Documente Academic
Documente Profesional
Documente Cultură
Notes de Cours :
Enseignant :
Jol M. ZINSALO,
Mai 2012
Page 2
Introduction
erreurs
de
reprsentation
sur
ordinateur
(gnralement
binaire)
Dfinition 1
Soit x, un nombre, et x* , une approximation de ce nombre. Lerreur absolue est
dfinie par :
x = x x*
(1)
x x* x
=
x
x
(2)
Page 3
x x* x x* x x x* + x
ou on crit parfois :
x = x* x
(3)
Dfinition 2
Si lerreur absolue vrifie :
x 0 ,5 10 m
alors le chiffre correspondant la m
ime
22
= 3,142857
7
x =
22
= 0 ,00126 = 0 ,126.10 2
7
x = 3 ,1416 0 ,73.10 5
x 0,5.10 4
Page 4
Erreurs de troncature
pn(x
)
f(x)
f(x
p0(x)
f(x0)
p1(x)
x0
Page 5
o f
(n)
f (x ) +
0
( x x0 ) f " ( x ) + + ( x x 0 ) f ( n ) ( x )
x x0
f ' ( x0 ) +
0
0
1!
2!
n!
n
(4)
(5)
o Pn(x) est le polynme de Taylor (4) et Rn(x) est lerreur commise et donne
par la relation :
(x x )
R (x) =
n+ 1
(n + 1)!
f ( n+ 1 ) [ ( x )]
(6)
x0 en vertu du terme ( x x 0 )
n+ 1
Page 6
f ( x ) = f ( x0 ) + f ' ( ) ( x x0 )
qui scrit galement sous la forme :
f ( x ) f ( x0 ) = f ' ( ) ( x x0 )
(7)
(8)
o :
Pn ( h ) = f ( x 0 ) + h f ' ( x 0 ) +
h2
h3
hn
f " ( x0 ) +
f "' ( x 0 ) + +
f
2!
3!
n!
(n)
( x0 )
(9)
donc :
h n+ 1
Rn ( h ) =
f
( n + 1) !
( n+ 1 )
[ ( h )]
(10)
Page 7
x0 = 0 .
2. Trouver une borne suprieure pour Rn(h).
3. Estimer les valeurs de e 0 ,1 en utilisant ce dveloppement. Evaluer dans le cas
h = 0 ,1 lerreur absolue, le terme derreur majore et donner le nombre de
chiffres significatifs en faisant varier n de 0 3.
4. Pour n = 3 et h = 0 ,05 calculer lerreur absolue due cette approximation.
Solution :
1. Dveloppement de Taylor
f (x) = e x
f ( x ) = f ' ( x ) = = f (n ) ( x ) = e x
f (0 ) = f ' (0 ) = = f ( n ) (0 ) = e 0 = 1
en posant x = x0 + h , il vient :
2
h
h
e =e
= e Pn (h) = 1 + h +
++
2!
n!
et le terme d' erreur
x
x0 + h
n+ 1
h
Rn (h) =
e (h ) avec (h) [x0 , x0 + h] = [0 , h]
(n + 1)!
2. Borne suprieure du terme derreur
Cela revient dterminer un majorant pour Rn(h).
La fonction exponentielle tant strictement croissante, on peut crire :
Page 8
h n+1
h n+1
e( h)
eh
( n + 1 )!
( n + 1 )!
Rn ( h )
do :
3. Estimation
des
valeurs
de
h n+1
eh
( n + 1 )!
e 0 ,1
et
(11)
dtermination
des
chiffres
significatifs
En prenant h = 0 ,1 , on a :
Erreur absolue
Nombre de
Valeur majore
chiffres
pour le terme
significatifs
derreur
Pn(0,1)
f ( 0,1 ) Pn ( 0 ,1 )
1,0000000
0,105x100
0,111x100
1,1000000
0,517x10-2
0,552x10-2
1,1050000
0,17x10-3
0,184x10-3
1,1051667
0,420x10-5
0,460x10-5
P3 ( 0 ,05 ) = 1 + 0 ,05 +
Page 9
P3 ( 0 ,1 ) e 0 ,1
P3 ( 0 ,05 ) e 0 ,05
0 ,4245 10 5
=
= 16 ,14
0 , 263 10 6
au
f (h)
C
n
h
au voisinage de x0 = 0 .
Remarque :
Pour avoir une ide du comportement dune fonction de type O ( h
remarquer que, lorsque h est divis par 2, la fonction O ( h
) , il suffit de
diminue selon un
n
n
facteur approximatif de 2 . En effet, en remplaant h par h/2 dans C h , on
obtient :
n
C hn
h
C =
2n
2
O h
n+ 1
).
) . En passant de
f ( x 0 + h ) = Pn ( h ) + O h n + 1
Page 10
(O ( h ))
n
f ( x ) = sin x ; f ( 0 ) = 0
f '( x ) = cos x ; f '( 0 ) = 1
f "( x ) = sin x ; f "( 0 ) = 0
f '"( x ) = cos x ; f '"( 0 ) = 1
f
(4)
( x ) = sin x ; f
(5)
( x ) = cos x
(4)
(0 )= 0
f ( x 0 + h ) = f ( 0 + h ) = f ( h ) = sinh
2
3
4
5
f ( h ) = f ( 0 ) + h! f '( 0 ) + h ! f "( 0 ) + h ! f '''( 0 ) + h ! f ""( 0 ) + h ! f
1
2
3
4
5
(5)
[ ( h )]
pour [ 0, h]
Le dveloppement de Taylor est :
3
Page 11
h3
6
Lerreur est :
5
R 3 ( h ) = h cos [ ( h )] pour [ 0, h ]
120
h5
(h) [ 0, h ] , on a : cos (h) 1 donc R 3 ( h )
120
En calculant le rapport
P3 ( 0 ,2 ) f ( 0 ,2 )
P3 ( 0 ,1) f ( 0 ,1 )
, on trouve :
P3 (0 ,2 ) f (0 ,2 )
5
= 31,97 2
P3 (0 ,1) f (0 ,1)
f ( x1 , x 2 , x 3 )
une
fonction
de
trois
variables
que
lon
suppose
Page 12
+ ,
+ ,
= ( ,
+
2!
+(
+ )
,
)+
( ,
( ,
( ,
+
+
( ,
( ,
)
( ,
+
)
( ,
( ,
,
( ,
)
,
f ( 1,0 )
f ( 1,0 ) 1 2 2 f ( 1,0 )
+ h2
+ h1
+
x1
x2
x 12
2!
2 f ( 1,0 )
2 f ( 1,0 )
+ h22
+
+ + ( ordres sup rieures )
h
h
1 2
x 22
x1 x2
f ( 1 + h1 ,0 + h2 ) = f ( 1,0 ) + h1
Page 13
f ( x1 , x2 )
f ( 1,0 )
= 2 x1 + s i n x2 ;
= 2+0 = 2
x1
x1
f ( x1 , x2 )
f ( 1,0 )
= 0 + x1 c o s x2 ;
= 1c o s 0 = 1
x2
x2
Do le dveloppement de f ( x1 , x2 ) suivant :
f ( 1 + h1 ,0 + h2 ) = 1 + 2h1 + h2 + h12 + h1 h2 + . . . + ( o r d r e s s u p )
2. Approximation de f en prenant h1 = h2 = 0,05
Le rsultat prcdent donne en posant h1 = h2 = 0,05
f (1 ,1 , 0 ,1) 1 + 2 0 ,1 + 0 ,1 + 0 ,1 + 0 ,1 0 ,1
f (1 ,1 , 0 ,1) 1 ,32
2
Page 14
f (1 ,1 , 0 ,1) P (1 ,1 , 0 ,1)
1 ,319816758 1 ,32
=
f (1 ,05 , 0 ,05 ) P (1 ,05 , 0 ,05 ) 1 ,154978128 1 ,155
=
183 ,24169 10
6
21 ,87227 10
= 8 ,37 2
une
au voisinage du point
(1, 0).
x = x* x
y = y* y
Quelle sera la prcision dune fonction dune variable f ( x*) ou de la fonction de
deux variables g( x*, y*) ?
Le dveloppement de Taylor nous apporte une solution.
Une quantit x inconnue est approche par une valeur approximative x* avec une
erreur absolue x. On estime la valeur inconnue f(x) par lapproximation f(x*).
Lerreur absolue lie ce rsultat est :
f = f ( x ) f ( x*)
On a de plus :
f ( x ) = f ( x x ) = f ( x* ) x f ' ( x * ) + O x 2
Page 15
f f ' (x*) x
que lon peut galement crire :
f ( x ) = f ( x *) f ' ( x *) x
Exercice
On mesure un ct dune bote cubique qui donne l* = 10 ,2cm avec une
prcision de lordre du millimtre ( l = 1mm ) . Dterminer la valeur approche
du volume v de cette bote et en dduire lerreur lie.
Solution :
l* = 10 ,2cm et l = 0 ,1cm
Posons v = f ( l ) = l 3
l' erreur absolue lieau volume est : v = f ' ( l * ) l
v = f ( l ) = l 3 f '( l ) = 3l 2
donc v = 3( l*) 2 l
= 3 ( 10 ,2 ) 2 0 ,1
= 31,212
v = 0 ,31212.10 2 0 ,5.10 2
La valeur approche du volume est :
v* = ( l* ) = 10,2 3 = 1061,208cm 3
3
THEOREME
Soit f ( x , y , z ) une fonction de trois variables x , y et z dont on estime les
valeurs par x*, y* et z* avec une prcision de x , y et z respectivement.
Lerreur absolue f est donne par :
f =
f ( x*, y*,z*)
f ( x*, y*, z*)
f ( x*, y*, z*)
x +
y+
z
x
y
z
(12)
Page 16
( A* =100V ) ,
est le
P a r a i l l e u r s t 0 ,5 . 1 0 3 ( t* = 0 ,0 0 1s )
0 ,5 . 1 0 2
V =
V ( t* , * )
V ( t* , * )
t +
= A* w* c o s ( w* t * * ) t + A* c o s ( w * t * * )
= 2 5 6 ,2 2 6 6 6 2 3 5 0 ,5 . 1 0 3 + 8 5 ,4 0 8 8 7 4 5 0 ,5 . 1 0 2
V = 0 ,5 5 5 1 5 7 6 8 4
La tension approximative est :
V* = A* s i n ( w* t * * ) = 5 2,0 1 2 7 3 0 7 1
Puisque V 0 ,5 . 1 0 1 , donc V * na quun seul chiffre significatif.
Oprations lmentaires sur la propagation des erreurs
Soit
oprations suivantes :
Page 17
1 ) ( x + y) = x + y
2 ) ( x y) = x + y
3 ) ( x y) = y x + x y
4)
=
y
y 0
y x + x y
y2
Page 18
1.
Introduction
transcendante ou numrique de x.
Les mthodes numriques que nous prsenterons dans ce chapitre conduiront
(sous certaines conditions) lapproximation dune racine de lquation f ( x ) = 0
Pour
lingnieur,
la
recherche
des
racines
complexes
de
f( x)=0
est
f (x) = 0
(1)
2.
La mthode de la bissection repose sur lide toute simple quen gnral de part et
dautre dune solution de lquation (1) f ( x ) = 0 une fonction continue f ( x )
change de signe et passe du positif au ngatif ou vice versa.
Supposons quil y ait effectivement un changement de signe autour dune racine
r de f ( x ) .
Page 19
f (x)
x1
xm
x2
f ( x1 ) f ( x 2 ) < 0
(2)
On pose :
x + x2
xm = 1
2
le point milieu de lintervalle x1 , x 2 . Il sagit alors de dterminer entre les
intervalles x1 , xm et xm , x 2 celui qui possde encore un changement de
signe et la racine se trouvera forcement dans cet intervalle do lalgorithme
suivant :
Algorithme (algorithme de la bissection)
1. Etant donn un intervalle x1 , x 2 pour lequel
f ( x ) possde un
changement de signe ;
2. Etant donn
Page 20
xm =
3. Poser :
x 2 x1
4. Si
2 xm
x1 + x 2
2
< :
Convergence atteinte ;
Ecrire la racine xm ;
Ecrire f xm
Arrt.
( ) ( ) ( )
5. Ecrire x1 , x 2 , xm , f x1 , f x 2 , f x m ;
( ) ( )
6. Si f x1 f xm < 0 alors x2 = xm ;
( ) ( )
7. Si f xm f x 2 < 0 alors x1 = xm ;
8. Si le nombre maximal ditrations N est atteint :
convergence non atteinte en N itrations ;
Arrt.
9. Retour ltape 3.
Remarque
1. Lexpression :
x 2 x1
2 xm
<
x 2 x1
2
Page 21
{bornes de lintervalle}
{prcision souhaite}
f(x)
{fonction}
Calculs :
x2 x1
ln E
N = partie entire
+ 1
ln 2
y1 = f ( x1 )
pour i = 1 N
( x1 + x2 ) ; y = f x
( m)
xm =
m
2
si y1 ym 0 alors x2 = xm
sinon
x1 = xm ; y1 = ym
crire xm
Page 22
prenant lintervalle 1 ,
Solution
Calculons dabord le nombre ditrations ncessaires pour obtenir la
3
prcision de E = 10 .
