les points de coordonnees (x
0
, y
0
), (x
1
, y
1
), (x
2
, y
2
), (x
3
, y
3
).
b) Calculer le determinant de la matrice V de ce syst`eme lineaire (on pourra eectuer
des manipultations de lignes et de colonnes). La matrice V est appelee matrice de
Vandermonde.
c) Calculer dans le cas general (i.e. en dimension quelconque) le determinant dune matrice
de Vandermonde.
Exercice 3 Dierences divisees
a) Retrouvez par la methode des dierences divisees le polynome dinterpolation de La-
grange de degre 3 aux points (1, 0), (0, 1), (1, 0) et (2, 1) (polyn ome dej` a obtenu).
b) Reecrire larbre des dierences divisees lorsque les points x
0
, x
1
, x
2
, x
3
sont reguli`erement
repartis (formule de Newton : Sir Isaac Newton, anglais, 1643-1727).
Exercice 4 Algorithme de Neville-Aitken (Eric Harold Neville, anglais, 1889-1961 et
Alexander Aitken, neo-zelandais, 1895-1967)
Pour deux suites de nombres x
1
, x
2
, . . . , x
r
et y
1
, y
2
, . . . , y
r
, on denit la suite de polyn omes :
P
k,0
= y
k
pour k = 0, 1, . . . , r et
P
k,j+1
(x) =
(x
k
x)P
j,j
(x) (x
j
x)P
k,j
(x)
x
k
x
j
pour k = j + 1, . . . , r et j = 0, . . . , k 1.
a) Construire P
3,3
avec (x
0
, y
0
) = (1, 0), (x
1
, y
1
) = (1, 0), (x
2
, y
2
) = (2, 3) et (x
3
, y
3
) =
(3, 2).
b) Montrez par recurrence que P
k,j
avec k j est le polyn ome dinterpolation de Lagrange
pour les points x
0
, x
1
, . . . , x
j1
, x
k
.
c) Quen concluez-vous pour P
k,k
?
192 ANNEXE E. ANN

EE 2005-2006
Exercice 5
On consid`ere la fonction f donnee par la table suivante :
x 0 2 4 6
f(x) 0 28.28427 40 48.98979
(1) Construire la table des dierences progressives () `a partir des donnees.
(2) Ecrire le polyn ome P dinterpolation de f sur les donnees {0; 2; 4} en utilisant la
formulation de Newton avec dierences progressives.
Calculer P(3).
(3) Faire de meme avec les donnees {2; 4; 6}. On notera Q le polyn ome. Calculer Q(3).
(4) Sachant que f(x) = 20

x, calculer les erreurs reelles. Etudier une majoration des


erreurs theoriques dans les deux cas. Conclure.
(5) Par interpolation inverse, calculer f
1
(34, 641).
Exercice 6
1. On denit P(x) = a +bx+cx
2
le polyn ome de degre inferieur ou egal `a 2 interpolant f
aux points , et (cest-`a-dire satisfaisant P() = f(), P() = f() et P() = f()).
Ecrire le syst`eme lineaire que resolvent a, b et c. On appelle M la matrice de ce syst`eme.
Faites la factorisation LU de cette matrice. En deduire son determinant.
Quel resultat sur linterpolation retrouve-t-on ?
2. On cherche P sous la forme A+B(x)+C(x)(x). Ecrire le syst`eme lineaire que
resolvent A, B et C. Quel est le nom de la forme du polyn ome P ? Quel est lavantage
de ce syst`eme par rapport au precedent ?
Exercice 7
Soit f C
2
([a, b]), on cherche ` a resoudre lequation f(x) = 0 dans [a, b] ie trouver l [a, b]
solution de f(l) = 0.
On suppose connue une suite de points x
0
, x
1
, . . . , x
n
dans [a, b]. On appelle l
1
la solution
dans [a, b] de lequation approchee P(x) = 0, o` u P est le polyn ome dinterpolation de f sur
les points x
n1
et x
n
.
1. Calculer le polynome dinterpolation P de f sur les points x
n1
et x
n
. Trouver alors
x
n+1
solution de P(x) = 0.
2. Que vaut P(l) P(l
1
) en fonction de l l
1
? Que vaut f(x) P(x) ?
3. On pose e
n
= l x
n
. Deduire de la question precedente f(l) P(l) en fonction de e
n1
et e
n
.
4. Comme e
n+1
= l x
n+1
= l l
1
, deduire des deux questions precedentes lexpression
de e
n+1
= l l
1
en fonction de e
n1
et e
n
.
5. En deduire quil existe [a, b] et [a, b] tels que :
l l
1
= e
n1
e
n
f

