Smi Sma

Analyse Numrique : SMA-SMI S4
Cours, exercices et examens
Boutayeb A, Derouich M, Lamlili M et Boutayeb W.
Table des matires

1
Rsolution numrique de systmes linaires AX = B
1.1
Mthodes directes de rsolution de AX=B . . . . . . . . . . . . . . . .
1.1.1
Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1.2
Mthode de Gauss(avec et sans pivot) . . . . . . . . . . . . . .
1.1.3
Factorisation LU . . . . . . . . . . . . . . . . . . . . . . . . . .
10
1.1.4
Factorisation de Choleski (matrice symtrique) . . . . . . . . .
13
1.1.5
Factorisation de Householder (matrice unitaire ) . . . . . . . .
14
Mthodes indirectes de rsolution de AX=B . . . . . . . . . . . . . . .
15
1.2.1
Quelques rappels sur les matrices . . . . . . . . . . . . . . . .
15
1.2.2
Mthodes classiques(Jacobi, Gauss Seidel, Relaxation) . . . .
15
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
19
1.2
1.3
2
Approximations des solutions de lquation f ( x) = 0
22
2.1
Rappels et notations . . . . . . . . . . . . . . . . . . . . . . . . . . . .
22
2.2
Mthode de Newton : . . . . . . . . . . . . . . . . . . . . . . . . . . .
27
2.3
Mthode de Newton modifie : . . . . . . . . . . . . . . . . . . . . . .
29
2.4
Mthode de dichotomie : . . . . . . . . . . . . . . . . . . . . . . . . .
29
2.5
Mthode de fausse position ( Regula Falsi) : . . . . . . . . . . . . . .
31
2.6
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
32
Inroduction linterpolation
36
3.1
Rappel et dfinitions . . . . . . . . . . . . . . . . . . . . . . . . . . . .
36
3.2
Interpolant de Lagrange . . . . . . . . . . . . . . . . . . . . . . . . . .
36
3.3
Interpolant de Newton . . . . . . . . . . . . . . . . . . . . . . . . . . .
38
3.4
Existence et Unicit de linterpolant . . . . . . . . . . . . . . . . . . .
41
3.4.1
Interpolation linaire . . . . . . . . . . . . . . . . . . . . . . . .
42
3.5
Erreur dinterpolation . . . . . . . . . . . . . . . . . . . . . . . . . . .
43
3.6
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
44
Intgration numrique
46
4.1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
46
4.2
Approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
47
4.2.1
Approximation par des rectangles gauche . . . . . . . . . . .
48
4.2.2
Approximation par des rectangles droite . . . . . . . . . . .
49
4.2.3
Approximation par des rectangles mdians . . . . . . . . . . .
50
4.2.4
Approximations par des trapzes . . . . . . . . . . . . . . . . .
51
4.2.5
Formule de Simpson . . . . . . . . . . . . . . . . . . . . . . . .
52
Interpolation et Erreur dintgration numrique . . . . . . . . . . . .
53
4.3.1
Interpolation linaire et la formule du trapze : . . . . . . . . .
53
4.3.2
Formule du trapze compose . . . . . . . . . . . . . . . . . .
53
4.3.3
Erreur de la formule de Simpson . . . . . . . . . . . . . . . . .
54
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
54
4.3
4.4
5
Analyse numrique des quations differentielles ordinaires (e.d.o)
56
5.1
Rappels sur les quations differentielles ordinaires (e.d.o) . . . . . .
56
5.2
Systmes linaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
57
5.3
Notions de stabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
58
5.4
Systme dquations aux differences linaires avec cofficients constants 60
5.5
Mthodes numriques pour les problmes de condition initiale . . .
61
5.5.1
Convergence . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
5.5.2
Consistance . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
62
5.5.3
Stabilit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
63
5.5.4
Mthode dEuler . . . . . . . . . . . . . . . . . . . . . . . . . .
64
5.5.5
Mthodes de Taylor dans le cas scalaire . . . . . . . . . . . . .
66
5.5.6
Mthodes de Runge-Kutta (R.K) dans le cas scalaire . . . . . .
67
5.5.7
Mthodes de Runge-Kutta explicites . . . . . . . . . . . . . . .
67
Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
72
5.6
6
Examens
77
6.1
F.S.O Session ordinaire 2012-2013 (Dure : 1h30) . . . . . . . . . . . .
77
6.2
F.S.O Session Rattrapage 2012-2013 (Dure : 1h30) . . . . . . . . . . .
79
6.3
F.S.O Session ordinaire 2011-2012 (Dure : 1h30) . . . . . . . . . . . .
81
6.4
F.S.O Session de rattrapage 2011-2012 (Dure : 1h30) . . . . . . . . . .
83
6.5
F.S.O Session ordinaire 2010-2011 (Dure :1h30) . . . . . . . . . . . . .
85
6.6
F.S.O Session Rattrapage 2010-2011 (Dure : 1h30) . . . . . . . . . . .
87
6.7
F.S.O Examen 2009-2010 . . . . . . . . . . . . . . . . . . . . . . . . . .
89
6.8
F.S.O Session ordinaire 2008/2009
91
. . . . . . . . . . . . . . . . . . . .
6.9
6.10
6.11
6.12
6.13
F.S.O Session rattrapage 2008-2009 . . . . . . .

F.S.O Session ordinaire 2007-2008(Dure : 1h30)
F.S.O Examen blanc 2007-2008 . . . . . . . . . .
F.S.O Devoir faire chez soi 2007-2008 . . . . .
F.S.O Session ordinaire Janvier 2003 . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
93
94
96
98
99
Table des figures

2.1
2.2
2.3
la solution est x = 1.3652 . . . . . . . . . . . . . . . . . . . . . . . . .

f ( 1) . f ( 2) < 0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x = 2.7133 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
29
31
32
3.1
3.2
Interpolation de Newton . . . . . . . . . . . . . . . . . . . . . . . . .
Interpolation de Lagrange . . . . . . . . . . . . . . . . . . . . . . . .
41
44
4.1
4.2
4.3
Approximation par des rectangles gauche . . . . . . . . . . . . . . .

Approximation par des rectangles droite . . . . . . . . . . . . . . . .
Approximation par des rectangles mdians . . . . . . . . . . . . . . .
49
50
51
Chapitre 1
Rsolution numrique de systmes

linaires AX = B
1.1 Mthodes directes de rsolution de AX=B
1.1.1 Exemples
1. Rsoudre( S) :
x1 x2 = 0 L 1
x1 + x2 = 2 L 2
Par substitution
L 1 x1 = x2
L2 2x1 = 2 x1 = 1 x2 = x1 = 1
Par combinaison de lignes
L 1 x1 x2 = 0
L2 = L2 L1 2x2 = 2 0 = 2 x2 = 1 = x1
Par Inversion de
! la matrice
!
1 1
x1
( S)
=
1 1
x2
0
2
1 t
1
det A = 2; A1 =
comA =
det A
2
AX = B
1 1
1 1
1
Si A1 existe
alors X =A B
!
!
1
1
0
x1
=
= 21 21
2
x2
2 2
par mthode de Cramer
1
1
4x1 + 15x2 + 3x3 17x4 = 18 L1
+13x2 + 5x3 + 4x4 = 0 L2

2. Rsoudre ( S ) :
2x3 + 5x4 = 8 L3
7x4 = 14 L4

4 15 3 17
x1
18

0 13 5
x2 0
4
( S)
=
5
x3 8
0 0 2
0 0
0
7
x4
14
Rsolution par remonte ( en commenant par x4)
14
=2
L 4 x4 =
7
( 8 5 2)
L 3 x3 =
=1
2
( 0 4 2 5 1)
= 1
L 2 x2 =
13
(18 + 17 2 3 1 + 15 1)
L 1 x1 =
=7
4
3. Systme triangulaire : cas gnral
u11 x1 + u12 x2 + + u1n xn

= b1 L1
u22 x2 + + u2n xn
=
b2 L2
ST ) :
..
unn xn = bn Ln
On suppose que ukk 6= 0 k = 1, , n
bn
xn =
unn
xn1 = (bn1 unn bn )/un1n1
x1
x2
.
xn
b1
b2
.
bn
j= n
xi = (bi j=i+1 ui j b j )/uii i = n 1, ....1
Algorithme de rsolution pour UX = B

bn
xn =
unn
Pour i = n 1 1
xi = bi
Pour j = i + 1 n
Fin j
xi = xi u i j x j
Fin i
Remarques 1.1.1. Remarques :
1. La matrice U est dite triangulaire suprieure. Elle est inversible si tous les
termes diagonaux sont non nuls et det U = u11 u22 unn
6
2. La matrice triangulaire infrieure se traite de faon similaire

3. le nombre doprations ncssaires est :
n ( n 1)
n ( n 1)
multiplications,
additions et n divisions soit au total n2 oprations
2
2
1.1.2 Mthode de Gauss(avec et sans pivot)

Elle consiste ramener un systme linaire de la forme AX = B ( A avec matrice
pleine) un systme de la forme UX = D puis rsoudre ce dernier.
Exemple 1.1.1. Rsoudre
Etape1:
Etape2:
Do : x3 =
3x1 + 5x2 + 2x3 = 8 L1
(S ) :
0x1 + 8x2 + 2x3 = 7 L2
6x1 + 2x2 + 8x3 = 26 L3

(1)
3x1 + 5x2 + 2x3 = 8 L1 = L1

(1)
0 + 8x2 + 2x3 = 7 L2 = L2
(1)
0 8x2 + 4x3 = 10 L3 = L3 2L1
(1)
3x1 + 5x2 + 2x3 = 8 L1 = L1
(1)
0 + 8x2 + 2x3 = 7 L2 = L2
(2)
(1)
(1)
0 + 0 + 6x3 = 3 L3 = L3 + L2
1
, x2 = (7 2x3 )/8 = 1 et x1 = (8 2x3 5x2 )/3 = 4
2
Mthode de Gauss sans pivot (cas gnral)
(0)
(0)
(0)
(0)
a11 x1 + a12 x2 + a13 x3 + + a1n xn
a( 0) x1 + a( 0) x2 + a( 0) x3 + + a( 0) xn
2n
23
22
21
( S0 )
..
a( 0) x + a( 0) x + a( 0) x + + a( 0) x
n1
n2
n3
(0)
b1
(0)
b2
..
.
(0)
= bn
(0)
(0)
Etape1 : On suppose a11 6= 0 et on pose mi1 =

(0)
nn
=
=
..
.
(1)
(0)
ai1
(0)
a11
(0)
On remplace la ligne Li par Li = Li mi1 L1 pour i = 2, 3, , n

(1)
(0)
(0)
(1)
(0)
(0)
ai j = ai j mi1 a1 j i, j = 2, 3, ; n et bi = bi mi1 b1 i = 2, 3, ; n
7
On obtient alors le systme ( S1 ) suivant :
(0)
(0)
(0)
(0)
a11 x1 + a12 x2 + a13 x3 + + a1n xn
(1)
(1)
(1)
0 + a22 x2 + a23 x3 + + a2n xn

( S1 )
..
(1)
(
1
)
(
1
)
0 + an2 x2 + an3 x3 + + ann xn

Etape2 : A nouveau, on suppose
(1)
(1)
a22
6= 0 et on pose mi2 =
(2)
(1)
(0)
=
=
..
.
b1
(1)
b2
..
.
(1)
= bn
(1)
ai2
(1)
a22
(1)
On remplace la ligne Li par Li = Li mi2 L2 pour i = 3, , n

(2)
(1)
(1)
(2)
(1)
(1)
ai j = ai j mi2 a2 j i, j = 3, , n et bi = bi mi2 b2 i = 3, , n
On obtient alors le systme ( S2 ) suivant :
(0)
(0)
(0)
(0)
a11 x1 + a12 x2 + a13 x3 + + a1n xn
(1)
(1)
(1)
0 + a22 x2 + a23 x3 + + a2n xn

( S2 ) :
..
(2)
(2)
0 + 0 + an3 x3 + + ann xn
=
=
..
.
(0)
b1
(1)
b2
..
.
(2)
= bn
(1)
En supposant qu chaque tape on a akk 6= 0 , on poursuit la la transformation

jusq lobtention dun systme triangulaire :
( Sn1 ) :
(0)
(0)
(0)
(1)
(1)
(0)
a11 x1 + a12 x2 + + a1n xn = b1

0 + a22 x2 + + a2n xn
..
.
(n1)
0 + 0 + 0 + + 0 + ann
(1)
=
..
.
b2
..
.
(n1)
xn = bn
On obtient alors la solution en commenant par : xn =
(n1)
bn
(n1)
ann
Ecriture matricielle :
tape 0 :
A (0)
=A=
(0)
a11
(0)
a1n
(0)
a12
(0)
a1n
(0)
ann
(0)
b1
(0)
bn
, xn1 , ,x1
tape 1 : A(1)
(0)
(0)
a11
0
=
0
tape n-1 : A(n1)
a12
(1)
a22
(1)
an2
(0)
a12
(1)
a22
(0)
a11
=
0
0
0
(0)
b1
a2n
(1)
b2
..
.
mn1
(1)
(1)
bn
(n1)
ann
Mk =
(0)
(0)
a1n
(1)
a2n
(1)
ann
Matrices lementaires de Gauss

Soient
les matrices
1
m21 1 0
M1 =
..
.
.
0 ..
(0)
a1n
b1
(1)
b2
..
.
(n1)
bn
1
0
0
..
.
..
.
0
..
0
1
.
mk+1k . .
..
.
..
mk+1k
en posant ek = (0, , 1, 0, , 0) et mk = (0, , 0, mk+1k , , mnk ) ,

on obtient Mk = I mk e
k et on vrifie facilement que Mk est inversible et que
1
Mk = I + m k e k .
On montre alors que :
Etape 1 : A(1) = M1 A(0)
Etape k : A(k) = Mk A(k1) = Mk Mk1 M2 M1 A(0)
Etape n-1 :U = A(n1) = Mn1 M2 M1 A(0)
Remarque 1.1.1. :
( k 1)
( k 1)
Le procd suppose que tous les akk
6= 0. Si une tape k on a akk
=0
( k 1)
et sil ya au moins un des aik
6= 0 (i = k + 1, .n) on permute les lignes k et i
et on continue, sinon a voudrait dire que la matrice A nest pas inversible.
En utilisant la mthode de Gauss sans pivot, le nombre doprations ncssaires
2
3
7
au calcul de la solution deAX = B est gal : n3 + n2 n
3
2
6
n(n 1)(2n + 5)
n(n 1)(2n + 5)
additions ,
multiplications
dont
6
6
n ( n + 1)
divisions.
et
2
La mthode de Cramer ncssite environ n(n + 1)!oprations.
Par exemple
9
N
Gauss
Cramer
10
62
480
115
3600
805
399168000
Mthode de Gauss avec pivot