Nous avons :
21
x2 x1
ln 3
ln
10
E
N = INT
+ 1 = INT
+ 1
ln
2
ln
2
= INT ( 10 ,966 ) = 10
x = 2 x 2 2 = 0; f ( x ) = x 2 2 = 0
y1 = f ( x1 ) = f ( 1 ) = 1 2 = 1
y2 = f ( x2 ) = f ( 2 ) = 4 2 = 2
Page 23
x1
x2
xm
ym
1,5
0,25
1,5
1,25
- 0,4375
1,25
1,5
1,375
- 10,94
1,375
1,5
1,4375
0,06641
1,375
1,4375
1,4062
- 0,02246
1,4062
1,4375
1,4219
0,02173
1,4141
1,4219
1,4141
- 0,00043
1,4141
1,4219
1,4180
0,01064
1,4141
1,4180
1,4160
0,00510
10
1,4141
1,4160
1,4150
0,00233
Exercice :
Montrer que la fonction
lintervalle 1 ,
Solution
f ( 1 ) = 4 ,0; f ( 2 ) = 3,0
f ( 1 ) f ( 2 ) = 4 3 = 12 0
xm =
1+ 2
= 1,5
2
f ( xm ) = f ( 1,5 ) = 1,875
Page 24
ce
qui
nest
pas
le
cas
pour
lintervalle
[ 1 , 1,5 ]
puisque
Erreur absolue
x1
xm
x2
f ( x1 )
f ( x2 )
f ( xm )
lie xm
1
x x1
2 2
1
1,0
2,0
1,5
-4,0
3,0
-1,875
0,5
1,5
2,0
1,75
-1,875
3,0
0,17187
0,25
1,5
1,75
1,625
-1,875
0,17187
-0,94335
0,125
1,625
1,75
1,6875
-0,94335
0,17187
-0,40942
0,0625
1,6875
1,75
1,71875
-0,40942
0,17187
-0,12478
0,03125
1,71875
1,75
1,734375
-0,12478
0,17187
0,022029
0,015625
1,71875
1,734375
1,72656
-0,12478
0,022029
-0,05175
0,007812
1,72656
1,734375
1,73046
-0,05175
0,022029
-0,014972
0,0039075
1,73046
1,734375
1,7324175 -0,014972
0,022029
0,1994533
0,0019525
-0,014972 0,1994533
0,190645
0,0019575
10 1,73046 1,7324175
1,731438
L
et aprs N itrations la longueur
2
de lintervalle est :
Page 25
L
2N
Pour connatre la valeur de N ncessaires pour avoir :
L
2N
L
ln
r
N
ln 2
Il est clair que sur le plan pratique on doit prendre pour valeur de N le plus petit
entier vrifiant cette condition l.
Exercice :
Dterminer le nombre ditrations partir de lexercice prcdent si le
chiffre des centimes de la valeur approche de la racine r est significatif.
Solution :
Si le chiffre des centimes de r est significatif alors
r 0 ,5.10 2
2] de dpart est :
L= 21=1
en appliquant
L
ln
r
N
ln 2
il vient :
Page 26
1,0
ln
0 ,5 10 2
N=
ln 2
N = 7 ,64
N = 8 itrations
3. Mthode de Newton (ou de Newton-Raphson)
3.1.
Principe
f( x)=0
est celle de Newton-Raphson.
Soit la fonction f ( x ) possdant un zro dans un intervalle donn. Si f ( x ) est
continue et continment drivable au voisinage de
x* (racine) alors le
( )
) ( )
f x* = f ( xn ) + x* xn f ' xn
2
x* xn )
(
+
f " ( xn )
(1)
( en = x* xn )
f ( xn ) + ( x* xn ) f ' ( xn ) 0
(2)
en
f (xn )
f ' (xn )
(3)
Page 27
(4)
x n+ 1 = x n
f ( xn )
f ' ( xn )
; n=0,1, ,nmax
formule de Newton-Raphson
3.2. Algorithme
1. Etant donn
un critre darrt ;
f ( xn )
xn + 1 = xn
f ' ( xn )
5. Si
x n + 1 xn
:
xn + 1
convergence atteinte ;
crire la solution xn+ 1 ;
arrt.
Page 28
f ( x0 )
f ( x1 )
x1
x0
f et le point initial
( x0 , f ( x0 ) ) .
La tangente (C) au point
qui suit :
f ( x0 )
f ( x0 ) = ( x0 x1 ) f ' ( x0 ) x1 = x0
f ' ( x0 )
f ( x1 )
M 1 ( x1 , f ( x1 ) ) : f ( x1 ) = ( x1 x 2 ) f ' ( x 1 ) x 2 = x1
f ' ( x1 )
f ( x2 )
M 2 ( x2 , f ( x2 ) ) : f ( x2 ) = ( x2 x3 ) f ' ( x2 ) x3 = x2
f ' ( x2 )
. . .
. . .
( xn ,
f ( xn )) : f ( xn ) = ( xn + 1 xn ) f ' ( xn ) xn + 1 = xn
f ( xn )
f ' ( xn )
Page 29
On a :
f ( xn )
f ' ( xn )
(5)
x [ a ,b ] , f '( x ) 0
x [ a ,b ] , f ''( x ) 0
Alors
Remarque
Le choix du point de dpart dans cette mthode est crucial. Pour assurer la
convergence, on choisira un point x0 tel que la condition
f " ( x 0 ) f ( x0 ) > 0
soit vrifie.
en+ 1 = en +
f ( en )
f ' ( en )
(6)
Page 30
f ( x* ) = f ( x n ) + ( x* xn ) f ' ( x n )
=0
f ( x* ) = f ( xn ) + en f ' ( xn )
(
x* xn )2
f ( x* ) = f ( xn ) + ( x* xn ) f ' ( xn ) +
2
=0
f " ( xn )
en2
f ( x ) = f ( x n ) + en f ' ( x n ) +
f '' ( a ) = 0 avec a xn , x
*
*
2
f ( xn )
en2 f '' ( a )
= en
f ' ( xn )
2 f ' ( xn )
(6) devient :
e n + 1 en =
donc
f ( en )
f ' ( en )
en2 f " ( a )
en + 1 en = e n
2 f ' ( en )
en2 f "( a )
en + 1 =
2 f ' ( xn )
Si f "( x ) 0 alors
lim
n +
e n+ 1
e n2
= lim
n +
1 f " (a )
=0
2 f ' (xn )
Il en rsulte que la mthode est dordre 2. On dit encore quelle a une convergence
quadratique.
ALGORITHME PRATIQUE
Donnes : x, , f ( x ), f '( x ) .
Calculs : n fix
Page 31
f ( x)
x
x
=
m
f ' ( x)
crire i, xm
si x x , on arrte les calculs
m
sinon x = xm
ORGANIGRAMME :
x , , f ( x ), f '( x )
n = 50
Pour i = 1 n
xn+ 1 = xn
( xn )
f ' ( xn )
f
Ecrire i, xm
x xm
x = xm
Ecrire NON CONVERGENCE
FIN
Enseignant : Jol M. ZINSALO /EPAC-UAC
Page 32
f ( x ) = e x x = 0 ; f '( x ) = e x 1
Lalgorithme se rsume :
f ( xn )
e xn xn
xn + 1 = xn
= xn x
f ' ( xn )
e n xn
e x0 x0
n = 1, x1 = x0
e x0 x0
e x0 x0
Lerreur absolue est : e0 = x1 x0 =
1 + e x0
xn
en
en+ 1
en
0,0
0,5671.100
0,1183.100
0,500
0,6714.10-1
0,1239.10-1
0,8323.10-3
0,1501.10-3
0,1250.10-6
0,4097.10-9
2 en prenant
Page 33
f ( xn ) = xn2 2
f ' ( xn ) = 2 xn
f ( xn )
xn + 1 = xn
f ' ( xn )
xn
-1
1,5
1,5
0,25
1,416667
1,416667
6,9444418.10-3
2,833333
1,414216
1,414216
5,960465.10-6
2,828431
1,414214
1,4144214
2,818427
1,414214
( )
= 10 6 donc au
tre sr.
La valeur exacte
Mthode de la scante
( )
f ' ( xn )
f ( x n ) f ( xn 1 )
x n xn 1
( xn 1 ,
( xn , f ( xn ))
f ( xn ))
et
Page 34
f ( x0 )
f ( x1 )
x0
x1
x2
Algorithme
1. Etant donn
un critre darrt.
x n + 1 = xn
5. Si
xn + 1 xn
xn + 1
f ( xn ) ( xn xn 1 )
f ( xn ) f ( xn 1 )
<
Convergence atteinte ;
Ecrire la solution xn + 1 ;
Arrt.
6. Si le nombre maximal ditrations N est atteint :
Convergence non atteinte en N itrations
Arrt.
Retour ltape 4.
Page 35
( )
de la bissection.
4. Lanalyse de la convergence de cette mthode est plus dlicate que celle de
la mthode de Newton. En effet, on montre que :
e n+ 1 C e n
1+ 5
2
= C en
1 ,618033...
x=0
Algorithme simplifi
Donne : x1 , x 2 , e , f ( x )
Calculs de N
y1 = f ( x1 ) ; y 2 = f ( x 2 )
Pour i = 1 N
Page 36
y 2 ( x 2 x1 )
x3 = x2 ( y y )
2
1
crire i , x
3
sinon x = x ; x = x ;
1
2
2
3
y1 = y 2 ; y 2 = f ( x 3 )
Page 37
Introduction
Dans la pratique scientifique, lingnieur se trouve souvent confronter des
problmes dont la rsolution passe souvent par celle dun systme dquations
qui modlisent divers lments en ingnierie. On distingue deux principales
mthodes. Les mthodes directes et les mthodes itratives. Dans ce chap., nous
verrons les principales mthodes directes utilises pour la rsolution de tels
systmes dquations.
Systmes linaires
De faon gnrale, la rsolution dun systme dquations linaires consiste
x1
x2
T
trouver un vecteur x = x 3 ou x = x1 x2 x 3 xn (T signifiant transpose)
xn
solution de :
(1)
(2)
o :
Page 38
an1
a12 a13
a 22 a23
a 32 a33
an2
a1n
a2 n
a3n
b1
b2
b = b3
bn
et
an3 ann
Le calcul de la matrice inverse A1 sera lobjet des principales mthodes que nous
allons exposer dans ce chapitre.
Exercice I : rsoudre le systme linaire suivant :
2 x1 + 3 x2 = 8
3 x1 + 4 x 2 = 11
x1 =
8 3 x2
2
8 3 x2
3
2
9
+ 4 x2 = 11 12 2 x2 + 4 x2 = 12 0 ,5 x2 = 11
x2 = 2
x1 = 1
Page 39
Systmes diagonaux
1 0 0 x1 2
Exercice 2 : rsoudre le systme suivant : 0 2 0 x2 = 2
0 0 3 x3 9
Solution
Ce systme est trs facile rsoudre. Il suffit de considrer sparment
chaque ligne et on a :
x1 = 2
1.x1 = 2
2.x2 = 2 x2 = 1
x3 = 3
3.x3 = 9
On voit tout de suite comment rsoudre le cas gnral. La solution gnrale qui
en dcoule est :
xi =
bi
pour i = 1,2, ,n
aii
2.
Systmes triangulaires
Page 40
0
0
a11
a21
a22
0
a31
a32
a33
a
a
a
an 1 1 an 1 2 an 1 3
n2
n3
n1
0
0
0
an 1 n-1
an n-1
0
0
0
0
ann
0
0
a12 a13 a1 n 1
a 22 a 23 a 2 n 1
0 a 33 a 3 n 1
0 0 an 1 n 1
0 0
0
a1 n
a2 n
a3 n
an 1 n
an n
3 0 0 x1 9
1 2 0 x2 = 7
3 2 1 x3 14
Page 41
b2 a 21 x1 7 1 3
=2
=
a22
2
x3 =
b3 a31 x1 a32 x2 14 3 3 2 2
=
=1
a33
1
Conclusion :
De lexemple prcdent (ex. 3), on peut rapidement dduire le cas gnral pour la
descente triangulaire :
x1 =
b1
a11
i 1
bi aik xk
k =1
pour i = 1,2, ,n
xi =
i
aii
(3)
Page 42
xn =
bn
ann
bi aik xk
k=i+1
pour i = n 1,n 2, ,2,1
xi =
aii
(4)
Remarque 3 :
Les quations (3) et (4) sont valables si les aii sont tous non nuls. Dans le cas
contraire la matrice nest pas inversible et donc le systme A x = b na pas une
solution unique. En effet, on rappelle que le dterminant dune matrice
triangulaire est tel que :
dtAtriangulaire = aii
i =1
(5)
Conclusion
Les matrices triangulaires sont primordiales pour la rsolution des systmes
linaires. Dans la suite de ce chap. consacr aux mthodes directes, on essaiera
de ramener un systme linaire quelconque un ou plusieurs systmes
triangulaires.
Mthodes directes
Dfinition
Une mthode de rsolution dun systme linaire est dite directe si la solution du
systme peut tre obtenue par cette mthode en un nombre fini et prdtermin
doprations. Les deux principales mthodes directes sont :
la mthode dlimination de Gauss ;
la mthode de la dcomposition L U.
Page 43
(l
( R ) ;
(
opration ( l
li
li + l j
):
multiple de la ligne j.
Ces trois oprations lmentaires sont permises car elles quivalent multiplier
le systme (6) par une matrice inversible.
Page 44
dont
tous les lments diagonaux sont gaux 1 sauf llment aii qui vaut ( aii = ) .
ie
colonne
1
1
W =M=
1
aii
ie
ligne
Remarques 4 :
donc inversible si 0 .
2. La matrice inverse de M est tout simplement M 1 qui consiste remplacer
l i par 1 l i
M 1 l i 1 l i
M 1 l i 1 l i = M l i ( 1 ) l i
(7)
3 1 2 x1 6
6 4 1 x2 = 11
5 4 1 x3 10
(8)
Page 45
facteur 3.
Solution
Ceci revient multiplier le systme par la matrice suivante :
2e
0
1 0ligne
M l 2 3l 2 = 0 3 0
0 0 1
On obtient ceci :
2e
ligne
1 0 0 3 1 2 x1 1 0 0 6
0 3 0 6 4 1 x = 0 3 0 11
2
0 0 1 5 4 1 x3 0 0 1 10
W
3 1 2 x1 6
18 12 3 x = 33
2
5 4 1 x 3 10
est 3.
1.
(l
lj
est
W = P li l j
qui contient des 1 sur la diagonale sauf la ligne i o le 1 est dans la colonne j
et la ligne j o le 1 est dans la colonne i, tous les autres termes sont nuls.
