Beruflich Dokumente
Kultur Dokumente
S3
Cours de
Partie 1
METHODES NUMERIQUES
Mohammed Berrada
2018-2019
1
Avant –propos
2
Table des matières
➢ Cours 4
➢ Série n° 1 13
➢ Cours 16
➢ Série n° 2 23
➢ Cours 24
➢ Série n° 3 33
➢ Cours 35
➢ Série n° 4 46
➢ Cours 48
➢ Série n° 5 53
3
Résolution des équations non linéaires
1) Introduction
Nous savons trouver des solutions exactes avec des méthodes directes et
simples pour les équations polynomiales du 1°degré (𝑎𝑥 + 𝑏 = 0), du 2°degré
(a𝑥 2 + 𝑏𝑥 + 𝑐 = 0 ) ou encore les équations du type (𝑐𝑜𝑠𝑥 = 𝑎 ).
Par contre, les choses se compliquent pour la plupart des autres équations,
telles que les équations polynomiales de degré supérieur ou égale à 3 (a𝑥 3 +
𝑏𝑥 2 + 𝑐𝑥 + 𝑑 = 0 ), o les équations du type: (𝑥 − 𝑙𝑛𝑥 = 0) ou encore du type
3
: (𝑒 𝑥 − 𝑥 4 + √𝑥 + 1 = 0 ), ect..
D’abord, il n’existe pas des méthodes directes qui donnent des solutions
pour ces types d’équations, en plus les solutions trouvées ne sont pas exactes
en général, enfin les calculs sont difficiles et nous ne pouvons pas avoir une
bonne approximation de ces solutions sans utiliser un ordinateur. D’où l’utilité
des méthodes numériques.
lim 𝑥𝑛 = α
𝑛→∞
Ordre de convergence
4
➢ Si p = 2 , on parle de convergence quadratique. ;
➢ Si p = 3 , on parle de convergence cubique. ;
a) Principe de la méthode :
Considérons une fonction réelle et continue 𝑓 sur un intervalle [a, b]. Si 𝑓(𝑎)
et 𝑓(𝑏) sont de signes opposées (soit 𝑓(𝑎). 𝑓(𝑏) < 0), alors le théorème des
valeurs intermédiaires (TVI) montre que l’équation 𝑓(𝑥) = 0 possède au moins
une solution α dans [a, b]. Supposons en plus, que 𝑓 soit strictement monotone
dans [a, b] alors cette solution α est unique.
Pour cela, on construit une suite (xn)nЄΝ qui converge vers α, et telle que
x0 = 𝑎 et x1 = 𝑏.
Figure 1
5
b) Etapes de la méthode de dichotomie :
𝑎+𝑏
i) On calcule la valeur de la fonction 𝑓(x2) en x2 = , le milieu de
2
[x0 , x1]=[a,b] ;
ii) Si 𝑓(x2) = 0, alors x2 est la solution exacte de 𝑓 (c’àd α =x2 ). Ainsi, on
s’arrête ;
iii) Si 𝑓(x2) ≠ 0, on regarde le signe de 𝑓(𝑎). 𝑓(x2) :
i) Si 𝑓(𝑎). 𝑓(x2) < 0, alors 𝑓 change de signe entre 𝒂 et x2 .Par
conséquent la solution α Є [𝑎, x2], on change alors 𝒃 par x2
ii) Si 𝑓(𝑎). 𝑓(x2) > 0 , alors 𝑓 change de signe entre x2 et 𝒃 et la
solution α Є [x2 , 𝑏], on change ainsi 𝒂 par x2 ;
iv) Si α est dans l’intervalle de gauche [𝑎, x2], alors on choisit pour x3 son
𝑎+𝑥2
milieu (x3 = ) ; sinon, on choisit le milieu de l’intervalle de droite ;
2
𝑏−𝑎
→ 2n ≥
𝜀
𝑏−𝑎
→ 𝑛 𝐿𝑛(2) ≥ 𝐿𝑛 ( )
𝜀
→ 𝑛 ≥ 𝑛0
6
Où le nombre d’itération minimal 𝒏0 assurant la précision ε est donné par :
𝑳𝒏 (𝒃−𝒂)− 𝑳𝒏(𝜺)
𝑛0=E(N)+1 avec 𝑵= (3)
𝑳𝒏(𝟐)
Remarque :
7
Figure 2 :
Le nouveau point obtenu 𝑥 n+1 est ainsi plus proche de α que ne l’est 𝑥 n. On
recommence l’opération jusqu’à ce qu’on obtient la précision souhaitée.
Théorème 1
Soit f une fonction 2 fois continument dérivables (f Є C2[a, b]), telle que f’(x) ≠ 0
pour tout x Є J=[a, b]. Supposons qu’il existe un α Є ]a, b[ tel que : f(α) = 0. Alors:
i) il existe un ε>0 tel que pour tout x0 Є[α-ε, α+ε]=Jε ( càd |α-x|≤ε ), la formule
d’itération de Newton (5) commençant en x0 converge vers la racine α ;
8
On développe 𝑓 autour du point 𝑥 n . En un point 𝑥 au voisinage de la solution
approchée 𝑥 n , on écrit le développement de Taylor :
1
𝑓(𝑥) = 𝑓(𝑥 n) + (𝑥 − 𝑥 n) 𝑓’(𝑥n) + 𝑓 ‘’(𝜀 x) (𝑥 − 𝑥 n)2 où εx Є [𝑥, 𝑥 n]
2
|𝑓′′ (𝜀𝛼)|
Ou encore : |𝑒𝑛+1 | = (|𝑒𝑛 |)2 (6)
2 |𝑓′ (𝑥𝑛 )|
9
La méthode de Newton a l’avantage d’être simple et surtout de converger très
rapidement Cependant:
➢ Son 1° inconvénient est le besoin de la dérivée f’ (voir formule
(5)). Si on a une expression analytique de 𝑓, cela ne posera pas de
problème. Mais si ce n’est pas le cas, Il faudra alors évaluer
numériquement la dérivée 𝑓’, ce qui est très délicat.
➢ Le 2° inconvénient est qu’il faut s’assurer que la solution 𝛼 soit
une racine simple et non double ; càd : 𝑓(𝛼) = 0 𝑒𝑡 𝑓’(𝛼) ≠ 0.
➢ Son 3° inconvénient est qu’elle n’est que localement
convergente ( En effet, d’après le théorème 1 : elle ne converge que si on
choisit x0 suffisamment proche de α : |𝛼 − 𝑥 0| ≤ 𝜀 ). Cependant, elle peut
diverger si on commence l’itération par une valeur initiale 𝑥 0 loin de α.