Exemple 1.1.2. Soit rsoudre le systme
(
1010 x1 + x2 = 0
x1 x2 = 0
La solution thorique est x1 = x2 = 1/(1 + 1010 ) 1. Cependant, la rsolution
du systme par la mthode de Gauss donne des rsultats diffrents selon quon
lapplique avec ou sans pivot.
i) Si on applique la mthode de Gauss sans pivot on obtient
(1)
m21 =
et
( S2 )
a21
(1)
a11
1
= 1010
1010
1010 x1 + x2
=0
10
(1 10 ) x2 = 1010
qui donne pour solution approche x1 1 et x2 0.

ii) Si on adopte la stratgie du pivot partiel qui consiste mettre en premire
ligne celle dont le coefficient de x1 est le plus grand en module alors on permute les lignes pour obtenir le systme
(
x1 x2 = 0
( S1 )
10
10 x1 + x2 = 0
1010
= 1010 et qui conduit la solution approche :
Pour lequel m21 =
1
x2 1 et x1 = x2 .
( k 1)
La mthode de Gauss avec pivot consiste choisir ltape k : akk
tel que

( k 1)
( k 1)
akk = max aik
k i n
1.1.3 Factorisation LU
Thorme 1.1.1. :
( k 1)
Si tous les akk
6= 0 alors la matrice A peut-etre dcompose sous la forme A = LU
(
n
1
)
o U = A
est une matrice triangulaire suprieure
1 1
et L = M1 M2 Mn1 1 est une matrice triangulaire infrieure
10
Preuve :
1. Mk est inversible car det Mk = 1 pour k = 1, , n 1
2. Mk1 est de la forme de Mk en changeant les les termes mik en mik , i =
k + 1, , n
3. ( Mn1 Mn2 M1 )1 = M11 M21 Mn1 1
4. Le produit M11 M21 Mn1 1 est une matrice triangulaire infrieure
1
0
m21
1
0
5. L =
0

m31 m32 1
1
0

mn1 mn2 mnn1 1
Thorme 1.1.2 (Condition suffisante de la factorisation LU).
Soit A une matrice carre dordre n telle que toutes les sous-matrices dordre k (k
n) soient inversibles, alors il existe une matrice triangulaire infrieure L avec lii = 1 et
une matrice triangulaire suprieure U telles que A = LU. De plus, cette factorisation est
unique.
Preuve :
Si a11 6= 0, la matrice a11 (dordre 1) est inversible, donc on peut choisir la matrice
de permutation gale lidentit et appliquer la mthode de Gauss sans pivot la
premire tape. Supposons quon ait pu choisir toutes les matrices de permutation
gales lidentit jusqu ltape k, il sensuit que
A ( k ) = Mk 1 Mk 2 M1 A =
i= 1
Mi A.
i= k 1
Avec
( k)
a11
Ak =
..
.
( k)
akn
..
..
.
.
( k)
ann
akk
..
.
ank
11
( k)
( k)
1
..
..
.
..
.
1
..
.
..
( k)
( k)
a11 a1k
.
..
..
.
B
k
(k)
( k)
ak1 akk
..
..
..
..
.
.
.
.
( k)
( k)
1
an1 ank
( k)
akn
..
.
( k)
ann
en crivant A sous forme de blocs et en effectuant le produit matriciel par blocs, on

(1)
( k)
obtient a11 akk = det( Bk ).
( k)
( k)
Comme det( Bk ) 6= 0 on a akk 6= 0 et par suite on peut choisir akk comme pivot et
poursuivre le procd.
Unicit
Supposons quil existe L1 , L2 , U1 et U2 telles que A = L1 U1 = L2 U2 , comme L2 et
1
1
U1 sont inversibles alors L
2 L 1 = U2 U1 .
1
1
Ce qui impose L
2 L 1 = U2 U1 = I et donc L 1 = L 2 et U1 = U2 .
Exemple 1.1.3. Rsoudre
( S )
x1 + x2 + 2x3 = 2
3x1 x2 + x3 = 6
x1 + 3x2 + 4x3 = 4
1 1 2
Donc A = 3 1 1
1 3 4
1 0 0
1 0 0
on a M1 = 3 1 0 , = M11 = 3 1 0
1 0 1
1 0 1
1 0 0
1 0 0
On a M2 = 0
1 0 , = M21 = 0 1 0
0 1 1
0 1 1
1 0 0
1 1 2
Donc U = M2 M1 A = 0 2 7 et L = M11 M21 = 3 1 0

1 1 1
0 0 5
Rsoudre AX = B revient rsoudre LUX = B quon rsoud en 2 tapes :
1. LY = B donne y1 = 2 ; y2 = 6 + 3 y1 = 12 et y3 = 4 y1 y2 = 10
2. UX = Y donne x3 =
10
12 14
= 2 ; x2 =
= 1; x1 = (2 4 + 1) = 1
5
2
12
1.1.4 Factorisation de Choleski (matrice symtrique)

Thorme 1.1.3. Si A est une matrice symtrique, dfinie positive, il existe (au moins)
une matrice relle triangulaire infrieure L telle que A = LL .
Si de plus on impose aux lments diagonaux de L dtre strictement positifs, alors la factorisation est unique.
Preuve :
Remarquons dabord que si A est dfinie positive, alors toutes les sous-matrices
dordre k sont inversibles. Le thorme 1.1.2 permet daffirmer lexistence de deux
matrices L et U telles que A = LU. Ce que nous cherchons ici cest de factoriser en
utilisant une seule matrice L. Raisonnons par rcurrence sur n.
Si k = 1, A = a11 > 0 donc a11 = a11 . a11 .

Supposons quon ait pu factoriser jusqu lordre k 1 et soit Ak une matrice dordre
k alors Ak peut scrire :
Ak =
A k 1 v
v akk
avec Ak1 = Lk1 L

k 1 .
Considrons alors la matrice Lk obtenue partir de Lk1 et telle que :

Lk =
L k 1 l
l lkk
Le produit matriciel Lk L
k donne :
Lk L
k =
L k 1 l
L k 1 L
k 1
2
l Lk1 l l + lkk
Par identification on obtient :

L k 1 l = v
L k 1 L
k 1
2
l l + lkk
(1.1.1)
= A k 1
(1.1.2)
= akk
(1.1.3)
i) Lquation (1.1.1) permet alors de rsoudre un systme et dobtenir la solution qui est le vecteur l.
ii) Lquation (1.1.3) permet dobtenir la dernire inconnue du problme, savoir
p
lkk = akk l l et on peut choisir lkk > 0.
Exemple 1.1.4. Soit A la matrice de Hilbert dordre 6, la factorisation de Choleski

13
est donne par A = LL o
1 0.5 0.33 0.25 0.2

0.16
0 0.28 0.28 0.25 0.23

0.2
0
0
0.07 0.11 0.12
0.13
L=
0
0
0
0.01 0.03
0.05
0
0
0
0
0.004 0.01
0
0
0
0
0
0.0012
Remarque 1.1.2. Limplmentation de lalgorithme Choleski est donne par la fonction

Matlab choleski
1.1.5 Factorisation de Householder (matrice unitaire )

Soit P0 = I 20
0 une matrice lmentaire de Householder avec
0 0 = 1.
(1.1.4)
On cherche une matrice unitaire P0 telle que

P0 a = ke1 ,
(1.1.5)
pour tout vecteur a = ( a1 , , an ) , avec k R et e1 = (1, 0, , 0) .

P0 est orthogonale cest dire P0 P0 = I et par suite, on doit avoir

a P0 ( P0 a) = k2 = a a.
1/ 2
Soit k = a a
, les quations (1.1.4) et (1.1.5) donnent :
P0 a = a 20 0 a = ke1 et parsuite 20
0 a = ke1 + a = v, si on pose = 20 a.
2
On obtient 0 = v, et comme on cherche 0 tel que

0 0 = 1, il vient : = v v.
2
vv
Par suite P0 = I 2 vv = I 2 .
v v
Remarques 1.1.2.
i) Le choix de k se fait au signe prs , on peut choisir le
signe +.
ii) Le mme procd peut tre appliqu pour obtenir une matrice
Pk = Ik 2k
k avec k = ( 0, , 0, k+ 1k , , nk ) .
On a constat que Pk peut tre dcompose sous la forme
!
Ik
bk = Ink 2
b
b k
avec P
Pk =
k (voir paragraphe ??).
bk
P
iii) La factorisation de Householder permet dcrire :

Pn2 Pn3 P1 P0 A = U,
ou encore A = QU avec Q = P0 P1 Pn2 une matrice orthogonale.

14
1.2 Mthodes indirectes de rsolution de AX=B

1.2.1 Quelques rappels sur les matrices
Soit A = ( ai j )1i, jn une matrice carre.
1. A est dite diagonale strictement dominante en colonnes si elle vrifie :
i= n
i= 1,i6 = j

ai j < a j j , 1 j n
2. A est dite diagonale strictement dominante en lignes si elle vrifie :

j= n
j= 1, j6 = i

ai j < | aii | , 1 i n
3. Une norme matricielle k.k vrifie les 4 proprits suivantes :

i) k Ak = 0 A = 0
ii ) k Ak = | | k Ak pour tout R
iii ) k A + Bk k Ak + k Bk
iv) k ABk k Ak k Bk

4. ( I + B) est inversible si k Bk < 1 et de plus ( I + B)1

j= n
n
5. k Ak = max 1in j=1 ai j ; k Ak1 = max 1 jn ii=
= 1 ai j
1
1 k Bk
( A) = max 1 jn |i ( A)| est dite norme spectrale (i ( A) : valeur propore de

A)
1.2.2 Mthodes classiques(Jacobi, Gauss Seidel, Relaxation)

Pour rsoudre le systme
Ax = b,
(1.2.1)
on utilise des mthodes, dites indirectes, du type

x(k+1) = Tx(k) + C
(1.2.2)
o T est une matrice obtenue partir de A et c un vecteur dpendant de A et B

On crit A sous la forme A = M N
En supposant M inversible, lquation (1.2.1) donne : x = M 1 Nx+ M 1 b
et ceci suggre le procd itratif du type (1.2.2) avec T = M 1 N et C = M 1 b
Il ya plusieurs faons dcrire A sous la forme A = M N
Dans le cadre de ce cours on se limitera aux cas les plus utiliss partir de : A =
DLU
15
Mthode de Jacobi : M = D, N = L + U.
Mthode de Gauss-Seidel : M = D L, N = U.
1
Mthode de relaxation : A = A() = M () N (), avec M () = D L,
1
D U o est un scalaire.
N () =
Dfinition 1.2.1. :
Une mthode de type (1.2.2) est dite convergente si pour tout x(0) initial on a :
lim x(k) = x
Si une telle limite existe, alors elle vrifie :

x = Tx + c
Dfinition 1.2.2. :
On appelle erreur de la mthode ( la kieme itration) la quantit :
e( k) = x( k) x
Avec e(0) = x(0) x on obtient e(k) = T k e(0)
la mthode est convergente si lim T k = 0
k
Mthode de Jacobi :
Si A = ( ai j ) la mthode de Jacobi consiste choisir ; M = D = diag( aii ) et
N = L + U = ( ai j )i,6= j le schma itratif est comme suit :
x(k+1) = D 1 ( L + U )x(k) + D 1 b =TJ x(k) + c
La matrice TJ = D 1 ( L + U ) est dite matrice de Jacobi associe A
Si x(0) est le vecteur initial donn, lalgorithme de Jacobi est de la forme :
( k+ 1)
xi
1
aii
j= n
j= 1, j6 = i
( k)
ai j x j +
bi
; i = 1, ., n
aii
Explicitement, on obtient :
( k+ 1)
= a12 x2
..
.
( k+ 1)
= an1 x1 ann1 xn1 + bn
a11 x1
..
.
ann xn
( k)
( k)
a1n xn + b1
..
.
( k)
( k)
Une condition suffisante pour que la mthode de Jacobi converge est :
( TJ ) < 1 ou kTJ k < 1

16
Mthode de Gauss-Seidel :
Pour cette mthode, les matrices M et N sont donnes par : M = D L (suppos
inversible) et N = U o D, L et U proviennent de lcriture A = D L U, le
schma itratif est comme suit :
( D L) x(k+1) = Ux(k) + b
(1.2.3)
x(k+1) = ( D L)1 Ux(k) + ( D L)1 b
(1.2.4)
ou encore
en explicitant (1.2.3) on obtient :

( k+ 1)
a11 x1
( k+ 1)
a22 x2
..
.
( k)
( k)
= a12 x2 a1n xn + b1
( k)
( k+ 1)
( k)
a23 x3 a2n xn + b2
= a21 x1
..
..
.
.
( k+ 1)
= ai1 x1
aii1 xi1 aii+1 xi+1 ain xn + b2
..
..
.
.
( k+ 1)
= an1 x1
aii xi
..
.
ann xn
( k+ 1)
( k+ 1)
( k+ 1)
( k)
( k)
( k+ 1)
ann1 xn1 + bn
La matrice TGS = ( D L)1 U est dite matrice de Gauss-Seidel associe A

Thorme 1.2.1. :
Si A est une matrice carre diagonale strictement dominante en lignes alors
la mthode de Jacobi converge
Preuve :

j= n
on a : j=1, j6=i ai j < | aii | , 1 i n ()

1
j= n
ou encore :
j=1, j6=i ai j < 1, 1 i n
|aii |
ai j
Par ailleurs TJ = D 1 ( L + U ) = (ti j ) avec ti j = (
) si i 6= j et tii = 0
aii
Exercice :
j= n

ti j = max 1
1 i n | aii |
1 i n j= 1
k TJ k = max
j= n
j= 1, j6 = i

ai j < 1
Montrer un rsultat analogue avec preuve similaire si A est strictement

dominante en colonnes
17
Thorme 1.2.2. :
la mthode de Gauss-Seidel converge
Preuve :

on montre que kTGS k = ( D L)1 U < 1 en passant par :
kT k = max
x6=0
k Txk
k xk
On pose y =Tx =( D L)1 Ux
qui donne ( D L)y =Ux et Dy = Ly+Ux ou encore y = D 1 Ly+ D 1 Ux

Soit k lindice tel que | yk | = max 1in | yi | = kyk = kTxk
j= k 1
j= n
( D 1 L ) k j y j + j= k+ 1 ( D 1 U ) k j x j

ak j
j= k 1 ak j
j= n
do | yk | j=1
k y k + j= k+ 1
kxk
a
a
|
|
|
|
kk
kk

ak j
j= n
j= k 1 ak j ky k
)
j= k+ 1
et : (1 j=1
|akk | kxk
| akk |
ak j
j= n
j= k+ 1
k y k
|akk |
<1
soit enfin :

kxk
j= k 1 ak j
)
( 1 j= 1
|akk |
On a yk = j=1
Mthode de relaxation
Si on considre des matrices M et N dpendantes dun paramtre on obtient :
A = M () N ()
1
1
D+U
avec M () = D L et N () =
1
1
1
T () = ( D L )1 (
D + U ) et c() = ( D L )1 b
T () = ( I D 1 L )1 ((1 ) I + D 1 U )
Remarques 1.2.1. :
Si = 1, on retrouve la mthode de Gauss-Seidel.
Si > 1, on parle de sur-relaxation.
Si < 1, on parle de sous-relaxation.
Thorme 1.2.3. :
Condition ncessaire de convergence de la mthode de relaxation : 0 < < 2
18
Preuve :
T () =
1
DL
1
1
D+U
Si les valeurs propres de T () sont notes i () on a :