Page 46
jecolonne
ie
colonne
W = P li l j
0
1
1
0
ie
ligne
jeligne
P l2 l3
1 0 0
= 0 0 1
0 1 0
1 0 0 3 1 2 x1 1 0 0 6
0 0 1 6 4 1 x = 0 0 1 11
2
0 1 0 5 4 1 x3 0 1 0 10
Ce qui donne :
3 1 2 x1
6
5 4 1 x = 10
2
6 4 1 x3
11
Remarques :
1. Linverse de la matrice P l i l j
elle-
mme
Page 47
dt P l i l j = 1
Opration l i l i + l j
3.
W = T li li + l j
qui vaut 1 sur toute la diagonale et 0 partout ailleurs sauf le terme aij qui vaut
(a
ij
)
Colonne j
1
W =
Ligne i
aij
Page 48
( j = 1) .
Solution :
Il suffit de multiplier le systme initial par la matrice de transformation :
W = T l 2 l 2 2l 1
i = 2, j = 1
1 0 0
W = 2 1 0
0 0 1
1 0 0 3 1 2 x1 1 0 0 6
2 1 0 6 4 1 x = 2 1 0 11
2
0 0 1 5 4 1 x 3 0 0 1 10
On trouve :
3 1 2 x1 6
0 2 3 x = 1
2
5 4 1 x 3 10
Remarques
1. La matrice T qui l i l i + l j est inversible. Pour obtenir son inverse, il
suffit de remplacer par c d :
) (
T 1 l i l i + l j = T l i l i l j
(10)
cela signifie que pour revenir en arrire, il suffit de soustraire la ligne que lon
vient dajouter.
) est 1.
Page 49
4.
A=
Page 50
a 11
a
21
a 31
a n 1
a 12
a 22
a 32
a 33
an 2
an3
a 1n
a2 n
a3n
a nn
b1
b2
b3
bn
A b
ou
(11)
La notation (11) est trs utile puisque les oprations lmentaires doivent tre
effectues la fois sur les lignes de la matrice A et sur celle du vecteur b .
4.2. Description de la mthode par lexemple
Soit rsoudre le systme suivant par la mthode dlimination de Gauss
2 1 2 x1 10
6 4 0 x = 26
2
8 5 1 x3 35
2 1 2 10
6 4 0 26
8 5 1 35
(
(l
T1 l 2 l 2 ( 6
l1
l 3 (8
l1
T2
)
)
Ligne 1 T
l 2 (6 2
l1
T2 l 3 l 3 ( 8 2
l1
(l
Ligne
lmentaires pour liminer
les3 termes non nuls sous la diagonale de la 1re
colonne. Il est noter que lon divise par 2 ( a11 ) le coefficient qui multiplie la ligne
Page 51
2 1 2
0 1 6
0 1 7
Pour
produire
une
matrice
10
4
5 T3 ( l 3 l 3 ( 1 1 ) l 2 )
triangulaire
suprieure, il
suffit
dintroduire
2 1 2 10
0 1 6 4
0 0 1 1
(12)
1
=1
1
4 ( 6 )( 1 )
x 2 6 x 3 = 4 x 2 =
=2
1
10 ( 1 )( 2 ) 2( 1 )
2 x1 + x2 + 2 x3 = 10 x1 =
=3
2
x 3 = 1 x 3 =
U = T3 T2 T1 A
o les matrices Ti quivalent aux diffrentes oprations effectues sur les lignes
de la matrice. Plus explicitement, on a :
Page 52
2 1 0 0 1 0 0 1 0 0 2 1 2
2 1
0 1 6 = 0
1 0 0 1 0 3 1 0 6 4 0
0 0 1 0 1 1 4 0 1 0 0 1 8 5 1
U
T3
T2
T1
T21
T31
2 1 2 1 0 0 1 0 0 1 0 0 2 1 2
6 4 0 = 3 1 0 0 1 0 0 1 0 0 1 6
8 5 1 0 0 1 4 0 1 0 1 1 0 0 1
A
1 0 0
3 1 0
4 1 1
Remarques
1. Les coefficients de la matrice triangulaire infrieure sont ceux qui ont
permis dliminer les termes de la matrice non nuls sous la diagonale de la
matrice A . Tout revient dcomposer la matrice A en un produit dune matrice
triangulaire infrieure note L et dune matrice triangulaire suprieure U .
Cest ce que lon appelle une dcomposition ou une factorisation L U = A .
2. La mthode dlimination de Gauss revient factoriser la matrice A en un
produit de deux matrices triangulaires L et U seulement dans le cas o
aucune permutation nest effectue.
3. Le dterminant de la matrice de dpart est le mme que celui de la matrice
triangulaire (12), puisquon na effectu que les oprations de la forme
Page 53
dtA = dtT11dtT21dtT31dtU
5.
Dcomposition L U
et ensuite
U x= y
(13)
0 0 1 0 ,5 0 ,5
2 1 1 2
0 4 2 = 0 4 0 0
1
0 ,5
6 3 1 6
0 4 0
0
1
1 0 0 2 1 1
= 0 1 0 0 4 2
3 0 1 0 0
4
Page 54
a11
a
21
a31
a41
a12
a22
a32
a13
a23
a33
a42
a43
a14 l11
a24 l 21
=
a34 l 31
a44 l41
0
l 22
l 32
0
0
l 33
l 42
l43
l44
0
0
0
1 u12
0 1
0 0
0 0
u13
u23
1
0
u14
u24
u34
(n )
2
On obtient immdiatement :
l11 = a11
l 21 = a 21
l 31 = a 31
l 41 = a41
Page 55
On obtient :
a12
l11
a13
l11
a14
l11
si l11 0
l 21 u12 + l 22 = a22
l 31 u12 + l 32 = a32
l41 u12 + l42 = a42
4.
l 22 = a22 l 21 u12
l 32 = a32 l 31 u12
l42 = a42 l41 u12
5.
a23 l 21 u13
l 22
a24 l 21 u14
l 22
On a :
l 31 u13 + l 32 u 23 + l 33 = a 33 l 33 = a 33 l 31 u13 l 32 u 23
l41 u13 + l42 u 23 + l43 = a 33 l43 = a43 l41 u13 l42 u 23
Page 56
6.
On a :
7.
On a :
l41 u14 + l42 u24 + l43 u34 + l44 = a44 l44 = a44 l41 u14 l42 u24 l43 u34
1re colonne de L :
1re ligne de U :
u1i =
(14)
a1i
pour i = 2,3, ...,n
l11
(15)
Pour i = 2, 3, 4 , ..., n 1
Calcul du pivot :
i 1
(16)
k =1
Pour j = i + 1, i + 2 , ..., n :
Calcul de la ie colonne de L :
i-1
l ji = a ji l jk uki
k =1
(17)
Calcul de la ie ligne de U
Page 57
uij =
(18)
lii
Calcul de
n-1
(19)
k =1
y1 =
b1
l11
i-1
Pour i = 2, 3, 4 , ..., n :
yi =
bi lik yk
k =1
lii
i-1
i = 2, 3, 4 , ..., n :
yi =
bi lik yk
k =1
(20)
lii
xn = yn
Pour i = ( n 1 ), ( n 2 ), ..., 1 :
i = ( n 1 ), ( n 2 ), ..., 1 :
xi = yi uik xk
k = 1+ 1
xi = yi uik xk
k = 1+ 1
(21)
Remarques :
1. Lalgorithme prcdent ne fonctionne que si les pivots l ii sont tous non
nuls. Ce nest pas toujours le cas et il est possible quil faille permuter deux
lignes pour viter cette situation tout comme pour llimination de Gauss. Les
coefficients l ii sont encore appels pivots.
2. Une fois utiliss, les coefficients de la matrice A ne servent plus rien. Ils
peuvent tre dtruits au fur et mesure que la dcomposition progresse. De ce
fait, on peut les remplacer par les valeurs l ij ou uij selon le cas. Cest ce que
Page 58
l 11
l
21
l 31
l 41
u12
l 22
l 32
u13
u23
l 33
l 42
l 34
u14
u24
u34
l 44
(22)
Exercice
Dcomposer en un produit L U le systme dquation linaire suivant :
2
3 1
1
2
3
2 2 1
x1 12
x 2 = 11
x 3 2
et le rsoudre.
Solution
Pour illustrer la notation compacte, on remplacera au fur et mesure les
coefficients aij par l ij ou uij ; les cases que nous allons mettre souligneront
que les lments aij correspondant ont t dtruits.
1) 1re colonne de L
Cest tout simplement la 1re colonne de A
Page 59
3 1
1
2
2 2
2
3
1
2) 1re ligne de U
Le pivot de la 1re ligne est 3. On divise donc la 1re colonne de A par 3
3 1 / 3
1
2
2
2
2 3
3
1
3) 2e colonne de L
Pour trouver la 2e colonne de L, on a dans lalgorithme la relation (17)
1 7
l 22 = a 22 l 21 u12 = 2 ( 1)
=
3 3
4
1
l 32 = a 32 l 31 u12 = 2 ( 3 )
=
3
3
3 1 / 3
1
7 3
2 4 3
2 3
3
1
4) 2e ligne de U
(18) donne :
u23 =
a 23 l 21 u13 3 1( 2 / 3 )
=
=1
l 22
7/3
2 3
3 1 / 3
1
7 3
1
2 4 3
1
Enseignant : Jol M. ZINSALO/EPAC-UAC
Page 60
5) Calcul de l33
l 33 = a 33 l 31 u13 l 32 u23
De (19)
= 1 2( 2 / 3 ) ( 4 / 3 )( 1 ) = 1
3 1 / 3
1
7 3
2 4 3
2 3
1
1
0
7 3
0
4 3 1
0
1
0
1 3
1
0
2 3
0
1
6) Rsoudre L y = b
La descente triangulaire donne :
y1 =
b1 12
=4
=
l 11
3
y2 =
b2 l 21 y1 11 1( 4 )
=3
=
l 22
7 3
y3 =
b3 l 31 y1 l 32 y 2 2 2( 4 ) ( 4 / 3 )( 3 )
=2
=
l 33
1
y = [4
3 2]
7) Rsolution de U x = y
Page 61
x3 = 2
x 2 = y 2 u23 x 3 = 3 1( 2 ) = 1
x 1 = y1 u12 x 2 u13 x 3
= 1 ( 1 / 3 )( 1 ) ( 2 / 3 )( 2 ) = 3
3
x = 1
2
3.
dit vecteur de
0 2 1 x1 5
1 0 0 x = 1
2
3 0 1 x 3 2
Solution :
Page 62
Soit
0 2 1
A = 1 0 0 la matrice de dpart et le vecteur de permutation
3 0 1
O = [1 2 3]
modifie.
1. 1re colonne de L
Puisquil sagit de la 1re colonne de A, on a :
pivo
t
0 2 1
1 0 0
3 0 1
et
1
O = 2
3
pivot
3 0 1
1 0 0
0 2 1
3
O = 2
1
2. 1re ligne de U
Ici, il suffit de diviser cette ligne par le nouveau pivot 3
3 0 1 3
1 0 0
0 2 1
3
O = 2
1
Page 63
l 22 = a 22 l 21 u12 = 0 1( 0 ) = 0
l 32 = a 32 l 31 u12 = 2 0 ( 1 ) = 2
Maintenant :
3 0 1 3
1 0 0
0 2 1
3
O = 2
1
3 0 1 3
0 2 1
1 0 0
3
O = 1
2
4. Calcul de u23
De (18)
u 23 =
a 23 l 21 u13 1 0( 1 / 3 ) 1
=
=
l 22
2
2
1 0 0
3
O = 1
2
5. Calcul de l33
l 33 = a 33 l 31 u13 l 32 u 23
= 0 1( 1 / 3 ) 0 ( 1 / 2 ) = 1 / 3
Page 64
1 0 1 3
3
O = 1
2
Remarquons que :
3 0 1
0 2 1
1 0 0
0 1 0 1 3
3 0
0 2
0 0 1 1 2 =
1 0 1 3 0 0 1
L
A perturbe suivant O
0 y 1 2
3 0
2
L y = 5 0 2
0 y 2 = 5
1 0 1 3 y 3 1
1
La descente triangulaire donne :
y = [ 2 3 5 2 1]
On rsout ensuite :
1 0 1 3 x 1 2 3
U x = y 0 1 1 2 x 2 = 5 2
0 0 1 x 3 1
La remonte triangulaire donne :
x = [ 1 2 1]T
qui est la solution finale du systme.
Remarque
Le dterminant de la matrice A de lexercice prcdent est donn par :
Page 65
peut
calculer
le
dterminant
dune
matrice
laide
de
la
dtA = ( 1 ) N l ii
i =1
(23)
(1)
x = A 1 b
Pour dterminer la matrice inverse, il suffit de remarquer que le produit dune
matrice par le vecteur e i dont toutes les composantes sont nulles sauf la
ime qui vaut 1 donne la ime colonne de la matrice A.
Exemple
Soit la matrice suivante :
1 2 3
A = 4 5 6
7 8 9
Page 66
e 1 = [1 0 0 ]T
A 1
A 1 e i = C i
(AA ) e
1
ei = A C i
ou
= AC i
I e i = AC i
e i = AC i
e i = AC i
(24)
La rsolution de (24) donne la ime colonne de A 1 . On peut donc affirmer que le
calcul de A 1 est quivalent la rsolution de n systmes linaires (1 par colonne
de A 1 ).
Remarque
Puisque le calcul de A 1 est quivalent la rsolution de n systmes linaires il
est clair quil ne faut jamais calculer A 1 pour rsoudre un systme linaire. Il
vaut mieux utiliser directement une dcomposition
LU
linverse.