Figure 3 :
10
i) Critères de convergence locale
≤ 𝐶 3 |𝑥𝑛−1 − 𝛼|4
≤⋯
𝑛+1 −1) (𝑛+1)
≤ 𝐶 (2 |𝑥0 − 𝛼|2
Comme : |𝑥0 − 𝛼| ≤ |𝑏 − 𝑎|
𝟏 𝒏
on arrive à : |𝒙𝒏+𝟏 − 𝜶| ≤ [ 𝑪 (𝒃 − 𝒂)]𝟐 𝑛 = 0, 1,2.. (8)
𝑪
11
Exemple précédent 𝑓(𝑥) = arctan(𝑥)
1 1
On a : 𝑓 ′ (𝑥 ) = → |𝒇′ (𝒙)| =
1+ 𝑥 2 1+ 𝑥 2
Pour calculer 𝒎 = min |𝑓 ′ (𝑥)| ,il faudra donc calculer la dérivée de |𝑓 ′ (𝑥)|
𝑥Є[𝑎,𝑏]
Mais dans notre cas, ce n’est pas la peine puisqu’il est clair que la valeur de
|𝒇′ (𝒙)| diminue quand 𝑥 augmente. Par conséquent :
|𝑓 ′ (𝑥)| = ⋯ … … … … … … .
𝑚 = min
𝑥Є[𝑎,𝑏]
𝑓 ′′ (𝑥) = ⋯ … … … … …
|𝑓 ′′ (𝑥)|′ = ⋯ … … … … ….
|𝑓 ′′ (𝑥)|′ = 0 → 𝑥 = ⋯ … … … … ..
√3
Donc : 𝑀 = |𝑓 ′′ ( )| = ……………..
3
2𝑚
Soit : = ⋯………
𝑀
2𝑚
Ainsi , la condition (9) : 𝑏 − 𝑎 < est vérifiée puisque : 𝑏 − 𝑎=…………………….
𝑀
3 3
Par conséquent Newton garantie la convergence pour tout 𝑥 0 Є [- , ].
4 4
Remarques :
12
procéder au calcul des termes de la suite (𝑥 n) à partir de la formule (5) et
voir s’ils ont une tendance vers une certaine valeur quand 𝑛 augmente.
13
Université Moulay Ismail Année universitaire : 2018-2019
Série n° 1
Résolution des équations non linéaires
Soit la fonction numérique d’une variable réelle définie sur [0, 4] par :
𝑓(𝑥) = 𝑥 − ln(𝑥 2 + 3) (1)
1) Montrer que l’équation 𝑓(𝑥) = 0 admet une solution unique 𝛼 dans l’intervalle 𝐼 .
2) On cherche une valeur approchée de la solution exacte 𝛼 :
a) Peut-on appliquer la méthode de Newton à la fonction 𝑓 sur 𝐼 ?
b) Si oui, donner la formule itérative de Newton : 𝑥𝑛+1 𝑒𝑛 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝑥𝑛 ;
c) En partant de 𝑥0 = 0 ; faire une seule itération par la méthode de Newton.
3) a) En étudiant le signe de la dérivée seconde 𝑓′′ sur 𝐼, choisissez un intervalle 𝐽 (𝐽 ⊂
𝐼) sur lequel on peut appliquer la proposition de convergence globale ;
b) Quelle condition doit vérifier la valeur initiale x0 pour assurer la convergence de la
méthode de Newton vers 𝛼 ?
14
π
c) En partant de x0 = 12, la convergence est-elle garantie ?
Exercice 3 :
1) Montrer que l’équation 𝑓(𝑥) = 0 admet 1 solution unique β sur 𝐼 = [−1, 0].
2) Calculer, par dichotomie, un encadrement de la solution β à la précision ε=1,25.10-1 .
3) On veut utiliser la méthode de Newton pour trouver une suite récurrente qui
converge vers β :
a) Est-ce que la méthode de Newton converge pour n’importe quel 𝑥0 choisi dans
3 3
[- 4 , 4 ]?
b) Comment doit-on choisir 𝑥0 pour assurer la convergence de la méthode de
Newton ?
Exercice 4:
15
Interpolation et Approximation
I. Position du problème
𝒑(𝒙) = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 + ⋯ … + 𝒂𝒏 𝒙𝒏 (2)
Figure 1
Le polynôme p passe par les (n+1) points (𝑥𝑖, 𝑦𝑖 ) qui sont connues. Ce qui
forme un système de (n+1) équations à (n+1) inconnues 𝒂𝟎 , 𝒂𝟏 , … . 𝒂𝒏 :
𝒂𝟎 + 𝒂𝟏 𝒙𝟎 + 𝒂𝟐 𝒙𝟐𝟎 + ⋯ … + 𝒂𝒏 𝒙𝒏𝟎 = 𝒚𝟎
{ 𝒂𝟎 + 𝒂𝟏 𝒙𝟏 + 𝒂𝟐 𝒙𝟐𝟏 + ⋯ … + 𝒂𝒏 𝒙𝒏𝟏 = 𝒚𝟏 (3)
𝒂𝟎 + 𝒂𝟏 𝒙𝒏 + 𝒂𝟐 𝒙𝟐𝒏 + ⋯ … + 𝒂𝒏 𝒙𝒏𝒏 = 𝒚𝒏
La résolution de ce système n’est pas une tâche triviale. Dans la suite, nous
présenterons une méthode plus astucieuse pour construire le polynôme 𝒑.
16
II. Formule d’interpolation de Lagrange :
1) Principe
Ce polynôme s’écrit :
𝑥 0 1 2 3
𝑦 -1 5 14 24
Tableau (1)
𝑙0 (𝑥) = ⋯ … … … … … … … … … … … … … … … … … … … … … … …
𝑥− 𝑥𝑗 (𝑥− 𝑥0 )(𝑥− 𝑥2 ) ( 𝑥− 𝑥3 )
De même : 𝑙1 (𝑥) = ∏3𝑗=0 = (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 )(𝑥1 − 𝑥3 )
𝑥1 − 𝑥𝑗
𝑗≠1
𝑙1 (𝑥) = ⋯ … … … … … … … … … … … … … … … … … … … … … … . ..
17
D’une façon analogue, on trouve :
1
𝑙2 (𝑥) = − (𝑥 3 − 4𝑥 2 + 3𝑥)
2
1
𝑙3 (𝑥) = (𝑥 3 − 3𝑥 2 + 2𝑥)
6
Soit : 𝑝3 (𝑥) = ⋯ … … … … … … … … … … … … … … … … … … ….
1 5 23
Après calcul, on trouve : 𝑝3 (𝑥) = − 𝑥 3 + 𝑥 2 + 𝑥−1
3 2 6
Remarque :
* Le polynôme 𝑝3 passe par tous les points du tableau (1) (ex : 𝑝3 (2) = 14)
de la fonction 𝑓 (via 𝑓(𝑥𝑖 )) . . Par contre, Les polynômes de base de Lagrange 𝒍𝒊 (𝒙)
ne dépendent pas de la fonction 𝑓, et ne dépendent que des valeurs d’interpolation
choisies 𝑥𝑖 (comme le montre la formule (7)). Par conséquent, pour des valeurs de 𝑥𝑖
bien déterminées, les expressions des polynômes 𝑙𝑖 (𝑥) seront identiques quelques
soient leurs images 𝑓(𝑥𝑖 ).