1
D+U
det
n

= ( 1 ) n .
det( T ()) = i () =
1
i= 1
det
DL
Do ( T ) [|1 |n ]1/n = |1 |.
Pour que la mthode converge, il est ncessaire davoir ( T ()) < 1 et par consquent |1 | < 1 do ]0, 2[.
1.3 Exercices
Exercice 1.3.1. On note ek T = (0, , 0, 1, 0, , 0) le transpos du keme vecteur
canonique de Rn , A = ( ai j )1i, jn
ai, j
et mk T = (0, , 0, mk+1,k , , mn,k ); mi, j =
, i = j,
ai,i
1. Montrer que les matrices lmentaires de Gauss Mk peuvent scrire sous la
forme Mk = I + mk ek T
2. Vrifier que Mk1 = I mk ek T
3. Montrer que :
( I + m 1 e1 T ) ( I + m 2 e2 T ) ( I + m n 1 en 1 T ) = ( I + m 1 e1 T + m 2 e2 T +
+mn1 enT1 )
4. Application : On considre le systme lineaire : ( S1 ) : AX = B
1
x
1 0 0
avec A = 1 1 1 ; X = y et B = 1
1
z
0 1 2
a) Donner les matrices de Gauss M1 et M2 qui permettent de transformer

( S1 ) en un systme ( S2 ) de la forme UX = D o U est triangulaire
suprieure
b) Vrifier que Mk = I + mk ek T pour k = 1, 2

c) Vrifier que M1 M2 = I + m1 e1 T +m2 e2 T
d) Dduire M11 , M21 et M21 M11
e) Dcomposer la matrice A sous la forme A = LU o L est triangulaire
infrieure
19
f) Rsoudre le systme ( S1 ) par la mthode LU

Exercice 1.3.2. Soit L la matrice triangulaire infrieure dordre n donne par :
L=
1
0
0
.
.
1 1
0
0 .
1 1 .
0 .
.
.
.
1 . 1 1 1
1. Calculer la jeme colonne de L1 ,

2. Montrer que k Ak1 A1 1 = n2n1
Exercice 1.3.3. On cherche rsoudre le systme Ax = b par les mthodes directe

et indirecte.
Soit A = ( ai j )1i, jn une matrice carre vrifiant les conditions suivantes :
aii > 0 , 1 i n
ai j 0 , 1 i 6= j n
j= n
j= 1 ai j > 0 , 1 i n
Soit D la matrice diagonale ( dii = aii et di j = 0 si i 6= j)

j= n
1. Montrer que la matrice A vrifie : j=1, j6=i ai j < | aii | , 1 i n ()
2. Donner lexpression du terme gnral de la matrice A(1) obtenue aprs la

premire tape du procd de dlimination de Gauss sans pivot
3. Montrer que la matrice B dordre (n 1) obtenue partir de A(1) en enlevant
la premire ligne et la premire colonne vrifie une la relation similaire ()
4. Ecrire le schma itratif de Jacobi x(k+1) = Tx(k) + C
( T tant la matrice de Jacobi associe A )
( k+ 1)
5. Expliciter les composantes x j
en fonction de celles de x(k) et de C
j= n
6. Montrer que la mthode de Jaobi converge (k Ak = max 1in j=1 ai j < 1
)
7. Application :

1
1
3 1 1
(0)
On donne A = 1 4 2 , b = 1 , x = 1
1
1
1 3 5
a) Donner la matrice T de Jacobi associe A
b) Calculer la 1ere itration x(1) obtenue en utilisant la mthode de Jacobi

20
Exercice 1.3.4. Soit A = ( ai j ) une matrice carre inversible dont les lments diagonaux sont non nuls. A est crite sous la forme A = D L U o D est une matrice
diagonale et L (respectivement U) est triangulaire infrieure (respectivement suprieure).
Pour rsoudre le systme Ax = b, on utilise la mthode itrative suivante :
!

n
i 1
( k)
( k)
( k+ 1)
( k+ 1)
( k)
+ r ai j x j x j
,
aii xi
= aii xi + bi ai j x j
j= 1
j= 1
o r et sont des rels fixs ( non nul ) et k = 0, 1,

1. Montrer que la mthode propose peut scrire sous la forme matricielle :
x(k+1) = M (r, ) x(k) + c avec : M (r, ) = ( D rL)1 ( aD + bL + eU )
o a , b et e sont des rels quon exprimera en fonction de r et/ou de .
2. Vrifier que cette mthode permet dobtenir les mthodes de Jacobi, GaussSeidel et de relaxation pour des choix appropris de r et .
3. Montrer que les valeurs propres de M (r, ) sont les racines de lquation :
det( D L U ) = 0 avec = + 1 et = ( 1)r + .
Exercice 1.3.5. Soit A une matrice symtrique dfinie positive et T la matrice dfinie
par : T = 2D 1 D 1 AD 1 . On suppose que 2D A est dfinie positive.
1. Montrer que la mthode de Jacobi applique au systme Ax = b converge .
2. Soit la mthode itrative suivante :
( (0)
x
donn

x(n+1) = x(n) + T b Ax(n)
Montrer que cette mthode converge et comparer sa vitesse de convergence

celle de la la mthode de Jacobi.
21
Chapitre 2
Approximations des solutions de

lquation f ( x) = 0
2.1 Rappels et notations
Dfinition 2.1.1. :
Soit k un rel strictement positif et g une fonction dfinie sur un intervalle [ a, b] de
R valeurs dans R. La fonction g est dite Lipschitzienne de rapport de k (encore
dite k Lipschitzienne) si pour tous x et y de [ a, b] on a : | g( x) g( y)| k| x y|.
Dfinition 2.1.2. :
Soit g une fonction kLipschitzienne sur [ a, b]. La fonction g est dite contractante
de rapport de contraction k si k ]0, 1[.
Exemple 2.1.1. :
La fonction g( x) = sin( x) est Lipschitzienne de rappport k = 1
Exercice 2.1.1. :
1
Montrer que la La fonction g( x) = cos( x) est Lipschitzienne et dterminer le
3
rappport k
Dfinition 2.1.3. :
Soit g une fonction dfinie sur un intervalle [ a, b] de R valeurs dans R la fonction
g est dite uniformment continue sur [ a, b] si :
0, tel que x et y de [a, b] vrifiant | y x| , on ait | g( y) g( x)|

Remarque 2.1.1. :
Toute fonction Lipschitzienne sur [ a, b] est unfiormment continue sur [ a, b].
22
Thorme 2.1.1 (des Valeurs Intermdiaires).

Soit f une fonction dfinie et continue sur un intervalle ferm born [ a, b] de R.
Alors pour tout rel appartenant f ([ a , b]) , il existe un rel c [ a, b] tel que = f (c).
Si de plus f est strictement monotone alors le point c est unique.
Thorme 2.1.2 (des Valeurs Intermdiaires cas particulier = 0).
Soit f une fonction dfinie et continue sur un intervalle [ a, b] et vrifiant f ( a) f (b) 0,
alors il existe un rel c [ a, b] tel que f (c) = 0 .
Si de plus f est strictement monotone alors le point c est unique.
Thorme 2.1.3 (de Rolle).
Soit f une fonction dfinie sur [ a, b] et valeurs dans R. Si f est continue sur [ a, b],
drivable sur ] a, b[ et vrifie f ( a) = f (b), alors il existe un rel c ] a, b[ tel que : f (c) = 0
.
Thorme 2.1.4 (des Accroissements Finis).
Soit f une fonction dfinie sur [ a, b] et valeurs dans R Si f est continue sur [ a, b] et
drivable sur ] a, b[ , alors il existe un rel c ] a, b[ tel que :
f ( b) f ( a) = ( b a) f ( c) .
Thorme 2.1.5 (Formule de Taylor).
Soit f une fonction de classe C n sur [ a, b] dont la drive f (n+1) est dfinie sur ] a, b[ , alors
il existe un rel c ] a, b[ tel que :
f (b) = f ( a) + (b a) f ( a) + ...
1
1
( b a) n f ( n) ( a) +
( b a) n+ 1 f ( n+ 1) ( c) .
n!
( n + 1) !
Thorme 2.1.6 (Formule de MacLaurin).

Soit f une fonction de classe C n sur un intervalle I contenant 0 et telle que f (n) soit drivable lintrrieur de I . Alors x I, il existe un rel c strictement compris entre 0 et x
tel que :
f ( x) = f ( 0) + x f ( 1) ( 0) +
1 2
1
1
x f (0) + ... xn f (n) (0) +
xn + 1 f ( n + 1) ( c) .
2!
n!
( n + 1) !
Dfinition 2.1.4. :
Soit un rel et f une fonction dfinie sur un intervalle I de R et valeurs dans R.
est dit zro de f si f ( ) = 0
Dfinition 2.1.5. :
Soit un rel et g une fonction dfinie sur un intervalle I de R et valeurs dans R.
est dit point fixe de g si g( ) = .
23
Lemme 2.1.1. :
Soit I un intervalle de R et f une fonction dfinie sur I et valeurs dans R .
Alors la recherche des zros de f est quivalente la recherche des points fixes de la fonction
g dfinie sur I par : g( x) = x f ( x)
Preuve :
En effet, si f ( ) = 0 alors g() = f () = et inversement, si g() = alors
f () = g() = = 0.
Lemme 2.1.2. :
Soit g une fonction de classe C 1 sur [ a, b] . Sil existe un rel k 0 tel que : | g ( x)| k
x [a, b] alors la fonction g est kLipschitzienne sur [a, b].
Preuve :
Il suffit dappliquer le thorme des accroissements finis la fonction g sur [ x, y]
avec x y.
Donc il existe c ] x, y[ tel que : g( y) g( x) = ( y x) g (c) et comme on a : | g (c)|
k , il sensuit que : | g( y) g( x)| k| x y|
Dfinition 2.1.6. :
Soit (un ) une suite admettant pour limite .
On appelle erreur de la neme tape le rel dfini par en = un
Dfinition 2.1.7. :
On dit que la convergence de (un ) vers est dorder p si :
|en+ 1 |
= C o p et C sont des rels > 0
limn
|en | p
Si p = 1 (avec C < 1) la convergence est dite linaire
Si p = 2 on dit que la convergence est quadratique.
Remarque 2.1.2. :
Lordre de convergence p nest pas ncessairement un entier.
Dfinition 2.1.8. :
On dira que le rel est une approximation du rel avec la precision si :
| | .
En particulier, on dira que le terme un0 dune suite (un ) approche la limite avec
prcision si |un0 | .
Exemple 2.1.2. :
1
la suite (un ) = ( ) tend vers zro quand n tend vers linfini.
n
1
Si on veut une prcision = 101 , il suffit de prendre n0 tel que
101 ou
n0
24
encore n0 10
mais si on exige une precision de 105 alors on doit prendre n0 tel que
c.a.d n0 105
1
105
n0
Remarque 2.1.3. :
Il est important de saisir la notion de vitesse de convergence. Par exemple, les suites
1
1
1
( ), ( 2 ), ( 4 ) convergent vers zro quand n tend vers linfini mais la vitesse de
n
n
n
convergence diffre dune suite lautre.
Thorme 2.1.7. :
Soit g une fonction kcontractante sur [ a, b] et valeurs dans [ a, b] , et (un ) la suite
rcurrente dfinie par :
u0 [ a, b] , u0 donn et un+1 = g(un ) pour tout n 0
Alors :
1- la suite (un ) converge vers un rel
2- la fonction g admet un point fixe unique
kn
|u 1 u 0 |
3- Pour tout n N on a : |un |
1k
Preuve :
Tout dabord, comme u0 [ a, b] et que g : [ a, b] [ a, b] , on a un [ a, b] pour tout
n N.
Ensuite, le fait que g soit une fonction kcontractante implique que :
|un+1 un | = | g(un ) g(un1 )| k|un un1 | pour tout n 1.

Par consquent on obtient :
|un+1 un | kn |u1 u0 | pour tout n 0
(2.1.1)
A laide de lingalit 2.1.1 on montre que la suite (un ) vrifie :
|u n+ p u n |
1 n
k |u 1 u 0 |
1k
En effet : Pour tous p N et n N on a :
|un+ p un | |un+ p un+ p1 | + |un+ p1 un+ p2| + ...|un+2 un+1 | + |un+1 un |

kn+ p1 |u1 u0 | + kn+ p2 |u1 u0 |.. + kn+1 |u1 u0 | + kn |u1 u0 |
1 kp n
k |u 1 u 0 |
1k
1 n
k |u 1 u 0 | ( 2)
1k
25
Lingalit (2) nous permet de prouver que la suite (un ) est de Cauchy. En effet :
Comme kn 0 alors pour tout > 0, il existe n0 tel que pour tout n n0 on
n +
1k
1 n
et par suite :
k |u 1 u 0 |
|u 1 u 0 |
1k
Donc pour tout > 0, il existe n0 tel que pour tout n n0 on ait :
1k
|u n+ p u n | kn
|u 1 u 0 |
La suite (un ) est donc de Cauchy et par consquent elle converge vers une limite .
Comme la fonction g est continue sur [ a, b] , que un+1 = g(un ) et que
un [ a, b] n N
alors on a : lim un = = g() c-a-d : est un point fixe de g
n
Unicit du point fixe :
Supposons que g admet un autre point fixe different de alors on a :
| g( ) g()| = | | k| | ou encore (1 k)| | 0 mais comme k < 1,
alors =
kn
|u 1 u 0 |,
Enfin, en faisant tendre p vers linfini dans lingalit |un+ p un |
1k
on obtient :
kn
| u 1 u 0 | n N
| un |
1k
ait :
kn
Thorme 2.1.8 (condition de convergence locale).

