Universite Mohammed V Agdal

Faculte des Sciences

Departement de Mathematiques et Informatique
Avenue Ibn Batota, B.P. 1014
Rabat, Maroc
Fili`ere :
Sciences Mathematiques et Informatique (SMI)
et
Sciences Mathematiques (SM)
Module Analyse Numerique I :
ANALYSE NUMERIQUE
Notes de Cours
Par
Pr . Souad El Bernoussi Pr . Sad El Hajji Pr . Awatef Sayah
bernous@fsr.ac.ma elhajji@fsr.ac.ma
htttp://www.fsr.ac.ma/ANO/
Annee 2005-2006
TABLE DES MATIERES
1 Reprsentation des nombres en machine 3
1.1 Arithmtique des calculateurs et Sources derreurs . . . . . . . 3
1.1.1 Evaluation de lerreur . . . . . . . . . . . . . . . . . . . 3
1.1.2 La mmoire de lordinateur : le stockage des nombres . 5
1.2 Les rgles de base du modle . . . . . . . . . . . . . . . . . . . 7
1.3 Propagation des erreurs. . . . . . . . . . . . . . . . . . . . . . 9
1.3.1 Conditionnement et stabilit numrique. . . . . . . . . 9
2 Rsolution de f(x)=0 11
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Mthode de la bissection. . . . . . . . . . . . . . . . . . . . . . 13
2.3 Mthode de Newton-Raphson: . . . . . . . . . . . . . . . . . 14
2.4 Mthode de la scante . . . . . . . . . . . . . . . . . . . . . . 15
2.5 Mthode du point xe . . . . . . . . . . . . . . . . . . . . . . 16
2.6 Convergence et ordre de convergence. . . . . . . . . . . . . . . 18
2.6.1 Interprtation graphique. . . . . . . . . . . . . . . . . . 19
2.6.2 Ordre de convergence. . . . . . . . . . . . . . . . . . . 20
2.7 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3 Algbre linaire 22
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.2 Rappels sur les systmes linaires . . . . . . . . . . . . . . . . 23
3.3 Mthode Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.4 Factorisation 1l . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.4.1 Appplications de la Factorisation 1l . . . . . . . . . . 32
3.5 Mesure des erreurs . . . . . . . . . . . . . . . . . . . . . . . . 33
3.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1
4 Interpolation polynmiale 37
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Une mthode directe base sur la rsolution dun systme
linaire: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.3 Une mthode itrative : Mthode de Lagrange . . . . . . . . . 42
4.3.1 Interpolation Linaire : . . . . . . . . . . . . . . . . . . 42
4.3.2 Interpolation parabolique . . . . . . . . . . . . . . . . 44
4.3.3 Interpolation de Lagrange . . . . . . . . . . . . . . . . 45
4.4 Interpolation Itre de Newton-Ctes . . . . . . . . . . . . . . 47
4.5 Erreur dInterpolation polynomiale : . . . . . . . . . . . . . . 50
4.6 Exercices: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
5 Integration et drivation numrique. 55
5.1 Introduction : . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
5.2 Drivation. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
5.2.1 Drive premire. . . . . . . . . . . . . . . . . . . . . 56
5.2.2 Formule gnrale en trois points. . . . . . . . . . . . . 59
5.2.3 Drives dordre suprieur. . . . . . . . . . . . . . . . . 60
5.2.4 Etude de lerreur commise. . . . . . . . . . . . . . . . . 62
5.3 Mthodes numriques dintgration. . . . . . . . . . . . . . . . 62
5.3.1 Formules fermes. . . . . . . . . . . . . . . . . . . . . . 63
5.3.2 Etude gnrale de lerreur commise. . . . . . . . . . . . 64
5.3.3 Formules composes. . . . . . . . . . . . . . . . . . . . 66
5.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
2
Chapitre 1
Reprsentation des nombres en
machine
1.1 Arithmtique des calculateurs et Sources
derreurs
Si sophistiqu quil soit , un calculateur ne peut fournir que des rponses
approximatives. Les approximations utilises dpendent la fois des con-
traintes physiques (espace mmoire, vitesse de lhorloge...) et du choix des
mthodes retenues par le concepteur du programme . (pour plus de dtails
sur le fonctionnement dun ordinateur et la terminologie de base voir par
exemple la page web htttp://www.commentcamarche.com
Le but de ce chapitre est de prendre connaissance de limpact de ces
contraintes et de ces choix mthologiques. Dans certains cas il doit tre pris
en compte dans lanalyse des rsultats dont une utilisation errone pourrait
tre coteuse.
La premire contrainte est que le systme numrique de lordinateur est
discret, cest dire quil ne comporte quun nombre ni de nombres; Il en
dcoule que tous les calculs sont entachs derreurs.
1.1.1 Evaluation de lerreur
Rappelons dabord quelques notion de base ;
Si A est une quantit calculer et A

la valeur calcule, on dit que :

1. A A

est lerreur et [ 1 [=[ A A

[ est lerreur absolue.

3
Exemple :
Si A = 2.224 et A

= 2.223 alors lerreur absolue

[ 1 [=[ A A

[= 2.224 2.223 = 0.001

2. 1
r
=

XX

Xr

est lerreur relative, A

r
,= 0. A
r
est une valeur de rfrence
pour A. En gnral ,on prend A
r
= A.
Exemple :
Si A = 2.224 et A

= 2.223 alors , si on prend A

r
= A, lerreur relative
E
r
=

A A

A
r

=
[ A A

[
[ A [
=
0.001
2.224
= 4. 496 10
4
Cependant, si A est la valeur dune fonction 1(t) avec c _ t _ /. on
choisira parfois une valeur de rfrence globale pour toutes les valeurs
de t.
Exemple :
SI A = sin(t) avec 0 _ t _

4
. on pourra prendre
A =
_
2
2
= sup
0t

4
sin(t).
En gnral , on ne connait pas le signe de lerreur de sorte que lon
considre les erreurs absolues et les erreurs relatives absolues.
Les oprations lmentaires propagent des erreurs.
Dans la pratique, on considre que :
1) Lerreur absolue sur une somme est la somme des erreurs absolues.
2) Lerreur relative sur un produit ou un quotient est la somme des
ereurs relatives.
On peut estimer leet dune erreur 1 sur largument r dune fonction
,(r) au moyen de la drive de ,(r). En eet ,(r + 1) ,(r) + 1,
0
(r)
Exemple :
Calculer la valeur de (11111111)
2
La valeur fournie par une petite calculatrice cinq chires est 1. 2345r10
14
Mais la rponse exacte est 123456787654321.
4
La machine a donc tronqu le rsultat 5 chires et lerreur absolue est
de 6 + 19
9
.
Lerreur relative est de 0.0005% .
Cet exemple montre quil faut tablir clairement lobjectif vis.
Cet objectif est double ;
1) Nous voulons un bon ordre de grandeur (ici 10
14
) et avoir le maximum
de dcimales exactes,
2) Ce maximum ne peut excder la longueur des mots permis par la
machine et dpend donc de la machine
1.1.2 La mmoire de lordinateur : le stockage des
nombres
La mmoire dun ordinateur est forme dun certain nombre dunits adess-
ables appeles OCTETS . Un ordinateur moderne contient des millions voir
des milliards doctets. Les nombres sont stocks dans un ordinateur comme
ENTIERS ou REELS.
Les nombres entiers :
Les nombres entiers sont ceux que lon utilise dhabitude sauf que le plus
grand nombre reprsentable dpend du nombre doctets utiliss:
-avec deux (2) octets, on peut reprsenter les entiers compris entre
32768 et 32767
-avec quatre (4) octets on peut reprsenterr les entiers compris entre
2147483648 et 2147483647
Les nombres rels
Dans la mmoire dun ordinateur, les nombres rels sont reprsents en no-
tation ottante.
Cette notation a t introduite pour garder une erreur relative peu prs
constante; quelque soit lordre de gandeur du nombre quon manipule.
En notation ottante, un nombre a la forme:
5
r = 1 /
e
/ est la base du systme numrique utilis
1 est la mantisse : une suite de : entier
1

2
...
s
avec
1
,= 0 si r ,= 0 et
0 _
i
_ (/ 1)
c est lexposant(un nombre entier relatif)
La norme choisie est celle o la mantisse est comprise entre 0 et 1 et o
le premier chire aprs la virgule est dirent de zro.
Calcul de lerreur
Nous terminons ce chapitre en dnissant les notions de troncature et
darrondie.
Exemple :
En base 10. r = 1,15 = 0.066666666......
Dans le cas dune reprsentation tronque nous aurons, pour : = 5,
,|(r) = 0.66666 + 10
1
.
Remarquez comment nous avons modi lexposant an de respecter la
rgle qui veut que le premier chire de la mantisse ne soit pas nul .
Dans ce cas, lerreur absolue A,|(A) est de 610
7:
. Lerreur relative
est de lordre de 10
5
Dans une reprsentation tronque : chires, lerreur relative maximale
est de lordre de 10
s
Dans une reprsentation arrondie, lorsque la premire dcimale nglige
est suprieure 5, on ajoute 1 la dernire dcimale conserve.
Exemple :
x = 1,15 = 0.066666666.
Nous crirons ,|(r) = 0.66667 10
1
Lerreur absolue serait alors 3.333 10
7
et lerreur relative serait 5
10
6
En gnral, lerreur relative dans une reprsentation arrondie : chires
est de 5 10
(s+1)
soit la moiti de celle dune reprsentation tronque.
6
1.2 Les rgles de base du modle
Pour eectuer une opration sur deux nombres rels, on eectue lopration
sur leurs reprsentations ottantes et on prend ensuite la reprsentation ot-
tante du rsultat.
laddition ottante
r = ,|(,|(r) + ,|())
la soustraction ottante
r = ,|((r) ,|())
la multiplication ottante
r = ,|(,|(r) ,|())
la division ottante
r = ,|(,|(r),,|())
Chaque opration intermdiaire dans un calcul introduit une nouvelle
erreur darrrondi ou de troncature.
Dans la pratique, il faudra se souvenir du fait que deux expressions
algbriquement quivalentes peuvent fournir des rsultats dirents et que
lordre des oprations peut changer les rsultats.
Pour laddition et la soustraction on ne peut eectuer ces 2 oprations
que si les exposants sont les mmes. On transforme le plus petit exposant et
donc on ne respecte plus la rgle voulant que le premier chire de la mantisse
ne soit pas nul.
Quelques remarques sur ce modle:
On constate une dviation importante par rapport aux lois habituelles de
larithmtique.
r + ( + .) peut tre dirent de (r + ) + ..
Exemple :
Pour 4 chires signicatifs ( : = 4) on a :
(1 + 0.0005) + 0.0005 = 1.000
7
car
0.1 10
1
+0.5. 10
3
= 0.1. 10
1
+0.00005. 10
1
=
0.1 10
1
+0.0000. 10
1
= 0.1 10
1
et
1 + (0.0005 + 0.0005) = 1.001
Ainsi, laddition ottante nest pas associative .(TD:Sommation dune
srie termes positifs)
On constate aussi que si est trs petit par rapport r, laddition de r
et donnera seulement r.
Exemple :
Lquation 1 + r = r a r = 0 comme unique solution. Mais dans un
systme 10 chires signicatifs, elle aura une innit de solutions (il sut
de prendre [ r [- 5 10
11
)
La distributivit de la multiplication par rapport laddition.
Exemple :
Considrons lopration
122 (333 + 695) = (122 333) + (122 695) = 125416
Si nous eectuons ces deux calculs en arithmtique 3 chires ( : = 3)
et arrondi, nous obtenons:
122 (333 + 695) = (122) (1028)
= 122 103 10
1
= (125660) = 126 10
3
(122 333) + (122 695) = (40626) + (84790)
406 10
2
+848 10
2
= (406 + 848) 10
2
= (1254 10
2
) = 125 10
3
Donc la distributivit de la multiplication par rapport laddition nest
pas respecte en arithmtique ottante.
8
1.3 Propagation des erreurs.
Une tude de la propagation des erreurs darrondi permattra dexpliquer ce
phnomne.
Soit calculer c
x
laide de son dveloppement en srie qui est convergent
pour tout r :
c
x
= 1 +
r
1!
+
r
2
2!
+ ...
Il est evident que dans la pratique il est impossible deectuer la somma-
tion dune innit de termes. On arrtera donc lorsque le terme gnral
x
k
k!
devient infrieur 10
t
(on a t digits). Pour r ngatif on sait que le reste de
la serie est infrieur au premier terme nglig donc 10
t
(puisque la serie
est altrne).
Les calculs suivant sont fait sur ordinateur pour t = 14.

r
10
15
20
25
30

c
x
4.54.10
5
3.06.10
7
2.06.10
9
1.39.10
11
9.36.10
14

o
4.54.10
5
3.05.10
7
1.55.10
7
1.87.10
5
6.25.10
4

On voit que pour r _ 20 les rsultats obtenus sont dpourvus de sens.