0 2 1
A = 1 0 0
3 0 1
Page 67
LU
prcdent, soit on a :
0 1 0 1 3
3 0
0 2
0 0 1 1 2
1 0 1 3 0 0 1
L
3
O = 1
2
A C2 = e 2
A C3 = e3
A C1 = e1
C1
est linconnue
A C1 = e1 L U C1 = e 1
(1)
En posant :
U C1 = y
(1) devient :
L y = e1
1
(2)
0
e1 = 1
0
Page 68
Si
(2) devient :
0
3 0
0 2
0
1 0 1 /
y 0
y11 = 1
12
3 y13 0
On va rsoudre ensuite U C1 = y
1 0
0 1
0 0
1 3 C 0
11
1 2 C12 = 1 2
1 C13 0
1
0
0
1 2 3 2
=
1 2
0 3
1
Page 69
On traitera ici les mesures derreur lies aux systmes linaires. Cela amne donc
aborder les mesures de norme vectorielle, norme l 1 , norme euclidienne et
norme l .
x x x
(R
R qui associe
suivantes :
la norme dun vecteur est toujours strictement positive sauf si le vecteur a
toutes ses composantes nulles c d :
x > 0 sauf si x = 0
(25)
x = x
(26)
lingalit triangulaire est toujours vrifie entre deux vecteurs x et y
quelconque :
x+ y x + y
(27)
Toute application vrifiant ces trois proprits est une norme vectorielle. La plus
connue est la norme euclidienne.
et dfinie par :
Page 70
x =
x12 + x 22 + + x n2
(28)
THEOREME
La norme Euclidienne vrifie les trois proprits dune norme vectorielle.
5.3. Norme l 1 et l
La norme l 1 est dfinie par :
x
1
i=1
xi
(29)
= max x i
(30)
1 i n
x ,
1
et
x .
e
Solution
x
1
= x1 + x2 + x3
= 1 + 3 + 8 = 12
= max (1 , 3 , 8 ) = 8 = 8
= x 12 + x 22 + x 32
= 1 + 9 + 64 = 74
Page 71
la norme dune matrice est toujours >0 sauf si la matrice a toute ses
composantes nulles :
A > 0 sauf si A = O
(31)
2.
A = A
3.
(32)
A+ B A + B
4.
(33)
A B A B
(34)
Toute application qui vrifie ces quatre proprits est une norme matricielle.
5.5
1.
A 1 = max a ij
i jn
i =1
2.
A = max a ij
1 i n
j =1
A2=
2
a ij
i , j =1
Page 72
5
1 2
1 5
Exercice : soit la matrice A = 3
1 9
0
Dterminer A 1 , A , A 2 .
Solution :
= 1 2 + ( 2 ) + (5 ) + ( 3 ) + 1 2 + ( 5 ) + 1 2 + ( 9 ) + 0 2
2
= 147
Lorsquon sintresse aux systmes linaires on doit souvent manipuler des
produits de matrices par des vecteurs do lintrt de la dfinition :
Dfinition :
Une norme vectorielle et une norme matricielle sont dites compatibles si la
condition
Ax A x
(35)
est valide quelque soient la matrice A et le vecteur x
Remarque
Les normes vectorielle et matricielle ne sont pas toutes compatibles entre elles.
On dmontre que :
1
et A 1
et A
x
x
et A
x
e
Page 73
5
1 2
A = 3
1 5
1 9
0
Vrifier la compatibilit conditionne par lexpression (35).
Rsolution
- 33
A x = 34
28
A 1 = 12
A = 10
= 147
Ax
Ax
Ax
e
= 12
=8
= 74
= 33 + 34 + 28 = 95
( 33 )2 + ( 34 )2 + (28 )2
= 3029
norme euclidienne :
3029 147 74
Page 74
(36)
Remarques
1. Le conditionnement dpend de la norme matricielle utilise. On utilise le
plus souvent la norme
1 CondA
(37)
5.8
e = x x*
e devrait tre plus petite, ce nest pas toujours le cas.
r = b Ax
(38)
r = b Ax = Ax Ax *
= A x x * = Ae
e
si nous avons
r = Ae e = A1 r
(39)
Page 75
r A e
on peut tirer
(40)
r
A
e A 1 r
(41)
b
A
x A 1 b
1
A 1 b
A
(42)
r
A A 1 b
e
x
A1 A r
b
do
Page 76
r
e
r
1
CondA
CondA b
x
b
(43)
Remarques
e
1. Le terme du milieu
x et la solution approche x * .
2. Si le conditionnement de la matrice est prs de 1, lerreur relative est
comprise entre deux valeurs trs prs lune de lautre. Si la norme du
rsidu est petite, lerreur relative est galement petite et la prcision de la
solution approximative toutes les chances dtre satisfaisante.
3. Par contre si le conditionnement de la matrice A est grand, la valeur de
lerreur relative est quelque part entre 0 et un nombre possiblement trs
grand. Il est donc craindre que lerreur relative soit alors grande, donc
que la solution approximative soit de faible prcision et mme, dans
certains cas compltement fausse.
4. Mme si la norme du rsidu est petite, il est possible que lerreur relative
lie la solution approximative soit quand mme trs grande.
5. Plus le conditionnement de la matrice A est grand, plus on doit tre
attentif lalgorithme de rsolution utilise.
6. Il importe de rappeler que mme si une matrice est bien conditionne, un
mauvais algorithme de rsolution peut conduire des rsultats errons.
On peut obtenir une autre ingalit qui illustre le rle du conditionnement dune
matrice quant la prcision de la solution numrique dun systme linaire. Soit
le systme linaire A x = b . Lorsquon rsout un tel systme sur ordinateur o la
reprsentation des nombres nest pas toujours exacte, on rsout en fait le
systme suivant :
Page 77
(A + E ) x = b
o la matrice E reprsente une perturbation du systme initial due par exemple
aux erreurs de reprsentation sur ordinateur des coefficients de A . La matrice E
peut galement reprsenter les erreurs de mesure lorsque les coefficients de la
matrice A sont obtenus exprimentalement, ce qui est courant en pratique. On
notera encore x * la solution du systme perturb.
x = A 1 b = A 1 ( A + E ) x *
= I + A 1 E x* = x * + A 1 E x *
ce qui implique que lerreur est :
x x* = A1 E x *
(34) et (35)
x x * A 1 E x * =
A A 1 E x *
A
do le thorme suivant/
THEOREME
x x*
x*
CondA
E
A
Remarques
1. Le terme de gauche est une approximation de lerreur relative entre la
solution exacte et la solution du systme perturb (on devrait avoir x au
dnominateur pour reprsenter vraiment lerreur relative).
2. Le terme de droite est en quelque sorte lerreur relative lie aux coefficients
de la matrice A multipli par le conditionnement de A .
3. Si CondA est petit, une petite perturbation sur la matrice A entrane une
petite perturbation sur la solution x
Page 78
A=
1
0
4 1
4
0 1 1
1. Calculer
une
A 1
approximation
de
0,29
0 ,08
=
0 ,08
0 ,04
CondA
dsire
rsoudre
le
systme
le
facteur
de
linaire
AX =B
par :
49 ,0
74 ,0
1
X X* = A B =
24 ,0
49 ,0
X X*
X
A 1
= 6 0 ,49 = 2 ,94
Page 79
49 ,0
74 ,0
X X* = A 1 B =
24 ,0
49 ,0
On rappelle que :
R
X X*
1 R
C
C B
B
X
= 200
0 49 ,0 2
100 4 1 1
200 1
4
0 1 74 ,0 2
R = B AX * =
R
=
0 1
0
4 1 24 ,0 2
1 1
4 49 ,0 2
100 0
1 R
1
2
=
= 0 ,00340
C B 2 ,94 200
C
R
B
= 2 ,94
=2
2
= 0 ,0294
200
donc
0,00340
X X*
X
0 ,0294
3. Raffinement itratif
Page 80
R E*
erreur
0 ,29
0 ,08
E*
0 ,08
0 ,04
0 ,08 0 ,08 0 ,29 2 0 ,98
49 ,0 0 ,98 49 ,98
74 ,0 0 ,98 74 ,98
=
+
X X * + E* =
24 ,0 0 ,98 24 ,98
49 ,0 0 ,98 49 ,98
Page 81
I.
Introduction
La rsolution numrique des grands systmes linaires (grandes tailles) peut
parfois ncessiter lemploi des mthodes autres que la dcomposition L U . La
raison principale est que la dcomposition L U requiert la mise en mmoire dune
matrice de trs grande taille avec peu de possibilit de comprimer cette
information. Les mthodes itratives en revanche permettent de ne placer en
mmoire que les coefficients non nuls dune matrice. Cela est particulirement
important avec les matrices creuses dont une grande partie des coefficients sont
nuls. La dcomposition L U ne permet pas cette possibilit puisque que le
processus mme de dcomposition tend remplir la matrice. En effet, la plupart
des coefficients nuls dune matrice creuse deviennent non nuls au terme de la
dcomposition.
Les mthodes itratives possdent donc des avantages suffisamment importants
pour justifier une recherche active dans ce domaine. Une grande prudence est de
mise donc. De plus, les mthodes itratives, lorsquelles convergent ne deviennent
vraiment avantageuses que pour les systmes linaires de trs grande taille.
II.
1.
p( ) = dt ( A I )
(1)
Page 82
(A I ) x = 0
Ax = Ix = x
ou
(2)
possde des solutions non nulles. En effet, le systme (2) possde toujours la
solution x = 0 . Si est une valeur propre, il existe galement dautres solutions.
Une solution non nulle du systme (2) est appele vecteur propre de A
associe la valeur propre .
2 2
p( ) = dt ( A I ) =
1
2
2
2
= (1 )(2 ) + 4 = 2 3 + 6
p( ) = 2 3 + 6
Pour dterminer les valeurs propres, il suffit de rsoudre lquation p( ) = 0
p( ) = 2 3 + 6 = 0
Page 83
= 9 24 = 15 = 15 i 2
1 =
3 + i 15
2
2 =
3 i 15
2
( A ) = max i
(3)
1 i n
2 3
= 2 4 5
p( ) = 2 4 5 = 0 1 = 5 2 = 1
1 = 5 2 = 1 1 = 5 et 2 = 1
Do le rayon spectral est :
( A) = max (5 ; 1) = 5
4.
(4)
THEOREME
Les conditions suivantes sont quivalentes :
1) La matrice A est convergente.
Page 84
(5)
3) Pour tout vecteur x :
lim A n x = 0
(6)
( A) < 1
Exemple :
1 2 0
A=
1 3 1 4
dt ( A I ) =
1 2
13
1 4
= (1 2 )(1 4 ) = 0 1 = 1 2 et 2 = 1 4
0
1 4
A2 =
1 4 1 16
0 ,97656 10 3
A10 =
0 ,13008 10 2
0 ,88818 10 15
A50 =
4
0 ,11842 10
0 ,0
0 ,95367 10 6
0 ,0
0 ,788886 10 30
lim A n = 0
Page 85
a n 1 x 1 + a n 2 x 2 + a n 3 x 3 + + a nn x n = bn
(7)
On suppose pour linstant que tous les lments de la diagonale sont non nuls
(aii 0 , i ) .
A
partir
0
x = x10
x 20
dune
x 30 xn0
approximation
initiale
de
la
solution
note
lalgorithme suivant :
n
b1 a 1 j x kj
j= 2
1
k +1
b2 a 2 j x kj
x2 =
a 22
j=1, j 2
1
b3 a 3 j x kj
x 3k + 1 =
a 33
j=1, j 3
x 1k + 1 =
x nk + 1 =
1
a 11
1
a nn
(8)
n 1
bn a nj x kj
j=1
x ik +1 =
1
a ii
bi a ij x kj
j =1, j i
(9)
Page 86
3 x1 + x2 x3 = 2
x 1 + 5 x 2 + 2 x 3 = 17
2 x x 6 x = 18
2
3
1
Solution :
) (
) (
i=1
x1k + 1 =
1
1
b1 a12 x2k a13 x3k = 2 a12 x2k a13 x3k
a11
3
i=2
x2k + 1 =
1
1
b2 a21 x1k a23 x3k = 17 x2k 2 x2k
a22
5
i=3
x3k + 1 =
1
1
b1 a12 x2k a12 x2k = 18 2 x 2k + x2k
a33
6
x 0 0
1
0 0
A partir de x = x 2 = 0 , on trouve :
x 0 0
3
1re itration :
(
(
1
1
2
2 x 20 + x 30 = (2 0 + 0 ) =
3
3
3
17
1
x 21 = 17 x10 2 x 30 =
5
5
1
x 31 = 18 2 x10 + x 20 = 3
6
x11 =
x = [2 / 3 17 / 5
1
3]T
2e itration
17
1
1
8
+ 3 =
2 x 21 + x 31 = 2
5
3
3
15
1
1
2
31
x 22 = 17 x 11 2 x 31 = 17 6 =
5
5
3
15
x 12 =
x 32 =
2 17
1
1
18 2 x 11 + x 21 = 18 2 +
= 2 ,655556
3 15
6
6
x = [8 / 15 31 / 15 2 ,655556 ]T
2
Page 87
x1k
x2k
x3k
0,000 000
0,000 000
0,000 000
0,666 666
3,400 000
3,000 000
0,533 333
2,066 667
2,655 556
0,862 963
2,231 111
2,833 333
0,867 407
2,094 074
2,915 802
0,940 576
2,970 123
0,959 975
2,035 835
2,970 159
0,978 108
2,019 941
2,980 686
0,986 915
2,012 104
2,989 379
0,992 425
2,006 865
2,993 621
10
0,995 585
2,004 067
2,996 331
x = [1 2 3 ]T
A = D + Ti + Ts
(10)
o
a11
D=
a 22
ann
Page 88
a n 1
0
a 32
an2
an3
Ts =
a 12
0
a 13
a 23
0
a1n
a 2 n
a3n
Ax = b
Le systme linaire :
devient :
( D + Ti
+ Ts ) x = b
D x = (Ti + Ts ) x + b
x = D 1 (Ti + Ts ) x + D 1 b
x = TJ x + CJ
o TJ = D 1 (Ti + Ts ) et CJ = D 1 b
et lalgorithme (9) peut scrire :
x
k+1
= TJ x + CJ
j =1, j i
aij
Page 89
( A) A
x ik + 1 =
1
a ii
k
b
a
x
ij j
i
j=1, ji
(12)
1
k
k
k+1
xi
b
a x
a x
=
aii i j = 1 ij j j = i + 1 ij j
x ik + 1 =
1
a ii
i1
bi a ij x kj + 1
j=1
j=i+1
a ij x kj
(13)
Page 90
k +1
k+1
k
= D 1 b Ti x
T S x
ou encore
(Ti + D )x
k +1
= b TS x
ou enfin
k+1
= (Ti + D ) T S x + (Ti + D ) b
1
TGS
C GS
3 x1 + x 2 x 3 = 2
x 1 + 5 x 2 + 2 x 3 = 17
2 x x 6 x = 18
2
3
1
x 1k + 1 =
1
b1 a 12 x 2k a 13 x 3k
a 11
x 1k + 1 =
1
2 x 2k + x 3k
3
(
b2 a 21 x 1k + 1 a 23 x 3k )
a 22
1
x 2k + 1 = (17 x 1k + 1 2 x 3k )
5
x 2k + 1 =
Page 91
(
b3 a 31 x 1k + 1 a 32 x 2k + 1 )
a 33
1
x 3k + 1 = ( 18 2 x 1k + 1 + x 2k + 1 )
6
x 3k + 1 =
Partant de x = [0 0 0 ]T , on a :
0
1re itration
1
(2 0 + 0 ) = 2
3
3
1
2 49
x 21 = 17 =
5
3 15
x 11 =
1
2 49 241
=
x 31 = 18 2 +
6
3 15 90
Do le tableau
x 1k
x 2k
x 3k
3,266 667
2,677 778
2,234 815
2,784 321
2,116 305
2,930 561
2,040 158
2,972 669
2,015 432
2,989 929
2,005 729
2,996 212
2,002 150
2,998 584
2,000 804
2,999 470
2,000 301
2,999 802
10
2,000 113
2,999 926
Page 92
Page 93
1. Introduction
Les phnomnes non linaires sont extrmement courants en pratique. Sans
doute, ils sont plus frquents que les phnomnes linaires. Dans ce chap. on
examinera les systmes non linaires.