Soit g une fonction de classe C 1 au voisinage . Si g() = et | g ()| 1,
alors il existe strictement positif tel que :
u0 I = [ , + ] , la suite (un ) = ( g(un1 )) est dfinie et converge vers ,
lunique solution de g( x) = x dans I
Preuve :
Puisque g est de classe C 1 au voisinage de et que | g ()| < 1
on a :| g ( x)| < 1 x au voisinage de .
Par consequent, il existe strictement positif tel que :
x I , | g ( x)| < 1
et puisque g est continue sur le ferm born I ,
on dduit quil existe k ]0, 1[ tel que :
x I , | g ( x)| k < 1
Pour appliquer le thorme , il suffit de vrifier que : g( I ) I .
Or, par application du thorme des accroissements finis on a :
x I , | g( x) | | x |
Remarque 2.1.4. :
26
Si | g ()| = 1, la suite peut converger ou diverger

Si | g ()| 1 et si la suite possde une infinit de termes diffrents de , alors
la suite ne peut converger.
En effet, si on suppose que la suite converge vers on obtient :
un+1 = (un ) g (cn ) avec cn compris entre un et et de l on aboutit une
contradiction en supposant que un est assez proche de de telle sorte que :
| g (cn )| 1 = |un+1 | |un |
Thorme 2.1.9. :
Si la suite rcurrente dfinie par : u0 [ a, b], u0 donn et un+1 = g(un ), n 0, converge
|en+ 1 |
linairement vers et si g est de classe C 1 sur [ a, b], alors C = lim
= | g ()|.
n |en |
Preuve :
Il suffit dappliquer le thorme des accroissements finis :
|en+1 | = |un+1 | = | g(un ) g()| = |(un ) g (cn )| et de l on obtient
lim
|en+ 1 |
= lim | g (cn )| = | g ()|
n
|en |
Remarque :
On veut rsoudre numriquement lquation f ( x) = 0. On constate quil existe
plusieurs faon dcrire cette quation sous la forme dun problme de point fixe
cest--dire sous la forme g( x) = x. Par exemple on les trois critures suivantes :
x2 2x 3 = 0 = x2 = 2x + 3
= x = g1 ( x) = 2x + 3
(2.1.2)
x2 2x 3 = 0 = 2x = x2 3
= x = g2 ( x) =
x2 3
2
(2.1.3)
x2 2x 3 = 0 = x2 = 2x + 3
2x + 3
(2.1.4)
= x = g3 ( x) =
x
Les trois quations 2.1.2, 2.1.3 et 2.1.4 admettent pour points fixes 1 et 3. Pour la
convergence locale ou globale il faut tudier | gi ( x)| , | gi (1)| et | gi (3)| i = 1, 2, 3
2.2
Mthode de Newton :
En prenant la fonction g dfinie par : g( x) = x
f ( x)
,
f ( x)
on obtient le procd de Newton donn par :

f ( xn )
pour n 0 avec f ( xn ) 6= 0
x0 donn , xn+1 = xn
f ( xn )
27
Thorme 2.2.1. :
Soit une fonction de classe C 2 sur [ a, b] satisfaisant les conditions suivantes :
i ) f ( a) . f ( b) < 0
ii ) x [ a, b], | f ( x)| 6= 0
iii ) f est de signe constant sur [ a, b] ( convexit ou concavit)
| f (b)|
| f ( a)|
< b a,
< ba
| f ( a)|
| f (b)|
Alors la mthode de Newton converge vers lunique solution de f ( x) = 0 dans [ a, b] et
ceci pour nimporte quel choix de x0 [ a, b].
iv)
Preuve :
Considrons le cas f ( a). f (b) < 0, f ( x) < 0 et f ( x) < 0
Daprs i) et ii) , il existe une solution [ a, b] qui verifie :
1
f () f ( xn )
2 f ( c ) avec x c
=
(
x
xn + 1 = xn +
)
n
n
f ( xn )
2
f ( xn )
Par consquent, le signe de xn+1 est celui de f (c) f ( xn ).
Si f ( x) < 0 et f ( x) < 0 alors xn+1 pour tout n 0 , ( xn ) est donc minore
par partir de x1
Pour montrer que la suite ( xn ) est dcroissante, on distingue deux cas :
1. Si x0 > , x1 = x0
f ( x0 )
x0 et on montre que xn+1 xn pour tout
f ( x0 )
2. Si x0 < , x1 = x0
f ( x0 )
x0 et on montre que xn+1 xn pour tout
f ( x0 )
n0
n1
Exemple 2.2.1. Considrons lquation f ( x) = x3 + 4x2 10 = 0, x > 0 On a f

une fonction strictement croissante ( car f = 3x2 + 8x > 0 sur ]0, +[) et comme
f (1) = 5 et f (4) = 118 donc daprs le thorme des valeurs intermdiaires f
admet une seule racine dans lintervalle [0; 4]. Soit x0 = 3.9 . la solution est donne
par la figure (2.1) :
28
la fonction f(x)=x +4*x 10

120
C
100
80
f(x)
60
40
20
20
1.5
2.5
x
3.5
F IGURE 2.1 la solution est x = 1.3652
2.3
Mthode de Newton modifie :
f ( x)
, f ( x0 ) 6= 0
f ( x0 )
on obtient la mthode de Newton modifie comme suit :
f ( xn )
x0 donn , xn+1 = xn
pour n 0
f ( x0 )
on montre alors que cette mthode est dordre 1.
Autres modifications de la mthode de Newton peuvent etre obtenues en prenant
f ( x (n) ) pour des valeurs intrmdaires.
En prenant la fonction g dfinie par : g( x) = x
2.4
Mthode de dichotomie :
Soit une f fonction dfinie continue sur [ a, b] vrifiant f ( a) f (b) 0 .

La fonction f admet donc au moins un zro [ a, b].
La mthode de dichotomie consiste approcher par encadrement, en rduisant
chaque tape la longueur de lintervalle de moiti selon lalgorithme suivant :
Etape 1
a0 + b0
puis on teste si c0 = cest termin,
On pose a0 = a et b0 = b on pose c0 =
2
sinon :
Si f ( a0 ) f (c0 ) < 0 alors [ a0 , c0 ] on pose alors a1 = a0 et b1 = c0
a1 + b1
puis c1 =
2
Si f (b0 ) f (c0 ) < 0 alors [c0 , b0 ] on pose alors a1 = c0 et b1 = b0
a1 + b1
puis c1 =
2
29
b0 a0
ba
Aprs cette tape la longueur de [ a1 , b1 ] est gale
=
2
2
Etape 2
on recommence le procd de ltape 1.
Etape k
A chaque tape k du procd, soit on tombe sur un ck = soit on diminue la
longueur de lintervalle de moiti.
Thorme 2.4.1. :
Les ak , bk et ck satisfont les proprits suivantes :
1- [ ak+1 , bk+1 ] [ ak , bk ]
b a
b ak
= 0 k+ 1 0
2-bk+1 ak+1 = k
2
2
3- La suite (ck ) converge vers
ba
4- |ck | k+1
2
Preuve :
a + bk
1- Pour k 0 on a ck = k
et [ ak+1 , bk+1 ] = [ ak , ck ] ou [ ak+1 , bk+1 ] = [ck , bk ]
2
Donc [ ak+1 , bk+1 ] [ ak , bk ]
b ak
2- On a par construction bk+1 ak+1 = k
, montrons par rcurrence que :
2
ba
bk ak =
2k
Pour k = 0 la relation est vrifie
ba
) alors on a :
Si on suppose que la relation est vraie lordre k ( bk ak =
2k
1
ba
1ba
bk+ 1 ak+ 1 = ( bk ak ) =
= k+ 1
k
2
2 2
2
ak + bk
3- Par construction [ ak , bk ] et ck =
est le milieu de [ ak , bk ]
2
b ak
ba
k+ 1
Donc |ck | k
2
2
ba
ba
En dautres termes, on a : k+1 ck + k+1
2
2
ba
et comme k+1 0 on dduit que lim ck =
n +
k
2
Remarque 2.4.1. Le thorme prcdent permet de calculer lavance le nombre maximal
n N ditrations assurant la prcision , en effet
ba
ba
Pour que cn vrifie |cn | n+1 la nime itration, il suffit que n vrifie : n+1
2
2
On a alors :
ba
|cn | n+1
2
ba
ba
ba
donc n+1
2n+1 log(
) (n + 1) log (2)
2
30
log(b a) log ()
1 n
log(2)
Exemple 2.4.1. Soit f ( x) = x3 + 4x2 10 = 0 . On vrifie graphiquement que f

admet une racine relle dans lintervalle [1; 2] et que la mthode de dichotomie est
applicable (voir figure (2.2)).
la fonction f(x)=x +4x 10

14
12
10
8
f(x)
6
4
2
0
2
4
6
1.2
1.4
1.6
1.8
F IGURE 2.2 f (1). f (2) < 0

Pour trouver une approximation de cette racine on peut utiliser la mthode de dichotomie avec une prcision = 1010
on a les rsultats suivants : n (numrique) = 33
n (thorique) = 32.219281
x = 1.3652300134 f ( x) = 2.378897e 011
2.5
Mthode de fausse position ( Regula Falsi) :
Au lieu de prendre chaque tape ck qui est le milieu de lintervalle [ ak , bk ], la

mthode de fausse position prend le point dintersection de laxe des abscisses avec
la droite passant par (ak , f ( ak )) et (bk , f (bk )).
Lquation de cette droite est donne par :
y f a)
xa
=
.
ba
f ( b) f ( a)
Elle coupe laxe des abscisses au point : Mk (ck , 0) o : ck = ak + f ( ak )
ak bk
f ( ak ) f ( bk )
En suite on procde comme dans le cas de dichotomie en testant :

Si f ( ak ) f (ck ) < 0 alors [ ak , ck ] on pose alors ak+1 = ak et bk+1 = ck
Si f (bk ) f (ck ) < 0 alors [ck , bk ] on pose alors ak+1 = ck et bk+1 = bk
puis on cherche nouveau la droite passanrt par (ak+1 , f ( ak+1 )) et (bk+1 , f (bk+1 ))
31
Exemple 2.5.1. :
Considrons lquation f ( x) = x3 20 = 0 comme f (0.75) = 19, 578125 et
f (4.5) = 71, 125 alors f (0.75). f (4.5) < 0 donc on peut appliquer le mthode de
fausse position ( Regula Falsi) dans lintervalle [0.75; 4.5]. La solution est donne
par la figure (2.3) :
120
100
80
f(b)
60
40
20
a
0
f(a)
20
F IGURE 2.3 x = 2.7133
2.6 Exercices
Exercice 2.6.1. Considrons la suite rcurrente (un ) dfinie par : 0 < u0 < 1 et
u n + 1 = h( u n ) n 0
o h est donne par lquation logistique h( x) = rx(1 x)
1. Montrer que si r ]0, 4] alors 0 < un 1 n 1
2. vrifier que 0 est un point fixe trivial de h et trouver lautre point fixe
3. A quelles conditions sur r la suite (un ) converge-t-elle vers les points fixes 0
et ?
Exercice 2.6.2. Soient g1 , g2 , g3 et g4 les fonctions dfinies par :
1
A
3A
x(3A x2 )
, g3 ( x) = ( x + ) et g4 ( x) =
+
g1 ( x) = 2x A, g2 ( x) =
2A
2
x
8x
3
3x
x
4
8A
1. vrifier que les quatre fonctions admettent A comme point fixe
2. Ecrire les formules de Taylor lordre 3 au point A pour les quatre fonctions
32
3. On considre les suites ( xn ) , ( yn ) , (un ) et (vn ) dfinies par :

xn+1 = g1 ( xn ) , yn+1 = g2 ( yn ) , un+1 = g3 (un ) et vn+1 = h(vn ) puis on
pose :
en = A xn , n = A yn , dn = A un et n = A vn
Trouver lordre de convergence et la constante derreur asymptotique dans
chaque cas, c.a.d :
|
|e
|
| en+ 1 |
|
|
|
lim
= C1 , lim n+1p2 = C2 , lim n+1p3 = C3 , lim n+1p4 = C4 ,
p
1
n | n |
n | en |
n | en |
n | n |
o pi et Ci sont des constantes > 0
4. Conclure.
Exercice 2.6.3. Soit p un entier 2 et f et g les fonctions dfinies sur R+
par :
1
p
g( x) = Ax
et f ( x) = x + ( g( x) x)
1. La suite xn+1 = g( xn ) converge-t-elle vers A1/ p ?
2. pour quelle valeurs de a-t-on convergence de litration xn+1 = f ( xn ) vers

A 1/ p
3. Donner la valeur optimale de ( c.a.d celle qui donne la convergence la plus
rapide)
4. Comparer avec la mthode de Newton applique la fonction h( x) = x p A
1
Exercice 2.6.4. Soient f et g les fonctions dfinies sur R par : g( x) = cos( x) et
4
1
f ( x) = x cos( x)
4
1. Montrer que la recherche des solutions de f ( x) = 0 est quivalente la recherche des points fixes de g, vrifier que de telles solutions existent et tudier
lunicit
2. Montrer que la suite rcurrente dfinie par : u0 R , un+1 = g(un ) n 0 est
convergente
3. Cette convergence depend-elle du choix de u0 ?
Exercice 2.6.5. Soit f la fonction dfinie sur R par : f ( x) = x3 + x 1
1. Montrer que la fonction f admet un zro dans [0, 1]
2. Ecrire la suite ( xn ) obtenue partir de la mthode de Newton
3. Etudier sur [0, +[ le signe de la fonction h dfinie par : h( x) = 2x3 3 x2
1
4. On suppose que x0 [0, 1]
i) Montrer que xn [, 1] pour tout n 1
33
ii) Montrer que la suite ( xn ) est dcroissante et conclure

5. Montrer que pour tout n 0 on a : 0 < xn+1 < xn xn+1
6. En prenant x0 = 1 , donner une valeur approche de avec une prcision
= 102
Exercice 2.6.6. Soit un zro dordre 1 de f , x0 un rel diffrent de et an est une
approximation de f ( xn )
f ( xn )
1. Considerons la mthode de Newton modifie ( M1) : xn+1 = xn
f ( x0 )
n 0
Quel est lordre de cette mthode
f ( xn )
pour n 0
2. Soit la mthode ( M2) : xn+1 = xn
an
Montrer que lordre de convergence est suprieur 1 si an f () quand
n,
3. Si est un zro dordre 2 de f et f () 6= 0 quel est lordre de convergence de

f ( xn )
la mthode: ( M3) xn+1 = xn 2
pour n 0
f ( xn )
f ( xn ) f ( xn 1 )
4. Quelle mthode ( M4) obtient-on en prenant dans ( M2) an =
xn xn 1
5. Facultatif : on dmontre que lerreur de la mthode ( M4) vrifie :
f ()
en+ 1
=
lim
n en en 1
2 f ( xn )
1+ 5
1.62
et que lodre de convergence est p =
2
Exercice 2.6.7. Soit f une fonction de classe C 2 sur R . On suppose que f admet
une fonction rciproque g.
On cherche un zro de f en passant par g. ( f () = 0 g(0) = )
1. Ecrire les drives premires et secondes de g
2. Soit P( y) le polynb
ome de degr 1 vrifiant :
P( yn ) = g( yn ) et P ( yn ) = g ( yn )
a) Exprimer P( y) en fonction de y , yn , g( yn ) et g ( yn )
b) Exprimer P( y) en fonction de y , xn , f ( xn ) et f ( xn ) )
c) Quel procd obtient-on en prenant xn+1 = P(0)

P( yn ) = g( yn ) et P( yn1 ) = g( yn1 )
a) Exprimer P( y) en fonction de y , yn , g( yn ) et g( yn1 )

34
b) Exprimer P( y) en fonction de y , xn1 , xn , f ( xn1 ) et f ( xn )

c) Quel procd obtient-on en prenant xn+1 = P(0)
P( yn ) = g( yn ), P ( yn ) = g ( yn ) et P ( yn ) = g ( yn )
a) Exprimer P( y) en fonction de y , yn , g( yn ) , g ( yn ) et g ( yn )
b) En exprimant les drives de g en fonction de celles de f et en prenant

xn + 1 = P ( 0) ,
Montrer quon obtient le procd (de Tchebychev) suivant :
( f ( xn ))2 f ( xn )
f ( xn )
avec f ( xn ) 6= 0
xn + 1 = xn
f ( xn )
2( f ( xn ))3
5. Facultatif : On montre que la mthode de Tchebychev est dordre 3
35
Chapitre 3
Inroduction linterpolation
3.1
Rappel et dfinitions
Soit Pn ( x) lespace des polynmes de degr infrieur ou gal n .