Lexplication de ce phnomne est la suivante: pour r = 30 les termes
de la serie vont en croissant jusqu
x
30
30!
= 8.10
11
puis ils dcroissent et
x
107
107!
~ 9.19.10
15
.
Lerreur absolue sur le terme maximal est de 8.10
11
.10
15
= 8.10
4
. Ainsi
le rsultat obtenu pour o reprsente uniquement laccumulation des erreurs
darrondi sur les termes de plus grand module de dveloppement en serie.
1.3.1 Conditionnement et stabilit numrique.
Le fait que certains nombres ne soient pas reprsents de faon exacte dans
un ordinateur entraine que lintroduction mme de donne dun problme en
machine modie quelque peu le problme initial; Il se peut que cette petite
variation des donnes entraine une variation importante des rsultats. Cest
la notion de conditionnement dun problme.
On dit quun problme est bien (ou mal) conditionn, si une petite varia-
tion des donnes entraine une petite (une grande) variation sur les rsultats.
9
Cette notion de conditionnement est lie au problme mathmatique lui
mme et est indpendante de la mthode utilise pour le rsoudre.
Une autre notion importante en pratique est celle de stabilit numrique.
Un problme peut tre bien conditionn et la mthode utilise pour le r-
soudre peut tre sujette une propagation importante des erreurs numriques.
Ces notions de conditionnement dun problme et de stabilit numrique
dune mthode de rsolution sont fondamentales en analyse numrique. Si un
problme est mal conditionn alors la solution exacte du problmetronqu ou
arrondi t digits pourra tre trs dirente de la solution exacte du problme
initial. Aucune methode ne pourra rien; il faudra essayer de donner une autre
formulation au problme.
1
1
S. El Bernoussi, S. El Hajji et A. Sayah
10
Chapitre 2
Rsolution de f(x)=0
2.1 Introduction
Soit f une fonction numrique dune variable relle.
On cherche les racines simples de lquation
(1) ,(r) = 0
La premire tape consiste isoler les racines, cest dire trouver un in-
tervalle [c. /] dans lequel c est lunique racine relle de (1). On supposera que
, est continue et drivable autant de fois que ncessaire dans cet intervalle.
Pour trouver cet intervalle on aura besoin de quelques calculs prlim-
inaires en utilisant soit le graphe des fonctions, soit (si la fonction , est
continue dans [c. /]) le thorme des valeurs intermdiaires en calculant ,(c)
et ,(/)
Si ,(c) + ,(/) < 0 , admet un nombre impair de racines dans
[c. /]
Si ,(c) + ,(/) 0 , admet un nombre pair de racines
Exemple :
Soit. la fonction du grahe suivant :
La fonction nest pas dnie pour r = |:(2) et on a ,
0
(r) = 1 +
2e
x
(e
x
2)
2
donc ,
0
(r) 0 pour tout r.
Lquation a donc 2 racines simples situes de chaque ct de |:(2).
On vrie sans problme quune premire racine appartient [1. 0] et
la deuxime [1. 2]
11
5 4 3 2 1
3.75
2.5
1.25
0
-1.25
-2.5
x
y
x
y
Figure 2.1: ,(r) = r
e
x
e
x
2
On supposera donc dsormais avoir trouv un intervalle [c. /] o , admet
une unique racine simple et on supposera que , est dnie, continue, et
autant de fois continument drivable que ncessaire.
Nous allons prsent dnir la notion dalgorithme.
Dnition : Nous appellerons algoritnme toute mthode de rsolution
dun problme donn.
Pour tout problme, nous avons des donnes et des rsultats. Les donnes
sont appeles paramtres dentre (input) et les rsultats paramtres de sortie
(output). Ils constituent linterface de lalgorithme (ou encore la partie visible
de lalgorithme).
Dans ce chapitre, nous dsignerons par j
n
une suite de nombres rels .
Il y a plusieurs faons de gnrer les termes dune suite. En analyse
numrique, on construit les suites laide dun procd itratif appel algo-
rithme.
Les algorithmes classiques que nous allons tudier sont les suivants:
i) Mthode de la bissection
ii) Mthode de Newton-Raphson
iii) Mthode de la scante
iv) Mthode du point xe.
Le but de ce chapitre est de trouver des approximations de la solution de
lquation (1) avec une prcision donne et un nombre ditrations maximum.
12
An de comparer ces direntes mthodes, nous allons introduire la no-
tion dordre de convergence.
2.2 Mthode de la bissection.
Considrons une fonction ,(r) quelconque, continue et cherchons j tel que
,(j) = 0.
Nous supposons quon a localis par tatonnement un intervalle [c. /] dans
lequel la fonction change de signe (c..d. ,(c) +,(/) - 0) on pose c =
a+b
2
. si
,(c) +,(c) - 0 on remplace / par c sinon on remplace c par c. et on continue
cette operation jusqu ce quon trouve j avec la prcision demande.
Algorithme de bissection (ou de dichotomie)
But : Donner une fonction continue ,(r) et un intervalle [c. /] pour
lequel ,(c) et ,(/) sont de signes contraires, trouver une approximation
de la solution de ,(r) = 0 dans cet intervalle; en construisant une suite
dintervalles ([c
n
. /
n
])
n
contenant cette racine et tets que c
n
ou /
n
est le mi-
lieu de lintervalle [c
n1
. /
n1
].
Entres : c. / les extrmits de lintervalle
c la prcision dsire
`
0
le nombre maximal ditrations
Sortie : la valeur approche de la solution de ,(j) = 0
Etape 0: Si ,(c) = 0 imprimer la solution est c, aller ltape 9
Si ,(/) = 0 imprimer la solution est /, aller ltape 9
Etape 1:
si ,(/) + ,(c) 0
alors imprimer (il ny a pas de changement de signe)
aller ltape 9
Etape 2: poser ` = 1
Etape 3:
Tant que ` _ `
0
.faire les tapes 4 7
Etape4: poser j =
a+b
2
Etape 5:Si ,(j) = 0 ou
ba
2
_ c
Alors imprimer j
aller ltape 9
Etape 6: poser ` = ` + 1
13
Etape 7: Si ,(c) + ,(j) 0
alors poser c = j
sinon poser / = j
Etape 8: Imprimer aprs `
0
itrations lapproximation obtenue est j et
lerreur maximale est
ba
2
Etape 9: Fin
2.3 Mthode de Newton-Raphson:
Le principe consiste construire une suite (r
n
)
n
. telle que r
n+1
soit
lintersection de la tangente la courbe de , au point (r
n
. ,(r
n
)) avec laxe
horizontal.
2.5 2 1.5 1 0.5
0.75
0.5
0.25
0
-0.25
-0.5
x
y
x
y
Figure 2.2: Mthode de Newton pour ,(r) = log(r). r
0
= 2.
On a:
_
= (r
0
. ,(r
0
)). 1 = (r
1
. 0) crc(Cr)
et 1 1 : = cr + /
donc
_
,(r
0
) = cr
0
+ /
0 = cr
1
+ /
=
_
c = ,
0
(r
0
)
r
1
= r
0

f(x
0
)
f
0
(x
0
)
Algorithme de Newton-Raphson.
But: Trouver une solution de ,(r) = 0
14
Entres: une approximation initiale p
0
(la prcision dsire)
`
0
(le nombre maximum ditrations)
Sortie: valeur approche de j ou un message dchec
Etape1 : ` = 1
Etape 2: Tant que ` _ `
0
. faire les tapes 3 6.
Etape 3: Poser j = j
0

f(p
0
)
f
0
(p
0
)
Etape 4: Si[ j j
0
[_ alors imprimer j
aller ltape 8.
Etape 5: Poser ` = ` + 1.
Etape 6: Poser j
0
= j.
Etape 7: Imprimer la mthode a chou aprs ` itrations.
Etape 8: Fin.
2.4 Mthode de la scante
La mthode de Newton-Raphson suppose le calcul de ,
0
(j) chaque tape.
Il se peut quon ne dispose pas dun programme permettant de calculer sys-
tmatiquement ,
0
.
Lalgorithme suivant peut tre considr comme une approximation de la
mthode de Newton.
Le principe consiste construire une suite (r
n
)
n
laide de la formule
obtenue en remplaant dans la mthode de Newton ,
0
(j
n
) par
f(pn)f(p
n1
)
pnp
n1
.
Ainsi au lieu dutiliser la tangente au point j
n
nous allons utiliser la scante
passant par les points dabscisses j
n
et j
n1
pour en dduire j
n+1
. Ce dernier
est obtenu comme intersection de la scante passant par les points dabscisse
j
n
et j
n1
et de laxe des abscisses.
Lquation de la scante scrit :
:(r) = ,(j
n
) + (r j
n
)
f(pn)f(p
n1
)
pnp
n1
Si :(j
n+1
) = 0 , on en dduit:
j
n+1
= j
n
,(j
n
)
pnp
n1
f(pn)f(p
n1
)
Algorithme de la scante:
But:Trouver une solution de ,(r) = 0
Entres: deux approximations initiales j
0
et j
1
15
2 1.5 1 0.5 0
6
4
2
0
-2
x
y
x
y
Figure 2.3: ,(r) = r
3
1
(la prcision dsire)
`
0
(le nombre maximum ditrations)
Sortie:la valeur approche de j ou un message dchec
Etape 1: poser ` = 1

0
= ,(j
0
)

1
= ,(j
1
)
Etape 2: Tant que ` _ `
0
+ 1.faire les tapes 3 6
Etape 3: poser j = j
1

1
(p
1
p
0
)
q
1
q
0
Etape 4: Si [ j j
1
[_ alors imprimer j
aller ltape 8
Etape 5: Poser ` = ` + 1
Etape 6: Poser j
0
= j
1

0
=
1
j
1
= j

1
= ,(j)
Etape 7: Imprimer la mthode a chou aprs `
0
itrations
Etape 8: Fin.
2.5 Mthode du point xe
Nous pouvons observer que la mthode de Newton peut sinterprter comme
j
n+1
= q(j
n
) o
16
q(r) = r (
f(x)
f
0
(x)
). Maintenant , si la fonction q(r) est continue et si
lalgorithme converge (c..d. j
n
j). on tire de j
n+1
= q(j
n
) que j satisfait
lquation j = q(j) ; on dit que j est un point xe de q.
On peut toujours transformer un problme du type ,(r) = 0 en un prob-
lme de la forme r = q(r) et ce dune innit de faons.
Par exemple
r
2
2 = 0
ou r = 2,r
ou r = r
2
+ r 2
ou r = c(r
2
2) + r
Il faut toutefois noter que ce type de transformations introduisent des
solutions parasites.
Par exemple : rsoudre 1,r = c ou encore r = 2r cr
2
On voit que 0 est racine de la deuxime quation mais pas de la premire.
Algorithme du point xe
But: trouver une solution de q(r) = r
Entres: une approximation initiale j
0
(la prcision dsire)
`
0
le nombre maximale ditrations
Sortie: valeur approche de j ou un message dchec
Etape 1: poser ` = 1
Etape 2: Tant que ` _ `
0
.faire les tapes 3 6
Etape 3: poser j = q(j
0
)
Etape 4: Si [ j j
0
[_
alors imprimer j
aller ltape 8
Etape 5: poser : = : + 1
Etape 6: poser j
0
= j
Etape 7: Imprimer (la mthode a chou aprrs `
0
itrations)
Etape 8 : Fin.
17
2.6 Convergence et ordre de convergence.
Dnition: Soit 1 une partie de R et 1 une application de 1 dans 1. On
dit que la fonction 1 est contractante si
\r. 1 . / [0. 1[ tel que
[ 1(r) 1() [_ / [ r [ .
/ est le cocient de contraction ou de Lipschitz de 1.
Thorme: Considrons le segment o = [j
0
c. j
0
+ c] 1; si 1 est
contractante sur o et si [ 1(j
0
) j
0
[_ (1 /) c. alors litration j
n+1
=
1(j
n
) de point initial j
0
. converge vers lunique point xe j o de 1.
Thorme: Convergence locale.
Si 1 est direntiable au voisinage dun point xe j et si [ 1
0
(j) [< 1
alors :
\ voisinage de j tels que j
0
\ et j
n+1
= 1(j
n
) converge vers j.
18
2.6.1 Interprtation graphique.
0.75 0.625 0.5 0.375
0.75
0.625
0.5
0.375
x
y
x
y
Figure 2.4: 1(r) = r
3
+
5
4
r; [1
0
(r)[ < 1. convergence.
On voit graphiquement que [ 1
0
(j) [< 1. et par consquent les itrations
convergent vers le point xe. j est un point xe attractif. Par contre si
[ 1
0
(j) [ 1 pas de convergence vers le point xe, j est un point xe rpulsif.
20 17.5 15 12.5 10 7.5 5
20
15
10
5
x
y
x
y
1(r) = r
5
4
r. [1
0
(16)[ 1. litration diverge.
Remarque: Un point xe rpulsif pour une mthode devient attractif
pour une autre.
19
2.6.2 Ordre de convergence.
La convergence de litration j
n+1
= 1(j
n
) vers le point xe peut se
faire plus ou moins vite.
Dnition : Considrons une suite j
n
convergeant vers j et posons
c
n
= j
n
j.
On dit dans le cas o
_

en
e
n1

_
converge, que la suite j
n
converge linaire-
ment vers j ou encore que la mthode est du premier ordre.
Si on a
_

en
(e
n1
)
k

_
converge, alors la convergence est dite dordre /.
Exemple :
La mthode de Newton pour rsoudre lquation ,(r) = 0 est une mth-
ode de type point xe avec 1(r) = r
f(x)
f
0
(x)
. Si r

est racine simple de

,(r) = 0. alors ,
0
(r

) ,= 0 et il existe un voisinage \ de r

tel que pour tout

j
0
\. la suite (j
n
)
n
converge vers r

et lordre de convergence est 2.