Les mthodes de rsolution des systmes non linaires sont nombreuses et on ne
prsentera dans ce chap. que la mthode la plus importante et la plus utilise en
pratique, la mthode dite de Newton.
2. Mthode de Newton
2.1.
Principe
x2
x 3 xn ]
f 1 ( x 1 , x 2 , x 3 , , x n ) = 0
f 2 ( x1 , x 2 , x 3 , , x n ) = 0
f 3 ( x 1 , x 2 , x 3 , , x n ) = 0
f n ( x 1 , x 2 , x 3 , , x n ) = 0
(1)
Page 94
f 1 ( x1 , x 2 ) = 0
f (x , x ) = 0
2 1 2
Soit
(x
0
1
, x 20
approximation initiale est cruciale et doit toujours tre choisie avec soin. Le
f 1 x 10 + x 1 , x 20 + x 2 = 0
f 2 x 10 + x 1 , x 20 + x 2 = 0
Pour dterminer (x 1 ,x 2 ) il suffit de faire un dveloppement de Taylor deux
variables pour chacune des deux fonctions :
f 1 x 10
+ x 1 , x 20
f 1 x 10
+ x 2 =
, x 20
) + x
) + x
)+
x 1 f 1 x 10 , x 20
x 1 f 2 x 10 , x 20
f 2 x 10 + x 1 , x 20 + x 2 = f 2 x 10 , x 20 +
x 1
1!
x 1
1!
f 1 x 10 , x 20
+= 0
1!
x 2
2
f 2 x 10 , x 20
+= 0
1!
x 2
2
f 1 x 10 , x 20
f 1 x 10 , x 20
= f 1 x 10 , x 20
x 1
+ x 2
x 1
x 2
x 1
f 2 x 10 , x 20
f x 0 , x 0
+ x 2 2 1 2 = f 2 x 10 , x 20
x 1
x 2
Page 95
f 1
f 2
(x
0
1
, x 20
x 1
(x
0
1
, x 20
x 1
f 1 x 10 , x 20 x 1
f 1 x 10 , x 20
x 2
0
0
f 2 x 1 , x 2
f 2 x 10 , x 20
x 2
2
o J x 10 , x 20
J x 10 , x 20 x = R x 10 , x 20
x 11 = x 10 + x 1
1
0
x 2 = x 2 + x 2
qui est la nouvelle approximation de la solution du systme non linaire. On
convergence.
De manire plus gnrale, on pose :
i
f 1 x
x 1
i
f 2 x
J x = x 1
f n x i
x
1
()
f 1 x i
x 2
f 2 x i
x 2
f n x i
x 2
f 1 x i
x n
f 2 x i
x n
f n x i
x n
Page 96
x i = x 1i
x 2i x ni
De plus, on pose :
i
f 1 x
i
f 2 x
i
R x =
f x i
n
et
x 1
x 2
x =
x
n
3. Etant donn x 0 = x 10
x 20
x 30 x n0
solution du systme
4. Rsoudre le systme linaire :
J x
x = R x i
(3)
Poser :
x i + 1 = x + x
i
5. Si
x
x i+1
< et
R x i + 1 :
convergence atteinte ;
crire la solution x i + 1 ;
arrt.
Page 97
arrt.
7. Retour ltape 4.
x 2 = e x1
(1)
C (O , R ) = {M ( x 1 , x 2 ) P / d (O , M ) = R}
d (O , M ) = OM =
=
(x1M
x 1O ) 2 + ( x 2 M x 2 O ) 2
x1 2 + x 2 2 = R
x1 2 + x 2 2 = R 2
(2)
x 2 + x 2 16 = 0
2
1
(3)
x1
x2 = 0
x12 + x 22 = 16
Page 98
(2 ,8 ;
2 ,8 ) Prenons le point
(2 ,8 ;
( 4 ,
initiale :
x 0 = [2 ,8
2 ,8 ]T
e x1
J ( x1 , x 2 ) =
2 x
1
2 x 2
1re itration :
Le systme (3) devient :
e 2 ,8
2( 2 ,8 )
e 2 ,8 2 ,8
1 x 1
2
2
2( 2 ,8 ) x 2
2 ,8 + 2 ,8 16
16 ,445
5 ,6
5 ,6
13 ,645
x 1
0 ,320
x 2
0 ,7789
x =
0 ,83604
La nouvelle approximation de la solution est :
Page 99
x 11 = x 10 + x 1 = 2 ,8 0 ,77890 = 2 ,0211
x 21 = x 20 + x 2 = 2 ,8 + 0 ,83604 = 3 ,63604
x = [2 ,0211 3 ,63604 ]
1
2e itration :
On effectue une 2nde itration partir de x = [2 ,0211 3 ,63604 ]T . (3) devient :
1
e 2 ,0211
2( 2 ,0211 )
2( 3 ,63604 )
1
e 2 ,0211 3 ,63604
x 1
2 ,0211 2 + 3 ,63604 2 16
x 2
cd
7 ,2721
7 ,5466
4 ,0422
3 ,9106
x 1
1 ,3056
x 2
0 ,5048
x =
0 ,10166
x = [1 ,3281 3 ,7781 ]T
5
Page 100
peut rsulter en un
algorithme divergent.
2) On dmontre que lorsquil y a convergence de lalgorithme, cette
convergence est gnralement quadratique dans le sens suivant :
x x i +1 C x x i
Page 101
1. Introduction
Le problme rsoudre ici est le suivant : partir dune fonction f ( x ) connue
seulement en
(n + 1)
points de la forme
( x i , f ( x i ))
pour i = 0 ,1 ,2 , , n ; peut-on
( x i , f ( x i ))
( x i , f ( x i ))
dune
pn ( x ) = a 0 + a 1 x + a 2 x 2 + a 3 x 3 + + a n x n
(a n 0 )
(1)
Page 102
(n + 1)
points de collocation
( x i , f ( x i ))
pn ( x i ) = f ( x i ) pour i = 0 ,1 ,2 , , n
ou encore
a 0 + a 1 x i + a 2 x i2 + a 3 x i3 + + a n x in = f ( x i )
qui est un systme linaire de (n + 1) quations (n + 1) inconnues.
Ce systme scrit sous forme matricielle :
1
1
x0
x1
x2
x 02
x 12
x 22
xn
x n2
x0n
x 1n
x 2n
x nn
a0 f ( x 0 )
a f ( x )
1
1
a 2 = f ( x 2 )
a n f ( x n )
(2)
Remarque
La matrice de ce systme linaire porte le nom de matrice de Vandermonde. On
montre que le conditionnement de cette matrice augmente fortement avec la taille
(n + 1)
Page 103
0 0
1 1
2 4
3 9
0 a0 1
1 a1 2
=
8 a 2 9
27 a 3 28
[1
0 0 1] . Le
T
p3 ( x ) = 1 + 0 x + 0 x 2 + 1 x 3 = 1 + x 3
3. Interpolation de LAGRANGE
Cest une faon simple et systmatique de construire un polynme de collocation.
Etant donn (n + 1) points ( x i , f ( x i )) pour i = 0 ,1 ,2 , , n , on suppose que lon sait
construire
(n + 1)
polynmes
suivantes :
Li ( xi ) = 1 ;
( )
Li x j = 0 ; j i
i=0
Page 104
(n + 1)
recherch.
Pour construire les fonctions Li ( x ) , on suit la dmarche progressive suivante :
Polynme de degr 1
L0 ( x ) et L1 ( x ) de degr 1 vrifiant :
L1 ( x 0 ) = 0
L1 ( x 1 ) = 1
L0 ( x 0 ) = 1
L0 ( x 1 ) = 0
L0 ( x ) =
x x1
x0 x1
L1 ( x ) =
x x0
x1 x0
i=0
Page 105
x0 = 2
p1 ( x ) = f ( x 0 )
x1 = 5
f ( x 1 ) = 6
x x0
x x1
+ f (x1 )
x0 x1
x1 x0
x2
x5
6
52
25
p 1 ( x ) = 3 x + 9
=3
Polynme de degr 2
Pour trouver le polynme de degr 2 passant par les trois points suivants
( x0 , f ( x0 )) , ( x 1 , f ( x 1 )) et ( x 2 , f ( x 2 )) , on doit
L1 ( x ) et L2 ( x ) . Ces trois fonctions sont
suivantes :
L0 ( x ) =
( x x1 ) ( x x 2 )
( x0 x1 ) ( x0 x 2 )
L1 ( x ) =
( x x0 ) ( x x 2 )
( x1 x0 ) ( x1 x 2 )
L2 ( x ) =
( x x0 ) ( x x1 )
( x 2 x0 ) ( x 2 x1 )
p2 ( x ) = L0 ( x ) f ( x0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x 2 )
Exercice : Trouver lquation de la parabole (polynme de degr 2) passant
par les points
(1 ,
2 ) , (3 , 7 ) et (4 , 1) .
Solution :
Page 106
( x 3 ) ( x 4 ) ( x 1) ( x 4 )
( x 1) ( x 3 )
+7
+ ( 1 )
(1 3 ) (1 4 ) (3 1) (3 4 )
(4 1) (1 3 )
p2 ( x ) =
( x 3 ) ( x 4 ) 7 ( x 1) ( x 4 ) ( x 1 ) ( x 3 )
p2 ( x ) =
7 x 2 37
34
x+
2
2
2
Polynme de degr n
pn (x ) =
f ( x )L ( x )
Li ( x ) =
( x x 0 ) ( x x 1 ) ( x x i 1 ) ( x x i + 1 ) ( x x n )
( x i x 0 ) ( x i x 1 ) ( x i x i 1 ) ( x i x i + 1 ) ( x i x n )
i=0
(3)
o seul le facteur ( x x i ) est absent.
THEOREME
Etant donn
(n + 1)
points dinterpolation
( x i , f ( x i ))
pour i = 0 ,1 ,2 , , n ,
p n ( x ) = f ( x i )L i ( x )
i =0
Page 107
o les (n + 1) fonctions
Li ( x )
formule de LAGRANGE.
Exercice : trouver le polynme dinterpolation passant par les points (0 , 1) ,
(1 ,
2 ) , (2 , 9 ) et (3 , 28 ) .
Solution :
p3 ( x ) = 1
( x 1) ( x 2 ) ( x 3 ) + 2 ( x 0 ) ( x 2 ) ( x 3 ) +
(0 1) (0 2 ) (0 3 )
(1 0 ) (1 2 ) (1 3 )
+9
( x 0 ) ( x 1) ( x 3 ) + 28 ( x 0 ) ( x 1) ( x 2 )
( 2 0 ) (2 1 ) ( 2 3 )
(3 0 ) ( 3 1 ) (3 2 )
p3 ( x ) = x 3 + 1
Remarque :
La mthode dinterpolation de Lagrange prsente linconvnient majeur de ne pas
tre rcursive. En effet, si on souhaite passer dun polynme de degr n un
polynme de degr (n + 1) (en ajoutant un point de collocation), on doit reprendre
tout le processus zro. On corrigera cette situation en tudiant dans le
paragraphe suivant, la mthode dinterpolation de Newton.
4. Polynme de NEWTON
En dpit de la forme la plus utilise (1) dun polynme, il en existe dautres qui
sont plus appropries au cas de linterpolation.