On rappelle que 1, x, x2 , ...., xn est une base de Pn ( x) (dim Pn ( x) = n + 1)
On note i j le symbole de Kronecker : i j = 1 si i = j ; i j = 0 si i 6= j
Soient f une fonction continue sur [ a, b] , x1 , ...., xn n points de [ a, b] et g1 , ...., gn
des rels de mme signe.
i= n
i= n
Alors on a :
f ( xi ) gi =
i= 1
f (c) gi o c [ a, b]
i= 1
Dfinition 3.1.1. : Interpolant

Soit f une fonction relle dfinie sur un intervalle [ a, b] contenant n + 1 points distincts x0 , x1 , ...., xn . Soit Pn un polynme de degr infrieur ou gal n .
On dit que Pn est un interpolant de f ou interpole f en x0 , x1 , ...., xn si :
Pn ( xi ) = f ( xi )
pour 0 i n
3.2 Interpolant de Lagrange

Dfinition 3.2.1. : Polynmes de Lagrange
Soient x0 , x1 , ...., xn (n + 1) points deux deux distincts dun intervalle [ a, b] de R
On appelle interpolants de Lagrange les polynmes Li dfinis pour i = 0, ..., n par :
j= n
(x x j )
( x x0 )( x x1 )....( x xi1 )( x xi+1 )....( x xn )
L i ( x) =
=
( xi x j )
( xi x0 )( xi x1 )....( xi xi1 )( xi xi+1 )....( xi xn )
j= 0, j6 = i
On a en particulier :
j= n
(x x j )
( x x1 )( x x2 ).......( x xi )........( x xn )
L 0 ( x) =
=
( x0 x1 )( x0 x2 )....( x0 xi )....( x0 xn )
j= 1 ( x0 x j )
36
j= n 1
(x x j )
( x x0 )( x x1 ).......( x xi )........( x xn1 )
=
( xn x0 )( xn x1 )....( xn xi )....( xn xn1 )
j= 0 ( xn x j )
Si on prend Pn ( x) = L0 ( x) f ( x0 ) + L1 ( x) f ( x1 ) + .... + Ln ( x) f ( xn )
alors : Pn ( xi ) = f ( xi ) pour 0 i n
L n ( x) =
Exemple 3.2.1. :
Si x0 = 1, x1 = 0 et
x2 = 1 ,
f ( x0 ) = 2 , f ( x1 ) = 1 , f ( x2 ) = 1 , on obtient
x( x 1)
x( x 1)
( x x1 )( x x2 )
=
=
L 0 ( x) =
( x0 x1 )( x0 x2 )
(1)(1 1)
2
( x x0 )( x x2 )
( x (1))( x 1)
( x + 1)( x 1)
L 1 ( x) =
=
=
( x1 x0 )( x1 x2 )
(1)(1)
1
( x + 1) x
( x + 1) x
( x x0 )( x x1 )
=
=
L 2 ( x) =
( x2 x0 )( x2 x1 )
(1 (1))(1 0)
2
Donc
P2 ( x) = L0 ( x) f ( x0 ) + L1 ( x) f ( x1 ) + L2 ( x) f ( x2 )
x( x 1)
( x + 1)( x 1)
( x + 1) x
=
f ( x0 ) +
f ( x1 ) +
f ( x2 )
2
1
2
x( x 1) ( x + 1)( x 1) ( x + 1) x
= 2
+
2
1
2
1 2 3
= x x+1
2
2
On vrifie facilement que :
()(1 1)
P2 ( x0 ) = P2 (1) =
= 2 = f ( x0 )
2
(1)(1)
= 1 = f ( x1 )
P2 ( x1 ) = P2 (0) =
1
( 1 + 1) 1
P2 ( x2 ) = P2 (1) =
= 1 = f ( x2 )
2
Proprits 3.2.1. :
Les polynmes de Lagrange ont les proprits suivantes :
P1) L j ( x) est un polynme de degr n ; j = 0, ..., n
P2) L j ( x j ) = 1 j = 0, ..., n et L j ( xi ) = 0 pour tout j 6= i
P3) la famille { L0 ( x), L1 ( x), ....Ln ( x)} est une base de Pn ( x)
Preuve :
P1) Par dfinition L j ( x) est un polynme de degre n
P2) Cette proprit est aisment vrifie en remplaant x par xi dans L j ( x)
P3) On a : card { L0 ( x), L1 ( x), ....Ln ( x)} = dim Pn ( x) = n + 1
Pour montrer P3), il suffit donc de montrer que { L0 ( x), L1 ( x), ....Ln ( x)} est un systme libre.
37
Soient C0 , C1 , ....., Cn des constantes telles que :

C1 L0 ( x) + L1 L1 ( x) + .... + Cn Ln ( x) = 0
Alors, en prenant succssivement x = x0 ...xi .. xn et en utilisant L j ( xi ) = i j
on dduit que : C0 = C1 = ... = Cn = 0
La famille { L0 ( x), L1 ( x), ....Ln ( x)} est libre et par consquent cest une base de
Pn ( x ) .
3.3 Interpolant de Newton

Dfinition 3.3.1. : Differences divises
Soit f une fonction numrique dfinie sur un intervalle [ a, b] contenant n + 1 points
distincts x0 , x1 , ...., xn .
On dfinit les differences divises dordre i de f aux points ( xk ) comme suit :
[ f ( x0 )] = f ( x0 )
f ( x1 ) f ( x0 )
[ f ( x0 ), f ( x1 )] =
x1 x0
[ f ( x1 ), f ( x2 ), ..., f ( xi )] [ f ( x0 ), f ( x1 ), ..., f ( xi1 )]
pour
[ f ( x0 ), f ( x1 ), ..., f ( xi )] =
xi x0
i2
Exemple 3.3.1. :
Si x0 = 1, x1 = 0 et
x2 = 1 , f ( x0 ) = 2 ,
f ( x1 ) = 1 , f ( x2 ) = 1 , on obtient
[ f (1)] = 2
[ f (1), f (0)] =
[ f (0)] = 1
12
= 1
0 (1)
[ f (1), f (0), f (1)] =

[ f (0), f (1)] =
[ f (1)] = 1
1 1
= 2
10
1
2 (1)
=
1 (1)
2
Proprits 3.3.1. :
La valeur dune difference divise est indpendante de de lordre des xi
On a ainsi :
f ( x1 ) f ( x0 )
f ( x1 )
f ( x0 )
[ f ( x0 ), f ( x1 )] =
=
+
= [ f ( x1 ), f ( x0 )]
x1 x0
x1 x0
x0 x1
f ( x2 )
f ( x1 )
f ( x0 )
+
+
( x2 x1 )( x2 x0 ) ( x1 x2 )( x1 x0 ) ( x0 x1 )( x0 x2 )
= [ f ( x2 ), f ( x1 ), f ( x0 )] = [ f ( x1 ), f ( x0 ), f ( x2 )]
[ f ( x0 ), f ( x1 ), f ( x2 )] =
38
et de faon gnrale :
i= k
[ f ( x0 ), f ( x1 ), ... f ( xk )] =
f (x )
( xi x0 )....( xi xi1 )(ixi xi+1 )...( xi xk )
i= 0
Dfinition 3.3.2. : Interpolant de Newton :

On appelle interpolant de Newton le polynme Pn donn par :
Pn ( x) = f ( x0 ) + [ f ( x0 ), f ( x1 )]( x x0 ) + .... + [ f ( x0 ), ..., f ( xn )]( x x0 ).....( x xn1 )
Exemple 3.3.2. :
Si x0 = 1, x1 = 0 ,
[ f (1)] = 2
x2 = 1, f ( x0 ) = 2 ,
[ f (1), f (0)] =
[ f (0)] = 1
12
= 1
0 (1)
[ f (1), f (0), f (1)] =

[ f (0), f (1)] =
[ f (1)] = 1
f ( x1 ) = 1 , f ( x2 ) = 1 , on obtient
1 1
= 2
10
1
2 (1)
=
1 (1)
2
P2 ( x) =
f ( x0 ) + [ f ( x0 ), f ( x1 )]( x x0 ) + [ f ( x0 ), f ( x1 ), f ( x2 )]( x x0 )( x x1 )
1
1
= 2 1( x x0 ) ( x x0 )( x x1 ) = 2 ( x + 1) ( x + 1)( x)
2
2
3
1 2
= 1 x x
2
2
Dfinition 3.3.3. : Base de Newton

Soient x0 , x1 , ...., xn (n + 1) points deux deux distincts dun intervalle [ a, b] de R
et les polynmes Ni dfinis pour i = 0, ..., n par :
N0 ( x ) = 1
N j ( x) = ( x x0 )( x x1 )........( x x j1 ) pour j = 1, ..., n
On a en particulier
N1 ( x ) = ( x x 0 )
Nn ( x) = ( x x0 )( x x1 )........( x xn1 )
Proprits 3.3.2. :
Les polynmes Ni ont les proprits suivantes :
P1) Ni ( x) est un polynme de degr i
P2) Pour i 1 , Ni ( x) admet x0 , x1 , ...., xi1 comme racines
P3) la famille { N0 ( x), N1 ( x), ....Nn ( x)} est une base de Pn ( x) dite base de Newton
Preuve :
P1) Proprit vidente daprs la dfinition de Ni ( x)
39
P2) Proprit galement vidente daprs la dfinition de Ni ( x)

P3) On a : card { N0 ( x), N1 ( x), ....Nn ( x)} = dim Pn ( x) = n + 1
Pour montrer P3), il suffit donc de montrer que { N0 ( x), N1 ( x), ....Nn ( x)}
est un systme libre.
Soient C0 , C1 , ....., Cn des constantes telles que :
C1 N0 ( x) + C1 N1 ( x) + .... + Cn N1 ( x) = 0
Posons F ( x) = C1 N0 ( x) + C1 N1 ( x) + .... + Cn N1 ( x) = 0
Comme les xi sont supposs deux deux distincts, on obtient successivement :
F ( x0 ) = C0 N0 ( x0 ) = 0 C0 = 0
F ( x1 ) = C1 N1 ( x0 ) = C1 ( x1 x0 ) = 0 C1 = 0
F ( xn ) = Cn Nn ( xn = Cn ( xn x0 )( xn x1 )...( xn xn1 ) = 0) Cn = 0
La famille { N0 ( x), N1 ( x), ....Nn ( x)} est libre et par consquent cest une base de
Pn ( x ) .
Thorme 3.3.1. :
Soit f une fonction numrique dfinie sur un intervalle [ a, b] .
Soit Pn un polynme interpolant f en (n + 1) points x0 , x1 , ...., xn de [ a, b]
Alors :
a) On peut exprimer Pn ( x) comme combinaison linaire des Ni de la base de Newton :
Pn ( x) = D0 N0 ( x) + D1 N1 ( x) + .... + Dn N1 ( x)
b) Les Di sont des constantes qui peuvent etre dtrmines en solvant un systme linaire.
Preuve :
a) Puisque Pn ( x) Pn ( x) et que BN = { N0 ( x), N1 ( x), ....Nn ( x)} est une base de
Pn ( x ) ,
on peut crire Pn ( x) dans la base BN
b) En crivant Pn ( x) = D0 N0 ( x) + D1 N1 ( x) + .... + Dn N1 ( x) pour x = xi , 0 i n
on obtient
le systme triangulaire infrieur suivant :
Pn ( x0 ) = D0
= f ( x0 )
= f ( x1 )
Pn ( x1 ) = D0 + N1 ( x1 ) D1
Pn ( x2 ) = D0 + N1 ( x2 ) D1 + N2 ( x2 ) D2
= f ( x2 )
( S1)
.
.
..
..
..
P (x ) = D + N (x )D + + N (x )D = f (x )
n
Les Di solutions du systme ( S1) sont donnes par :

D0 = [ f ( x0 )] = f ( x0 )
f ( x1 ) f ( x0 )
f ( x1 ) f ( x0 )
D1 =
=
= [ f ( x0 ), f ( x1 )]
N1 ( x 1 )
( x1 x0 )
40
[ f ( x1 ), f ( x2 ), ..., f ( xi )] [ f ( x0 ), f ( x1 ), ..., f ( xi1 )]

= [ f ( x0 ), f ( x1 ), ..., f ( xi )]
xi x0
pour i 2
Di =
Exemple 3.3.3. :
Soit la fonction f telle que
Xk
0.15
2.30
3.15
4.85
6.25
7.95
f ( x)
4.79867
4.49013
4.2243
3.47313
2.66674
1.51909
Donc Les Coefficients du polynme dinterpolation de f dans la base de newton

sont :
D0 = 4.798670 D1 = 0.143507 D2 = 0.056411 D3 = 0.001229
D4 = 0.000104 D5 = 0.000002
Et son graphe est donn par la figure (3.1)
5
points dinterpolation
linterpolant de f
4.5
4
3.5
3
2.5
2
1.5
1
F IGURE 3.1 Interpolation de Newton
3.4 Existence et Unicit de linterpolant

Thorme 3.4.1. :
Il existe un polynme Pn unique de degr n , interpolant f en (n + 1) points, c.a.d : tel
que : Pn ( xi ) = f ( xi ), xi = 0, 1, ..., n
Preuve :
i)Existence :
41
Soit Li ( x) =
( x x0 )( x x1 )....( x xi1 )( x xi+1 )....( x xn )

( xi x0 )( xi x1 )....( xi xi1 )( xi xi+1 )....( xi xn )
et Pn ( x) = L0 ( x) f ( x0 ) + L1 ( x) f ( x1 ) + .... + Ln ( x) f ( xn )
i= n
L i ( x) f ( xi )
i= 0
i= n
i= 0
j= n
(x x j )
( xi x j )
j= 0, j6 = i
f ( xi )
Pour chaque i = 0, ..., n , Li est un polynme de degr n vrifiant : L j ( xi ) = i j et

par consquent on a :
Pn ( xi ) = f ( xi ),
i = 0, 1, ..., n
ii) Unicit :
Supposons quil existe deux polynmes doiffrents Pn et Qn de degr n , interpolant f aux points xi . Alors, en posant Dn ( x) = Pn ( x) Qn ( x) , on arrive une
contradiction.
En effet, Dn est un polynme de degr n et par consquent il peut avoir au plus
n zros mais dun autre ct Dn ( xi ) = 0 pour i = 0, 1, ..., n , ce qui voudrait dire
que Dn aurait (n + 1) zros do la contradiction.
Donc Pn Qn
3.4.1 Interpolation linaire