(en eet 1
0
(r) = 1
(f
0
(x))
2
f(x)f
00
(x)
(f
0
(x))
2
= 1
0
(r

) = 0. Ainsi daprs
le thorme prcdent la mthode de Newton converge. Pour dterminer
lordre de convergence on utilise la formule de Tylors en r

: 1(r) = 1(r

) +
1
0
(r

)(r r

) + 1
00
(or)
(xx

)
2
2
).
2.7 Exercices
20
Srie ,(r) = 0
Exercices 1
Rsoudre laide de la mthode de bisection tc:rr = 0 dans lintervalle
[4; 4.7].
Exercice 2
On considre lquation
(1) c
x
4r = 0
1) Dterminer le nombre et la position approximative des racines de (1)
situes dans .r _ 0
2) Utiliser lalgorithme de bissection pour dterminer la plus petite de
ces racines prs.(par exemple 10
7
)
3) Sans faire ditrations, dterminer combien vous devriez en faire pour
calculer la plus grande racine laide de la bissection avec une prcision de
10
8
, si lintervalle de dpart est [2; 2. 5]
Exercice 3
crire un algorithme pour calculer par la mthode de Newton la racine
K-ime dun nombre.
Quelle est la valeur de : =
_
2 +
_
2 +
_
2 + .....?
Suggestion: crire .p
n+1
=G(p
n
),p
0
=0 Quel est lordre de convergence ?
Exercice 4
crire 3 mthodes itratives pour la rsolution de r
3
r1 =0 et vrier
exprimentalement leur convergence avec r
0
= 1. 5. Trouver 10
6
prs la
racine comprise entre 1 et 2. Connaissant la valeur de cette racine, calculer
lordre de convergence de vos 3 mthodes. Ce rsultat coincide-t-il avec
lexprience?
Exercice 5
Rsoudre x
2
-1=0 en utilisant la mthode de la scante avec r
0
= 3 et
r
1
= 5,3. Quarrivera-t-il si on choisit et r
0
= 5,3 et r
1
= 3? Expliquez.
1
1
S. El Bernoussi, S. El Hajji et A. Sayah
21
Chapitre 3
Algbre linaire
3.1 Introduction
Un sytme linaire scrit sous la forme :
(1) r = /
o est une matrice :r: coecients rels, / R
n
et r R
n
.
La rsolution de grands systmes linaires (et non linaires) est pratique
courante de nos jours. Elle apparait dans tous les domaines o lon sintresse
la rsolution numrique dquations aux drives partielles.
Il existe plusieurs packages (linpack, eispack, ..), logiciels (Maple et Mat-
lab) et programmes (http://www.netlib.com, numerical recipes, NAG, IMSL,
...) de base pour le rsoudre.
Le choix de la mthode dpend fortement du type (forme) de la matrice.
Les mthodes de rsolution sont de deux types :
Les mthodes directes : Une mthode est dite directe si elle permet dobtenir
la solution en un nombre ni doprations.
Les mthodes itratives : Une mthode est dite itrative si elle permet de
construire une suite (r
n
)
n
qui converge vers la solution.
Dans ce chapitre nous allons :
1. Rapeler des notions et notations de base relatives aux systmes linaires
et aux matrices
22
2. Etudier une mthode directe : la mthode de Gauss.
3. Etudier la dcomposition (factorisation) 1l.
4. Etudier des applications : Inverse de matrices,...
3.2 Rappels sur les systmes linaires
Un systme de : quations linaires : inconnues peut toujours scrire sous
la forme :
(1) r = /
o est une matrice (c
ij
) et r et / sont des vecteurs colonnes de dimension
:.
Si la matrice est inversible alors le systme linaire (1) admet une
unique solution r =
1
/ o
1
est la matrice inverse de .
Ainsi thoriquement le problme revient calculer
1
? Mais en pratique
ce calcul est dicile.
Il existe plusieurs mthodes classiques pour rsoudre (1) sans calculer

1
.
Pour cela on va considerer le cas simple suivant :
(1)
_
r + 2 = 5
2r + = 4
i) La mthode de Cramer consiste calculer la solution en calculant des
dterminants.
On a: r =

5 2
4 1

1 2
2 1

=
3
3
= 1 et =

1 5
2 4

1 2
2 1

=
6
3
= 2
ii) La mthode de substitution (ou dlimination) consiste transformer
le systme (1).
(1)
_
r + 2 = 5
2r + = 4
=
_
r = 2 + 5
2r + = 4
=
_
r = 2 + 5
2(2 + 5) + = 4
23
=
_
r = 2 + 5
3 = 6
=
_
r = 2 + 5
= 2
=
_
r = 1
= 2
Peut-on gnraliser ces mthodes pour un systme de : quations avec
: N?
Thoriquement OUI mais en pratique cela va ncessiter beaucoup de cal-
culs et de techniques.
3.3 Mthode Gauss
La mthode de rsolution la plus tudie (et une des plus employes) sappelle
mthode dlimination de Gauss.
Lide de base de cette mthode consiste transformer le systme linaire
(1) en un problme que lon sait rsoudre.
Si la matrice = 1 avec 1 une matrice diagonale, alors on sait rsoudre
(1).
Mais toute matrice nest pas diagonalisable.
Si la matrice = l (ou 1) avec l (ou 1) une matrice triangulaire
suprieure ( ou infrieure) alors on sait rsoudre (1).
Problme : Comment tranformer une matrice en une matrice triangulaire
infrieure ou suprieure ?
La mthode de substitution (dlimination) rpond cette question mais
elle nest pas automatique.
La mthode dlimination de Gauss a pour but de remplacer le sys-
tme (1) par un systme triangulaire possdant la mme solution. Son
principe sapparente celui de la mthode de substitution (dlimination)
mais (comme on le verra ci dessous), il est plus simple automatiser.
Regardons son fonctionnement sur lexemple suivant cas : = 3:
On pose = (c
ij
)
i;j=1;3
A = (r
i
)
i=1;3
et / = (/
i
)
i=1;3
de telle sorte que
A = / scrit sous la forme :
_
_
_
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
c
21
r
1
+ c
22
r
2
+ c
23
r
3
= /
2
c
31
r
1
+ c
32
r
2
+ c
33
r
3
= /
3
ou encore sous la forme dite augmente
( /) =
_
_
c
11
c
12
c
13
c
21
c
22
c
23
c
31
c
32
c
33
/
1
/
2
/
3
_
_
24
On suppose que c
11
,= 0. par limination, on obtient :
(
1
/
1
) =
_
_
c
11
c
12
c
13
0 c
0
22
c
0
23
0 c
0
32
c
0
33
/
1
/
0
2
/
0
3
_
_
On va illustrer la mthode de Gauss sans passer par le sytme augmenter
:
On a :
(1)
_
_
_
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
(|1)
c
21
r
1
+ c
22
r
2
+ c
23
r
3
= /
2
(|
2
)
c
31
r
1
+ c
32
r
2
+ c
33
r
3
= /
3
(|
3
)
On note par (|
i
) la i
eme
quation du systme prcedent.
On suppose que c
11
,= 0.
On pose :
(|
0
2
) = c
11
(|
2
) c
21
(|
0
1
)
ct
(|
0
3
) = c
11
(|
3
) c
31
(|
0
1
)
Alors (1) scrit
(2)
_
_
_
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
(|1)
c
0
22
r
2
+ c
0
23
r
3
= /
0
2
(|
0
2
)
c
0
32
r
2
+ c
0
33
r
3
= /
0
3
(|
0
3
)
On suppose que c
0
22
,= 0.
On pose :
(|
00
3
) = c
0
22
(|
0
3
) c
0
32
(|
00
2
)
Alors (2) scrit
(2)
_
_
_
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
(|1)
c
0
22
r
2
+ c
0
23
r
3
= /
0
2
(|
0
2
)
c
0
0
33
r
3
= /
00
3
(|
00
3
)
Remarque :
i) Les termes diagonaux chaque tape sont appels les pivots,
ii) Si un pivot c
ii
est nul on change de ligne (on permute) de i : (pivotage
partiel)
25
iii) Cette mthode se gnralise assez facilement bien quil faut tre pru-
dent avec le choix du pivot. En pratique, il faut viter de prendre des pivots
"trop" petits.
Exemple : Sur limportance du pivot
1) On considre le systme :
(1)
_
r + = 2
10
4
r + = 1
Calculer la solution exacte de ce systme.
2) Calculer la solution pour : = 3 avec troncature des systmes
(1)
_
r + = 2
10
4
r + = 1
ct (1)
_
10
4
r + = 1
r + = 2
Remarque : Lalgorithme de Gauss est une mthode systmatique de rsolu-
tion de systmes dquations comportant un nombre quelconque dinconnues.
Dans le cas o tous les pivots sont non nuls i.e. c
ii
,= 0. lalgorithme:
limination de Gauss secrit :
Partie 1: Rduction la forme triangulaire (ou limination de Gauss)
Entre et /
Sortie = l (forme triangulaire), et /.
Pour , = 1. .... (: 1)
Pour i = , + 1. .... :
|
ij

a
ij
a
jj
Pour / = , + 1. .... :
c
ik
c
ik
|
ij
c
jk
Fin
/
j
/
j
|
ij
/
j
Fin
Fin
Sortie = l (forme triangulaire), et /
Cette partie scrit sous la forme (algorithmique)
tape 1 : Poser , = 1
tape 2: Tant que , _ : 1 faire
tape 3: Si c
jj
= 0 acher pivot nul aller tape 14, sinon
26
tape 4: Poser i = , + 1
tape 5: Tant que i _ : faire
tape 6: |
ij
=
a
ij
a
jj
tape 7: Si |
ij
= 0; aller ltape 12.
tape 8: Poser / = , + 1
tape 9: Tant que / _ : faire
tape 10: c
ik
= c
ik
|
ij
c
jk
, / = / + 1; aller ltape 9.
tape 11: /
i
= /
i
|
ij
/
j
;
tape 12: poser i = i + 1; Aller ltape 5.
tape 13: , = , + 1; Aller ltape 2.
tape 14: Fin.
Remarques:Les lments sous la diagonale principale de la nouvelle matrice
obtenue sont nuls. Comme ils ninterviennent pas dans la rsolution du
systme triangulaire form, il est inutile que lalgorithme leur assigne cette
valeur nulle.
Exemple : On considre le systme linaire :
_

_
r + + 3t = 4
2r + . + t = 1
3r . + 2t = 3
r + 2 + 3. t = 4
qui scrit encore:
_
_
_
_
1 1 0 3
2 1 1 1
3 1 1 2
1 2 3 1
_
_
_
_
_
_
_
_
r

.
t
_
_
_
_
=
_
_
_
_
4
1
3
4
_
_
_
_
Nous appliquons lalgorithme notre exemple en travaillant sur la matrice
augmente.
Nous obtenons
_

_
/
1 1 0 3 . 4
2 1 1 1 . 1
3 1 1 2 . 3
1 2 3 1 . 4
_

_
27
_

_
1 1 0 3 . 4
0 1 1 5 . 7
0 4 1 7 . 15
0 3 3 2 . 8
_

_
_

_
1 1 0 3 . 4
0 1 1 5 . 7
0 0 3 13 . 13
0 0 0 13 . 13
_

_
Que lon peut crire sous la forme :
_

_
r + + 3t = 4
. 5t = 7
3. + 13t = 13
13t = 13
,
Notons que ltape , = 3 nous donnerait |
43
= 0.
Nous avons maintenant un systme triangulaire rsoudre.
Partie 2 : Remonte triangulaire
Entre . / avec matrice triangulaire suprieure
Sortie r solution du sytme r = /
tape 1: r
n
=
bn
ann
tape 2: Pour i = : 1. : 2. .... 1 faire:
r
i
=
1
c
ii
(/
i

j=i+1
c
ij
r
j
)
En appliquant cet algorithme notre exemple, nous obtenons r = (1. 2. 0. 1).
Remarque:
1. Dans la pratique le test (3) de lalgorithme dlimination de Gauss ne
conduit pas larrt. En fait, si le pivot est nul, on cherche, dans
la mme colonne, un lment dindice plus grand non nul, puis on
change les lignes correspondantes. Si ceci est impossible, le systme
est singulier.
28
2. On est parfois amen, pour des raisons de stabilit numrique, ef-
fectuer des changes de lignes mme si le test (3) est ngatif (cest
dire que le pivot est non nul). Ceci conduit des stratgies dites de
pivot que nous ntudierons pas ici.
Exemple : Rsolution du systme suivant :
_
_
_
2r + 6 + 10. = 0
r + 3 + 3. = 2
3r + 14 + 28. = 8
=
_
_
2 6 10
1 3 3
3 14 28
_
_
_
_
r