18
❖ Valeurs d’interpolation : 0, 1, 2 :
𝑙0 𝑙1 𝑙2
2 0 0
[L2] = ½ [−3 4 − 1] 𝑥
1 −2 1
0 2 0
[L2*] = ½ [−1 0 1]
1 −2 1
Valeurs d’interpolation : 0, 1, 2, 3 :
6 0 0 0
[L3] = 1/6 [ −11 18 −9 2
]
6 − 15 12 −3
−1 3 −3 1
0 6 0 0
[L3*] = 1/6 [−2 −3 6 −1
]
3 −6 3 0
−1 3 −3 1
❖ Valeurs d’interpolation : 0, 1, 2, 3, 4 :
24 0 0 0 0
−50 96 − 72 32 −6
[L4] = 1/24 35 − 104 114 − 56 11
−10 36 − 48 28 −6
[ 1 −4 6 −4 1]
0 0 24 0 0
2 − 16 0 16 −2
*
[L4 ] = 1/24 −1 16 − 30 16 −1
−2 4 0 −4 2
[ 1 −4 6 −4 1 ]
19
❖ Valeurs d’interpolation : 0, 1, 2, 3, 4, 5 :
120 0 0 0 0 0
−274 600 − 600 400 − 150 24
225 − 770 1070 − 780 305 − 50
[L5] = 1/120
−85 355 − 590 390 − 205 35
15 − 70 30 − 120 55 − 10
[ −1 5 − 10 10 −5 1 ]
Rappelons que, lorsqu’on substitue une fonction 𝑓 continue par son interpolant de
Lagrange 𝑝𝑛 (𝑥) aux points 𝑥0 , 𝑥1 … 𝑥𝑛 de [a, b], alors :
Ainsi, si l’erreur due à l’interpolation est nulle aux points donnés 𝑥 = 𝑥𝑖 , elle ne
l’est pas en général aux points 𝑥 ≠ 𝑥𝑖 . Afin d’améliorer la qualité d’interpolation,
nous essaierons de minimiser l’erreur 𝑒𝑛 (𝑥) commise par l’interpolation qui est
définie par : 𝒆𝒏 (𝒙) = 𝒇(𝒙) − 𝒑𝒏 (𝒙) pour tout 𝑥 Є [𝑎, 𝑏] (8)
Dans le cas où les points 𝑥0 , 𝑥1 … 𝑥𝑛 sont équirépartis dans [a, b], alors on peut
montrer que, l’erreur maximale vérifie :
A priori, nous pourrions penser que cette erreur converge vers 0 quand n→∞
1 𝑏−𝑎 𝑛+1
puisque nous avons : Lim ( ) = ⋯ …;
n→∞ 2(𝑛+1) 𝑛
Cependant, cette affirmation est souvent fausse car 𝑀𝑛+1 peut croitre très
rapidement avec . Ce phénomène est illustré dans l’exemple suivant :
4) Phénomène de Runge :
1
Considérons la fonction définie sur [-5, 5] par : 𝑓 (𝑥) =
1+ 𝑥 2
20
Figure 2
L’exemple précédent montre qu’il n’est pas recommandé de choisir des points
2𝑖
équidistants (𝑥𝑖 = −1 + 𝑜ù i = 0, 1, … . . n ) pour interpoler une fonction par
𝑛
un polynôme de Lagrange de degré 𝑛 élevé.
Chebysheff a montré que, pour un 𝑛 donné, les points 𝑥𝑖 de [a, b] (dits points de
Chebysheff) pour lesquels l’erreur 𝑒𝑛 (𝑥) est minimale sont définit par :
𝒂+𝒃 𝒃−𝒂 (𝟐𝒊+𝟏)𝝅
𝒙𝒊 = + 𝐜𝐨𝐬 𝑜ù 𝑖 = 0, 1, … . . 𝑛 (14)
𝟐 𝟐 𝟐(𝒏+𝟏)
N.B. : * Les points de Chebysheff ne sont pas équidistants, ne sont pas des entiers
relatifs en général, et ne dépendent pas non plus de la fonction à interpoler.
21
* La méthode de Chebysheff nécessite la connaissance de l’expression
analytique de la fonction à interpoler.
• Les oscillations dans la courbe de Chebysheff sont nettement plus petites que
celles dans la courbe aux points équidistants ;
• Avec les points de Chebysheff, l’erreur 𝑀𝑎𝑥 |𝑒𝑛 (𝑥)| →0 quand n→ ∞
𝑥Є[𝑎,𝑏]
• Contrairement aux points équidistants, les courbes de Chebysheff montrent que
les oscillations diminuent lorsqu’on augmente le degré n du polynôme 𝑝𝑛 .
𝒑𝒎 (𝒙) = 𝒂𝟎 + 𝒂𝟏 𝒙 + 𝒂𝟐 𝒙𝟐 + ⋯ … + 𝒂𝒎 𝒙𝒎 (21)
22
Université Moulay Ismail Année universitaire : 2018-2019
Série n° 2
Interpolation et approximation
𝑓(𝑥) = 𝑒 𝑥
1) Calculer l’interpolant de degré 2 de la fonction 𝑓 aux points d’appui
d’abscisses -1, 0 et 1 ;
2) Trouver une majoration de l’erreur dans l’intervalle [-1, 1] .
Exercice 3 :
23
Dérivation numérique
1) Approche :
Soit 𝑓 ∶ [𝑎, 𝑏] → 𝐼𝑅 une fonction continue et de dérivée 𝑓′ continue. On
rappelle la définition de la dérivée première en un point 𝑥0 :
𝑓(𝑥+ℎ)− 𝑓(𝑥)
𝑓 ′ (𝑥) = lim (1)
ℎ→0 ℎ
2) Schémas numériques :
24
En notation indicielle: 𝑓𝑖′ = (𝑓𝑝′ )𝑖 + 𝜃 (ℎ) (3)
Où 𝑓𝑖′ est la valeur exacte de la dérivée et 𝑓𝑝′ est une valeur approchée de 𝑓𝑖′
appelée la dérivée première progressive (ou décentrée avant).