Par exemple :
Page 108
pn ( x ) = a 0
+ a 1 ( x x0 )
+ a 2 ( x x0 ) ( x x 1 )
+ a 3 ( x x0 ) ( x x1 ) ( x x 2 )
+
+ a n 1 ( x x0 ) ( x x 1 ) ( x x 2 ) ( x x n 2 )
(4)
+ a n ( x x0 ) ( x x 1 ) ( x x 2 ) ( x x n 2 ) ( x x n 1 )
Dfinition 1 :
On dfinit les premires diffrences divises de la fonction f ( x ) par :
f [x i , x i + 1 ] =
1
res
f (x i+1 ) f (x i )
x i+1 x i
(5)
diffrence s divises
Remarque :
On dmontre que le polynme de degr 1 est :
p1 ( x ) = f ( x 0 ) + f [ x 0 , x 1 ] ( x x 0 )
Dfinition 2 :
Les deuximes diffrences divises de la fonction f ( x ) sont dfinies partir
des 1res diffrences divises par la relation :
f [ xi , xi + 1 , xi + 2 ] =
f [ x i + 1 , x i + 2 ] f [ xi , x i + 1 ]
( xi + 2 xi )
2 e diffrences divises de f ( x )
(6)
Page 109
f [ x0 , x1 , x 2 , , x n ] =
f [ x 1 , x 2 , x n ] f [ x0 , x 1 , x n 1 ]
( x n x0 )
(7)
p2 ( x ) = f ( x0 ) + f [x0 , x 1 ] ( x x 0 ) + f [ x0 , x 1 , x 2 ] ( x x0 ) ( x x 1 )
p1 ( x )
passe par les trois premiers points de collocation. De plus, on remarque que ce
polynme de degr 2 sobtient uniquement par lajout dun terme de degr 2 au
polynme p1 ( x ) dj calcul. En raison de cette proprit, cette mthode est dite
rcursive.
THEOREME
Lunique polynme de degr n passant par les (n + 1) points de collocation
( x i , f ( x i ))
pn ( x ) = pn 1 ( x ) + a n ( x x0 )( x x 1 ) ( x x n 1 )
(8)
Page 110
a i = f [ x0 , x 1 , x 2 , x i ]
pour 0 i n
(9)
Remarques :
Une fois les coefficients a i connus, on peut valuer le polynme de Newton au
moyen dun algorithme similaire au schma de Horner. On crit le polynme (4)
sous la forme :
p n ( x ) = a 0 + ( x x 0 ) (a 1 + ( x x 1 ) (a 2 + ( x x 2 ) (a 3 +
+ ( x x n 2 ) (a n 1 + a n ( x x n 1 ))))
(10)
Page 111
xi
f ( xi )
x0
f ( x0 )
f [xi , xi +1 ]
f [xi , xi +1 , xi + 2 ]
f [x i , x i +1 , x i + 2 , x i + 3 ]
f [x0 , x1 ]
x1
f [ x0 , x 1 , x 2 ]
f (x1 )
f [x0 , x 1 , x 2 , x 3 ]
f [x 1 , x 2 ]
x2
f [x1 , x 2 , x 3 ]
f (x2 )
f [x 2 , x 3 ]
x3
f (x3 )
La construction de cette table est simple ; on sest arrt aux 3imes diffrences
divises. Les 1res diffrences divises dcoulent de la dfinition simple savoir
que :
f [x0 ,
x1 ] =
f ( x1 ) f ( x0 )
x1 x0
(10)
f [x0 , x 1 , x 2 ] =
f [ x 1 , x 2 ] f [x 0 , x 1 ]
x 2 x0
Page 112
f [x0 , x 1 , x 2 , x 3 ] =
f [x 1 , x 2 , x 3 ] f [x0 , x 1 , x 2 ]
x 3 x0
(3 ,
28 ) .
Rsolution :
Etablissons la table des diffrences divises :
xi
f ( xi )
a0
f [xi , xi +1 ]
f [xi , xi +1 , xi + 2 ]
a1
f [x i , x i +1 , x i + 2 , x i + 3 ]
a2
a3
1
1
3
7
6
19
28
+ a1 (x x0 )
+ a 2 ( x x 0 )( x x 1 )
+ a 3 ( x x 0 )( x x 1 )( x x 2 )
Page 113
p 3 ( x ) = 1 + 1( x 0 ) + 3( x 0 )( x 1) + 1( x 0 )( x 1)( x 2 )
= x3 + 1
Remarques :
1. On remarque que :
5. Erreur dinterpolation
Linterpolation permet, partir dun certain nombre de donnes sur les valeurs
dune fonction, de faire lapproximation de f ( x ) en tout point x . Toutefois,
cette opration entrane une erreur dinterpolation quil convient dtudier
dautant plus que les rsultats serviront galement dans lanalyse de
lintgration et de la drivation numriques.
On exprime lerreur dinterpolation comme suit :
f ( x ) = pn ( x ) + E n ( x )
ou
E n ( x ) = f ( x ) pn ( x )
Page 114
E n ( x i ) = 0 pour i = 0 , 1 , 2 , , n
et donc que lerreur dinterpolation est nulle aux points de collocation puisque le
polynme passe exactement par ces points.
Remarque :
On suppose que les donnes des points
( xi ,
f ( x i )) pour i = 0 , 1 , 2 , , n sont
f (n + 1 ) [ ( x )]
( x x 0 ) ( x x 1 )( x x n )
En (x ) =
(n + 1) !
(11)
( x xi ) ,
( x x0 ) ( x x 1 ) ( x x n )
(n + 1)
racines relles
( xi
(n + 1)
et
pour i = 0 , 1 , 2 , , n ) . Dans
Page 115
f (x) =
E n ( x ) f [ x0 , x1 , x 2 , , x n+ 1 ] ( x x0 ) ( x x 1 ) ( x x n )
(12)
au point x = 8 .
Solution :
xi
f ( xi )
2,645751
f [xi , xi +1 ]
f [xi , xi +1 , xi + 2 ]
f [xi , , xi + 3 ]
f [xi , , xi +4 ]
0,177124
9
3,000000
- 0,00470299
0,000206783
0,158312
11
3,316625
0,000129243
0,144463
13
0,9692.10-5
- 0,00346229
3,605551
- 0,00268680
0,133716
15
3,872983
Page 116
de sorte que
E 1 (8 ) = f (8 ) p1 (8 ) = 8 2 ,822875 = 0 ,005552125
(1)
or daprs (12) :
On constate que
(1)
(2)
(2)
p 2 ( x ) = p 1 ( x ) 0 ,00470299 ( x 7 )( x 9 )
et
p 2 (8 ) = 2 ,822875 + 0 ,00470299 = 2 ,827577990
p3 ( x ) = p2 ( x ) + 0 ,000206783 ( x 7 ) ( x 9 ) ( x 11)
donc
Page 117
E 3 (8 ) = f (8 ) p3 (8 ) = 0 ,000228786
ce qui est prs de la valeur obtenue au moyen de (12)
x x0
ou encore x x 0 = s h
h
x xi = x ( x0 + ih) = ( x x0 ) ih = sh ih = (s i ) h
xi
(13)
En ( x ) =
f ( n+ 1 ) [ ( h )]
n+ 1
s (s 1) (s 2 ) (s n ) h
(n + 1) !
(14)
Page 118
...
x1
x0
...
xi
xn = x0 + nh
x i = x0 + i h , i entier
x = x0 + s h , s rel
En faisant la diffrence membre par membre, on a :
x x i = (s i ) h pour i = 0 , 1 , 2 , , n
Pour x donn,
s=
x x0
h
Page 119
pn ( x ) = a0 + a 1 ( x x 0 ) + a 2 ( x x0 )( x x 1 ) + + a n ( x x0 )( x x 1 )( x x n1 )
o
a i = y[ x 0 , , x n ] diffrences divises
= f [ x 0 , , x n ]
i0
a0 = f ( x 0 ) = y0
Si les x i sont quidistants et si x0 < x 1 < x 2 < < x n , on dmontre que :
an =
n y 0
n! h
n y 0 = f [ x i , x i + 1 , x i + 2 , x i + n ]
y 0
sh+
2 y 0
s h (s 1) h +
3 y 0
1! h
3! h 3
2! h 2
n y 0
s h ( s 1) h ( s n + 1) h
+
n! h n
s h ( s 1) h ( s 2 ) h + +
s (s 1) ( s n + 1) n
s (s 1) ( s 2 ) 3
s ( s 1) 2
y0 +
y0 + +
y0
n!
3!
2!
o
s
s (s 1) (s 2 ) (s n + 1)
= C ns =
n!
n
Remarques :
1. si on ajoute un nouveau point ( x n+ 1 ,
x n+ 1 = x n + h .
Page 120
Exercice :
on considre la table des diffrences divises ci-dessous. Interpoler la
fonction en x = 0 ,73 en utilisant les points dabscisses 0 ,4 ; 0 ,6 ; 0 ,8 et 1 .
2y
3y
4y
0,203
0,203
0,2
0,017
0,024
0,220
x0 = 0,4
0,423
0,044
0,261
x 1 = 0,6
0,684
0,096
0,211
0,181
1,030
0,307
0,527
x 3 = 1,0
0,052
0,085
0,346
x
x 2 = 0,8
0,020
0,041
0,488
1,557
1,015
1,2
2,572
Rponse :
x x0
h
h = 0 ,2
x = 0 ,73
x 0 = 0 ,4
s=
et
s
s
s
p 3 ( x ) = y 0 + y 0 + 2 y 0 + 3 y 0
1
2
3
p 3 ( x ) = y 0 + s y 0 +
s (s 1) (s 2 ) 3
s (s 1) 2
y0 +
y0
3!
2!
Page 121
1 ,65 (0 ,65)
(0 ,085) + 1 ,65 (0 ,65) ( 0 ,3 5)(0 ,096)
6
2
p 3 (0 ,73) = 0 ,89 3
Page 122
NUMERIQUE
Introduction
(1)
(1)
pour un certain ( x ) ( x ) [ x 0 , x n ] .
Lexpression (1) est la base des dveloppements de ce chap.
La drivation numrique peut tre aborde de deux manires. La 1re approche
consiste utiliser le dveloppement de Taylor et la seconde est fonde sur
lquation (1). Mais on utilise un mlange des deux approches pour matriser le
problme.
Si on drive les deux membres de lquation (1), il vient ce qui suit :
f ' ( x ) = p'n ( x ) + E n' ( x )
f ' ' ( x ) = p'n' ( x ) + E n'' ( x )
f ''' (x ) =
Ainsi,
( xi ,
pour
valuer
la
p'n''
(x ) +
drive
E n'''
(2)
(x )
dune
fonction
connue
aux
points
passant par ces points. De plus, le terme derreur associ cette approximation
Page 123
Remarque :
Bien quen thorie on soit en mesure destimer les drives de tout ordre, sur le
plan pratique, on dpasse rarement lordre 4. Cela sexplique par le fait que la
diffrentiation numrique est un procd numriquement instable.
2.
Drives dordre 1
E n' ( x ) =
f (n+ 2 ) [ ( x )] ' ( x )
[ ( x x 0 ) ( x x 1 ) ( x x n )] +
(n + 1)!
f (n+ 1 ) [ ( x )]
( x x 0 ) ( x x 1 ) ( x x n )
+
(n + 1)!
'
La drive du produit I est plus dlicate. Cette drive dbouche sur une somme
de produits o tour tour lun des facteurs ( x x i ) est manquant. Il est facile de
se convaincre, en reprenant ce dveloppement avec n = 2 par exemple, et lon
obtient :
E n' ( x ) =
f (n + 2 ) [ ( x )] ' ( x )
[ ( x x 0 ) ( x x 1 ) ( x x n )] +
(n + 1 )!
+
f ( n + 1 ) [ ( x )] n
(n + 1 )! k
=0
j=0 ( j k
() x x )
j
(3)
Page 124
f (n+ 1 ) [ ( xi )] n
x x
(n + 1)! j =0 ( j i ) i j
x i +1 x i = h
ce qui signifie que
(x
x j = (i j ) h
on obtient :
E n' ( x i ) =
f (n + 1 ) ( i ) h n
(n + 1 )!
(i j )
j=0 ( j i )
(4)
(n + 1 ) ( ) n n
f (n+ 1 ) ( 0 ) h n n
0 h
f
( j ) =
( j )
(n + 1)! j =0 ( j 0)
(n + 1)! j =1
en arrangeant, on a :
E n'
n
(
1 ) h n f (n + 1 ) ( 0 )
( x0 ) =
(n + 1)!
(5)
(n + 1) ,
Page 125
(6)
le terme pn' ( x i ) de lquation (6) est une formule aux diffrences finies ou plus
simplement une formule aux diffrences.
Exemple 1 :
En choisissant le polynme de degr 1 passant par les points ( x 0 ,
( x1 ,
p1 ( x ) = a 0 + a 1 ( x x 0 )
= f ( x0 ) + f [x0 ,
donc
f ( x0 )) et
x 1 ] ( x x0 )
f ( x ) = p1 ( x ) + E 1 ( x )
f ' ( x ) = p1' ( x ) + E 1' ( x )
f ' ( x ) = f [ x0 , x 1 ] + E 1' ( x )
(7)
f ( x 1 ) f ( x 0 ) h f (2 ) ( 0 )
h
2
f [ x0 ,
pour 0 [ x 0 ,
x1 ]
x1 ]
(8)
Page 126
f ' ( x1 ) =
+ E' ( x 1 ) =
+
(1 j )
x1 x0
h
2!
j =0 , j 1
1
ou encore :
f ' (x1 ) =
(2 )
f ( x 1 ) f ( x 0 ) h f ( 1 )
+
h
2
pour
1 [x0 ,
x1 ]
(9)
Remarque :
Lexemple
prcdent
montre
que
la
mme
diffrence
divise
est
une
Exemple 2 :
En prenant un polynme de degr 2 qui passe par les points
( x1 ,
f ( x 1 )) et ( x 2 ,
( x0 ,
f ( x0 )) ,
f ( x 2 )) , on a :
p2 ( x ) = f ( x 0 ) + f [ x 0 , x 1 ] ( x x 0 ) + f [ x 0 , x 1 , x 2 ] ( x x 0 ) ( x x 1 )
Lorsque x prend successivement les valeurs x 0 , x 1 et x 2 , il est facile de
montrer que lon obtient des approximations dordre 2 de la drive :
f ( x 2 ) + 4 f ( x 1 ) 3 f ( x 0 ) h f "' ( 0 )
f ' ( x0 ) =
+
2h
3
2
2h
6
2
Page 127
Remarques :
1. Les termes derreurs aux diffrences finies dcoulent tous de la relation (7).
Les points 0 , 1 , 2 sont situs quelque part dans lintervalle [ x 0 , x 2 ]
et sont inconnus.