.
_
_
=
_
_
0
2
8
_
_
_
_
2 6 10 0
1 3 3 2
3 14 28 8
_
_
=
_
_
2 6 10 0
0 0 4 4
0 5 13 8
_
_
=
_
_
2 6 10 0
0 5 13 8
0 0 4 4
_
_
En utilisant la rement on trouve:
_
_
_
. =
4
4
= 1
=
1
5
(8 13 (1)) = 1
r =
1
2
(6 1 10 (1)) = 2
=r

=
_
_
2
2
1
_
_
3. Mthode de Gauss avec normalisation :Elle consiste normaliser le
pivot:
On a :
(1)
_
_
_
c
11
r
1
+ c
12
r
2
+ c
13
r
3
= /
1
(|
1
)
c
21
r
1
+ c
22
r
2
+ c
23
r
3
= /
2
(|
2
)
c
31
r
1
+ c
32
r
2
+ c
33
r
3
= /
3
(|
3
)
On note par (|
i
) la i
eme
quation du systme prcedent.
On suppose que c
11
,= 0.
(|
1
) scrit : r
1
+
a
12
a
11
r
2
+
a
13
a
11
r
3
=
b
1
a
11
(|
0
1
)
Si on pose :
(|
0
2
) = (|
2
) c
21
(|
0
1
)
ct
(|
0
3
) = (|
3
) c
31
(|
0
1
)
Alors (1) scrit
(2)
_
_
_
r
1
+
a
12
a
11
r
2
+
a
13
a
11
r
3
=
b
1
a
11
(|
0
1
)
c
0
22
r
2
+ c
0
23
r
3
= /
0
2
(|
0
2
)
c
0
32
r
2
+ c
0
33
r
3
= /
0
3
(|
0
3
)
29
On suppose que c
0
22
,= 0.
(|
0
2
) scrit r
2
+ c
00
23
r
3
= /
00
2
(|
00
2
)
Si on pose :
(|
00
3
) = (|
0
3
) c
0
32
(|
00
2
)
si c
00
33
,= 0 on pose (|
000
3
) r
3
=
b
00
3
a
00
33
Alors (2) scrit
(2)
_

_
r
1
+
a
12
a
11
r
2
+
a
13
a
11
r
3
=
b
1
a
11
(|
0
1
)
r
2
+ c
00
23
r
3
= /
00
2
(|
00
2
)
r
3
=
b
00
3
a
00
33
(|
000
3
)
1. Cette statgie est trs utile pour calculer linverse dune matrice.
Nous pouvons nous demander sil existe une relation entre la matrice de
dpart et la matrice triangulaire obtenue. Ce lien existe.
3.4 Factorisation 1l
Matriciellement la mthode de Gauss consiste multiplier la matrice par
la matrice 1
1
de telle sorte que lon ait :

1
= 1
1

=1
1
=
_
_
1 0 0

a
21
a
11
1 0

a
31
a
11
0 1
_
_
On suppose que c
0
22
,= 0. donc on cherche 1
2
de telle sorte que

2
= 1
2

1
=
_
_
c
11
c
12
c
13
0 c
0
22
c
0
23
0 0 c
00
33
_
_
=1
2
=
_
_
_
1 0 0
0 1 0
0
a
0
32
a
0
22
1
_
_
_
30
Ainsi on a :
2
= 1
2

1
= l et
2
est une matrice triangulaire suprieure.
De plus si on pose
0
= alors l =
2
= 1
2
1
1

0
cest dire que
l = 1
2
1
1
= = 1
1
2
1
1
1
l
On a 1
1
et 1
2
sont des matrices inversibles et triangulaires infrieures
donc 1
2
+ 1
1
est une matrice inversible et triangulaire infrieure.
De mme 1 = 1
1
1
+ 1
1
2
est une matrice inversible et triangulaire in-
frieure
Donc = 1l.
Ainsi le systme linaire (1) A = / scrit
1lA = / =
_
1 = / avec 1 matrice triangulaire infrieure
lA = avec l matrice triangulaire suprieure
En conclusion ( admettre) la mthode de Gauss revient dcomposer la
matrice en un produit de deux (2) matrices triangulaires lune suprieure
l et lautre infrieure 1.
Avec :
1 =
_
_
_
_
_
_
_
1
|
21
1
|
31
|
32
1 0
.
.
.
|
n1
|
n;n1
1
_
_
_
_
_
_
_
o |
ij
est dni ltape (6) de lalgorithme dlimination et (si lalgorithme
dlimination nexige pas dchange de lignes).
Nous ne dmontrerons pas cette proposition. Nous nous contenterons de la
vrier sur notre exemple.
Exemple :
_
_
_
_
1 1 0 3
2 1 1 1
3 1 1 2
1 2 3 1
_
_
_
_
=
_
_
_
_
1 0 0 0
2 1 0 0
3 4 1 0
1 3 0 1
_
_
_
_
_
_
_
_
1 1 0 3
0 1 1 5
0 0 3 13
0 0 0 13
_
_
_
_
.
31
Il y a une classe importante de matrices pour lesquelles llimination
peut toujours soprer sans change de lignes (i.e. le pivot c
jj
nest jamais
nul pendant lalgorithme dlimination). Ce sont les matrices diagonale
strictement dominante.
Dnition: Une matrice A est dite diagonale strictement dominante si
pour tout i = 1. 2. ..... : , on a :
[c
ii
[
n

j=1;j6=i
[c
ij
[
est vrie.
Remarque : Si la matrice est diagonale strictement dominante alors elle
est inversible.
3.4.1 Appplications de la Factorisation 1l
Si lon doit rsoudre souvent un systme o seul le membre de droite change
ou son veut calculer linverse dune matrice, il y a intrt eectuer la r-
duction la forme triangulaire une fois pour toutes.
En eet, si = 1l on peut rsoudre: r = / en rsolvant 1. = / et
lr = .. On a :
(1) r = / =
_
(2) 1. = /
(3) lr = .
Dans ce cas r = 1lr = 1(lr) = 1. = / .
Les systmes (2) et (3) tant triangulaires, la rsolution ne ncessite que
lexcution dune remonte et dune descente triangulaire.
Exemple :
= 1l =
_
_
_
_
1 0 0 0
2 1 0 0
3 4 1 0
1 3 0 1
_
_
_
_
_
_
_
_
1 1 0 3
0 1 1 5
0 0 3 13
0 0 0 13
_
_
_
_
. on rsoud le sys-
tme r =
_
_
_
_
4
1
3
4
_
_
_
_
.
32
1. = / =
_

_
.
1
= 4
2.
1
+ .
2
= 1
3.
1
+ 4.
2
+ .
3
= 3
.
1
3.
2
+ .
4
= 4
=. =
_
_
_
_
4
7
13
13
_
_
_
_
.
lr = . =
_

_
13r
4
= 13
3r
3
+ 13r
4
= 13
r
2
r
3
5r
4
= 7
r
1
+ r
2
+ 3r
4
= 4
=r =
_
_
_
_
1
2
0
1
_
_
_
_
.
3.5 Mesure des erreurs
Lutilisation dun calculateur pour implanter les algorithmes tudis conduira
invitablement des erreurs. Pour mesurer celles-ci, nous devons mesurer la
distance entre le vecteur reprsentant la solution exacte r = (r
1
. .... r
n
) et le
vecteur ^ r = (^ r
1
. .... ^ r
n
) reprsentant la solution approche. Nous pouvons,
pour ce faire, utiliser la "longueur" usuelle de 1
n
i.e.:
|r|
2
=
n

1
r
2
i

1
2
pourtant, dans la pratique on lui prfre souvent la longueur
|r|
1
= max
1in
[r
i
[
Par exemple si r = (1. 7. 2. 4) alors |r|
1
= 7 .
Exemple :
Si r = (1. 1. 1. 1) alors |r|
1
= 1 si ^ r = (1.01. 1.1. 1. 1), on a
|r ^ r|
1
= 0.1
Considrons alors le systme
_
_
_
_
10 7 8 7
7 8 6 5
8 6 10 9
7 5 9 10
_
_
_
_
_
_
_
_
r
1
r
2
r
3
r
4
_
_
_
_
=
_
_
_
_
32
23
33
31
_
_
_
_
dont la solution exacte est r = (1. 1. 1. 1) .
33
Si dans le membre de droite nous remplaons / par:
^
/ = (32.06; 22.87; 33.07; 30.89)
nons obtenons
^ r = (9.19; 12.59. 4.49. 1.09)
Cest--dire quune erreur relative de lordre de:
|/
^
/|
1
|/|
1
= 3 + 10
1
sur / a entran une erreur relative de lordre de
|r ^ r|
1
|r|
1
= 13.52
sur la solution.
Nous devons donc souponner que lapplication de larithmtique nie
la rsolution dun tel systme serait dsastreuse. Ltude de cette question
dpasse le cadre de ce programme.
3.6 Exercices
34
Srie r = /
Exercice I -
1) On considre le systme linaire :
(1)
_
1 5
1.0001 5
__
r

_
=
_
6
6.0005
_
Dterminer la solution A de ce systme.
2) Dans le systme prcdent, on remplace 6.0005 par 6, dterminer la
solution A

de ce nouveau systme note (2).

3) Calculer les erreurs relatives sur les donnes et sur les rsultats.
4) Conclusion.
Exercice II -
Rsoudre le systme linaire (1):
(1)
_
_
_
r + 2 + 3. = 1
2r + 6 + 10. = 0
3r + 14 + 28. = 8
1) Par Gauss Classique
2) Par Gauss avec pivotage partiel
3) Par Gauss avec pivotage et mise lchelle (i.e. c
ii
= 1).
Exercice III -
1) En arithmtique ottante avec 2 chires signicatifs ( : = 2 (: est le
nombre de digits)) et arrondi, rsoudre par limination de Gauss, les systmes
linaires (1) et (2).
(1)
_
0.0001r + = 3
r + 2 = 5
(2)
_
r + 2 = 5
0.0001r + = 3
2) Conclusion
Exercice IV -
Soit la matrice =
_
_
30 20 10
20 55 10
10 10 50
_
_
et / =
_
_
1
5
2
_
_
35
1) Ecrire la matrice sous la forme 1l i.e. trouver 1 et l (sans pivotage)
avec 1 matrice triangulaire Infrieure et l triangulaire suprieur.
2) En dduire le determinant de
3) Rsoudre par Factorisation 1l. le systme linaire A = /
Exercice VI -
Soit la matrice =
_
_
1 1 2
2 1 1
1 2 1
_
_
1) Ecrire la matrice sous la forme 1l i.e. trouver 1 et l avec 1 matrice
triangulaire Infrieure et l triangulaire suprieur.
2) Utiliser 1) pour calculer le dterminant de la matrice .
3) Utiliser 1) pour calculer linverse de la matrice .
1
1
S. El Bernoussi, S. El Hajji et A. Sayah
36
Chapitre 4
Interpolation polynmiale
4.1 Introduction
Nous abordons dans ce chapitre un nouveau type de problme, faisant inter-
venir la notion dapproximation dune fonction.
Cette notion a dj t rencontre dans les cours danalyse.
Exemples :
1) Daprs la Formule de Taylor lordre 5 de la fonction sin(r), on a :
\r \ oi:(0). sin(r) r
r
3
3!
+
r
5
5!
+ sin
(6)
()
r
6
6!
o \ oi:(0)
On a tronqu la formule de Taylor aprs lordre ` (ici 5), on obtient :
au voisinage de 0. une approximation de sin(r) par un polynme de
degr ` (ici 5).
lerreur commise serait de lordre de sin
(6)
()
x
6
6!
o \ oi:(0)
Ainsi avec ce type dapproximation, on a :
Si ` = 3, sin(0.1) = (0.1)
(0:1)
3
3!
= 9. 983 3 10
2
Si ` = 5, sin(0.1) = 0.1
(0:1)
3
3!
+
(0:1)
5
5!
= 9. 983 3 10
2
Avec le logiciel Maple on a : sin(0.1) = 9. 983 3 10
2
2) Avec les cours danalyse 1 et 11, on ne connait pas dexpression ex-
plicite de 1 =
_
1
0
c
x
2
dr
Cependant daprs :
37
La formule du trapze 1 =
_
1
0
c
x
2
dr
f(0)+f(1)
2
=
1+e
1
2
= 0.683 94
La formule de Simpson : 1 =
_
1
0
c
x
2
dr
1
6
_
,(0) + 4,(
1
2
) + ,(1)

=
1
6
(1 + 4c

1
4
+ c
1
) = 0.747 18
En utilisant la mthode des trapzes et en subdivisant (partageant) le
segment (intervalle) [0. 1] en 10 intervalles egaux, on a : 1 =
_
1
0
c
x
2
dr
1
20
c
1
+
1
10

9
i=1
c

1
100
i
2
+
1
20
= 0.746 21
En utilisant la mthode de Simpson et en subdivisant (partageant) le
segment (intervalle) [0. 1] en 10 intervalles gaux, on a : 1 =
_
1
0
c
x
2
dr
1
30
c
1
+
1
15