𝑓𝑖+1 − 𝑓𝑖
𝑓𝑝′ (𝑥𝑖 ) = (𝑓𝑝′ )𝑖 = 𝑜ù 𝑖 = 0, 1 … 𝑛 − 1 (4)
ℎ
𝑓(𝑥𝑖 + ℎ) − 𝑓(𝑥𝑖 − ℎ)
𝑓𝑐′ (𝑥𝑖 ) =
2ℎ
𝑓𝑖+1 − 𝑓𝑖−1
Soit : 𝑓𝑐′ (𝑥𝑖 ) = (𝑓𝑐′ )𝑖 = 𝑜ù 𝑖 = 1 … 𝑛 − 1 (8)
2ℎ
Les dérivées (𝑓𝑝′ )𝑖 , (𝑓𝑟′ )𝑖 𝑒𝑡 (𝑓𝑐′ )𝑖 sont des valeurs approchées de la dérivée
exacte 𝑓𝑖′ = 𝑓 ′ (𝑥𝑖 ). Ces approximations sont dues à 2 types d’erreurs : l’erreur
de troncature et l’erreur d’arrondie. Le détail concernant l’erreur d’arrondie
sera présenté en annexe.
a) Erreur de troncature :
25
i) Différences finies progressives
1
𝑒𝑡 = |𝑓𝑖′ − (𝑓𝑝′ )𝑖 | ≤ 𝐶ℎ où C= max |𝑓 ′′ (𝑥)| (9)
2 𝑥∈[𝑥𝑖 , 𝑥𝑖 +ℎ]
Afin d’obtenir des formules de dérivation plus précises (d’ordres 3, 4, 6…) que
celles présentées ci-dessus, on utilise plusieurs nœuds voisins de 𝑥𝑖 ; on obtient:
26
iii) En utilisant la formule des différences finies centrées :
Ici (𝑓𝑐′ )𝑖 est précise à l’ordre 4, tandis que la précision de la formule (7) n’est
que d’ordre 2.
Nous pouvons montrer que, si 𝑓 est une fonction assez régulière sur [𝑎, 𝑏]
(𝑓 de classe Cn+1, si on prend des différences progressives ou rétrogrades et 𝑓
de classe Cn+2, si on prend des différences centrées) ; et si 𝑥𝑖 ∈ [𝑎, 𝑏] est donné,
alors on peut approcher la dérivée n-ième 𝑓 𝑛 (𝑥𝑖 ) par les 3 méthodes précitées.
Pour approcher 𝑓 ′′ (𝑥𝑖 ) par la méthode des différences finies centrées, on écrit :
′(
𝑓 ′′ (𝑥𝑖 ) 2 𝑓 ′′′ (𝑥𝑖 ) 3
𝑓(𝑥𝑖 − ℎ) = 𝑓 (𝑥𝑖 ) − 𝑓 𝑥𝑖 )ℎ + ℎ − ℎ + 𝜃(ℎ4 )
2! 3!
En faisant la somme des 2 égalités, on aboutit à :
𝑓(𝑥𝑖 −ℎ)−2𝑓(𝑥𝑖 )+𝑓(𝑥𝑖 +ℎ)
𝑓 ′′ (𝑥𝑖 ) = + 𝜃 (ℎ2 )
ℎ2
𝑓𝑖 − 2𝑓𝑖+1 + 𝑓𝑖+2
(𝑓𝑝′′ )𝑖 = et 𝑓𝑖′′ = (𝑓𝑝′′ )𝑖 + 𝜃 (ℎ) (16)
ℎ2
27
Notons que Pour les formules des différences finies progressives et
rétrogrades, l’erreur de troncature est d’ordre h. Par contre, la formule des
différences finies centrées est plus précise car elle est est d’ordre h2 . Nous
obtenons donc une meilleure approximation en approchant 𝑓𝑖′′ par (𝑓𝑐′′ )𝑖 .
(𝟒)
2) Dérivées numériques 3ième ( 𝒇′′′ ) et 4ième (𝒇 )
Nous regroupons dans les tableaux suivants les valeurs des coefficients des
dérivées de degrés 1 à 4 relatives aux 3 formulations précédentes :
28
d) Différences finies centrées d’ordre 4 :
(4)
(𝑓𝑐 )𝑖 = … … … … … … … … … … … … … … … … … …
(4) (4)
𝑜ù 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑒𝑥𝑎𝑐𝑡𝑒 𝑒𝑠𝑡 𝑓𝑖 = (𝑓𝑐 )𝑖 + … … ….
(4)
(𝑓𝑐 )𝑖 = … … … … … … … … … … … … … … … … … … … … … … … … … … … … ….
(4) (4)
𝑜ù 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑒𝑥𝑎𝑐𝑡𝑒 𝑒𝑠𝑡 𝑓𝑖 = (𝑓𝑐 )𝑖 + … … … … …
3) Echantillonnage quelconque :
29
III. Dérivées numériques et interpolation
1) Principe
2) Matrices de dérivation
′ −1 1 𝑦0
Soit : (𝑃𝑃′ (𝑥0)
) = ( )( ) (20)
(𝑥1 ) −1 1 𝑦1
−1 1
𝑂𝑛 𝑛𝑜𝑡𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑑𝑒 𝑑é𝑟𝑖𝑣𝑎𝑡𝑖𝑜𝑛 𝑑 ′ 𝑜𝑟𝑑𝑟𝑒 2 : D2 = ( )
−1 1
2𝑥 − 𝑥1 − 𝑥2 2𝑥 − 𝑥0 − 𝑥2 2𝑥 − 𝑥0 − 𝑥1
𝑃 ′ (𝑥 ) = 𝑦0 + 𝑦1 + 𝑦
(𝑥0 − 𝑥1 )(𝑥0 − 𝑥2 ) (𝑥1 − 𝑥0 )(𝑥1 − 𝑥2 ) (𝑥2 − 𝑥1 )(𝑥2 − 𝑥0 ) 2
−3ℎ −2ℎ −ℎ
déduisons que : 𝑃′ (𝑥0 ) = 𝑦0 + 𝑦1 + 𝑦2
2ℎ2 −ℎ2 2ℎ2
1
𝑃′ (𝑥0 ) = (−3𝑦0 + 4𝑦1 − 𝑦2 )
2ℎ
1
𝑃′ (𝑥1 ) = (−𝑦0 + 𝑦2 )
2ℎ
1
𝑃′ (𝑥2 ) = (𝑦 − 4𝑦1 + 3𝑦2 )
2ℎ 0
𝑃′ (𝑥0 ) −3 4 −1 𝑦0
1
𝑁𝑜𝑢𝑠 𝑑é𝑑𝑢𝑖𝑠𝑜𝑛𝑠 𝑞𝑢𝑒 (𝑃′ (𝑥1 )) = (−1 0 1 ) (𝑦1 ) (21)
2ℎ
𝑃′ (𝑥2 ) 1 −4 3 𝑦2
31
Ce qui nous donne une matrice de dérivation ne dépendant plus que de ℎ pour
−3 4 −1
1
N=3 points : D3= (−1 0 1)
2ℎ
1 −4 3
−11 18 −9 2
1 −2 −3 6 −1
𝐷4 = .( )
6ℎ 1 −6 3 2
−2 9 − 18 11
32
Université Moulay Ismail Année universitaire : 2018-2019
Série n° 3
Dérivation numérique
Exercice 1 (DS 2011-2012):
1
Considérons la fonction numérique d’une variable réelle 𝑓 définie sur [ ,3] par :
2
′′ ′′ ′′
valeurs des dérivées secondes 𝑓𝑝1 (ordre 1), 𝑓𝑐2 (ordre2) et 𝑓𝑐4 (ordre 4)
𝜋
en .