()
2f

()
6. Quelle est linterpretation geometrique de x
n+1
? Quelle est cette methode ?
7. Quavons-nous besoin pour initialiser cette methode ?
193
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille 6
TD de preparation au TP Maple 3.
Probl`eme 1

Etude des polyn omes de Tchebyche (Pafnuty Lvovich Chebyshev, russe, 1821-
1894)
On appelle fonction polynomiale de Tchebyche de degre n, lapplication
T
n
: [1, +1] R
x cos(narccos(x)).
1) Montrez en posant cos() = x que pour tout entier n positif, T
n
est un polyn ome de
degre n en x.
2) Montrez que pour tout n 2, on a
T
n+1
(x) = 2xT
n
(x) T
n1
(x).
3) Calculez les 5 premiers polynomes de Tchebyche.
4) Determinez en fonction de n le coecient du terme en x
n
de T
n
.
5) On pose
X
k
= cos(
2k 1
2n
) pour k = 1, . . . , n.
Montrez que T
n
poss`ede n zeros simples. Ces zeros sont appeles les points de Tchebyche
dordre n.
6) Si f est une fonction de classe C
n+1
[1, 1] , on rappelle que lon a lestimation derreur
|f(x) P(x)| max
x[1,+1]

f
(n+1)
(x)

(n + 1)!
max
x[1,+1]
|(x x
0
) . . . (x x
n
)|
o` u P est le polyn ome dinterpolation de Lagrange en les points x
0
, . . . , x
n
. On admettra
le resultat suivant
max
x[1,+1]
|(x x
0
) . . . (x x
n
)| max
x[1,+1]
|(x X
0
) . . . (x X
n
)| .
Expliquez pourquoi les points de Tchebyche sont de bons points dinterpolation.
7) Quels points dinterpolation faut-il choisir si lintervalle dinterpolation est le segment
[a, b] ?
194 ANNEXE E. ANN

EE 2005-2006
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille TP 3
On pose T
n
(x) = cos(narccos(x)) et X = arccos(x) pour x [1; 1].
Exercice 1 Les polyn omes de Chebyshev
1. Demontrez la formule de recurrence des polynomes de Chebyshev `a laide de MAPLE.
(Indice : developper cos((n + 2)x) puis cos((n + 1)x).)
2. Acher les 10 premiers polyn omes de Chebyshev `a laide dune boucle for. Que vaut le
coecient de plus haut degre ?
3. Tracer leurs graphes.
4. Verier que les cos
_
(2k1)
12
_
sont les zeros dun des polyn omes precedents (Lequel ?).
Exercice 2 Linterpolation polynomiale
1. Consultez laide en ligne de MAPLE pour linterpolation.
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec :
6 points : -5, -3, -1, 1, 3, 5.
11 points : -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5.
21 points : -5, -4.5, -4, -3.5, -3, -2.5, -2, -1.5, -1, -0.5, 0, 0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4,
4.5, 5.
3. Tracer f et son polyn ome dinterpolation sur un meme graphe. Que constatez-vous ?
Exercice 3 Interpolation polynomiale et polyn omes de Chebyshev
1. Quel sont les polyn omes de Chebyshev qui poss`edent 6, 11 et 21 zeros ?
2. Construire (` a laide de MAPLE!) le polyn ome dinterpolation de Lagrange de la fonction
f denie par f(x) = exp(x
2
) avec 6, 11 puis 21 points dinterpolation qui seront les 6,
11 puis 21, zeros dun polyn ome de Chebyshev.
3. Tracer f et ce nouveau poyln ome dinterpolation sur un meme graphe. Que constatez-
vous ?
4. Reprendre les trois derni`eres questions avec la fonction f(x) =
1
1 +x
2
.
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille 7
Exercice 1
Le but de ce probl`eme est levaluation numerique de lintegrale suivante : I =
_
1
0
dx
(1 +x)
_
x(1 x)
.
1. Dire pourquoi on ne peut appliquer ` a I ni la methode des trap`ezes, ni celle de Simpson.
2. On cherche alors une formule du type :
_
1
0
f(x)
_
x(1 x)
dx = A
0
f(0) +A
1
f
_
1
2
_
+A
2
f(1) +R
1
(f). (E.1)
Determiner les coecients A
i
de sorte que R
1
(f) soit nul pour f appartenant ` a lespace
vectoriel des polynomes de degre inferieur ou egal `a n, n aussi grand que possible. Pour
faciliter les calculs, on utilisera la relation de recurrence suivante, quon ne cherchera
pas `a demontrer : si J
k
=
_
1
0
x
k
_
x(1 x)
dx, alors :
_
J
0
=
J
k
=
2k 1
2k
J
k1
Que vaut n?
On suppose quil existe [0, 1] tel que f C
n+2
([0; 1]) : R
1
(f) = C f
n+1
().
Determiner C.
Application numerique `a I : quelle approximation I
1
de I obtient-on ? Donner une
majoration de |R
1
(f)|.
Exercice 2 Extrait examen septembre 2005
Soit la formule dintegration numerique suivante :
_
1
1
f(x) dx = a f(1) +b f(0) +c f(1) +d f