4
i=1
c

1
25
i
2
+
2
15

5
i=1
exp
_

_
1
5
i
1
10
_
2
_
+
1
30
= 0.746 82
Avec le Logiciel Maple, on a :
_
1
0
c
x
2
dr =
1
2
_
:c:, (1) = 0.746 82
NB : c:, () est "The Error Function". Elle est dnie pour tout r par :
c:,(r) =
2
p

_
x
0
c
t
2
dt.
Donc lerreur relative ( la qualit de lapproximation) dpend du type
dapproximation choisie.
On ne connait pas ce niveau du cours lexpression explicite de lerreur.
La notion dapproximation dune fonction consiste remplacer un prob-
lme donn par un problme voisin (un problme majeur en analyse numrique).
La question fondamentale serais de savoir la qualit de cette approxima-
tion i.e. la solution (du problme approch) obtenue est -elle aussi voisine
que lon veut de la solution du problme initial.
Remarque : En pratique la fonction , est connue explicitement, ou seule-
ment par ses valeurs en quelques points.
La notion dinterpolation polynomiale est la faon la plus simple dobtenir
une telle approximation.
Thorme : ( admettre)
Soit , une fonction continue dans [c. /] 11, alors pour tout c 0
donn, il existe un polynme 1
n
de degr : tel que
`cr
x2[a;b]
[,(r) 1
n
(r)[ < c
38
Ce thorme ne permet pas de construire (de dterminer explicitement)
le polynme 1
n
. Il existe cependant un certain nombre de techniques (algo-
rithmes) qui le permettent :
1. Linterpolation polynmiale: Elle est la plus classique et est un outil
pour la construction des mthodes dintgration numrique ou des mth-
odes dapproximation des quations direntielles.
Remarque : Pour les quations aux drives partielles, la mthode
des lments nis, un des outils de base de lingnierie moderne, utilise
de faon essentielle linterpolation multi-dimensionnelle.
2. Linterpolation par les fonctions splines : Elle est plus stable que
linterpolation polynmiale, est largement utilise dans tous les pro-
grammes de dessin assist par ordinateur, conception assiste par ordi-
nateur ou plus gnralement de graphisme.
3. Les sries de Fourier et leur analogue discret, la transformation de
Fourier discrte : Elles sont un moyen trs utile pour lapproximation
des fonctions priodiques.
Remarque : Lanalyse de Fourier est la base de nombreuses applications,
par exemple en traitement du signal.
Remarque : Une faon naturelle dapprocher les fonctions priodiques est
dutiliser les polynmes trigonomtrique.
Nous allons nous limiter lintroduction de linterpolation Polynmiale :
cest la faon la plus classique et la plus simple dapprocher une fonction. Elle
consiste dterminer un polynme 1
n
(r) de degr : qui puisse remplacer
lors des applications la fonction ,(r).
De plus, cest un outil ecace pour :
Calculer, pour r donn, une approximation de ,(r) en calculant 1
n
(r)
Construire :
1. des mthodes dintgration numrique
2. des mthodes de direntation
3. des mthodes dapproximation des quations direntielles
39
4. ...
(nous reviendrons en dtails sur ces points dans les chapitres suivants).
Le principe est simple, le procd est le suivant :
On choisit (ou on se donne) (: + 1) points r
0
. r
1
. .... r
n
.
On calcule
0
= ,(r
0
). ....
n
= ,(r
n
)
ou on se donne (r
i
.
i
). i = 0. .... : .
On cherche un polynme de degr : tel que 1
n
(r
i
) =
i
. i = 0. .... : .
Remarque :
1) Les points (r
i
.
i
)
i=0;n
sont appels points dinterpolation.
2) Si la fonction , est connue seulement par ses valeurs en quelques points,
les (: + 1) points r
0
. r
1
. .... r
n
sont xs..
3) Si on veut que 1
m
(r
i
) = ,(r
i
) et 1
0
m
(r
i
) = ,
0
(r
i
). i = 0. .... : , on
obtient linterpolation dite dHermite.
La notion dinterpolation polynomiale est la faon la plus simple dobtenir
une telle approximation.
Nous allons montrer lexistence dun tel polynme 1
n
(r) = c
n
r
n
+... +c
0
en le construisant eectivement.
Il existe plusieurs techniques pour calculer 1
n
(r). Les plus connues sont
celles de Lagrange et de Newton-Ctes. Elles produisent en n de compte le
mme rsultat. Chaque mthode a ses avantages et ses inconvnients.
Nous allons en fait le faire des deux faons :
1. Une mthode directe base sur la rsolution dun systme linaire
2. Une mthode itrative due Lagrange.
Nous terminerons ce chapitre par :
1. Une brve discution sur lerreur dinterpolation polynomiale
2. Une brve description du principe de la mthode itre de Newton-
Ctes
40
4.2 Une mthode directe base sur la rsolu-
tion dun systme linaire:
On se donne (: + 1) points r
0
. r
1
. .... r
n
.
On calcule
0
= ,(r
0
). ....
n
= ,(r
n
) .
On cherche un polynme de degr : tel que 1
n
(r
i
) =
i
. i = 0. .... : .
crivons explicitement 1
n
(r
i
) =
i
.
c
n
r
n
i
+ c
n1
r
n1
i
+ ... + c
1
r
i
+ c
0
=
i
. i = 0. .... :
On peut rcrire ces (: + 1) quations sous forme matricielle :
_
_
_
_
_
r
n
0
r
n1
0
r
0
1
r
n
1
r
n1
1
r
1
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
r
n
n
r
n1
n
r
n
1
_
_
_
_
_
_
_
_
_
_
c
n
c
n1
.
.
.
c
0
_
_
_
_
_
=
_
_
_
_
_

1
.
.
.

n
_
_
_
_
_
La matrice de ce systme est une matrice de type Vandermonde.
On montre que son dterminant est
det =

i<j
(r
i
r
j
)
On a det ,= 0 si tous les r
i
sont distincts. On peut donc trouver un unique
vecteur de coecients (c
n
. .... c
0
) rsolvant le problme.
Il est connu ( admettre) que les matrices du type Vandermonde devien-
nent trs mal conditionnes lorsque : augmente (elle sont trs sensible aux
erreurs darrondies).
Dans la pratique, cette mthode nest utiliser que si : _ 3 . Il serait
la fois inutile et dangereux de vouloir lutiliser pour : grand.
41
4.3 Une mthode itrative : Mthode de La-
grange
4.3.1 Interpolation Linaire :
On considre deux points (r
0
.
0
). (r
1
.
1
) avec :
_
r
0
,= r
1

0
= ,(r
0
) et
1
= ,(r
1
).
Pour dterminer le polynme 1
1
(r) de dgr 1 (dquation : = cr + /)
qui passe par deux points distincts (r
0
.
0
). (r
1
.
1
) (r
0
,= r
1
). On peut:
1) Rsoudre le systme dquations:
_
cr
0
+ / =
0
cr
1
+ / =
1
do
_
c =
(y
1
y
0
)
(x
1
x
0
)
/ =
0
cr
0
=
x
1
y
0
x
0
y
1
x
1
x
0
On a :
1
1
(r) =
(
1

0
)
(r
1
r
0
)
r + (
r
1

0
r
0

1
r
1
r
0
)
et
1
1
(r
0
) =
0
et 1
1
(r
1
) =
1
2) Poser
1
0
(r) =
r r
1
r
0
r
1
1
1
(r) =
r r
0
r
1
r
0
On a:
1
k
(r
i
) =
_
0 si i ,= /
1 si i = /
42
Ainsi,
1
1
(r) =
0
1
0
(r) +
1
1
1
(r)
=
0
(r r
1
)
(r
0
r
1
)
+
1
(
r r
0
r
1
r
0
)
=
(
1

0
)
(r
1
r
0
)
r + (
r
1

0
r
0

1
r
1
r
0
)
On a :
1
1
(r
0
) =
0
et 1
1
(r
1
) =
1
car
1
k
(r
i
) =
_
0 si i ,= /
1 si i = /
Ces deux procds dterminent videmment le mme polynme de dgr
1 (la mme droite).
Si maintenant, on veut dterminer le polynome de degr 2 qui passe par
trois (3) points distincts alors:
i) la premire expression de 1
1
(r) est inadquate (il faut refaire les
calculs)
ii) la dexime expression se prte assez facilement une gnralisa-
tion par rcurrence.
Exemple :
Dterminer le polynme dinterpolation 1
1
(r) de degr 1 tel que
1
1
(r
i
) = ,(r
i
), i = 0. 1
avec
i
= ,(r
i
) i = 0. 1 , (r
0
.
0
) = (0. 1). (r
1
.
1
) = (2. 5)
On a dtermin le polynme dinterpolation qui passe par les 2 points :
(0. 1) et (2. 5)
Daprs la mthode de Lagrange,
1
1
(r) =
0
1
0
(r) +
1
1
1
(r)
=
0
(r r
1
)
(r
0
r
1
)
+
1
(
r r
0
r
1
r
0
)
= 1
(r 2)
(0 2)
+ 5
(r 0)
(2 0)
= 2r + 1
43
4.3.2 Interpolation parabolique
On considre trois points (r
0
.
0
). (r
1
.
1
) et (r
2
.
2
) avec :
_
r
0
,= r
1
,et r
0
,= r
2
ct r
1
,= r
2

0
= ,(r
0
),
1
= ,(r
1
) et
2
= ,(r
2
).
Pour dterminer le polynme 1
2
(r) de dgr 2, dquation = cr
2
+/r+c
qui passe par trois points distincts (r
0
.
0
). (r
1
.
1
) et (r
2
.
2
), il sut de
poser:
1
0
(r) =
(r r
1
)(r r
2
)
(r
0
r
1
)(r
0
r
2
)
1
1
(r) =
(r r
0
)(r r
2
)
(r
1
r
0
)(r
1
r
2
)
1
2
(r) =
(r r
0
)(r r
1
)
(r
2
r
0
)(r
2
r
1
)
On a :
1
k
(r
i
) =
_
0 si i ,= /
1 si i = /
Ainsi
1
2
(r) =
0
1
0
(r) +
1
1
1
(r) +
2
1
2
(r)
=
0
(r r
1
)(r r
2
)
(r
0
r
1
)(r
0
r
2
)
+
1
(r r
0
)(r r
2
)
(r
1
r
0
)(r
1
r
2
)
+
2
(r r
0
)(r r
1
)
(r
2
r
0
)(r
2
r
1
)
est le polynme dinterpolation polynmiale associ.
Exemple :
Dterminer le polynme dinterpolation 1
2
(r) de degr 2 tel que
1
2
(r
i
) = ,(r
i
), i = 0. 1 et 2
avec
i
= ,(r
i
) i = 0. 1 et 2 , (r
0
.
0
) = (0. 1). (r
1
.
1
) = (1. 2) et (r
2
.
2
) =
(2. 5)
On a dtermin le polynme dinterpolation qui passe par les 3 points :
(0. 1). (1. 2) et (2. 5)
Daprs la mthode de Lagrange,
44
1
2
(r) =
0
1
0
(r) +
1
1
1
(r) +
2
1
2
(r)
=
0
(r r
1
)(r r
2
)
(r
0
r
1
)(r
0
r
2
)
+
1
(r r
0
)(r r
2
)
(r
1
r
0
)(r
1
r
2
)
+
2
(r r
0
)(r r
1
)
(r
2
r
0
)(r
2
r
1
)
= 1
(r 1)(r 2)
(1)(2)
+ 2
(r)(r 2)
(1)(1)
+ 5
(r)(r 1)
(2)(1)
= r
2
+ 1
Remarque :
1) Pour calculer 1
2
(r) ,on na pas utilis le polynome 1
1
(r) calcul dans
lexemple prcdent et pourtant on avait deux points communs.
2) 1
i
(r). i = 0. 1. 2 sont des polynmes de degr 2 :
1
0
(r) =
(x1)(x2)
(1)(2)
=
1
2
(r 1) (r 2) =
1
2
r
2

3
2
r + 1
1
1
(r) =
(x)(x2)
(1)(1)
= r (r 2) = r
2
+ 2r
1
2
(r) =
(x)(x1)
(2)(1)
=
1
2
r (r 1) =
1
2
r
2