10
′′ ′′ ′′
3) Donner les valeurs des dérivées secondes 𝑓𝑝1 (ordre 1), 𝑓𝑐2 (ordre2) et 𝑓𝑐4
(ordre 4) en 𝑥 = 2.
4) Estimer l’erreur de troncature maximale en 𝑥 = 1.5 dans le cas de la
méthode aux différences finies progressives.
Exercice 2 :
33
Exercice 3 :
Soit la fonction numérique d’une variable réelle définie sur l’intervalle [0,3] par :
𝜋
𝑓(𝑥) = 𝑥 + 𝑐𝑜𝑠 2 ( 𝑥)
4
1) Construire le polynôme d’interpolation de Lagrange P sur 4 points de
collocations équidistants (𝑥𝑖 , 𝑦𝑖 ) de pas ℎ = 1 avec x0 = 0 ;
2) Calculer la dérivée première au point d’abscisse x0 = 2 en utilisant les
méthodes suivantes :
a) Expression analytique de 𝑓 ′ ;
b) Polynôme d’interpolation de Lagrange trouvé précédemment ;
c) Matrice de dérivation ;
d) Méthode des différences finies progressives ;
e) Méthode des différences finies centrées.
3) Donner une valeur approchée des dérivées premières et secondes au point
d’abscisse x0 = 5/2 , sans utiliser l’expression analytique de 𝑓.
Exercice 4 :
Considérons la fonction 𝑓 connue sous forme tabulée par les points suivants :
𝑥 -1 2 3 5 6
𝑦 -6 0 6 60 120
Intégration numérique
34
Formules de quadratures
Introduction
Dans les cas (i) et (iii), le recours à des techniques de calcul approchées,
comme celles que nous allons voir, est indispensable ; dans le cas (ii), ces
techniques donnent souvent des résultats plus précis que ceux obtenus par
l’emploi d’une primitive F.
35
Ainsi :
𝑏 𝑏 𝑏
𝐼 = ∫𝑎 𝑓 (𝑥) 𝑑𝑥 = ∫𝑎 ∑𝑛𝑖=0 𝑙𝑖 (𝑥) 𝑓(𝑥𝑖 ) 𝑑𝑥 + ∫𝑎 𝑒𝑛 (𝑥) 𝑑𝑥
𝑏
𝐼 = ∑𝑛𝑖=0[ ∫𝑎 𝑙𝑖 (𝑥)𝑑𝑥 ] 𝑓 (𝑥𝑖 ) + 𝐸𝑛 (𝑥)
Dans chaque intervalle [ 𝑥𝑖 , 𝑥𝑖+1 ] , on prend d points distincts 𝑥0𝑖 , 𝑥1𝑖 , … , 𝑥𝑑𝑖 .
On construit sur chaque intervalle [ 𝑥𝑖 , 𝑥𝑖+1 ] un polynôme d’interpolation de
Lagrange qu’on intègre pour obtenir une formule de quadrature composée
d’ordre d.
Définition : Une méthode d’intégration approchée est dite d’ordre d (càd que sa
formule de quadrature 𝑆(𝑓) a un degré de précision d) si elle est exacte pour tout
polynôme 𝑝𝑑 de degré inférieur à d et elle n’est pas exacte pour au moins un
polynôme 𝑝𝑑+1 de degré (d+1) .
4) Majoration de l’erreur
36
Lorsque la formule de quadrature 𝑆(𝑓) satisfait la définition précédente, il est
possible d’estimer l’erreur 𝐸 (𝑓) entre 𝐼 (𝑓) 𝑒𝑡 𝑆(𝑓). On peut montrer que si 𝑓
est assez régulière (i.e. d+1 fois continument dérivable sur [𝑎, 𝑏] ), alors, il existe
une constante C indépendante du choix des points 𝑥𝑖 telle que :
𝐸 = |𝐼 − 𝑆 𝑐 (𝑓)| ≤
𝐶ℎ𝑑+1 (3)
𝐶′ 𝑏−𝑎
Ou encore : 𝐸 ≤ ( car ℎ= ) (4)
𝑛𝑑+1 𝑛
L’inégalité (3) montre que lorsque le pas ℎ est petit, ou encore le nombre de
point n est grand), l’erreur 𝐸 est petite. Cet erreur devient d’autant plus petite
avec ℎ que l’ordre d est grand.
Dans la pratique, on obtient souvent des résultats très précis en employant
seulement des méthodes d’ordre d≤ 2 . Nous nous contentons alors d’étudier 3
de ces méthodes : la méthode des rectangles (d=0), la méthode des trapèzes
(d=1) et la méthode de Simpson (d=3).
Figure 2 :
37
On décompose [𝑎, 𝑏] en n sous- intervalles [ 𝑥𝑖 , 𝑥𝑖+1 ] de même longueur
𝑏−𝑎 𝑏−𝑎
ℎ= 𝑛
où 𝑥𝑖 = 𝑎 + 𝑖ℎ = 𝑎 + 𝑖
𝑛
(pour i=0..n).