(0) +R(f),
o` u f

designe la fonction derivee de f.


1. Quel est le syst`eme que doivent resoudre a, b, c, d pour que cette formule soit exacte
(R(f) = 0) sur lespace vectoriel des polyn omes de degre le plus eleve possible ? Noter
A la matrice de ce syst`eme.
2. Quelle est la decomposition LU de A?
3. Resoudre le syst`eme. Quelle est cette formule, quel est son degre de precision et la forme
de lerreur ?
196 ANNEXE E. ANN

EE 2005-2006
Exercice 3
1. On cherche ` a etablir la formule de quadrature suivante :
_
1
1
f(x) dx = H [f(x
1
) +f(x
2
) +f(x
3
)] +R(f)
de sorte quelle soit exacte si f appartient ` a lespace vectoriel des polyn omes de degre
n, n aussi grand que possible.
(a.) Ecrire les equations determinees par R(x
k
) = 0, k = 0, 1, 2, 3.
(b.) Soit P(x) = (x x
1
)(x x
2
)(x x
3
) = x
3
+c
1
x
2
+c
2
x +c
3
.
Verier que :
_
_
_
c
1
= (x
1
+x
2
+x
3
)
c
2
= x
1
x
2
+x
2
x
3
+x
1
x
3
c
3
= x
1
x
2
x
3
(E.2)
En utilisant les equations du (a.), montrer que :
P(x) = x
3