1
2
r
On considre (1
i
(r))
i=0;2
comme une base de linterpolation polynmiale
quadratique
Dans lintervallle [0. 2], il existe plusieurs fonctions ,(r) qui passent par
les 3 points (r
0
.
0
) = (0. 1). (r
1
.
1
) = (1. 2) et (r
2
.
2
) = (2. 5) mais elle ne
seront pas approches par 1
2
(r) = r
2
+ 1 de la mme faon.
4.3.3 Interpolation de Lagrange
On choisit : + 1 points r
0
. r
1
. .... r
n
.
On calcule
0
= ,(r
0
). ....
n
= ,(r
n
) .
On cherche un polynme de degr : tel que 1
n
(r
i
) =
i
. i = 0. .... : .
On introduit les coecients dinterpolation de Lagrange.
1
k
(r) =
(r r
0
)...(r r
k1
)(r r
k+1
)...(r r
n
)
(r
k
r
0
)...(r
k
r
k1
)(r
k
r
k+1
...(r
k
r
n
)
1
k
(r) =
j=n

j=0 j6=k
(r r
j
)
(r
k
r
j
)
45
1
k
(r) est un polynme de degr :,
1
k
(r
i
) =
_
0 si i ,= /
1 si i = /
Donc
1(r) =
0
1
0
(r) +
1
1
1
(r) + ... +
n
1
n
(r) =
n

k=0

k
1
k
(r)
est un polynme de degr : qui vrie bien 1(r
i
) =
i
Proprit : Le Polynme dinterpolation polynmiale est unique.
En eet si 1(r) et Q(r) sont deux polynmes dinterpolation alors :
1(r) Q(r) est un polynme de degr : pour lequel
1(r
i
) Q(r
i
) = 0. i = 0. .... :.
Ce polynme de degr _ : ayant : + 1 racines, il est identiquement nul.
Exemple :
On suppose que ,(r) =
3
_
r et que (r
0
.
0
) = (0. 0). (r
1
.
1
) = (1. 1) et
(r
2
.
2
) = (8. 2)
1) Dterminer le polynme 1
2
(r) dinterpolation polynmiale qui passent
par les points (r
i
.
i
)
i=0;2
On a dterminer le polynme dinterpolation qui passe par les 3 points
: (0. 0). (1. 1) et (8. 2)
Daprs la mthode de Lagrange,
1
2
(r) =
0
1
0
(r) +
1
1
1
(r) +
2
1
2
(r)
=
0
(r r
1
)(r r
2
)
(r
0
r
1
)(r
0
r
2
)
+
1
(r r
0
)(r r
2
)
(r
1
r
0
)(r
1
r
2
)
+
2
(r r
0
)(r r
1
)
(r
2
r
0
)(r
2
r
1
)
= 0
(r 1)(r 2)
(0 1)(0 2)
+ 1
(r 0)(r 8)
(1 0)(1 8)
+ 2
(r 0)(r 1)
(8 0)(8 1)
1
2
(r) =
3
28
r
2
+
31
28
r
On a bien 1
2
(0) = 0. 1
2
(1) = 1 et 1
2
(8) =
3
28
(8)
2
+
31
28
8 = 2
2) Calculer 1
2
(r) et ,(r) =
3
_
r pour r = 0.5. 0.95. 1. 1.5 et 3. Conclusion.
On a :
46
r ,(r) 1
2
(r) =
3
28
r
2
+
31
28
r
0.5 0.793 7 0.526 79
0.95 0.983 05 0.955 09
1 1 1
1.5 1. 144 7 1. 419 6
3 1. 442 2
33
14
= 2. 357 1
Linterpolation polynomiale de degr 2 ne fournit de rsultat acceptable
quau voisinage des points dinterpolation ici 1.
3) Tracer le graphe de ,(r) et 1
2
(r).Conclusion.
On voit que dans lintervalle [2. 6] . 1
2
(r) fournit une mauvaise approxi-
mation de ,(r).
Pour r donne, 1
2
(r) fournira une bonne approximation de ,(r) si r est
voisin de 0. 1 et 8.
Remarque :
1) En pratique, on utilise linterpolation polynmiale avec des polynmes
de dgr : assez grand ou linterpolation polynmiale par morceaux. Ainsi
dans lexemple prcedent, il faut augmenter le nombre de points dinterpolations.
2) Si les valeurs
k
sont des valeurs exprimentales. Linterpolation poly-
nomiale est une technique peu approprie pour de telles situations. Les
polynmes de degr lev sont sensibles la perturbation des donnes.
3) La mthode de Lagrange sadapte mal au changement du nombre de
points (r
i
.
i
)
i
. On ne peut utiliser les coecients de Lagrange si on passe
de : (: + 1) points.
4) Phnomne de RUNGE (fonction de Runge) : Linterpolation
polynmiale ne fournit pas une bonne approximation de la fonction ,(r) =
1
1+25x
2
. Si on augmente le nombre de points dinterpolation le resultat devient
plus mauvais. (A admettre).
4.4 Interpolation Itre de Newton-Ctes
On choisit : + 1 points r
0
. r
1
. .... r
n
.
On calcule
0
= ,(r
0
). ....
n
= ,(r
n
) .
On cherche un polynme de degr : tel que 1
n
(r
i
) =
i
. i = 0. .... : .
47
LInterpolation Itre de Newton-Ctes est un procd itratif qui permet
de calculer le polynme dinterpolation 1
n
(r) de dgr : bas sur (: + 1)
points (r
i
.
i
)
i=0;n
partir du polynme dinterpolation 1
(n1)
(r) de dgr
(: 1) bas sur : points (r
i
.
i
)
i=0;(n1)
, en posant :
1
n
(r) = 1
(n1)
(r) + C(r). : _ 1
avec
C(r) = c
n
(r r
0
)(r r
1
)...(r r
(n1)
)
c
n
=
n

k=0
,(r
k
)
(r
k
r
0
)...(r
k
r
(k1)
)(r
k
r
(k+1)
)...(r
k
r
n
)
Les cocients c
n
sont appels dirences divises dordre : de la fonction
,, on note :
c
n
= , [r
0
. r
1
. .... r
n
]
On appelle dirence divise dordre 0 de , en un point r la valeur
dnie par
, [r] = ,(r)
Dirence divise dordre 1 de , en deux points r et la valeur
dnie par
, [r. ] =
, [r] , []
r
o: a
, [r. ] =
,(r)
r
+
,()
r
Dirence divise dordre 2 de , en deux points r. et . la valeur
dnie par
, [r. . .] =
, [r. ] , [. .]
r .
=
,(r)
(r ) (r .)
+
,()
( r) ( .)
+
,(.)
(. r) (. )
48
et plus gnralement:
, [r
1
. r
2
. .... r
n
] =
n

i=1
,(r
i
)
n

k=1
k6=i
(r
i
r
k
)
Remarque:
Les dirences divises sont indpendants de lordre des points.
Quel est le lien entre ,(r) et lex dirences divises?
Soit r un point autre que les : + 1 points r
i
. i = 1. .... :. On a
, [r. r
0
] =
,(r) , [r
0
]
r r
0
d
0
o n
,(r) = , [r
0
] + (r r
0
) , [r. r
0
]
mais comme
, [r. r
0
. r
1
] =
, [r. r
0
] , [r
0
. r
1
]
r r
1
alors
,(r) = , [r
0
] + (r r
0
) , [r
0
. r
1
] (r r
0
)(r r
1
), [r. r
0
. r
1
]
en continuant ainsi de proche en proche on obtient:
,(r) = , [r
0
] + (r r
0
) , [r
0
. r
1
] + ... + (r r
0
) ... (r r
n1
) , [r
0
. .... r
n
] +
(r r
0
)...(r r
n
), [r. r
0
. .... r
n
]
on vrie que
,(r) = 1
n
(r) + 1(r), [r. r
0
. .... r
n
]
o 1
n
(r) est un polynme de degr : tel que 1
n
(r
i
) = ,(r
i
). pour i = 0. .... :.
Cest donc le polynme dinterpolation de Lagrange, on lappelle le polynme
de Newton.
Comme signal dans lintroduction, linterpolation polynomiale sera util-
is comme outil dapproximation (pour la construction des mthodes dintgration
numrique ou des mthodes de drivation numrique ou des mthodes dapproximation
des quations direntielles), il est donc fondamental de connaitre une ex-
pression de lerreur dinterpolation.
49
4.5 Erreur dInterpolation polynomiale :
Lerreur commise lors dune interpolation est une question fondamentale en
analyse numrique:
elle renseigne priori sur la nature de cette erreur
elle fournit des informations sur les termes qui y participent
elle permet davoir un ordre de grandeur de lerreur commise.
Nous allons noncer un rsultat qui rpond ces interrogations dans le
cas o la fonction , est rgulire (de classe C
p
. j assez grand).
Thorme :
Soient , une fonction de classe C
n+1
dans 1 et , (r
i
)
i=0;n
(: + 1) points
distincts dans 1 avec r
0
< r
1
< ... < r
n
Alors pour tout r [r
0
. r
n
] . il existe = (r) tel que
,(r) 1
n
(r) =
,
(n+1)
()
(: + 1)!
(r r
0
)(r r
1
)...(r r
n
) =
,
(n+1)
()
(: + 1)!
1(r)
o
1
n
(r) =
0
1
0
(r) +
1
1
1
(r) + ... +
n
1
n
(r) =
n

k=0

k
1
k
(r)
avec 1
k
(r) =
n

j=0 j6=k
(r r
j
)
(r
k
r
j
)
et 1(r) = (r r
0
)(r r
1
)...(r r
n
)
1
n
(r) est le polynme dinterpolation de Lagrange.
Remarque :
1) Cette formule montre que :
i) lerreur est nulle pour r = r
i
i.e. r est un point dinterpolation.
ii) lerreur dpend de la fonction considre ( de ,
(n+1)
) et des points
dinterpolations (r
i
)
i
.
2) Cette formule derreur permet de trouver des formules derreur pour
lintgration numrique et la dierentiabilit numrique.
50
Dans le cas de lerreur dinterpolation partir de la forme de Newton, on
a:
,(r) 1
n
(r) = 1(r).,[r. r
0
. .... r
n
].
Comme on a la mme fonction , selon les mmes points r
i
pour i = 0. .... :.
il sagit de deux formes du mme polynme, et lerreur dinterpolation est la
mme, do
,(r) 1
n
(r) =
,
(n+1)
()
(: + 1)!
1(r) = 1(r).,[r. r
0
. .... r
n
].
Exemple :
Dterminer lerreur dinterpolation polynomiale dans le cas de linterpolation
parabolique
On approche la fonction ,(r) par la parabole passant par les points
(r
0
.
0
) = (0. 1). (r
1
.
1
) = (1. 2) et (r
2
.
2
) = (2. 5).
Le polynme dinterpolation 1
2
(r) de degr 2 tel que 1
2
(r
i
) = ,(r
i
),
i = 0. 1 et 2
avec
i
= ,(r
i
) i = 0. 1 et 2 , (r
0
.
0
) = (0. 1). (r
1
.
1
) = (1. 2) et (r
2
.
2
) =
(2. 5)
Daprs la mthode de Lagrange,
1
2
(r) =
0
1
0
(r) +
1
1
1
(r) +
2
1
2
(r)
= 1
(r 1)(r 2)
(1)(2)
+ 2
(r)(r 2)
(1)(1)
+ 5
(r)(r 1)
(2)(1)
= r
2
+ 1
Daprs le thorme prcdent,
,(r) 1
2
(r) =
,
(3)
()
3!
(r r
0
)(r r
1
)(r r
2
)
=
,
(3)
()
3!
r(r 1)(r 2)
Si

,
0(3)
(r)

_ ` alors
51
\r [0. 2] , [,(r) 1
2
(r)[
[,(r) 1
2
(r)[ _
`
6
[r(r 1)(r 2)[
_
`
6
r(r 1)(r 2)
_ 6.4 + 10
2
+ `.
(le maximum de n(r) = r(r 1)(r 2) est atteint en r

=
3
p
3
3
; do
1
6
n(r

) =
1
6
3
p
3
3
_
3
p
3
3
1
__
3
p
3
3
2
_
= 0.0 641 5 ~ 6.4 + 10
2
).
4.6 Exercices:
52
Srie Interpolation Numrique
Exercice I :
1) Dterminer par une mthode directe base sur la rsolution dun sys-
tme linaire, le polynme dinterpolation 1
1
(r) de degr 1 tel que 1
1
(r
i
) =
,(r
i
), i = 0. 1 avec
i
= ,(r
i
) i = 0. 1, (r
0
.
0
) = (2. 4) et (r
1
.
1
) = (2. 8)
2) Dterminer par une mthode directe base sur la rsolution dun sys-
tme linaire, le polynme dinterpolation 1
2
(r) de degr 2 tel que 1
2
(r
i
) =
,(r
i
), i = 0. 1 et 2 avec
i
= ,(r
i
) i = 0. 1 et 2. (r
0
.
0
) = (2. 4). (r
1
.
1
) =
(0. 2) et (r
2
.
2
) = (2. 8). Conclusion.
Exercice II :
1) Dterminer par la mthode de Lagrange, le polynme dinterpolation
1
1
(r) de degr 1 tel que 1
1
(r
i
) = ,(r
i
), i = 0. 1 o
i
= ,(r
i
) i = 0. 1,
(r
0
.
0
) = (2. 4) et (r
1
.
1
) = (2. 8)
2) Dterminer par la mthode de Lagrange, le polynme dinterpolation
1
2
(r) de degr 2 tel que 1
2
(r
i
) = ,(r
i
), i = 0. 1 et 2 o
i
= ,(r
i
) i = 0. 1
et 2. (r
0
.
0
) = (2. 4). (r
1
.
1
) = (0. 2) et (r
2
.
2
) = (2. 8)
Exercice III :
1) Dterminer par la mthode de Newton-Ctes, le polynme dinterpolation
1
1
(r) de degr 1 tel que 1
1
(r
i
) = ,(r
i
), i = 0. 1 o
i
= ,(r
i
) i = 0. 1,
(r
0
.
0
) = (2. 4) et (r
1
.
1
) = (2. 8).
2) Dterminer par la mthode de de Newton, le polynme dinterpolation
1
2
(r) de degr 2 tel que 1
2
(r
i
) = ,(r
i
), i = 0. 1 et 2 o
i
= ,(r
i
) i = 0. 1
et 2. (r
0
.
0
) = (2. 4). (r
1
.
1
) = (0. 2) et (r
2
.
2
) = (2. 8). Conclusion.
Exercice IV :
On suppose que (r
0
.
0
) = (0. 0). (r
1
.
1
) = (1. 1) et (r
2
.
2
) = (2. 8)
1) Dterminer par la mthode de Lagrange, le polynme dinterpolation
1
2
(r) de degr 2 tel que 1
2
(r
i
) =
i
; i = 0. 1. 2.
2) Tracer le graphe des fonctions 1
2
(r) = 3r
2
2r et ,(r) = r
3
dans
lintervalle [0. 2] .
3) Calculer 1
2
(r) et ,(r) = r
3
pour r = 0.9. 1.1. 1.99. 2.1 et 5. Conclusion.
4) Dterminer lerreur commise si on en remplace dans lintervalle [0. 2] .
,(r) = r
3
par 1
2
(r) = 3r
2
2r.
Exercice V :
On suppose que (r
0
.
0
) = (0. 1). (r
1
.
1
) = (0.5. c
1
2
), (r
2
.
2
) = (1. c)
53
1) Dterminer par la mthode de Lagrange, le polynme dinterpolation
1
2
(r) de degr 2 tel que 1
2
(r
i
) =
i
, i = 0. 1. 2 et 3.
2) i) Dterminer une expression de lerreur dinterpolation polynomiale.
ii) Dterminer une borne de lerreur dinterpolation polynomiale. In-
dpendantes de o = (r).
ii) Dterminer une borne de lerreur dinterpolation polynomiale. In-
dpendantes de et de r.
1
1
S. El Bernoussi, S. El Hajji et A. Sayah
54
Chapitre 5
Integration et drivation
numrique.
5.1 Introduction :
Si , est une fonction drivable sur [c. /]. la drive en c ]c. /[ est dnie
par:
,
0
(c) = lim
h!0
,(c)
/
o ,(c) = ,(c + /) ,(c)
Si , est une fonction continue sur [c. /]. lintegrale de , sur [c. /] est dnie
par
_
b
a
,(r)dr = lim
h!0
1(/)
o 1(/) =
n