Sur chaque [ 𝑥𝑖 , 𝑥𝑖+1 ], on approche 𝑓 (𝑥) 𝑝𝑎𝑟 𝑓 (𝑥𝑖 );
Donc :
𝑏 𝑥
𝐼 = ∫𝑎 𝑓 (𝑥)𝑑𝑥 = ∑𝑛−1
𝑖=0 (∫𝑥
𝑖+1
𝑓(𝑥)𝑑𝑥)
𝑖
𝑥𝑖+1 𝑏−𝑎
Or ∫𝑥 𝑓 (𝑥)𝑑𝑥 ≈ (𝑥𝑖+1 − 𝑥𝑖 ) 𝑓(𝑥𝑖 ) ≈
𝑛
𝑓(𝑥𝑖 )
𝑖
Puis en regroupant les approximations, 𝐼 sera approché par 𝑆 𝑐 (𝑓) donnée par :
𝑏−𝑎 𝑏−𝑎
𝐼 ≈ 𝑆 𝑐 (𝑓) = ∑𝑛−1
𝑖=0 𝑓(𝑥𝑖 ) = ( ) ∑𝑛−1
𝑖=0 𝑓(𝑥𝑖 )
𝑛 𝑛
𝑏−𝑎
𝑆 𝑐 (𝑓 ) = ( ) [ 𝑓 (𝑥0 ) + 𝑓 (𝑥1 ) + ⋯ + 𝑓 (𝑥𝑛−1 ) ]
𝑛
𝑏−𝑎
Soit : 𝑆 𝑐 (𝑓 ) = ( ) ∑𝑛−1
𝑖=0 𝑓 (𝑥𝑖 ) (8)
𝑛
𝑏−𝑎 𝑏−𝑎
𝑜𝑢 𝑒𝑛𝑐𝑜𝑟𝑒 ∶ 𝑆 𝑐 (𝑓 ) = ( ) ∑𝑛−1
𝑖=0 𝑓(𝑎 + 𝑖 ) (9)
𝑛 𝑛
La méthode de rectangles à gauche composite engendre une erreur majorée
(𝑏−𝑎)2
par: 𝐸 (𝑓) = |𝐼 (𝑓) − 𝑆 𝑐 (𝑓)| ≤ 𝑀1 où 𝑀1 = max |𝑓 ′ (𝑥)| (10)
𝑛 𝑥Є[𝑎,𝑏]
Figure 3:
38
𝑏−𝑎 𝑏−𝑎
Ou encore : 𝑆 𝑐 (𝑓 ) = ( ) ∑𝑛𝑖=1 𝑓(𝑎 + 𝑖 ) (13)
𝑛 𝑛
𝑎+𝑏
𝐼 est approchée par : 𝐼 ≈ 𝑆(𝑓) = (𝑏 − 𝑎)𝑓( ) (14)
2
Figure 4 :
𝒙𝒊 + 𝒙𝒊+𝟏
iii) Formule de quadratures composite : 𝝀𝒊 =
𝟐
𝑏 𝑥
𝐼 = ∫𝑎 𝑓 (𝑥)𝑑𝑥 = ∑𝑛−1
𝑖=0 (∫𝑥
𝑖+1
𝑓(𝑥)𝑑𝑥)
𝑖
𝐼 est approché par :
𝑏−𝑎 𝑥𝑖 +𝑥𝑖+1
𝑆 𝑐 (𝑓 ) = ( ) ∑𝑛−1
𝑖=0 𝑓( ) (16)
𝑛 2
𝑏−𝑎 𝑏−𝑎
Ou encore par : 𝑆 𝑐 (𝑓) = ( ) ∑𝑛−1
𝑖=0 𝑓(𝑎 + (2𝑖 + 1) ) (17)
𝑛 2𝑛
La méthode des points milieux composite engendre une erreur majorée (si f
est de classe C2) par :
(𝑏−𝑎)3
𝐸 (𝑓) = |𝐼 (𝑓) − 𝑆(𝑓)| ≤ 𝑀2 où 𝑀2 = max |𝑓 ′′ (𝑥)| (18)
24𝑛2 𝑥Є[𝑎,𝑏]
39
Remarque :
Figure 5 :
𝑓(𝑏)− 𝑓(𝑎)
Soit : 𝑓 (𝑥) ≈ 𝐿1 = 𝑓 (𝑎) + (𝑥 − 𝑎)
𝑏−𝑎
𝑏 𝑏
D’où : 𝐼 = ∫𝑎 𝑓 (𝑥)𝑑𝑥 ≈ ∫𝑎 𝐿1 (𝑥) 𝑑𝑥
𝑏 𝑓(𝑏)− 𝑓(𝑎) 𝑏
𝐼 ≈ 𝑓(𝑎) ∫𝑎 1 𝑑𝑥 +
𝑏−𝑎
∫𝑎 (𝑥 − 𝑎) 𝑑𝑥
𝑓(𝑏)− 𝑓(𝑎) (𝑏−𝑎)2
𝐼 ≈ 𝑓(𝑎) (𝑏 − 𝑎) +
𝑏−𝑎 2
(𝑏−𝑎)
𝐼 ≈ (𝑓(𝑎) + 𝑓(𝑏)) (19)
2
40
Sur chaque intervalle[ 𝑥𝑖 , 𝑥𝑖+1 ], on applique la formule (19) du trapèze :
𝑥𝑖+1
𝑥𝑖+1 − 𝑥𝑖
∫ 𝑓 (𝑥)𝑑𝑥 ≈ [ 𝑓 (𝑥𝑖 ) + 𝑓(𝑥𝑖+1 )]
2
𝑥𝑖
𝑏−𝑎
𝑆(𝑓) = [ 𝑓 (𝑥0 ) + 2𝑓 (𝑥1 ) + 2𝑓 (𝑥2 ) … + 2𝑓(𝑥𝑛−1 ) + 𝑓 (𝑥𝑛 )]
2𝑛
𝑏−𝑎
Soit : 𝑆(𝑓) = [ 𝑓(𝑎) + 2 ∑𝑛−1
𝑖=1 𝑓(𝑥𝑖 ) + 𝑓(𝑏)] (21)
2𝑛
𝑏−𝑎 𝑏−𝑎
ou encore: 𝑆(𝑓) = [ 𝑓(𝑎) + 2 ∑𝑛−1
𝑖=1 𝑓 (𝑎 + 𝑖 ) + 𝑓 (𝑏 )] (22)
2𝑛 𝑛
On peut montrer que, si 𝑓 ∈ 𝐶 2 [𝑎, 𝑏], l’erreur 𝐸 (𝑓) de la formule des trapèzes
composite est majorée par :
(𝑏−𝑎)3
𝐸 (𝑓) = |𝐼 (𝑓) − 𝑆(𝑓)| ≤ 𝑀2 où 𝑀2 = max |𝑓 ′′ (𝑥)| (23)
12𝑛2 𝑥Є[𝑎,𝑏]
𝑏−𝑎
Ou encore 𝐸 ≤ 𝐶ℎ2 avec 𝑘 = 𝑀2 (24)
12
On peut montrer que la méthode du trapèze est d’ordre d=1 (son erreur est
proportionnelle à hd+1 = h2 donc d=1).
𝑆(𝑓) peut être rendu aussi proche qu’on le désire de l’intégrale exacte 𝐼(𝑓)
pourvu que le pas ℎ soit choisi assez petit.
41
3. Méthode de Simpson :
Le défaut évident de la méthode des trapèzes (et a fortiori des rectangles) est
de remplacer grossièrement un arc de courbe 𝑀𝑖 𝑀𝑖+1 par le segment
[𝑀𝑖 , 𝑀𝑖+1 ] . Ce qui peut engendrer des erreurs non négligeables.