x
2
En deduire x
1
, x
2
, x
3
et la formule de quadrature.
Quel est son degre de precision (note d) ?
(c.) Determiner R(f) en prenant f(x) = x
d+1
et en supposant que R(f) = Kf
(d+1)
(),
[1, 1].
2. En deduire la formule de quadrature pour lapproximation de
_
b
a
g(x) dx, ainsi que
lerreur.
3. Application numerique : Calculer une approximation de I =
_
1
0
sin(x) dx.
4. Comparer le resultat de la question precedente `a celui obtenu par la formule de Simpson
appliquee `a I. Pouvait-on le prevoir gr ace aux termes derreur ?
Exercice 4 Extrait examen juin 2005
Soit f une fonction inniment derivable. On cherche ` a approcher
_
1
1
f(x)dx par la formule
dintegration numerique suivante
I
1
:= a
1
f(1) +a
0
f(0) +a
1
f(1).
1. Trouver a
1
, a
0
et a
1
an que cette formule soit exacte pour tout polyn ome de degre
aussi grand que possible. Comment sappelle cette formule et quel est son degre de
precision ?
2. On souhaite rendre cette formule plus precise. Pour la suite, on denit P lunique
polyn ome de degre inferieur ou egal `a 2 interpolant f aux points 1, 0 et 1 (cest-`a-dire
satisfaisant P(1) = f(1), P(0) = f(0) et P(1) = f(1)). Trouver P pour f 1, f x,
f x
2
, f x
3
, f x
4
. Pouvez-vous justier les resultats obtenus ?
197
3. On cherche maintenant une formule du type
I
2
:= I
1
+A
0
(f(1/2) P(1/2)) +A
1
(f(1/2) P(1/2)).
Trouver A
0
et A
1
de telle sorte que I
2
soit exacte pour tout polyn ome de degre aussi
grand que possible.
Trouver P, le polyn ome de degre inferieur ou egal `a 2 interpolant f aux points 1, 0 et
1 pour f x
5
et f x
6
, en deduire le degre de precision de cette nouvelle formule ?
4. On souhaite avoir une formule encore plus precise. Pour cela, on cherche une formule
du type
I
3
:= I
1
+A
0
(f() P()) +A
1
(f() P()),
avec A
0
, A
1
, de telle sorte que la formule soit exacte pour tout polyn ome de degre
aussi grand que possible. Quel est le degre de precision de cette derni`ere formule ?
5. Tester les 3 formules pour evaluer
_
1
1
exp(x/2)dx et
_
1
1
exp(2x)dx. Que constate-t-on ?
6. Donner les formules dintegration correspondant ` a I
1
, I
2
et I
3
sur un intervalle quel-
conque [a, b], en utilisant un changement de variables.
Exercice 5
1. Montrer quune matrice denie positive est inversible.
2. Soit A
h
la matrice suivante :
A
h
=
1
h
2
_
_
_
_
_
_
_
_
_
_
_
_
2 +c
1
h
2
1 0 0 . . . 0
1 2 +c
2
h
2
1 0
.
.
.
0 1 2 +c
3
h
2
1
.
.
.
.
.
.
.
.
. 0 1
.
.
.
.
.
. 0
.
.
.
.
.
.
.
.
.
.
.
. 1
0 . . . . . . 0 1 2 +c
N
h
2
_
_
_
_
_
_
_
_
_
_
_
_
Quelles sont les deux proprietes evidentes de A
h
?
Montrer que si c
i
0, i = 1 . . . N alors A
h
est denie positive (donc inversible).
198 ANNEXE E. ANN

EE 2005-2006
L2 Mathematiques Analyse numerique
Annee 2005-2006 Feuille TP 4
Exercice 1 Les formules de Newton-Cotes
Ecrire une fonction newton-cotes donnant lintegrale sur [a, b] du polyn ome dinterpolation
P dune fonction inconnue f en se basant sur une subdivision reguli`ere de [a, b] en n points
(P est unique avec la condition deg(P) < n).
Exercice 2 Methodes composees
1. En subdivisant lintervalle [a, b] en sous intervalles ecrire une procedure qui donne la
formule de Newton-Cotes composee. En deduire les formules dintegration composee
classiques : methode des trap`ezes, methode de Simpson.
2. Calculer des approximations de
_
2
0
exp(cos(t)) dt avec les methodes precedentes. Com-
parer ` a la valeur exacte.
199
Universite Louis Pasteur 12 juin 2006
U.F.R. de Mathematique et Informatique
L2 Mathematiques
Analyse Numerique
Examen de juin
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 1
Soient f C
n+1
_
[a, b]
_
et a x
0
< x
1
< < x
n
b, (n + 1) points 2 ` a 2 distincts dans
lintervalle [a, b]. On note P(x) le polyn ome de degre n interpolant f en x
0
, . . . , x
n
.
1. Question de cours : demontrer le resultat suivant :
Theor`eme 29 Pour tout x [a, b], il existe un
x
[min(x, x
0
), max(x, x
n
)] tel que
f(x) P(x) =
(x x
0
) . . . (x x
n
)
(n + 1)!
f
(n+1)
(
x
)

On suppose maintenant que f C


n+2
_
[a, b]
_
et on pose e
n
(x) = f(x) P(x).
2. Notons w
n
(x) =
n

i =0
(x x
i
). Calculer w

n
(x
i
).
3. En notant e

n
(x) la derivee de e
n
par rapport ` a x et en utilisant les questions precedentes,
montrer que pour tout i = 0, . . . , n il existe
i
[a, b] tel que
e

n
(x
i
) =
f
(n+1)
(
i
)
(n + 1)!