2. Toutes ces formules aux diffrences sont dordre 2. les mentions avant,
centr et arrire renvoient au point o on calcule la drive et aux points
utiliss pour la calculer. Ainsi, la diffrence avant est value en x 0 sur la
base des valeurs situes vers lavant soit en x 1 et x 2 .
f ' (x) =
f ( x ) f ( x h)
+ O (h)
h
Diffrence arrire d' ordre 1
f ' (x) =
f ' (x) =
f ( x + 2 h) + 4 f ( x + h) 3 f ( x )
2
+O h
2h
( )
Page 128
f ' (x) =
f ( x + h) f ( x h)
2
+O h
2h
( )
3 f ( x ) 4 f ( x h ) + f ( x 2 h)
2
+O h
2h
( )
3.
f "( x ) =
f ( x 2 h) 2 f ( x h) + f ( x )
+ O (h)
h2
Diffrence arrire d' ordre 1
f " (x ) =
f ( x + 2 h) 2 f ( x + h) + f ( x )
+ O (h)
h2
f" (x) =
f ( x + h) 2 f ( x ) + f ( x h)
h2
( )
+ O h2
f " (x) =
f ( x + 2 h) + 16 f ( x + h) 30 f ( x ) + 16 f ( x h) f ( x 2 h)
+ O h4
2
12 h
( )
Page 129
f ( x + 2 h) 4 f ( x + h ) + 6 f ( x ) 4 f ( x h ) + f ( x 2 h )
+ O h2
4
h
( )
f ( x0 + h) f ( x0 h)
2h
Extrapolation de RICHARDSON
( )
( )
Q exa = Q app (h ) + C n h n + C n + 1 h n + 1 + C n + 2 h n + 2 +
(12)
Page 130
Qexa
h
h
h
= Qapp + C n + C n + 1
2
2
2
n+ 1
h
+ C n+ 2
2
n+ 2
(13)
h
Lapproximation Qapp est gnralement plus prcise que Qapp (h) . On peut
2
cependant se servir de ces deux approximations pour en obtenir une nouvelle,
encore plus prcise. Lide consiste combiner les relations (12) et (13) de telle
h n+ 2
h n+ 1
h
n
= 2 Qapp + C n h + C n+ 1
+ C n+ 2 2 2
2
2
2 Qexa
(2
3
1
h
1 Qexa = 2 n Qapp Qapp (h) C n+ 1 h n+ 1 C n+ 2 h n+ 2 +
2
4
2
do
Qexa
1
3
h
2 n Qapp Qapp (h ) C n + 1 h n + 1 C n + 2 h n+ 2
2
4
2
+
=
n
2 1
(14)
ou plus simplement :
Qexa
h
2 n Qapp Qapp (h)
2
+ O h n+ 1
=
2n 1
)
Page 131
x = 0 , on obtient :
pour h = 0 ,1
f ' (0 ) =
e 0 + h e 0 e 0 ,1 e 0
=
= 1 ,05170918 = Qapp (0 ,1)
h
0 ,1
pour h = 0 ,05
f ' (0 ) =
e 0 ,05 e 0
= 1 ,0254219 = Qapp (0 ,05 )
0 ,05
f ' (0 )
21 1
2 1 ,0254219 1 ,05170918 = 0 ,99913462
qui est une approximation dordre 2 et donc plus prcise de f ' (0 ) . De mme,
si on utilise une diffrence centre dordre 2, on obtient :
pour h = 0 ,05
e 0 ,05 e 0 ,05
f ' (0 ) =
= 1 ,0004167
2 0 ,05
pour h = 0 ,025
e 0 ,025 e 0 ,025
f ' (0 ) =
= 1 ,00010418
2 0 ,025
Page 132
( )
n = 2 donne :
f ' (0 )
22 1
4 1 ,00010418 1 ,0004167
= 1 ,000000007
3
Page 133
NUMERIQUE
Introduction
x
x
x
x f ( x ) dx = x pn ( x )dx + x E n ( x )dx
n
(1)
x f ( x )dx
x1
0
Page 134
f ( x1 )
E1 ( x )dx
f (x)
f ( x0 )
x p1 ( x ) dx
x1
0
x1
x0
p1 ( x ) = a0 + a1 ( x x0 ) = f ( x0 ) + f [ x0 , x1 ]( x x0 )
et
f ( 2 ) [ ( x )]
( x x0 )( x x1 )
E1 ( x ) =
2!
( x ) [ x0 , x1 ]
o
on a :
x1
f ( x )dx = p1 ( x ) dx + E1 ( x )dx
x1
x1
x0
x0
{ f ( x0 ) + f [x0 ,
x1
x0
x1
x0
x1 ]( x1 x0 )}d x +
f (2 ) [ ( x )]
( x x0 )( x x1 ) d x
2!
Page 135
x f ( x ) dx =
x1
( x1 x0 ) ( f ( x ) + f ( x )) +
0
1
2
aire du trapze
e
x1 f
x0
" [ ( x )]
( x x0 )( x x1 ) d x
2!
(2)
erreur commise
x x0
x x0 = s h
h
et
x x i = x ( x 0 + ih) = ( x x 0 ) ih
= sh ih = (s i ) h
d x = hds .
donc
Le terme derreur devient :
( x1 x0 ) = s h,
x1
THEOREME
Soit
h = sh s = 1
1
f " [ (s )]
( x x 0 ) ( x x 1 ) d x = f " [ (s )] s (s 1) h 3d s
0
2!
2!
[a ,
b] et
f 2 ( x ) une
f1 ( x ) f2 ( x ) d x = f1 ( ) f2 ( x ) d x
(3)
Page 136
3
f " [ (s )]
f " ( ) 3 1
f " ( ) 3
s ( s 1) h d s =
h s ( s 1) d s =
h
0
2!
2!
12
Conclusion :
La mthode du trapze se rsume lgalit suivante :
h
x f ( x ) d x = 2 [ f ( x0 ) + f ( x1 )]
x1
0
f " ( ) 3
h pour [ x0 ,
12
x1 ]
(4)
sin x d x
Solution
Analytiquement, on a :
2
J = sin x d x = [ cos x ]0
0
= cos
+ cos 0 = 0 + 1
J =1
Par la mthode numrique, on obtient :
J
h=
h
[ f ( x0 ) + f ( x1 )]
2
0 =
2
2
h
J sin 0 + sin = (0 + 1)
2
2 4
J 0 ,785398164
Page 137
h=
x0 = a x1
ba
n
(5)
xn 2 xn 1 xn = b
x2
Les diffrents points engendrs sont nots x i pour i = 0 , 1 , 2 , , n . Les valeurs aux
extrmits sont : a = x0 et b = xn . Dans chaque intervalle
[ xi ,
xi + 1 ] on peut
n 1 x
i +1
f ( x )d x =
i =0
xi
n1
h
[ f ( xi ) + f ( xi + 1 )]
i =0 2
f ( x )d x
b
h
a f ( x ) d x = 2 {[ f ( x0 ) + f ( x1 )] + [ f ( x1 ) + f ( x2 )] + +
+ [ f ( xn 2 ) + f ( xn 1 )] + [ f ( xn 1 ) + f ( xn )]
}
Page 138
a f ( x ) dx 2 {f ( x0 ) + 2 [ f ( x1 ) + f ( x 2 ) + + f ( x n 1 )] + f ( x n ) }
b
(6)
(6) est la formule des trapzes compose.
Lerreur totale commise ici est :
b a f " ( ) 3
ba
f " ( ) 3
2
n
h =
h =
f " ( ) h
12
h
12
12
Remarque :
Le raisonnement prcdent nest pas parfaitement rigoureux mme si le rsultat
final est juste. En effet, dans chaque intervalle
[ xi ,
xi + 1 ] lerreur lie la
ba
2
f " ( ) h
12
pour
[a , b ]
(7)
Exercice :
Evaluer numriquement par la mthode des trapzes composs lintgrale
suivante :
2
sin x d x
Page 139
20
4
J = sin x d x
0
/8 /4 3/8 /2
8
8
4
8
2
0 ,9871158
h=
sin x d x
16
, 2h =
, 3h =
3
5
3
7
, 4h = , 5h =
,6h =
,7 h =
, 8h =
16
4
16
8
8
2
16
3
5
3
7
sin 0 + 2 sin
+ sin + sin
+ sin + sin
+ sin
+ sin
+ sin
2
16
8
16
4
16
8
16
2
0 ,9967852
Page 140
Qexa =
Qexa
2 n Qapp (h 2 ) Qapp
2n 1
2 2 0 ,9967852 0 ,9871158
=
22 1
Qexa = 1 ,000000833
Remarques
1. La mthode du trapze avec un seul intervalle est galement connue sous
le nom de mthode du trapze simple.
2. La mthode des trapzes compose est dordre 2. La mthode du trapze
simple, bien que dordre 3 est rarement utilise car elle est trop imprcise.
3. La mthode des trapzes compose donne un rsultat exact si la fonction
f ( x ) est un polynme de degr 1. Cela sexplique par la prsence de la
Dfinitions
1. Les
formules
dintgration
numrique
sont
galement
appeles
formules de quadrature.
2. Le degr de prcision dune formule de quadrature est la valeur
maximale de n pour laquelle cette formule de quadrature intgre
exactement tout polynme de degr n.
Le degr de prcision de la formule des trapzes est 1.
2.
Page 141
( )
](
](
)(
p ( x ) = f x0 + f x0 , x 1 x x0 + f x0 , x 1 , x 2 x x0 x x 1
2
et on a :
f ( x ) p2 ( x )
x2
x0
f ( x ) d x 2 p2 ( x ) d x
x
x0
et donc:
x2
x0
f ( x )dx
x2
x0
{ f ( x0 ) + f [ x0 ,
x 1 ] ( x x0 ) + f [ x0 , x 1 , x 2 ] ( x x0 ) ( x x1 ) }d x
s=
x x
x x = (s i ) h
i
Et on a la formule :
0 { f (x0 ) + f [x0 ,
2
x 1 h s + f x 0 , x 1 , x 2 h 2 s (s 1 ) h d s =
[( )
( ) ( )]
h
f x0 + 4 f x 1 + f x 2
3
o :
] f (x ) h f (x )
f x0 , x 1 =
et
] f (x ) 2 2f h(x ) + f (x )
f x0 , x 1 , x 2 =
En rsum
x
h
x f ( x ) dx 3 [ f (x0 ) + 4 f (x1 ) + f (x 2 )]
2
qui est appele formule de Simpson 1/3 simple ; cette terminologie est due au
facteur 1/3 qui multiplie h.
Lanalyse du terme derreur donne :
Page 142
f (4 ) ( ) 5
h avec x0 , x 2
90
do :
x2
x0
f ( x ) dx =
(4 )
h
[ f ( x 0 ) + 4 f ( x 1 ) + f ( x 2 )] f ( ) h5 avec [x 0 ,
90
3
x2 ]
(8)
Remarque :
La valeur de h exprime toujours la distance entre les points x i , c d quelle
quivaut dans ce cas la longueur de lintervalle divise par 2.
La mthode de Simpson 1/3 simple est peu prcise.
Exercice
Evaluer numriquement par la mthode de Simpson 1/3 simple lintgrale
2
sin x d x
Rsolution
Dterminons h
h=
l 20
=
=
et x0 = 0 , x1 = = , x2 =
2 2 4
2
2
2
4
x
h
x f ( x ) d x 3 [ f (x0 ) + 4 f (x1 ) + f (x 2 )]
2
1 ,0022799
Page 143
) ( )]
+ 2 f x2 n 2 + 4 f x2 n 1 + f x2 n
(b a ) f (4 ) ( ) h4
180
(9)
[a , b]
pour
( )
( )
sin x d x
h=
l 20
=
=
4
4
8
Page 144
sin xdx
8
3
2
+ 4 sin
+ sin
sin 0 + 4 sin + 2 sin
3
1 ,0001346
sin xdx
16
sin 0 + 4 sin
+ 2 sin + 4 sin
+ 2 sin +
16
4
3
16
8
5
3
7
+ 4 sin
+ 2 sin
+ 4 sin
+ sin 1 ,000008296
16
8
16
2
2 4 1 ,000008296 1 ,0001346
= 0 ,999999876
24 1
3.
Mthode de ROMBERG
La mthode de Romberg est une mthode dintgration qui permet datteindre des
rsultats trs prcis. Elle est base sur une utilisation astucieuse de la mthode
des trapzes compose (dordre 2) et de la technique dextrapolation de
Richardson.
Soit T1 ,i le rsultat obtenu laide de la mthode des trapzes compose avec 2 i 1
intervalles ; les T1 ,i sont des approximations dordre 2.
Pour passer de T1 ,i T1 ,i + 1 on doit doubler le nombre de sous-intervalles, ce qui
revient diviser la valeur de h par 2. Au moyen de lextrapolation de Richardson
avec n = 2 on dfinit alors les relations suivantes :
Page 145
T2 ,i =
2 2 T1 ,i + 1 T1 ,i
(10)
22 1
T3 ,i =
T4 ,i =
T5 ,i =
2 4 T2 ,i + 1 T2 ,i
24 1
2 6 T3 ,i + 1 T3 ,i
26 1
(11)
2 8 T4 ,i + 1 T4 ,i
28 1
T1 ,1 T1 ,2
T2 ,1 T2 ,2
T1 ,3
T2 ,3
T1 ,4
T2 ,4
T3 ,1 T3 ,2
T4 ,1 T4 ,2
T3 ,3
T4 ,3
T3 ,4
T1 ,5
T2 ,5
T5 ,1 T5 ,2
T6 ,1
T1 ,6
(ordre 2 )
(ordre 4 )
(ordre6 )
(ordre 8 )
(ordre 10 )
(ordre 12 )
Chaque ligne de ce triangle est de deux ordres de convergence plus prcise que la
prcdente. La 1re ligne est tout simplement constitue des approximations
obtenues laide de la mthode des trapzes compose avec 1, 2, 4, 8, 16,
intervalles. Pour passer dune ligne lautre, on utilise lextrapolation de
Richardson pour les relations (10) et (11).