Figure 7
En développant 𝐿2 (𝑥) et en l’intégrant, on peut montrer que l’intégrale
𝑏
exacte 𝐼(𝑓) = ∫𝑎 𝑓 (𝑥)𝑑𝑥 peut être approchée à la formule de Simpson
𝑏−𝑎 𝑎+𝑏
élémentaire suivante: 𝑆 (𝑓 ) = [𝑓(𝑎) + 4𝑓( ) + 𝑓(𝑏)] (25)
6 2
Pour obtenir une valeur approchée 𝑆(𝑓) de l’intégrale exacte 𝐼 donnée par :
42
𝑏−𝑎 𝑥𝑖 +𝑥𝑖+1
𝑆 (𝑓 ) = [𝑓 (𝑎) + 2 ∑𝑛−1 𝑛−1
𝑖=1 𝑓 (𝑥𝑖 ) + 4 ∑𝑖=0 𝑓( ) + 𝑓(𝑏)) (27)
6𝑛 2
𝑏−𝑎 2𝑖+1
Soit: 𝑆 (𝑓) = [𝑓 (𝑎) + 2 ∑𝑛−1 𝑛−1
𝑖=1 𝑓 (𝑎 + 𝑖ℎ) + 4 ∑𝑖=0 𝑓(𝑎 + ℎ) + 𝑓(𝑏)) (28)
6𝑛 2
Si 𝑓 est de classe C4 sur [𝑎, 𝑏], on peut montrer que l’erreur commise en
utilisant la formule de Simpson composite est majorée en module par :
(𝑏−𝑎)5
𝐸 (𝑓) = |𝐼(𝑓) − 𝑆(𝑓)| ≤ 𝑀4 où 𝑀4 = max |𝑓 (4) (𝑥)| (29)
2880𝑛4 𝑥Є[𝑎,𝑏]
1
Ainsi, l’erreur théorique de la méthode de Simpson est proportionnelle à ,
𝑛4
1
ce qui est fort précise en comparaison de la méthode des trapèzes (∝ ) ou
𝑛2
1
celle des rectangles à droite et à gauche (∝ )
𝑛
Cas importants :
𝑥𝑖 +𝑥𝑖+1
La formule (27) suppose qu’on puisse calculer 𝑓 aux points milieux ( ).
2
Ceci n’est pas toujours le cas, surtout si 𝑓 n’est pas donnée analytiquement et
n’est donnée que par des points discrets (𝑥𝑖 , 𝑦𝑖 )(𝑖 = 0, 1, . . 𝑛). Ainsi, afin de
pouvoir appliquer la méthode de Simpson, différents cas possibles se
présentent :
Dans le cas où le nombre de points n est pair, on peut utiliser la formule (27)
de la méthode de Simpson à condition de ……………………………………………………….. :
(𝑥0 , 𝑥1 , 𝑥2 ) , (𝑥2 , 𝑥3 , 𝑥4 )..etc. Ainsi, le milieu de chaque intervalle [ 𝑥𝑖 , 𝑥𝑖+2 ] sera
𝑥𝑖 +𝑥𝑖+2
(𝑥𝑖+1 = ) (𝑖 = 0, 1. . 𝑛 − 2) et l’image par 𝑓 au point milieu 𝑥𝑖+1 est connue.
2
43
𝑏−𝑎 𝑁−2
𝑆 (𝑓 ) = [ 𝑓(𝑎) + 4∑𝑁−1
𝑖 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 𝑓 (𝑥𝑖 ) + 2 ∑𝑖 𝑝𝑎𝑖𝑟 𝑓 (𝑥𝑖 ) + 𝑓 (𝑏)] (31)
3𝑁
𝑖=2
ii) Cas où le nombre de points donnés n est pair (càd: nb de pas N impairs) :
Dans ce cas, deux sous cas se présentent :
Exemple :
𝜋/2
Calculons une valeur approchée de 𝐼 = ∫0 𝑓 (𝑥)𝑑𝑥 en utilisant les
méthodes de trapèze et de Simpson dans le cas où 𝑓 est définit par le tableau
suivant :
n= …… ; a=………. ; b=… … … ; 𝑏 − 𝑎 = ⋯ … … .. ; ℎ = ⋯ … … … … ..
44
𝜋/2
𝐼 = ∫0 𝑓 (𝑥)𝑑𝑥 ≈ 𝑆(𝑓) où 𝑆(𝑓) est donnée par :
𝑏−𝑎
𝑆(𝑓) = [ 𝑓 (𝑎) + 2 ∑𝑛−1
𝑖=1 𝑓 (𝑥𝑖 ) + 𝑓 (𝑏)]
2𝑛
𝑆(𝑓) = … … … … … … … … … … … … … … … … … … … … … … … … … … … … … ….
b) Méthode de Simpson :
La formule (5) donne :
𝑏−𝑎
𝑆 (𝑓 ) = [ 𝑓(𝑎) + 4∑𝑁−1
𝑖 𝑖𝑚𝑝𝑎𝑖𝑟𝑒 𝑓 (𝑥𝑖 ) + 2 ∑
𝑁−2
𝑖 𝑝𝑎𝑖𝑟 𝑓(𝑥𝑖 ) + 𝑓 (𝑏)]
3𝑁
(𝑠𝑎𝑢𝑓 𝑎 𝑒𝑡 𝑏) 𝑖=2
(𝑠𝑎𝑢𝑓 𝑎 𝑒𝑡 𝑏)
𝑆 (𝑓 ) = ⋯ … … … … … … … … … … … … … … … … … … … … … … … … … … … … …
On peut remarquer que les points (𝑥𝑖 , 𝑦𝑖 ) du tableau sont les points d’appui
de la fonction f(x) = ………… . La valeur exacte de l’intégrale est alors donnée par
𝐼 = ⋯…………………………………
45
Université Moulay Ismail Année universitaire : 2018-2019
Série n° 4
Intégration numérique
Exercice 1 :
3
Donner une valeur approchée de l’intégrale 𝐼 = ∫2 √1 + 𝑥 3 𝑑𝑥 avec une
subdivision régulière à n=4 intervalles, en utilisant :
1) En prenant 6 points équidistants sur l’intervalle [0, 5], donner une valeur
5 𝑥
approchée de l’intégrale : 𝐼 = ∫0 𝑥𝑒 4 𝑑𝑥 en utilisant :
a) La méthode des trapèzes;
b) La méthode de Simpson (choisir une des 2 méthodes présentées en cours);
2) En calculant analytiquement l’intégrale 𝐼, trouver sa valeur exacte et la
comparer aux résultats obtenus ;
46
3) En approchant l’intégrale 𝐼 par la méthode des trapèzes en utilisant une
subdivision régulière à n=5 intervalles, déterminer une borne supérieure de
l’erreur d’intégration de 𝐼.
Exercice 5 :
3 𝑑𝑥
On approche l’intégrale : 𝐼 = ∫0 par la méthode des points milieux en
1+𝑥
utilisant une subdivision régulière à n intervalles.
1) Déterminer une borne supérieure pour l’erreur d’approximation si on utilise
n=10 et n=100 intervalles.