Dans ce cas, P1 est un polynme de degr 1 interpolant f aux points x0 et x1
on a donc P1 ( xi ) = f ( xi ) , i = 0, 1 et les polynmes de Lagrange donns par :
( x x1 )
( x x0 )
L 0 ( x) =
et L1 ( x) =
( x0 x1 )
( x1 x0 )
x x1
f ( x1 ) f ( x0 )
( x x0 ) + f ( x0 ) =
f ( x0 ) +
Do : P1 ( x) = L0 ( x) f ( x0 ) + L1 ( x) f ( x1 ) =
( x1 x0 )
x0 x1
x x0
f ( x1 )
x1 x0
qui est bien la formule dinterpolation linaire quon obtient en cherchant la droite
passant par x0 et x1
De faon similaire on peut exprimer P1 dans la base de Newton pour obtenir :
P1 ( x) =
f ( x0 ) + [ f ( x0 ), f ( x1 )]( x x0 )
f ( x1 ) f ( x0 )
f ( x0 ) +
( x x0 )
( x1 x0 )
42
3.5 Erreur dinterpolation

Thorme 3.5.1. :
Soit le Pn le polynme interpolant f aux points a = x0 < x1 < .... < xn = b
Si f C n+1 [ a, b] alors :
a) x [ a, b] , = ( x) [ a, b] tel que :
en ( x) = f ( x) Pn ( x) =
f (n+1) ()
( x)
( n + 1) ! n + 1
i= n
avec : n+1 ( x) =
( x xi )
i= 0
b) En posant Mn+1 = max a xb | f (n+1) ( x)|

on obtient :
Mn + 1
max a xb |n+1 ( x)|
max a xb | f ( x) Pn ( x)|
( n + 1) !
et en particulier :
max |en ( x)| = max | f ( x) Pn ( x)|
a x b
a x b
Mn + 1
( b a) n+ 1
( n + 1) !
Preuve :
a)
Si x = xi le rsultat est vident.
Si x 6= xi , posons :
f ( x) Pn ( x)
n+1 ( t)
R(t) = f (t) Pn (t)
n + 1 ( x)
On vrifie alors que R C n+1 [ a, b] et que :
R ( xi ) = en ( xi ) en ( x)
n + 1 ( xi )
= 0, i = 0, 1, ..., n,
n + 1 ( x)
et
R ( x) = en ( x) en ( x) = 0
Par consquent, R admet au moins n + 2 zros dans [ a, b] et par suite, en appliquant
le thorme de Rolle de proche en proche, on montre quil existe un point [ a, b]
tel que : R(n+1) () = 0 . Le rsultat annonc en dcoule.
f (n+1) ()
b) R(n+1) () = 0 en ( x) =
( x)
( n + 1) ! n + 1
max a xb |n+1 ( x)|
Mn + 1
max a xb |en ( x)|
( n + 1) !
Exercice 3.5.1. : Cas particulier : Points quidistants
Si les points sont quidistants et : xi+1 xi = h i , montrer que :
h2
M2
i ) pour n = 1 on a : max a xb |e1 ( x)|
8
43
ii ) pour n = 3 on a : max a xb |e3 ( x)|
h4
M4
24
Exemple 3.5.1. :
Construisons le graphe du polynme dinterpolation de la fonction f dont on connat
les valeurs suivantes (voir figure (3.2)) :
Xk
-1
-0.5
0.5
f ( x)
-1.5
0.25
2
points dinterpolation
linterpolant de f
1.5
1
0.5
0
0.5
1
1.5
2
2.5
3
1.5
0.5
0.5
1.5
F IGURE 3.2 Interpolation de Lagrange

On peut aussi calculer les coefficients de ce polynme. Le polynme qui interpole
f(x) est donc donn par :
P( x) = 0.000000x4 + 1.000000x3 + 1.000000x2 + 0.250000x1 + 0.250000
3.6 Exercices
Exercice 3.6.1.
1. Soit f est une fonction continue sur [0, 3]
a) Ecrire le polynme de Lagrange interpolant f aux points x0 = 0 , x1 = 1

et x2 = 2
b) Ecrire le polynme de Newton interpolant f aux points x0 = 0 , x1 = 1 et
x2 = 2 .
44
2. On considre un point supplmentaire x3 = 3

a) Ecrire le plynome de Lagrange interpolant f aux points x0 = 0 , x1 = 1,
x2 = 2 et x3 = 3
b) Ecrire le polynme de Newton interpolant f aux points x0 = 0 , x1 = 1,
x2 = 2 et x3 = 3
3. Comparer le temps de calcul entre 2.a) et 2.b)
Exercice 3.6.2. :
1. Calculer I1 =
R1
0
2. En dduire que :
t(t 1)dt , I2 =
R1
0
R
1
t(t )dt et I3 = 01 t2 (t 1)2 dt
2
( x )( x )dx = ( )3 I1
R
+
)dx = ( )3 I2 ,
ii) ( x )( x
2
R
iii) ( x )2 ( x )2 dx = ( )5 I3
i)
3. Montrer que si f est une fonction continue alors il existe c [ , ] tel que :
R
( )5
2
2
( x ) ( x ) f ( x) dx = f ( c)
30
4. Peut-on dire quil existe d [ , ] tel que :
R
( )3
+
)
f
(
x
)
dx
=
f
(
d
)
?
(
x
)(
x
2
12
5. Soit f est une fonction continue sur [ a, b] et soient et deux rels dans [ a, b]
On suppose < et on note P2 ( x) le polynme interpolant f aux points :
+
,
et .
2
R
Exprimer P2 ( x) dans la base de Newton puis calculer P2 ( x)dx
45
Chapitre 4
Intgration numrique
4.1 Introduction
Dans le calcul dintgrales, on nest pas toujours en mesure dobtenir des expressions exactes. Il se peut que lobtention dune primitive soit impossible ou trop
complique.
Pour pallier ce problme, on cherche une approximation de lintegrale I ( f ) =
Rb
a f ( x) dx par une somme de surfaces de rectangles, de trapzes ou dautres formes
gomtriques dont on sait calculer laire.
Considrons une subdivision uniforme de lintervalle [ a, b] en n sous intervalles
ba
[ xi1 , xi ] , i = 1, ..., n de mme longueur h = xi xi1 =
n
On a donc : x0 = a < x1 < ... xi < xi+1 < ... < xn = b
o xi = a + ih pour i = 0, 1, ..., n , en particulier x0 = a et xn = b
Soit f i la restriction de la fonction f chaque sous intervalle [ xi , xi+1 ].
En crivant
Rb
a
f ( x)dx =
R x1
a
f ( x)dx +
R x2
x1
f ( x)dx + ....... +
R xn
xn 1
f ( x)dx =
n 1 Z xi+1
i= 0
xi
f ( x)dx,
on obtient alors des approximations de lintgrale I ( f ) en remplaant f i ( x) par une

fonction i ( x) facile intgrer sur [ xi , xi+1 ].
Si i est la fonction constante i sur chaque sous intervale [ xi , xi+1 ] ( i ( x) = i )
on obtient une approximation par les sommes de Riemann :
I ( f ) Rn ( f ) =
n1
( xi+ 1 xi ) i
i= 0
o i = f ( xi ) avec xi quelconque dans [ xi , xi+1 ]

46
4.2 Approximation
Thorme 4.2.1. :
Soit f une fonction continue sur [ a, b] alors :
n
lim R ( f ) = I ( f ) =
Z b
a
f ( x)dx
Preuve :
Remarquons dabord que f est uniformment continue sur [ a, b] et par consquent :
> 0, > 0 tel que ( x, y) [a, b] vrifiant: | x y|
on ait : | f ( x) f ( y)|
et plus particulirement on a :
> 0, > 0 tel que ( x, y) [ xi , xi+1 ] vrifiant: | x y|
on ait : | f ( x) f ( y)|
ba
Montrons maintenat que : > 0, n0 N tel que n > n0
on ait : | I ( f ) Rn ( f )|
ba
ba
ba
<
Soit n0 >
alors pour tout n n0 on a : h =
n
n0
Par ailleurs, pour xi [ xi , xi+1 ] et tout x [ xi , xi+1 ] on a : | x xi | h < et ceci
implique que | f ( x) f ( xi )|
ba
et par suite :
n 1 Z xi+1
n 1 Z xi+1
(
)dx
| I ( f ) Rn ( f )|
| f ( x) f ( xi )| dx
b
a
i= 0 xi
i= 0 xi
Z
n 1 xi+1
n1
dx
( xi+ 1 xi ) =
b a i
b a i
=0 xi
=0
Cas particulier de sommes de Riemann
En particulier, sur chaque sous intervalle [ xi , xi+1 ] ,on peut choisir xi et prendre
pour constante i les valeurs f ( xi ) suivantes :
a) xi = xi et i = f ( xi ) donne
Rb
a
f ( x)dx Ign =
(Ign ,lindice g pour signifier gauche)

b)
xi
= xi+1 et i = f ( xi+1 ) donne
Rb
a
f ( x)dx
n 1 Z xi+1
i= 0
Idn
xi
f ( xi )dx
n 1 Z xi+1
i= 0
xi
f ( xi+1 )dx
(Idn , lindice d pour signifier droit)

R
1
xi + xi+ 1
) donne ab f ( x)dx
c) xi = x i = ( xi + xi+1 ) ( milieu de [ xi , xi+1 ]) et i = f (
2
2
n 1 Z xi+1
x
+
x
i
i
+
1
n =
f(
Im
)dx
2
i= 0 xi
n , lindice m pour signifier moyen ou mdian)
(Im
47
4.2.1 Approximation par des rectangles gauche

Soit x0 < x1 < ... xi < xi+1 < ... < xn une subdivision uniforme de [ a, b]
R
Si on prend xi = xi , on obtient une approxiamtion de ab f ( x)dx comme suit :
Rb
n
a f ( x) dx Ig o :
Ign
n 1 Z xi+1
i= 0
xi
f ( xi )dx =
n1
n1
i= 0
i= 0
( xi+ 1 xi ) f ( xi ) = h
f ( xi ) =
ba
n
n1
f ( xi )
i= 0
Thorme 4.2.2. :
1) La suite (Ign ) converge vers I ( f )

( b a) 2

2) Si la fonction f est de classe C 1 sur [ a, b] alors I ( f ) Ign M1
2n
o M1 = max atb | f (t)| .
Preuve :
1) analogue celle du thorme 1
2) Si f est de classe C 1 sur [ a, b] alors : M1 0 tel que : M1 = max atb | f (t)|
Le thorme des accroissements finis appliqu la fonction f sur [ xi , x] o x
[ xi , xi+ 1 ]
donne : ci ] xi , x[ tel que f ( x) f ( xi ) = ( x xi ) f (ci )

n 1 Z xi+1
n 1 Z xi+1

( x xi ) f (ci ) dx
do : I ( f ) Ign
|( f ( x) f ( xi ))| dx
i= 0
soit encore :

n1 Z

n
I ( f ) Ig M1
xi+1
i= 0 xi
n1
M1
i= 0
xi
i= 0
xi
( x xi )dx
n1 2
1
h
h
( b a) 2
x
[( x xi )2 ]xii+1 = M1
= M1 ( b a ) = M1
2
2
2
2n
i= 0
Corollaire 4.2.1. :
Pour obtenir une approximation avec prcision de lordre de , il suffit de prendre Ign0
( b a) 2
( b a) 2
o lindice n0 est tel que : M1
ou encore n0 M1
2n0
2
Exemple 4.2.1. :
R
Lapproximation de lintgrale 01 e x2 dx avec la mthode des rectangles gauche,
avec les prcision = 0.1 et = 0.05
48
f(x)=e
et = 0.1
0.5
0.5
1.5
1.5
f(x)=e
et = 0.05
0.5
0.5
F IGURE 4.1 Approximation par des rectangles gauche
4.2.2 Approximation par des rectangles droite

R
Si on prend xi = xi+1 , on obtient une approxiamtion de ab f ( x)dx comme suit :
Rb
n
a f ( x) dx Id o :
n 1 Z xi+1
n1
b a i= n
f ( xi )
Idn =
f ( xi+1 )dx = ( xi+1 xi ) f ( xi+1 ) =
n i
=1
i= 0 xi
i= 0
Thorme 4.2.3. :
1) La suite (Idn ) converge vers I ( f )

( b a) 2
2) Si la fonction f est de classe C 1 sur [ a, b] alors I ( f ) Idn M1
2n
o M1 = max atb | f (t)|
Preuve : analogue celle du thorme 2

Corollaire 4.2.2. Pour obtenir une approximation avec prcision de lordre de , il suffit
( b a) 2
( b a) 2
ou encore n0 M1
de prendre Idn0 o lindice n0 est tel que : M1
2n0
2
Exemple 4.2.2. :
R
Lapproximation de lintgrale 01 e x2 dx avec la mthode des rectangles droite,
49
f(x)=e
et = 0.1
0.5
0.5
1.5
1.5
f(x)=e
et = 0.05
0.5
0.5
F IGURE 4.2 Approximation par des rectangles droite
4.2.3 Approximation par des rectangles mdians

R
xi + xi+ 1
Si on prend xi =
, on obtient une approxiamtion de ab f ( x)dx comme
2
suit :
Rb
n
a f ( x) dx Im o :
n1
n 1 Z xi+1
b a n 1 xi + xi+ 1
xi + xi+ 1
xi + xi+ 1
n =
f(
)
dx
=
)
=
)
(
x
x
)
f
(
f
(
Im
i+ 1 i
2
2
n i
2
=0
i= 0
i= 0 xi
Thorme 4.2.4. :
n ) converge vers I ( f )
1) La suite (Im
3
n M ( b a) o
2) Si la fonction f est de classe C 2 sur [ a, b] alors | I ( f ) Im
|
2
2
24n
M2 = max atb | f (t)|
Preuve :
1)analogue celle du thorme 2
2) Ici, au lieu du thorme des accroissements finis, on utilise la formule de Taylor
1
lordre 2 sur lintervalle [ x i , x] o x i = ( xi + xi+1 ) et x [ xi , xi+1 ] .
2
On obtient lexpression suivante :
1
f ( x) f ( x i ) = ( x x i ) f ( x i ) + ( x x i )2 f (ci ) avec ci [ x i , x]
2
On a alors :

n 1 Z xi+1

( f ( x) f ( xi ))dx
| I ( f ) Imn | =

i= 0 xi
50

n 1 Z xi+1 1
n 1 Z xi+1

2
( x x i ) f (ci )dx
( x x i ) f ( x i )dx +

i= 0 xi
i= 0 xi
2
Z A + B

n 1 Z xi+1
n 1 xi+1

o A =
( x x i )dx = 0
( x xi ) f ( x i )dx = | f ( x i )|

i= 0 xi
i= 0 xi

n 1 Z xi+1 1

n 1 Z xi+1
1

( x x i )2 dx
et B =
( x x i )2 f (ci )dx M2
i= 0 xi

2
2
x
i
i= 0
n1
n1
xi+ 1 xi 3
1
1
( b a) 3
1
x
M2 [( x x i )3 ] xii+1 = M2 2(
) = M2
2
6
2
24n2
i= 0 3
i= 0
Corollaire 4.2.3. :
n0
Pour obtenir une approximation avec prcision de lordre de , il suffit de prendre Im
2
( b a) 3
2 M ( b a)
o lindice n0 est tel que : M2
c-a-d
n
2
0
24
24n20
r
2
( b a)
ou encore n0 M2
24
Exemple 4.2.3. :
R
Lapproximation de lintgrale 01 e x2 dx avec la mthode des rectangles mdians,
f(x)=e
et = 0.01
0.5
0.5
1.5
1.5
f(x)=e
et = 0.001
0.5
0.5
F IGURE 4.3 Approximation par des rectangles mdians
4.2.4 Approximations par des trapzes