0 k n
k =i
(x
i
x
k
)
4. Est-ce que le polynome P

(x) est le polyn ome dinterpolation de f

(x) en x
0
, . . . , x
n
?
5. Montrer que e

n
(x) = 0 pour tout x [a, b] si et seulement si f est un polyn ome de
degre n. Quen deduisez-vous dans ce cas sur le polyn ome dinterpolation de f

?
Exercice 2
On consid`ere la fonction f(x) = ln((x + 1)e
2x
+ 1 x).
Le but de cet exercice est de determiner le domaine de denition de f.
200 ANNEXE E. ANN

EE 2005-2006
1. On pose u(x) = (x + 1)e
2x
+ 1 x. Calculez u

et u

.
Montrer que u

sannule pour une valeur de quon localisera entre deux entiers suc-
cessifs.
2. Montrer que u sannule en deux valeurs et (on notera la valeur positive).
3. Montrer que u() = 0. Quen deduisez-vous pour ? Localiser et entre deux
entiers successifs.
4. En deduire le domaine de denition de f en fonction de et le graphe de f.
5.

Ecrire la methode de Newton pour lapproximation eective de . Choisir une valeur x
0
qui assure la convergence de la suite vers et calculer x
1
et x
2
.
`
A laide du theor`eme
des accroissements nis, calculer une majoration de lerreur |x
2
|.
Probl`eme
1. Question preliminaire
Soit f une fonction reelle reguli`ere denie sur un intervalle de R. Soit h R

, on sup-
pose que p, p +h et p + 2h sont dans lintervalle de denition de f.
Calculer le polyn ome dinterpolation de Lagrange de f sur les points p, p +h, p + 2h.
Integrer ce polyn ome sur lintervalle [p, p + 2h] (faites des changements de variables
dans vos integrales an de reduire les calculs). Quelle est cette methode dintegration
numerique ?
Rappeler (sans demonstration) quel est son ordre de precision et quel est son terme
derreur.
Soit f C
(4)
_
[a, b]
_
. Pour tout entier n N

, on consid`ere les points equirepartis a


0
, . . . , a
n
tels que a
k
= a +k
b a
n
.
Pour tout k = 0, . . . , n 1, on note P
k
le polyn ome dinterpolation de Lagrange de f en a
k
,
a
k
+a
k+1
2
et a
k+1
. Enn, on denit la methode dintegration numerique suivante
_
b
a
f(x) dx I
n
(f) =
n1

k =0
_
_
a
k+1
a
k
P
k
(x) dx
_
2. En adaptant les resultats de la question preliminaire, calculer P
k
en fonction de f(a
k
),
f
_
a
k
+a
k+1
2
_
, et f(a
k+1
). En deduire la formule de Newton-Cotes suivante :
_
a
k+1
a
k
f(x) dx
b a
6n
_
f(a
k
) + 4f
_
a
k
+a
k+1
2
_
+f(a
k+1
)
_
Quel est son terme derreur (on le note R
k
(f)) ?
201
3. Deduire de la question precedente que
I
n
(f) =
(b a)
6n
n1

k =0
_
f(a
k
) + 4f
_
a
k
+a
k+1
2
_
+f(a
k+1
)
_
Quelle est cette methode ?
4. Posons
_
b
a
f(x) dx = I
n
(f) + R(f). Montrer quil existe
0
, . . . ,
n1
tels que
k

[a
k
, a
k+1
] et tels que
R(f) =
(b a)
5
2880 n
5
n1

k =0
f
(4)
(
k
)
5. En deduire que

_
b
a
f(x) dx I
n
(f)

(b a)
5
2880 n
4
sup
[a,b]

f
(4)
()

()
A-t-on change lordre de precision de la methode ?
6. Application numerique : on pose [a, b] = [0, 1] et f(x) =
2
x
2
+ 4
.
(a) Calculer I =
_
1
0
f(x) dx en fonction de Arctan
_
1
2
_
.
(b) Reecrire linegalite () en calculant le membre de droite en fonction de n.
(c) A partir de quelle valeur de n a-t-on une erreur inferieure `a 10
2
? En deduire une
approximation de Arctan
_
1
2
_
`a 10
2
pr`es.
202 ANNEXE E. ANN