k=1
,(c + //)./
1(/) est la somme de Riemann avec / =
ba
n
.
On sait dterminer ,
0
(c) exactement pour , dnie partir de fonctions
lmentaires (exp: :i:r, c
x
. ln r. ...).
On sait aussi calculer
_
b
a
,(r)dr en utilisant les thormes fondamentaux
dintgration pour une fonction continue sur [c. /]. et on a
_
b
a
,(r)dr = 1(/)
1(c) o 1(r) est une primitive de ,(r).
55
Mais il existe des fonctions trs simples comme
sin x
x
ou
_
cos
2
r + 3 sin
2
r
qui nont pas de primitive connue, donc, comment peut-on integrer de telles
fonctions entre c et /?
Dautre part , peut-tre connue seulement en quelques points et sa for-
mule est inconnue (exp: rsultats experimentaux,...), donc comment peut-on
driver ou intgrer ses fonctions?
Du point de vue numrique, la solution ce problme est immdiate: nous
avons vu, dans les chapitres prcdents, comment approximer une fonction
par une fonction plus simple, facile driver ou intgrer.
De faon prcise si 1(r) est une approximation de , dans lintervalle [c. /],
nous nous proposons dtudier les approximations:
,
0
() - 1
0
() [c. /]
ct
_
b
a
,(r)dr -
_
b
a
1(r)dr.
5.2 Drivation.
La drivation numrique nous permet de trouver une estimation de la drive
ou de la pente dune fonction, en utilisant seulement un ensemble discret de
points.
5.2.1 Drive premire.
Soit , une fonction connue seulement par sa valeur en (: + 1) points donns
r
i
i = 0. 1. .... : distincts.
Les formules de dirence les plus simples bases sur lutilisation de la
ligne droite pour interpoler les donnes ulilisent deux points pour estimer la
drive.
On suppose connue la valeur de la fonction en r
i1
. r
i
et r
i+1
; on pose
,(r
i1
) =
i1
. ,(r
i
) =
i
et ,(r
i+1
) =
i+1
.
Si on suppose que lespace entre deux points successifs est constant, donc
on pose / = r
i
r
i1
= r
i+1
r
i
.
Alors les formules standarts en deux points sont:
Formule de dierence progressive :
56
,
0
(r
i
) -
,(r
i+1
) ,(r
i
)
r
i+1
r
i
=

i+1

i
r
i+1
r
i
.
Formule de dierence rgressive :
,
0
(r
i
) -
,(r
i
) ,(r
i1
)
r
i
r
i1
=

i

i1
r
i
r
i1
.
Formule de dierence centrale
,
0
(r
i
) -
,(r
i+1
) ,(r
i1
)
r
i+1
r
i1
=

i+1

i1
r
i+1
r
i1
.
Les trois formules classiques de dirences sont visualises sur la gure
suivante, et sont les consquences de la dnition de la drive:
Exemple :
Pour illustrer les trois formules, considrons les donnes suivantes:
(r
0
.
0
) = (1. 2); (r
1
.
1
) = (2. 4); (r
2
.
2
) = (3. 8); (r
3
.
3
) = (4. 16) et
(r
4
.
4
) = (5. 32).
Nous voulons estimer la valeur de ,
0
(r
2
).
Progressive: ,
0
(r) -
f(x
3
)f(x
2
)
x
3
x
2
=
168
43
= 8.
Regressive : ,
0
(r) -
f(x
2
)f(x
1
)
x
2
x1
=
84
32
= 4.
Centrale : ,
0
(r) -
f(x
3
)f(x
1
)
x
3
x1
=
164
42
= 6.
Les donnes ont t calcul pour la fonction ,(r) = 2
x
. ,
0
(r) = 2
x
ln(2)
et pour r = 3 ,
0
(3) = 2
3
ln(2) = 5.544.
Remarque:
Les formules de dirences classiques peuvent tre trouves en utilisant
la formule de Taylor.
,(r + /) = ,(r) + /,
0
(r) +
/
2
2
,
00
(j).
r _ j _ r + /
Formule progressive:
/ = r
i+1
r
i
,
0
(r
i
) =
,(r
i+1
) ,(r
i
)
/

/
2
,
00
(j)
r
i
_ j _ r
i+1
57
lerreur est
h
2
,
00
(j) donc en C(/). Cette formule peut tre trouve aussi
en utilisant le polynme dinterpolation de Lagrange pour les points
(r
i
. ,(r
i
)) et (r
i+1
. ,(r
i+1
)).
Formule regressive:
/ = r
i
r
i1
,
0
(r
i
) =
,(r
i
) ,(r
i1
)
/
+
/
2
,
00
(j)
r
i1
_ j _ r
i
La formule de dirence centrale de la drive en r
i
peut tre trouve en
utilisant la formule de Taylor dordre 3 avec / = r
i+1
r
i
= r
i
r
i1
,(r
i+1
) = ,(r
i
) + /,
0
(r
i
) +
/
2
2
,
00
(r
i
) +
/
3
3!
,
000
(j
1
)
,(r
i1
) = ,(r
i
) /,
0
(r
i
) +
/
2
2
,
00
(r
i
)
/
3
3!
,
000
(j
2
)
r
i
_ j
1
_ r
i+1
. r
i1
_ j
2
_ r
i
si on suppose que ,
000
est continue sur [r
i1
. r
i+1
] on peut ecrire la formule
suivante:
,
0
(r
i
) =
,(r
i+1
) ,(r
i1
)
2/
+
/
2
6
,
000
(j)
r
i1
_ j _ r
i+1
lerreur est
h
2
6
,
000
(j) donc en C(/
2
). La formule de dirence centrale peut
aussi tre trouve partir du polynme dintrpolation de Lagrange en 3
points.
On peut interpoler les donnes par un polynome au lieu dutiliser la
droite, nous obtenons alors les formules de dirence qui utilisent plus de
deux points. On suppose que le pas / est constant.
Formule de dirence progressive utilisant trois points:
,
0
(r
i
) -
,(r
i+2
) + 4,(r
i+1
) 3,(r
i
)
r
i+2
r
i
Formule de dirence rgressive utilisant trois points:
58
,
0
(r
i
) -
3,(r
i
) 4,(r
i1
) + ,(r
i2
)
r
i
r
i2
Exemple : Formules de dirence en trois points:
En utilisant les donnes de lexemple prcdent, on trouve:
,
0
(r
i
) -
32+4(16)3(8)
2
= 4 progressive.
,
0
(r
i
) -
3(8)4(4)+2
2
= 5 regressive.
5.2.2 Formule gnrale en trois points.
La formule dapproximation en 3 points de la drive premire, base sur le
polynme dinterpolation de Lagrange, nutilise pas des points quidistants.
Etant donn trois points (r
1
.
1
); (r
2
.
2
) et (r
3
.
3
) avec r
1
< r
2
< r
3
. la
formule suivante permet dapprocher la drive en un point r [r
1
. r
3
]. Les
drives aux points r
i
sont les suivantes:
,
0
(r
1
) =
2r
1
r
2
r
3
(r
1
r
2
)(r
1
r
3
)

1
+
r
1
r
3
(r
2
r
1
)(r
2
r
3
)

2
+
r
1
r
2
(r
3
r
1
)(r
3
r
2
)

3
;
,
0
(r
2
) =
r
2
r
3
(r
1
r
2
)(r
1
r
3
)

1
+
2r
2
r
1
r
3
(r
2
r
1
)(r
2
r
3
)

2
+
r
2
r
1
(r
3
r
1
)(r
3
r
2
)

3
;
,
0
(r
3
) =
r
3
r
2
(r
1
r
2
)(r
1
r
3
)

1
+
r
3
r
1
(r
2
r
1
)(r
2
r
3
)

2
+
2r
3
r
2
r
1
(r
3
r
1
)(r
3
r
2
)

3
;
Le polynme de Lagrange est donne par
1(r) = 1
1
(r)
1
+ 1
2
(r)
2
+ 1
3
(r)
3
o
1
1
(r) =
(r r
2
)(r r
3
)
(r
1
r
2
)(r
1
r
3
)
1
2
(r) =
(r r
1
)(r r
3
)
(r
2
r
1
)(r
2
r
3
)
1
3
(r) =
(r r
1
)(r r
2
)
(r
3
r
1
)(r
3
r
2
)
Lapproximation de la drive premire est donne par ,
0
(r) - 1
0
(r), qui
59
peut secrire
1
0
(r) = 1
0
1
(r)
1
+ 1
0
2
(r)
2
+ 1
0
3
(r)
3
o
1
0
1
(r) =
2r r
2
r
3
(r
1
r
2
)(r
1
r
3
)
1
0
2
(r) =
2r r
1
r
3
(r
2
r
1
)(r
2
r
3
)
1
0
3
(r) =
2r r
1
r
2
(r
3
r
1
)(r
3
r
2
)
donc
,
0
(r) =
2r r
2
r
3
(r
1
r
2
)(r
1
r
3
)

1
+
2r r
1
r
3
(r
2
r
1
)(r
2
r
3
)

2
+
2r r
1
r
2
(r
3
r
1
)(r
3
r
2
)