Soit x0 < x1 < ... xi < xi+1 < ... < xn une subdivision uniforme et P 1 ( x)
un polynme de degr 1 interpolant f aux points xi et xi+1 de chaque intervalle
[ xi , xi+ 1 ].
51
[ P1 ( xi ) = f ( xi ) et P1 ( xi+1 ) = f ( xi+1 )]
En approchant sur chaque sous intervalle [ xi , xi+1 ], f ( x) par P1 ( x) on obtient :
f ( x) P1 ( x) = f ( xi ) + [ f ( xi ), f ( xi+1 )]( x xi )
f ( xi+ 1 ) f ( xi )
( x xi )
f ( x) P1 ( x) = f ( xi ) +
xi+ 1 xi
et en consquences :
R
R
h
I ( f ) = ab f ( x)dx ab P1 ( x)dx = [ f ( xi ) + f ( xi+1 )]
2
4.2.5 Formule de Simpson

Soit P2 ( x) un polynme de degr 2 vrifiant :
P2 ( xi ) = f ( xi ) , P2 ( xi+1 ) = f ( xi+1 ) et P2 ( xi+2 ) = f ( xi+2 )
En approchant sur chaque sous intervalle [ xi , xi+2 ], f ( x) par P2 ( x) on obtient :
f ( x) P2 ( x)
f ( x0 ) + [ f ( xi ), f ( xi+1 )]( x xi ) + [ f ( xi ), f ( xi+1 ), f ( xi+2 )]( x xi )( x xi+1 )
et en consquences :
R
R
h
I ( f ) = xxii+2 f ( x)dx xxii+2 P2 ( x)dx = [ f ( xi ) + 4 f ( xi+1 ) + f ( xi+2 )]
3
Preuve :
R
On a xxii+2 P2 ( x)dx = I ( P2 ) + J ( P2 ) + K ( P2 )
R
o : I ( P2 ) = xxii+2 f ( xi ) dx
R
f ( xi+ 1 ) f ( xi )
J ( P2 ) = xxii+2
( x xi ) dx
xi+ 1 xi
R xi+2
K ( P2 ) = xi [ f ( xi ), f ( xi+1 ), f ( xi+2 )]( x xi )( x xi+1 )dx
On fait le changement de variables suivant :
( x xi ) = ht dx = hdt
quand x = xi t = 0 et si x = xi+2 t = 2
do on obtient successivement :
R
I ( P2 ) = 02 f ( xi ) hdt = 2h f ( xi )
f ( xi+ 1 ) f ( xi ) R 2 2
J ( P2 ) =
0 h tdt
xi+ 1 xi
2 2
t
= h[ f ( xi+1 ) f ( xi )]
2 0
= 2h[ f ( xi+1 ) f ( xi )]
R
K ( P2 ) = [ f ( xi ), f ( xi+1 ), f ( xi+2 )] 02 ( x xi )( x xi+1 )dx
R
= [ f ( xi ), f ( xi+1 ), f ( xi+2 )] 02 h3 t(t 1)dt
2

f ( xi+ 2 ) 2 f ( xi+ 1 ) + f ( xi ) 3 t3
t2
=
h
2h2
3
2 0
h
= [ f ( xi+2 ) 2 f ( xi+1 ) + f ( xi )]
3
Soit enfin :
52
R xi+2
xi
P2 ( x)dx = I ( P2 ) + J ( P2 ) + K ( P2 ) =
h
[ f ( xi ) + 4 f ( xi+1 ) + f ( xi+2 )]
3
4.3 Interpolation et Erreur dintgration numrique

Dfinition 4.3.1. :
On appelle formule de quadrature de type interpolation la formule :
Rb
f ( x)dx ab Pn ( x)dx
o Pn est le polynme dinterpolation associ f .
a
4.3.1 Interpolation linaire et la formule du trapze :

Soit a = x0 < x1 < ... < xn = b , une subdivision uniforme de [ a, b] et
f C 2 ([ a, b])
Considrons dabord le sous intervalle [ xi , xi+1 ], avec h = xi+1 xi ,
Soit P1 le polynme de degr 1 interpolant f aux points xi et xi+1
R
Alors lintgrale Ii ( f ) = xxii+1 f ( x)dx peut tre approche par :
R
h
Ii ( f ) xxii+1 P1 ( x)dx = [ f ( xi ) + f ( xi+1 )]
2
Lerreur commise par cette approximation tant donne par :
R
1 R xi+1
( x xi )( x xi+1 ) f (i )dx
Ei ( f ) = xxii+1 e1 ( x)dx =
2 xi
2 ( x) = ( x xi )( x xi+1 ) garde un signe constant dans [ xi , xi+1 ]
do, en appliquant la formule de la moyenne :
f (i ) R xi+1
h3
Ei ( f ) =
(
x
x
)(
x
x
)
dx
=
f ( i ) ; i [ xi , xi+ 1 ]
i
i+ 1
xi
2
12
4.3.2 Formule du trapze compose

Pour chercher une approximation de lintgrale sur tout lintervalle [ a, b], il
suffit dcrire :
R b= xn
a= x0
f ( x)dx =
n 1 Z xi+1
i= 0 xi
n1
f ( x)dx
n1
i= 0
i= 0
avec [ a, b]
h3
[ 2 [ f ( xi ) + f ( xi+1 )] + 12 f (i )
h3 n1
h
f (i )
= [ f ( x0 ) + 2 f ( x1 ) + ....2 f ( xn1 ) + f ( xn )]
2
12 i
=0
(b a) 2
h
h f ()
= [ f ( x0 ) + 2 f ( x1 ) + ....2 f ( xn1 ) + f ( xn )]
2
12
53
4.3.3 Erreur de la formule de Simpson

R
En posant : e2 ( x) = f ( x) P2 ( x) et E2 ( f ) = ab e2 ( x)dx =
h5
On dmontre que : E2 ( f ) = f (4) () ; [ a, b]
90
Exercice 4.3.1. :
Soit f C 2 ([ a, b])
h n1
En posant In = [ f ( xi+1 ) + f ( xi )] , montrer que :
2 i= 0
n + In
I
g
d
1) I n =
2
2) lim I n = I ( f )
n
3) | I ( f ) I n | M2
Rb
a
[ f ( x) P2 ( x)]dx
( b a) 3
12n2
Exemple 4.3.1. :
On veut calculer une valeur approcher de ln 2 pour cela on va calculer lintgrale
de la fonction f(x)=1/(x+1) sur un intervalle [0,1] par la mthode de Simpson la
mthode des trapzes, et la mthode des rectangles. Et on compare les rsultats
avec diffrentes valeurs de n (le nombre de subdivision de lintervalle [0, 1]) alors
on a le tableau suivant :
n
mthode de Simpson
mthode des trapzes
mthode des rectangles
100
200
400
800
1600
3200
6400
12800
25600
51200
0.69314718057947511
0.69314718056116631
0.69314718056002178
0.69314718055995039
0.69314718055994573
0.6931471805599464
0.69314718055994629
0.69314718055994318
0.69314718055994495
0.69314718055994629
0.6931534304818241
0.69314874305506269
0.69314757118464021
0.69314727821617628
0.69314720497400739
0.69314718666346065
0.69314718208582515
0.69314718094141725
0.69314718065531489
0.6931471805837861
0.69565343048182404
0.69439874305506266
0.69377257118464031
0.69345977821617644
0.69330345497400736
0.69322531166346069
0.69318624458582534
0.69316671219141723
0.69315694628031488
0.69315206339628599
TABLE 4.1 Ln(2) 0, 69314718055994530941723212145818
4.4 Exercices
Exercice 4.4.1. :
Soit a = x0 , x1 .... , xn = b , une subdivision de [ a, b] et f C 2 ([ a, b])
54
1. En faisant deux intgrations par parties succssives, montrer que :

R xi+1
f ( xi ) + f ( xi+ 1 ) 1 R xi +1
+ xi ( x xi )( x xi+1 ) f (2) ( x)dx
f ( x)dx = ( xi+1 xi )
xi
2
2
2. Si xi+1 xi = h pour tout i = 0, 1, ..., n 1 , montrer que lerreur dapR
proximation de xxii+1 f ( x)dx par la mthode des trapzes est de la forme :
h3
f (2) () , [ xi , xi+1 ]
12
Exercice 4.4.2. Soit P3 un polynme de degr 3 et f C 2 ([ a, b]) avec f (2) < 0,
R
Soit I ( f ) = ab f ( x)dx et InT lapproximation de I ( f ) par la mthode des trapzes,
n ( resp. I n ) lapproximation de I ( f ) par la mthode des triangles droits (
Soit Im
g
resp. gauches)
n et I T
1. Ecrire les expressions de Ign , Im
n
2. Montrer que InT =
Ign + Idn
2
3. En dduire que lim InT = I ( f )
n

( b a) 3
4. Prouver que I ( f ) InT M2
12n2
R
f ( b) + f ( a)
b+a
) ab f ( x)dx (b a)(
)
5. Etablir les ingalits : (b a) f (
2
2
R
b+a
( b a)
[ P3 ( a) + 4P3 (
) + P3 (b)]
6. Etablir lgalit : ab g( x)dx =
6
2
7. Soit a = x0 < x1 < ... < xn = b , une subdivision de [ a, b]
Montrer que :
R xi+1
f ( xi ) + f ( xi+ 1 ) 1 R xi +1
f ( x)dx = ( xi+1 xi )
+ xi ( x xi )( x xi+1 ) f (2) ( x)dx
xi
2
2
8. Si xi+1 xi = h pour tout i = 0, 1, ..., n 1 , montrer que lerreur dapproxiR
mation de xxii+1 f ( x)dx par la mthode des trapzes est de la forme :
h3
f (2) () , [ xi , xi+1 ]
12
55
Chapitre 5
Analyse numrique des quations

differentielles ordinaires (e.d.o)
5.1
Rappels sur les quations differentielles ordinaires (e.d.o)
On considre le.d.o du premier ordre
y ( x) = f ( x, y), f : R Rm Rm , x R, y Rm o y = ( y1 , y2 , , ym )
(5.1.1)
Lquation (5.1.1) peut encore scrire sous la forme dun systme de.d.o :
y1 =
f 1 ( x, y1 , , ym )
y2 = f 2 ( x, y1 , , ym )
.. .. ..
. . .
ym =
(5.1.2)
f m ( x, y1 , , ym )
Lorsque les conditions initiales sont prcises, on obtient un problme de condition

initiale ( p.c.i) encore appel problme de Cauchy :
y ( x) =
f ( x, y)
y( a) = avec = (1 , , m ) donn
(5.1.3)
Lexistence et lunicit de la solution du p.c.i (5.1.3) sont donnes par le thorme

suivant
Thorme 5.1.1. Soit f : R Rm Rm une fonction dfinie et continue pour tout
couple ( x, y) D o D = {( x, y); a x b, < yi < } , avec a et b finis. On
suppose quil existe une constante L telle que :
k f ( x, y) f ( x, y )k Lk y y k pour tous ( x, y) et ( x, y ) appartenant D (5.1.4)

56
Alors pour tout Rm , il existe une solution unique y( x) du problme (5.1.3), o y est
continue differentiable pour tout couple ( x, y) D.
Remarque 5.1.1. Un systme differentiel dordre q peut toujours tre ramen un
systme du premier ordre du type (5.1.3)

(q)
y = x, y(0) , , y(q1) ; : R Rm Rm Rm
En posant : Y1 = y, Y2 = Y1 (= y ), , Yq = Yq1 (= y(q1) ) on obtient

, , Y
Rqm
,
Y
Y = F ( x, Y) avec Y = Y
q
2
1

F = Y
,
Y
,
,
Y
,
Rqm
2
3
q
o y(r) ( a) = r+1 , r = 0, 1, , q 1.
On obtient
Y = F ( x, Y); Y(a) =
Exemple 5.1.1.
y(iv) = f ( x, y),
f : R R R
Y1 = y, Y2 = Y1 = y , Y3 = Y2 = y , Y4 = Y3 = y , Y4 = y(iv)
si on pose Y = (Y1 , Y2 , , Y4 ) on obtient Y = F( x, Y).
5.2 Systmes linaires

Le systme
f : R Rm Rm
y ( x) = f ( x, y),
est dit linaire si f est de la forme
f ( x, y) = A( x) y + ( x)
(5.2.1)
o A( x) est une matrice dordre m et Rm .

Si de plus A( x) = A est indpendante de x, on obtient un systme linaire
coefficients constants de la forme :
y ( x) = Ay + ( x)
(5.2.2)
Si ( x) = 0, le systme est dit homogne.
y = Ay
57
(5.2.3)
Si les valeurs propres de A sont distinctes, la solution du systme homogne est de

la forme
k
y( x) =
C j exp( j x)V j + ( x)
(5.2.4)
j= 1
o j est valeur propre de A associe au vecteur propre V j et les C j sont des

constantes arbitraires et ( x) est une solution particulire de lquation (5.2.2).
Exemple 5.2.1.
y = Ay + ( x) , y(0) =
!
1 2
, ( x) = (2x 1, x + 1) , = (0, 0) , les valeurs propres de
avec A =
2 1
A sont 1 = 3 et 2 = 1.
Les vecteurs propres de A sont V1 = (1, 1) et V2 = (1, 1) .
!
ax + b
En cherchant une solution particulire de la forme : ( x) =
, on
cx + d
obtient
!
!
!
1
1
5/3
y( x) = C1 exp(3x)
+ C2 exp( x)
+
.
1
1
x + 4/3
Enfin, en considrant la condition
= 3/2,
initiale on obtient C1 = 1/6 et C2
!
3
5
1
exp(3x) + exp( x)
y1 ( x)
2
3
= 16
do y( x) =
3
4 .
y2 ( x)
exp(3x) exp( x) x +
6
2
3
5.3 Notions de stabilit

Considrons le systme nonlinaire suivant
dX (t)
= F ( X (t))
dt
()
o X (t) = ( X1 , , Xn ) est un vecteur de Rn et F = ( f 1 , , f n ) une fonction

de Rn dans Rn suffisamment rgulire.
Si F est lineaire le systme est dit linaire
Dfinition 5.3.1 (Point dquilibre). Un vecteur X est un point quilibre du systme
() si l instant t0 ltat du systme est gal X et il restera gal X dans le futur
c..d :
X (t0 ) = X et t > t0 X (t) = X.