Remarque : On montre que la 2nde ligne du triangle nest autre que le rsultat de
la mthode de Simpson 1/3 avec respectivement 2, 4, 8, intervalles. On
Page 146
0 f ( x )d x
1
f (x)
0,00
0,3989
0,25
0,3867
0,50
0,3521
0,75
0,3011
1,00
0,2420
Rsolution :
Puisquil y a en tout 5 points, on peut utiliser la mthode des trapzes
compose avec 1, 2 et 4 intervalles seulement. On a :
T1 ,1 =
1
[ f (0 ,0 ) + f (1 ,0 )] = 1 (0 ,3989 + 0 ,2420 ) = 0 ,32045
2
2
T1 ,2 =
0 ,5
[ f (0 ,0 ) + f (0 ,5 ) + f (1 ,0 )] = 0 ,336275
2
T1 ,3 =
14
[ f (0 ,0 ) + 2( f (0 ,25 ) + f (0 ,5 ) + f (0 ,75 )) + f (1,0 )] = 0 ,3400875
2
T1 ,1 T1 ,2 T1 ,3
T2 ,1 T2 ,2
T3 ,1
(ordre 2 )
(ordre 4 )
(ordre6 )
Page 147
T2 ,1 =
T2 ,1
22 1
= 0 ,34155
T2 ,2 =
T2 ,2
2 2 T1 ,2 T1 ,1
2 2 T1 ,3 T1 ,2
22 1
= 0 ,3413583
T3 ,1 =
2 4 T2 ,2 T2 ,1
24 1
2 2 (0 ,336275 ) 0 ,32015
=
22 1
2 2 (0 ,3400875 ) 0 ,336275
22 1
= 0 ,3413456
1
0 f ( x )d x= T3 ,1 = 0 ,3413456
0 ,32045
0 ,336275
ordre 6
0 ,3400875
0 ,34155 0 ,3413583
0 ,3413456
Remarque
Dans le cas dune fonction connue seulement en certains points, le nombre de
points doit tre de la forme 2 n + 1 pour que la mthode de Romberg puisse
sappliquer. En effet, il faut que le nombre de sous-intervalles soit une puissance
de 2. Dans lexercice prcdent, on a 2 2 + 1 points et 4 sous-intervalles.
Page 148
1.
Introduction
y (t 0 ) = y0
(1)
( )
hi = t i + 1 t i .
Dans la plupart des mthodes prsentes ici, cette distance est constante pour
tout i et est note h ; h est appele le pas de temps.
Remarque :
Page 149
()
2.
Mthode dEULER
1.
Principe
Bien que relativement simple et dusage facile, la mthode dEuler est peu utilise
en raison de sa faible prcision.
Soit ici lquation diffrentielle (1) suivante :
y' (t ) = f (t , y (t ))
y t 0 = y0
( )
(1)
t = t1 = t0 + h . On peut crire :
( ) (
y' t0 = f t0 ,
( )) (
y t0 = f t0 , y0
y0 et de pente f t0 ,
y0 t t0
d0 (t ) = y0 + f t0 ,
)(
y0 scrit :
en t = t1 , on a :
d 0 (t 1 ) = y0 + f (t 0 , y0 ) (t 1 t 0 )
= y0 + h f (t 0 , y0 ) = y1
( )
( )
( )
( )
y t 1 y 1 = d 0 t 1 = y0 + h f t 0 , y0
le plus souvent,
( )
y1 y t1
Page 150
( )
( ))
y' t1 = f t1 , y t1 , on a :
( )
( )) (
y' t1 = f t1 ,
y t1 f t1 ,
y1
d 1 (t ) = y1 + f t1 ,
)(
y1 t t 1
( )
( )
( )
y t 2 y2 = d 1 t 2 = y1 + h f t1 , y1
Remarque
Lerreur introduite la 1re itration a des rpercussions sur les calculs de la 2nde
itration, ce qui signifie que les erreurs se propagent dune itration lautre. Il
()
y0
Pour 0 n N
yn + 1 = yn + h f t n ,
yn
tn + 1 = tn + h
Ecrire tn+ 1 et yn + 1
3)
Arrt
Exercice dapplication :
Rsoudre par la mthode dEuler lquation diffrentielle :
Page 151
y (0 ) = 1 ( condition initiale )
Rsolution :
f (t ,
y) = y + t + 1
car y' (t ) = f (t ,
y)
A la condition y (0 ) = 1 on a donc : t 0 = 0 et y 0 = 1 .
En prenant le pas de temps
y1 = y0 + h f t0 ,
y0
y1 = 1 + 0 ,1 f (0 , 1 ) = 1 + 0 ,1( 1 + 0 + 1)
y1 = 1
y2 = y1 + h f t1 ,
y1
y2 = 1 + 0 ,1 f (0 ,1 , 1 ) = 1 + 0 ,1( 1 + 0 ,1 + 1)
y2 = 1 ,01
y3 = y2 + h f t2 ,
y2
y4 = y3 + h f t3 ,
y3
y5 = y4 + h f t4 ,
y4
Page 152
y6 = y5 + h f t5 ,
y5
y7 = y6 + h f t6 ,
y6
y7
y8
y9
y8 = y7 + h f t7 ,
y9 = y8 + h f t8 ,
y10 = y9 + h f t9 ,
( )
( )
ti
y ti
yi
y t i yi
0,0
0,1
0,2
0,3
0,4
0,5
0,6
0,7
0,8
0,9
1,0
1,000 000
1,004 837
1,018 731
1,040 818
1,070 302
1,106 531
1,148 812
1,196 585
1,249 329
1,306 570
1,367 879
1,000 000
1,000 000
1,010 000
1,029 000
1,056 100
1,090 490
1,131 441
1,178 297
1,230 467
1,287 420
1,348 678
0,000 000
0,004 837
0,008 731
0,011 818
0,014 220
0,016 041
0,017 371
0,018 288
0,018 862
0,019 150
0,019 201
Page 153
yn+ 1 = yn + h t n ,
yn
(2)
o est une fonction quelconque. Une telle relation est appele quation aux
diffrences.
La mthode est un pas si, pour obtenir la solution en t = t n+ 1 , on doit utiliser la
solution numrique au temps t n seulement. On dsigne par mthode pas
multiples les mthodes qui exigent galement la solution numrique au temps t n 1
, t n 2 , t n 3 , .
La mthode dEuler est une mthode un pas puisque :
(t , y ) = f (t , y )
On tudiera que les mthodes un pas dans ce cours.
4. Dfinition 2
Lerreur de troncature locale au temps t = t n est dfinie par :
n+ 1 (h) =
( ) ( ) (
y t n+ 1 y t n
tn , y tn
h
( ))
(3)
( )
et non y n . Cela
sexplique par le fait que lon cherche mesurer lerreur introduite par
lquation aux diffrences un pas donn, en supposant que la mthode tait
exacte jusque l.
Page 154
3.
Mthodes de RUNGE-KUTTA
1.
( ) ( )
( )) +
( ) ) + yf (t
y t n+ 1 = y t n + h f tn , y t n
+
h2
2
f
t t n , y t n
( ) ) f (t
, y tn
( )
( ))
, y tn + O h3
(4)
Le but est de remplacer cette dernire relation (4) par une expression quivalente
( )
( ) ( )
y t n+ 1 = y t n + a1 h f t n ,
( )
yn + a 2 h f t n + a 3 h ,
y t n + a4 h
(5)
( )
(4) et (5) aient toutes deux une erreur en O h 3 . Pour y arriver, on a recours au
dveloppement de Taylor en deux variables suivant :
( )
y tn + a3 h
+ a4 h
f
t ,
y n
f tn + a3 h, y tn + a4 h = f tn ,
( ))
(
f
t ,
t n
( ))
y tn +
( )) + O (h )
y tn
y (t n + 1 ) = y (t n ) + (a 1 + a 2 ) h f (t n ,
+ a2 a4 h 2
f
(t n ,
y
y (t n )) + a 2 a 3 h 2
( )
y (t n )) + O h 3
f
(t n ,
t
y (t n )) +
(6)
Page 155
coefficients respectifs de f tn ,
( )) :
( )) :
h2
= a 2 a 3 h2
2
( )) :
h2
f tn ,
2
coefficients respectifs de
f
t , y tn
t n
coefficients respectifs de
f
t ,
y n
h = a1 + a 2 h
y tn
y tn
( ))
y t n = a 2 a4 h 2
1
=a a
2 3
2
f tn , y tn
= a2a4
( ))
(7)
a = a = 1
2
2
1
a3 = 1
a4 = f t n , y t n
( ))
On tablit sans peine que ces coefficients satisfont aux trois quations du
systme non linaire. Il suffit de remplacer ces valeurs dans les quations (5).
( )
( )
Page 156
y0 et un
y = yn + h f t n ,
yn+ 1 = yn +
[ (
yn
h
f tn ,
2
prdiction
) (
y n + f t n+ 1 ,
t n+ 1 = t n + h
)]
correction
(8)
Ecrire tn + 1 et yn + 1
3. Arrt
Remarque :
Pour faciliter les calculs, lvaluation de yn + 1 a t scinde en deux tapes. La
variable temporaire y correspond tout simplement une itration de la mthode
dEuler. On fait ainsi une prdiction y de la solution en tn + 1 qui est corrig (et
amlior) la seconde tape de lalgorithme. On parle donc de mthode de
prdiction-correction.
Exercice dapplication
Rsoudre numriquement y' (t ) = y (t ) + t + 1 avec comme condition initiale
y (0 ) = 1
Solution
On choisit un pas de temps h = 0 ,1
1re itration (t=0) :
Page 157
y = y0 + h f t0 ,
y0
) = 1 + 0 ,1( 1 + 0 + 1) = 1
correction
yn + 1 = y n +
y1 = y0 +
y1 = 1 +
[ (
) (
h
f tn ,
2
[ (
yn + f t n + 1 ,
) (
h
f t0 ,
2
y0 + f t 1 ,
)]
)]
0 ,1
[( 1 + 0 + 1) + ( 1 + 0 ,1 + 1)] = 1,005
2
y = y1 + h f (t1 ,
y 2 = y1 +
y1 )
h
[ f (t1 ,
2
y1 )+ f (t 2 , y )]
y 2 = 1 ,005 +
y = 1 ,0145
(prdiction)
y 2 = 1 ,019025 (correction)
f (t n , y (t n ))
1
et a 4 =
2
2
ai
lalgorithme :
Algorithme
y0 et un
Page 158
k1 = h f t n ,
yn
h
yn + 1 = yn + hf t n + ,
2
tn+ 1 = tn + h
yn +
k1
Ecrire tn + 1 et yn + 1
3. Arrt
Remarques
1. La fonction f (t ,
y0
) et un
k1 = hf tn , yn
h
k 2 = h f t n + ,
2
yn +
k1
h
k 3 = h f t n + ,
2
yn +
k2
2
Page 159
k4 = h f t n + h ,
yn + 1 = y n +
yn + k3
1
k + 2k2 + 2k3 + k4
6 1
t n+ 1 = tn + h
Ecrire tn + 1 et yn + 1
3. Arrt
y (0 ) = 1 ( condition initiale )
Solution :
On choisit un pas de temps h = 0 ,1
k1 = h f t0 , y0 = 0 ,1 ( 1 + 0 + 1) = 0
h
k 2 = h f t0 + , y0 + 1 = 0 ,1 f (0 ,05 , 1)
2
2
h
k 3 = h f t0 + ,
2
y0 +
k2
= 0 ,1 f 0 + 0 ,1 , 1 + 0 ,005
2
2
2
k4 = hf t0 + h , y0 + k 3 = 0 ,1 f (0 ,1 , 1 ,00475 )
= 0 ,1( 1 ,00475 + 0 ,1 + 1) = 0 ,009525
Page 160
1
k + 2 k 2 + 2 k 3 + k4
6 1
1
(0 + 2 0 ,005 + 2 0 ,00475 + 0 ,009525 )
6
= 1 ,0048375
= 1+
Et ainsi de suite.
Exercice 2
1. Transformer lquation diffrentielle suivante :
d2x
dx
1 x2
+ x=0
2
dt
dt
d2x
dx
1 x2
+ x=0
2
dt
dt
Posons y =
dx
= x' (t )
dt
dy d 2 x
dx
= x' (t )
= 2
dt
dt
dt
1
dx = ydt x = y 2 + c
2
1
2
x (0 ) = ( y (0 )) + c = 0 ,5 or y (0 ) = x' (0 ) = 0
2
c = 0 ,5
y=
d2x
dx
dx
= 1 x2
x = f 1 t , x ,
2
dt
dt
dt
dy
= 1 x 2 y x = f 2 (t , x , y )
dt
Do le systme quivalent :
Page 161
dx y = f (t , x , y )
1
dt =
dy
2
dt = 1 x y x = f 2 (t , x ,
y)
x (0 ) = 0 ,5 = x0
x' (0 ) = y (0 ) = 0 = y0
(
+ h f (t
xn + 1 = xn + h f 1 t n , xn ,
yn + 1 = yn
, xn ,
)
y )= y
yn = x n + h y n
n
[(
+ h 1 x n2 yn xn
1re itration n = 0 :
x1 = x0 + hy0 = 0 ,5 + 0 ,1 0 = 0 ,5
[( )
]
= 0 + 0 ,1[(1 0 ,5 ) 0 0 ,5 ] = 0 ,05
y1 = y0 + h 1 x02 y0 x0
2
x (0 ,1) = x1 = 0 ,5
dx
= = 0 ,785398163
2
01+ x
4
I=
Page 162