EE 2005-2006
Universite Louis Pasteur 13 septembre 2006
U.F.R. de Mathematique et Informatique
L2 Mathematiques
Analyse Numerique
Examen de septembre
Responsable : S. Salmon
Lutilisation de calculatrices de poche est autorisee `a condition que leur fonctionnement soit
autonome. En cas de diculte on peut admettre un enonce pour resoudre une question sui-
vante.
Exercice 3
Soit la fonction l(x) =
35
8
x
4

15
4
x
2
+
3
8
.
1. Etudier l

, l

, l sur [0, +[ (Justier le domaine detude). Montrer que l poss`ede deux


zeros sur [0, +[ que lon notera et .
2. Montrer que I

=
_
0,
1

7
_
et que I

=
_
1
2
, 1
_
.
3. Montrer que
2
+
2
=
6
7
et que
2

2
=
3
35
4. On denit la suite recurrente suivante :
_
x
0
I

ou I

x
n+1
=
35
8
x
4
n

15
4
x
2
n
+x
n
+
3
8
Cette suite permet-elle de trouver ou ?
5. On denit la formule de quadrature suivante :
_
1
1
f(x) dx =

f() +

f() +

f() +

f()
avec

=
1 3
2
3(
2

2
)
et

=
3
2
1
3(
2

2
)
.
(a) Montrer que

= 1.
(b) Montrer que
2

+
2

=
1
3
.
(c) Montrer que
4

+
4

=
_
6
7

3
35
_

+
_
6
7

3
35
_

.
(Indication : noubliez pas que et sont des zeros de l).
En deduire que
4

+
4

=
1
5
.
(d) Montrer que
6

+
6

= (
4

+
4

)(
2
+
2
)
2

2
(
2

+
2

). Que
vaut alors
6

+
6

?
(e) Deduire des questions precedentes le degre de precision minimal de la formule de
quadrature. Quel type de formule est-ce ? Justier.
203
Probl`eme
Premi`ere partie
Soit u R
n
tel que u
2
2
= (u/u) = 1 o` u (./.) designe le produit scalaire dans R
n
. On
denit alors la matrice de Householder H = I 2uu
T
, o` u u
T
designe le vecteur transpose de
u et I la matrice identite adequate.
1. Quelles sont les dimensions de H ?
2. Montrer que H est `a la fois symetrique et orthogonale (HH
T
= I). En deduire que
a R
n
\ {0}, (Ha/Ha) = (a/a).
3. Soit a R
n
\{0}. On veut montrer quil existe une matrice de Householder H = I2uu
T
et un nombre R tels que Ha = e
1
o` u e
1
est le premier vecteur de la base canonique
de R
n
.
(a) Montrer que si existe alors
2
= a
2
2
.
(b) Montrer que 2u(u/a) = a e
1
.
En posant = 2(u/a), montrer que

2
= 2
2
2(a/e
1
).
(c) Verier que u est un vecteur de norme 1 en calculant u
2
2
.
(d) Que se passe-t-il si est nul ?
Deuxi`eme partie
Soit A une matrice dordre 3 denie par
A =
_
_
1 2 3
4 5 6
7 8 9
_
_
On denit une matrice de Householder H
n
(u) = I 2uu
T
.
4. Deduire de la premi`ere partie quil existe c
1
R
3
et t
1
> 0 tels que
H
(1)
A =
_
_
t
1

0
0
_
_
, avec H
(1)
= H
3
(c
1
).
5. En deduire quil existe c
2
R
2
, c
3
R, et t
2
, t
3
> 0 tels que
H
(3)
H
(2)
H
(1)
A =
_
_
t
1

0 t
2

0 0 t
3
_
_
, H
(2)
=
_
1 0
0 H
2
(c
2
)
_
, H
(3)
=
_
_
1 0 0
0 1 0
0 0 H
1
(c
3
)
_
_
.
6. Montrer que A = QR avec Q une matrice orthogonale et R une matrice triangulaire
superieure `a termes diagonaux strictement positifs. Quelle propriete sur la matrice A
a-t-on utilise pour avoir cette decomposition ?
7. En vous inspirant de la demonstration de lunicite de la decomposition LU, montrer
que toutes les decompositions QR dune meme matrice se deduisent lune de lautre par

Q = QD et

R = RD, o` u D est une matrice diagonale dont les elements valent
+
1.

Vous aimerez peut-être aussi