2) Quelle doit être la valeur minimale de n pour que l’erreur d’approximation
soit majorée par 10−3 .
Exercice 6 :
𝜋
Pour calculer une valeur approchée de on utilise la relation :
4
1
𝜋 𝑑𝑥
= ∫ 2
4 0 1+𝑥
On approche l’intégrale précédente en utilisant une subdivision régulière à n
intervalles. Quel doit être la valeur minimale de n pour obtenir une valeur
𝜋
approchée de à 10−3 près en utilisant :
4
1) La méthode du point milieu ;
2) La méthode des trapèzes ;
3) La méthode de Simpson.
Exercice 2 :
𝜋
A l’aide d’une méthode numérique, nous avons calculé : 𝐼 = ∫0 𝑠𝑖𝑛𝑥 𝑑𝑥 2
47
Résolution des équations différentielles
I. Introduction
Parmi les diverses techniques de calcul, il y a les méthodes à pas libres (xi+1
est fonction de xi uniquement) et les méthodes à pas liés (xi+1 est fonction de
xi−1 , xi , xi+1 …).
1) Méthode d’Euler
48
y(x1 ) = y(x0 + h) = y(x0 ) + hy ′ (x0 ) + θ (h2 ) (3)
Figure 1 :
y2 = y1 + hf(x1 , y1 ) (6)
49
• Précision de la méthode d’Euler
Définition :
NB :
➢ La méthode d’Euler est donc du 1er ordre puisqu’elle s’exprime sous la
forme |en | ≤ k h (ainsi p=1) ;
∫ y ′ dx = ∫ f(x, y) dx
xi xi
x x
Soit : [ y(x) ]xi+1
i
= ∫x i+1 f(x, y) dx
i
x
On obtient : y(xi+1 ) − y(xi ) = ∫x i+1 f(x, y) dx (14)
i
50
∗
yi+1 par (15), après avoir remplacé yi+1 au membre de droite par yi+1 . Ainsi, la
méthode de Heun s’écrit :
K1 = f(xi , yi )
∗
{ K 2 = f(xi+1 , yi+1 ) = f(xi + h , yi + hK1 ) (17)
h
yi+1 = yi + (K1 + K 2 )
2
K1 = f(xi , yi )
h h
{K 2 = f (xi+1 , yi+1 ) = f (xi + , yi + K1 ) (19)
2 2 2 2
yi+1 = yi + h K 2
Les méthodes de Heun et d’Euler modifiée sont des cas particuliers dans la
famille des méthodes de Runge-Kutta d’ordre 2.
4) Méthodes de Runge-Kutta d’ordre 4 (RK4)
h
yi+1 = yi + (K1 + 2K 2 +2 K 3 + K 4 ) (20)
6
51
K1 = f(xi , yi )
h h
K 2 = f (xi + , yi + K1 ) (21)
2 2
h h
K 3 = f (xi + , yi + K 2 )
2 2
K 4 = f(xi+1 , yi + h K 3 ) (où xi+1 = xi + h )
Exemple :
52
Université Moulay Ismail Année universitaire : 2018-2019
Série n° 5
Equations différentielles
Exercice 1 :
Exercice 2 :
1) Montrer que l’équation (1) admet, dans IR, une solution analytique de la
forme ; 𝑦 = √𝑎𝑥 + 𝑏
2) Trouvez les solutions approchées de l’équation (1) en 𝑥1 = 0,3 en utilisant :
a) La méthode d’Euler ;
b) La méthode de Heun (RK2) ;
c) La méthode de Runge-Kutta d’ordre 4 (RK4).
3) Comparer les résultats avec la solution exacte.
53
Exercice 3 :
𝑦 ′ = 1 + (𝑦 − 𝑡)2
(E) { 1
𝑦 (0) =
2
1
1) Montrez que la fonction 𝑦(𝑡 ) = 𝑡 + est la solution de (E).
2−𝑡
2) Calculer une solution approchée de l’équation (1) sur l’intervalle [0 ; 0,3] avec
un pas h=0,1 en utilisant :
a) La méthode d’Euler ;
b) La méthode de RK2 ;
54
Université Moulay Ismail Année universitaire : 2015-2016
Série n° 6
Système d’équations linéaire
3𝑥 + 2𝑦 + 𝑧 = 10
{ 5𝑥 − 6𝑦 + 𝑧 = −4
−4𝑥 + 2𝑦 + 𝑧 = 3
1) Méthode de Jordan ;
2) Méthode de Gauss.
𝟎 𝟑 𝟐 𝟑 𝒙
𝑨 = (𝟒 𝟐 −𝟏), 𝑩 = (−𝟏), 𝑿 = ( 𝒚)
𝟏 𝟎 𝟗 𝟎 𝒛
3) En exigeant une précision ԑ de 10−3 et en supposant que les 10° et 11° vecteurs
0.011 0.01
itérés sont 𝑋10 = (0.003) 𝑒𝑡 𝑋11 = (0.005) ; est-ce que la condition d’arrêt, par la
0.002 0.003
méthode de convergence absolue, est vérifiée ?
55
Exercice 3: On considère le système linéaire suivant 𝑨𝑿 = 𝑩 où :
𝟐 𝟎 𝟏 𝟏 𝒙
𝑨 = (−𝟏 𝟓 𝟑), 𝑩 = (𝟐), 𝑿 = (𝒚)
𝟎 𝟏 𝟒 𝟑 𝒛
1
3) Calculer les 3 premiers vecteurs itérés 𝑋1 , 𝑋 2 𝑒𝑡 𝑋 3 en prenant 𝑋 0 = (1).
1
𝑥 + 2𝑦 − 𝑧 = 1
{ 2𝑥 + 5𝑦 − 3𝑧 = 2 où m est un paramètre réel.
2𝑥 + 𝑦 + 𝑧 = 𝑚
56
Université Moulay Ismail Année universitaire : 2015-2016
Série n° 7
Inverse d’une matrice
1 2 3 4
5 6 7 8
Exercice 1: On considère la matrice suivante A : 𝐴 = ( )
2 −1 1 3
−1 2 1 2
3 0 −1 1 𝑥
𝐴 = (2 5 1 ), 𝐵 = (5), 𝑋 = (𝑦)
1 2 7 0 𝑧
1 2 3 1 0 2
𝐴 = (−1 1 1) 𝑒𝑡 𝐵 = (0 1 1)
2 3 4 2 2 0
57
3 2 1
Exercice 4: Calculer l’inverse de la matrice suivante : 𝐵 = ( 5 −6 1) en
−4 2 1
utilisant :
1) La méthode de Jordan ;
2) La méthode de Gauss.
0 3 2 3 𝑥
𝐴 = (4 2 −1), 𝐵 = (−1), 𝑋 = (𝑦 )
1 0 𝑚2 0 𝑧
58