3
.
5.2.3 Drives dordre suprieur.
Les formules de drives dordre suprieur, peuvent tre trouves partir des
drives du polynme de Lagrange ou en utilisant les formules de Taylor.
Par exemple, tant donn 3 points r
i1
. r
i
. r
i+1
quidistants, la formule
de la drive seconde est donne par:
,
00
(r
i
) =
1
/
2
[,(r
i+1
) 2,(r
i
) + ,(r
i1
)]
lerreur est en C(/
2
).
Drive seconde partir du polynme de Taylor.
,(r + /) = ,(r) + /,
0
(r) +
h
2
2
,
00
(r) +
h
3
3!
,
000
(r) +
h
4
4!
,
(4)
(j
1
)
,(r /) = ,(r) /,
0
(r) +
h
2
2
,
00
(r)
h
3
3!
,
000
(r) +
h
4
4!
,
(4)
(j
2
)
r _ j
1
_ r + / et r / _ j
2
_ r.
,
00
(r)
,(r + /) + ,(r /) 2,(r)
/
2
lerreur est en C(/
2
).
Pour obtenir les formules de la troisime et la quatrime drive, on prend
une combinaison linaire des dveloppement de Taylor, pour ,(r+2/). ,(r+
/). ,(r /) et ,(r 2/).
60
La table suivante donne direntes formules centrales toutes en C(/
2
):
,
0
(r
i
)
1
2/
[,(r
i+1
) ,(r
i1
)]
,
00
(r
i
)
1
/
2
[,(r
i+1
) 2,(r
i
) + ,(r
i1
)]
,
000
(r
i
)
1
2/
3
[,(r
i+2
) 2,(r
i+1
) + 2,(r
i1
) ,(r
i2
)]
,
(4)
(r
i
)
1
/
4
[,(r
i+2
) 4,(r
i+1
) + 6,(r
i
) 4,(r
i1
) + ,(r
i2
)] .
En utilisant les polynmes dinterpolation de Lagrange les drives dordre
j sont calcules par:
,
(p)
(c) s
n

i=0

i
(c),(r
i
)
o

i
(c) = 1
(p)
i
(c) j _ :
n

i=0

i
(c)r
k
i
= 0 0 _ / _ j 1
n

i=0

i
(c)r
k
i
= /(/ 1)...(/ j + 1)c
kp
j _ / _ :.
Remarque :
La fomule est exacte pour les polynmes de degrs _ :.
Le systme linaire donnant les
i
(c) a un dterminant de type Vander-
monde dirent de zro si les r
i
sont distincts.
Les
i
(c) sont indpendants de , et peuvent tre calculs une fois pour
toutes.
61
5.2.4 Etude de lerreur commise.
Daprs le chapitre prcdent, si , est connue en (:+1) points r
i
. i = 0. .... :
alors ,(r) = 1
n
(r) + c(r). o c(r) est lerreur dinterpolation. En drivant
on obtient
,
0
(r) = 1
0
n
(r) + c
0
(r)
=
i=n

i=0

i
(r).,(r
i
) + c
0
(r)
et c
0
(r) =
d
dr
_
1
(: + 1)!
1(r).,
(n+1)
(
x
)
_
=
d
dr
(1(r).,[r
0
. .... r
n
. r])
=
1
(: + 1)!
1
0
(r).,
(n+1)
(
x
) +
1
(: + 1)!
1(r).
d
dr
_
,
(n+1)
(
x
)
_
On remarque tout de suite que lerreur de drivation est nulle si , est un
polynme de degr infrieur ou gale :. Si on prend pour r un point
r
i
. le second terme de la drnire somme sannule, sinon il faut connatre
d
dx
_
,
(n+1)
(
x
)
_
. ce qui est dicile car la fonction r
x
tant inconnue. On
peut donner une forme si , est : + 2 fois drivable en utilisant la notion de
dirence. En eet
d
dr
_
,
(n+1)
(
x
)
_
=
d
dr
(,[r
0
. .... r
n
. r])
= lim
h!0
,[r
0
. .... r
n
. r + /] ,[r
0
. .... r
n
. r]
/
= lim
h!0
,[r
0
. .... r
n
. r. r + /]
= lim
h!0
1
(: + 2)!
,
(n+2)
(o
x;h
).
On constate quon devra se contenter dune estimation
[ c(r) [_
1
(: + 1)!
[ 1
0
(r) [ `
n+1
+
1
(: + 2)!
[ 1(r) [ `
n+2:
5.3 Mthodes numriques dintgration.
Le but de cette leon est de calculer numriquement des intgrales dnies
ou indnies. Soit , : [c. /] R, une fonction continue donne. On dsire
approcher numriquement la quantit
_
b
a
,(r)dr.
62
5.3.1 Formules fermes.
On appelle ainsi les formules quand la fonction f est continue sur lintervalle
[c. /]. Les points dinterpolation r
i
verient c = r
0
< r
1
< ... < r
n1
<
r
n
= /.
Formule des rectangles.
La formule des rectangles est une formule dite un point r
0
= c. Le
polynme dinterpolation associ est 1
0
(r) = ,(c) et 1(r) = rc pour tout
r appartenant [c. /]. Do
1(,) 1(1
0
) = ,(c)(/ c).
Linterprtation graphique consiste donc remplacer
_
b
a
,(r)dr par laire
du rectangle de base [c. /] et de hauteur ,(c).
Formule des trapzes.
La formule des trapzes est une formule 2 points : r
0
= c et r
1
= /.
Le polynme de Lagrange associ ces deux points est 1
1
(r) = ,(c)
_
xb
ab
_
+
,(/)
_
xa
ba
_
.Do
1(,) 1(1
1
) =
_
b
a
1
1
(r)dr =
,(c) + ,(/)
2
(/ c).
Formule de Simpson.
La formule de Simpson est une formule trois points r
0
= c , r
1
=
a+b
2
et r
2
= /: . Le polynme associ ces trois points est 1
2
(r) = ,(c)1
0
(r) +
,(
a+b
2
)1
1
(r) + ,(/)1
3
(r). Notons que
1
0
(r) =
(r r
1
)(r /)
(c r
1
)(c /)
=
_
b
a
1
0
(r)dr =
(/ c)
6
.
1
1
(r) =
(r c)(r /)
(r
1
c)(r
1
/)
=
_
b
a
1
1
(r)dr =
4(/ c)
6
.
1
2
(r) =
(r r
1
)(r c)
(/ r
1
)(/ c)
=
_
b
a
1
2
(r)dr =
(/ c)
6
.
On tire donc la formule suivante:
1(,) 1(1
2
) =
(/ c)
6
_
,(c) + 4,(
c + /
2
) + ,(/)
_
.
63
Formules ouvertes.
On appelle ainsi les formules quand la fonction , est continue sur lintervalle
]c. /[. Les points dinterpolation r
i
verient c < r
0
< r
1
< ... < r
n1
<
r
n
< /.
Formule de Steensen.
Il en existe une innit.
Une 1 points avec r
0
=
a+b
2
qui donne la formule du milieu suivant:
1(,) (/ c),(
c + /
2
)
Cette formule est exacte pour tout polynme de degr 1.
Une 2 points avec r
0
=
2a+b
3
et r
1
=
a+2b
3
qui donne la formule
suivante :
1(,)
/ c
2
_
,
_
2c + /
3
_
+ ,
_
2/ + c
3
__
.
Cette formule est exacte pour tout polynme de degr 1.
Une 3 points avec r
0
=
3a+b
4
et r
1
=
a+b
2
et r
2
=
3b+a
4
qui donne la
formule suivante :
1(,)
/ c
6
_
4,
_
3c + /
4
_
+ 2,
_
c + /
2
_
2,
_
c + 3/
4
__
.
Cette formule est exacte pour tous les polynmes de degr 2.
5.3.2 Etude gnrale de lerreur commise.
Pour que les formules dintgration numrique donnes prcdement soient
intrssantes, il faut que lon puisse estimer lerreur 1(,) = 1(,) 1(1
n
)
avec prcision. Or si , est susamment drivable, on a
1(,) = 1(, 1
n
) =
_
b
a
_
1
(: + 1)!
,
(n+1)
(
x
)1(r)
_
dr.
Thorme : Supposons que 1(,) = 0 pour les polynmes de degr au plus :
et que la fonction , C
n+1
([c. /]). On dit alors que la mthode est dordre
64
: + 1. Si on pose `
n+1
= max
x2[a;b]
[ ,
(n+1)
(r) [. Une premire estimation de
lerreur est
[ 1(,) [_
1
(: + 1)!
`
n+1
_
b
a
[ 1(r) [ dr.
Thorme : En plus des hypothses du Th prcdent, on suppose que le
polynme 1(r) ne change pas de signe sur [c. /]. alors en utilisant le Th de
la moynne pour 1(,). on obtient
1(,) =
1
(: + 1)!
,
(n+1)
(j)
_
b
a
1(r)dr.
j [c. /]
En utilisant ce dernier Thorme on peut estimer les erreurs des mthodes
vues ci-dessus.
Pour la formule du rectangle on a:
1(,) = ,
0
(j)
_
b
a
(r c)dr = ,
0
(j)
(/ c)
2
2
j [c. /]
cette mthode est dordre 1.
Pour la formule du trapze on a:
1(,) =
1
2
,
00
(j)
_
b
a
(r c)(r /)dr =
,
00
(j)
12
(/ c)
3
la mthode de Trapze est dordre 2.
Pour la formule de Simpson on a:
1(,) =
,
(4)
(j)
90
_
/ c
2
_
5
.
la mthode de Simpson est dordre 4.
Exemple :
1 =
_
1
0
c
x
2
dr. c = 0.
a+b
2
=
1
2
. / = 1. ,(0) = 1. ,(
1
2
) = .7788. ,(1) =
.36788.
65
1. Rectangle: 1 ,(0) = 1.
2. Trapze: 1
_
f(0)+f(1)
2
_
= .68393.
3. Simpson: 1
1
6
_
,(0) + 4,(
1
2
) + ,(1)

= .74718.
4. La valeur de 1 5 dcimales est .74718.
5.3.3 Formules composes.
Plutt que daugmenter le degr du polynme dinterpolation, on peut obtenir
une formule dintegration en dcoupant lintervalle dintgration en sous-
intervalles et en appliquant des formules simples sur chacun des sous-intervalles.
Formule de trapze.
Si : est entier, posons
/ =
/ c
:
. r
k
= c + //. / = 0. .... :.
alors
1(,) =
_
b
a
,(r)dr =
n1

k=0
__
x
k+1
x
k
,(r)dr
_
=
n1

k=0
__
,(r
k
) + ,(r
k+1
)
2
_
/
/
3
12
,
00
(j
k
)
_
.
o j
k
[r
k
. r
k+1
] . / = 0. .... : 1
Dveloppant et regroupant les termes qui apparaissent 2 fois, on obtient
1(,) =
/
2
_
,(c) + 2
n1

k=1
,(c + //) + ,(/)
_

/
3
12
n1

k=0
,
00
(j
k
)
En appliquant le Th des valeurs intermdiaires, on peut rcrire lerreur
sous la forme
1(,) =
:/
3
12
,
00
(j) =
(/ c)
12
,
00
(j)/
2
.
66
Ceci nous donne la formule du trapze compose pour laquelle lapproximation
est donne par:
1
n
(,) =
/
2
_
,(c) + 2
n1

k=1
,(c + //) + ,(/)
_
et lerreur par
11(,) =
(/ c)
12
,
00
(j)/
2
.
Formule de Simpson compose.
Supposons maintenant que : soit pair, groupant les intervalles 2 2 et
appliquant la formule de Simpson sur [r
i
. r
i+2
], on obtient
1(,) =
/
3
_
,(c) + 4

k impair
,(c + //) + 2

k pair
,(c + //) + ,(/)
_

:
2
,
(4)
(j)
90
/
5
.
Ceci nous conduit la formule de Simpson compose pour laquelle lapproximation
est donne par
o
n
(,) =
/
3
_
,(c) + 4

k impair
,(c + //) + 2

k pair
,(c + //) + ,(/)
_
et lerreur par
1o(,) = ,
(4)
(j)
(/ c)
180
/
4
.
Exemple : Dterminer
_
1
0
c
x
2
dr.
Si : dsigne le nombre des intervalles utiliss.
: 1
n
(,) 11(,)
2 .73137 .015
4 .74298 3.84 10
3
8 .74658 9.58 10
4
16 .74676 1.39 10
4
32 .74680 5.98 10
5
Si nous dsirons obtenir 6 dcimales exactes, il nous faut dterminer / tel
que
max
01
[ ,
00
(j) [
/
2
12
_ 5 10
7
. (5.1)
67
Pour une partition rgulire r
k
= //. / =
1
n
; donc nous cherchons : tel
que
:
2
_
1
12
max
01
[ ,
00
(j) [
1
5 10
7
.
or ,
00
(r) = c
x
2
(4r
2
2) et ,
000
(r) = c
x
2
4r(3 2r
2
). Puisque ,
000
(r) ne
change pas de signe sur [0; 1] .
max
01
[ ,
00
(j) [= max [ ,
00
(0) [. [ ,
00
(1) [ = 2.
On voit que (5.1) sera satisfaite si
:
2
_
10
6
3
. : 578.
Remarque Dans le choix de la prcision demande, il faut tenir compte des
erreurs darrondi et de laccumutation des erreurs
5.4 Exercices
68
Srie integration et drivation.
Pour les problmes des exercices (5.4) et (5.4), donner des approximations
des drives dans les cas suivants:
En utilisant la formule de dirence progressive.
En utilisant la formule de dirence regressive.
En utilisant la formule de dirence centrale.
Exercice : 1
Approcher
0
(1.0) si
r = [0.8 0.9 1.0 1.1 1.2]
= [0.992 0.999 1.000 1.001 1.008]
Exercise: 2
1. Approcher
0
(4) si
r = [0 1 4 9 16]
= [0 1 2 3 4]
2. Donner une expression de lerreur de drivation en r = 4.
3. Donner une majoration de lerreur independament de r et de
x
.
Exercise : 3
Calculer
00
(2) si
r = [0 1 2 3 4]
= [0 1 4 9 16]
Exercise : 4
Calculer
_
2
0
sin
2
rdr en utilisant la formule du trapze et la formule de
Simpson. Comparer avec le rsultat exact.
Exercise : 5
Pour le problme 11 approcher l integrale:
69
1. En utilisant la formule de trapze compose avec 2 intervalles.
2. En utilisant la formule de trapze compose avec 10 intervalles.
3. En utilisant la formule de Simpson avec 2 intervalles.
4. En utilisant la formule de Simpson compose avec 10 intervalles.
11 :
_
1
0
r sin(:r)dr
Exercise : 6
En utilisant les formules destimation derreur, trouver les bornes derreur
pour le problme P1 dans les cas 1-4, puis calculer la valeur exacte de
lintegrale et comparer les erreurs exactes "1(,)" et les bornes derreurs
trouves.
1
1
S. El Bernoussi, S. El Hajji et A. Sayah
70