58
On parle aussi de point stationnaire, tat stationnaire et solution stationnaire

qui dsignent la mme notion.
Dfinition 5.3.2.
1. Un point dquilibre X est dit stable si :
r) alors
R0 > 0 et R < R0 r 0 < r < R tel que si X (t0 ) B( X,
R) t > t0 , B( X,
r) :boule de centre X et de rayon r ;
X (t) B( X,
2. Un point dquilibre est dit asymptotiquement stable sil est stable et en plus
R0 ) on a lim X (t) = X ;
R0 tel que pour tout X (t0 ) B( X,
t+
3. Un point dquilibre est dit marginalement stable s il est stable et non asymptotiquement stable ;
4. Un point est instable si il n est pas stable ;
5. Un point est globalement asymptotiquement stable si pour tout X (t0 ) on a
lim X (t) = X .
t+
Thorme 5.3.1. Si F est linaire, une condition ncessaire et suffisante pour que le systme () admette 0 comme point dquilibre asymptotiquement stable est que
Re( ) < 0, pour toute valeur propre de F.
Si au moins une des valeurs propres de F vrifie Re( ) > 0 alors le point dquilibre 0 est
instable .
on
Dfinition 5.3.3. Si le systme non linaire () admet un point dquilibre X,
appelle matrice de linarisation du systme la matrice
f1
f1
X1
Xn
f
f2
X
X
n ,
A= 1
..
..
...
.
.
f
fn
n
X1
Xn X
le systme
().
dY (t)
= AY (t) est dit systme linearis obtenu partir du systme
dt
Thorme 5.3.2. Si le systme non linaire () admet lorigine comme point fixe unique
alors dans un voisinage de lorigine, les comportements du systme non linaire et du systme linearis sont quivalents condition que le systme nadmette pas de point centre
(valeurs propres imaginaires pures).
Remarque 5.3.1. Le thorme peut sappliquer aux points dquilibre qui sont distincts de lorigine, il suffit dintroduire des coordonnes locales.
59
Thorme 5.3.3 (Thorme de Liapunov). Soient X un point dquilibre de () et V

une fonction dfinie de U dans R de classe C 1 , U un voisinage de X tel que :
i) V ( X ) = 0 et V ( X ) > 0 si X 6= X,
ii) V ( X ) 0 X U \ {X }.
Alors X est stable. Si de plus
iii) V ( X ) < 0 X U \ {X }
Alors X est asymptotiquement stable. V ( X ) est dite fonction de Liapunov.
5.4 Systme dquations aux differences linaires avec cofficients constants

Soit { yn , n = N0 , N0 + 1, , } une suite de vecteurs de Rm et (n ) une suite de
rels. On appelle systme dquations aux differences linaires dordre k le systme
dquations suivantes
k
j yn+ j = n , n = N0 , N0 + 1,
n Rm
avec
j= 0
(5.4.1)
Si de plus n = 0, le systme est dit homogne :

k
j yn+ j = 0, n = N0 , N0 + 1,
(5.4.2)
j= 0
La solution gnrale du systme (5.4.1) sobtient de faon similaire celle qui donne
la solution du systme dquations differentielles linaires (5.2.1). Elle est donne
par la somme dune solution (Yn ) du systme homogne (5.4.2) et dune solution
particulire n du systme (5.4.1) (yn = Yn + n ).
Dfinition 5.4.1. On appelle polynme caractristique de lquation aux differences
k
linaires le polynme dfini par (r) =
jr j.
Si les racines r j de (r) sont
j= 0
simples alors la solution gnrale du systme (5.4.1) est donne sous la forme yn =
k
j rnj + n , o n est une solution particulire du systme (5.4.1).

j= 1
Si r1 est une racine de (r) de multiplicit m, la solution gnrale du systme

(5.4.1) est donne sous la forme : yn =
j= 1
j= m + 1
n j1 j rn1 +
j rnj + n .
1
yn = 1, K = 2 est une solution particulire
2
1
(r ) = r 2 r + , = 1 2 = i 2 .
2
Exemple 5.4.1. yn+2 yn+1 +
60
Les racines sont complexes conjugus r1 = (1 + i )/2 et r2 = (1 i )/2. La solution

gnrale est donne par yn = 1 (1 + i )n /2n + 2 (1 i )n /2n + 2.
5.5 Mthodes numriques pour les problmes de condition

initiale
Considrons le problme de condition initiale
y ( x) = f ( x, y),
y( a) = .
(5.5.1)
On suppose que ce problme admet une solution unique dans lintervalle [ a, b] .

Les mthodes numriques utilisent la discretisation de lintervalle [ a, b] en posant
xi = a + ih, i = 0, 1, , N
ba
o h =
est le pas de discrtisation (ici le pas est suppos constant mais on
N
peut envisager des pas hi variables).
La solution exacte au point xi est note y( xi ), la solution approche est note yi
( y( xi ) yi ), une mthode numrique est un systme dquations aux differences
impliquant un certain nombre dapproximations successives yn , yn+1 , , yn+k o
k dsigne le nombre de pas de la mthode.
Si k = 1 on parle de mthode un pas.
Si k > 1 la mthode est dite pas multiples ou multi-pas.
Exemple 5.5.1.
yn + 1 yn = h f n
yn+2 + yn+1 2yn =
yn + 2 yn + 1 =
h
( f n+2 + 8 f n+1 + 3 f n )
4
h
(3 f n+1 2 f n )
3
h
( k1 + k2 )
4
yn + 1 yn =
avec
k1 = f n = f ( xn , yn ) et k2 = f
1
1
xn + h, yn + hk1 + hk2
2
2
Ces exemples peuvent tre donns sous la forme gnrale

k
j yn + j = f ( yn + k , yn , xn ; h) .
j= 0
61
(5.5.2)
5.5.1 Convergence
Considrons une mthode numrique de type (5.5.2) avec des valeurs initiales
appropries :
j yn + j = f ( yn + k , yn , xn ; h)
(5.5.3)
j= 0
y = (h) , = 0, 1, , k 1
Dfinition 5.5.1. La mthode (5.5.3) est dite convergente si pour tout problme de
condition initiale vrifiant les hypothses du thorme 5.1.1 ( existence et unicit)
on a
max k y( xn ) yn k = 0 quand h 0
0n N
Dfinition 5.5.2. On appelle erreur de troncature locale de la mthode numrique

le rsidu Rn+k (h) dfini par
k
R n + k ( h) =
j y( xn+ j ) h f ( y( xn+k ), y( xn+k1 ), , y( xn ), xn , h)
(5.5.4)
j= 0
1
Remarque 5.5.1. Parfois on utilise aussi n (h) = Rn+k (h) comme dfinition derh
reur de troncature locale, mais dans le cadre de ce chapitre cest la premire dfinition qui est adopte.

Dfinition 5.5.3. La mthode (5.5.3) est dite dordre p si Rn+k = O h p+1 .
5.5.2 Consistance
La mthode numrique est dite consistante si son ordre est au moins 1 ou encore, pour tout p.c.i vrifiant les hypothses du thorme 5.1.1 dexistence et dunicit on a
1
lim Rn+k (h) = 0, x = a + nh.
h0 h
Lemme 5.5.1. La mthode numrique (5.5.2) est consistante si et seulement si
k
i)
j = 0.
j= 0
k
ii) ( f ( y( xn ), y( xn ) y( xn ), xn , 0))/
j j =
j= 0
62
f ( xn , y( xn )).
5.5.3 Stabilit
Considrons le problme de condition initiale
z = f ( x, z), z( a) = , x [ a, b]
Avant de dfinir la stabilit de la mthode numrique, on pourrait se poser la question de savoir comment ragirait la solution z( x) de ce problme une perturbation
des conditions initiales et/ou de f ? Soit donc z la solution du problme perturb :
z = f ( x, z) + ( x), z( a) = + , x [ a, b] .
Dfinition 5.5.4 (Hahn,Stetter). Si (( x), ) et ( ( x), ) sont deux perturbations
et z( x) et z ( x) les solutions qui en rsultent et sil existe une constante S telle que
x [a, b] , k z( x) z ( x)k < S si k( x) ( x)k < et k k <

Alors le p.c.i est dit totalement stable.
Remarque 5.5.2. Dans cette dfinition de stabilit, on exige simplement lexistence
dune constante S finie ( mais pas ncessairement petite) et on montre que les hypothses du thorme 5.1.1 sont suffisantes pour que le p.c.i soit totalement stable.
On dit aussi que le problme est bien pos.
Si maintenant on considre la mthode numrique, on peut se demander quel
effet aurait une perturbation de lquations aux differences sur la solution numrique yn . On a alors la dfinition suivante :
Dfinition 5.5.5 (Lambert). Soient (n , n = 0, 1, N ) et (n , n = 0, 1, N ) deux
perturbations de lquation aux differences (5.1.1)et ( zn , n = 0, 1, N ) et
( zn , n = 0, 1, N ) les solutions qui en rsultent. On dira que la mthode numrique est zro-stable si il existe deux constantes S et h0 telles que pour tout h
[0, h0 ] , si kn n k < 0 n N alors k zn zn k < S, 0 n N.
Remarque 5.5.3. La zro-stabilit est encore appele stabilit au sens de Dahlquist.
Dfinition 5.5.6. On appelle 1er polynme caractristique de la mthode numk
rique le polynme (t) dfini par (t) =
jt j.
j= 0
Dfinition 5.5.7. On dit que la mthode numrique satisfait les conditions aux racines si tous les zros du 1er polynme catactrisitique sont de module infrieur ou
gal 1 et ceux ayant un module gal 1 sont des zros simples.
63
Thorme 5.5.1. Une condition ncessaire et suffisante pour que la mthode soit zrostable et que la mthode vrifie la condition aux racines.
Thorme 5.5.2. Une condition suffisante et ncessaire pour que la mthode (5.5.2) soit
convergente est quelle soit zro- stable et consistante.
5.5.4 Mthode dEuler

La plus simple et la plus connue des mthodes dapproximation des solutions
des e.d.o est la mthode dEuler donne par :
yn + 1 yn = h f n , y0 =
(5.5.5)
En considrant
y( xn + h) y( xn ) h f ( xn , y( xn )) =
1 2
h y(n ) avec xn n xn+1
2
(5.5.6)
On voit que la mthode dEuler est une mthode explicite dordre 1 (donc consistante).
Lemme 5.5.2.
i) Pour tout x 1 et toute constante positive m on a

0 (1 + x)m exp(mx)
k
ii) Si s et t sont des rels positifs et ( zn )nn=
= 0 une suite vrifiant
t
z0 et zn+1 (1 + s) zn + t n = 1, , k
s
Alors on a
zn+1 exp((n + 1)s)
t
+ z0
s
t
.
s
Thorme 5.5.3. Soit f : R R R une fonction continue et vrifiant la condition

de Lipschitz pour y sur D = {( x, y); a x b, < y < } avec a et b finis. On
suppose quil existe une constante M telle que | y( x)| M pour tout x [ a, b] . Soit
N
y( x) la solution unique du p.c.i y ( x) = f ( x, y) , y( a) = et ( yn )nn=
= 0 la suite des
approximations gnre par la mthode dEuler. Alors on a :
| y( xn ) yn |
hM
(exp( L( xn a)) 1) pour chaque n = 0, 1, , N
2L
Preuve.
Pour n = 0, l ingalit est vrifie puisque y( x0 ) = y0 = .
Les quations (5.5.5) et (5.5.6) donnent :
1
| y( xn+1 ) yn+1 | | y( xn ) yn | + h| f ( xn , y( xn ) f ( xn , yn )| + h2 | y(n )| (5.5.7)
2
64
Les hypothses du thorme conduisent alors la mojoration
| y( xn+1 ) yn+1 | | y( xn ) yn |(1 + hL) +
h2 M
2
h2 M
il vient :
2

h2 M
h2 M
| y( xn+1 ) yn+1 | exp(((n + 1)hL) | y( x0 ) y0 | +
2hL
2hL
En appliquant le lemme avec zn = | y( xn ) yn |, s = hL et t =
et comme | y( x0 ) y0 | = 0 et (n + 1)h = xn+1 a , on obtient :
| y( xn + 1 ) yn + 1 |
hM
(exp( L( xn+1 a)) 1)
2L
Daprs le thorme 5.5.3, lerreur de la mthode dEuler est majore par une fonction linaire en h. Ceci laisse comprendre que plus on diminue h plus on rduit
lerreur. Cependant, le corollaire qui va suivre indique autre chose.
Corollaire 5.5.1. Soit y( x) la solution unique du p.c.i y ( x) = f ( x, y) , a x b ,

y( a) = et w0 , w1 , , w N les approximations vrifiant w0 = + 0 et
wn+1 = wn + h f ( xn , wn ) + n+1 ; n = 0, , N 1. Si |n | < n = 0, , N et les
hypothses du thorme prcedent sont vrifies, alors

1 hM
| y( xn ) w n |
+
(exp( L( xn a)) 1) + |0 | exp L( xn a)
L
2
h
Preuve. Identique celle du thorme avec y( x0 ) w0 = 0 et t =
h2 M
+ |n |.
2
Remarque 5.5.4. La simplicit de la mthode dEuler en fait un exemple pdagogique dintroduction aux autres mthodes plus complexes. Cependant, un des critres principaux de lanalyse numrique consiste chercher des mthodes ayant
lordre de prcision le plus lev possible et comme la mthode dEuler est dordre
1, son utilisation se trouve limite en pratique et on est amen considrer des
mthodes plus prcises. Trois directions principales permettent dobtenir des mthodes dordres levs.
La premire direction consiste travailler avec des mthodes un pas mais en
cherchant atteindre des ordres levs en utilisant un dveloppement de Taylor
et en ngligeant le terme derreur mais ces mthodes ont un handicap cause des
drives susccessives de f .
Une deuxime possibilit est donne par des choix appropris de
f ( yn+k , yn , xn ; h) dans lquation (5.5.1), les mthodes de Runge-Kutta sont la
meilleure illustration de cette direction.
65
Enfin, une troisime direction est offerte par les Mthodes Linaires Pas Multiples (MLPM).
En se basant sur le critre de prcision, on voit quon est oblig de chercher des
mthodes dont la performance est suprieure celle dEuler. On fait donc appel
dautres mthodes plus prcises.
5.5.5 Mthodes de Taylor dans le cas scalaire

Supposons que la solution y( x) du p.c.i
y ( x) = f ( x, y), a x b, y( a) =
(5.5.8)
est de classe C (n+1) . Alors en crivant le dveloppement de Taylor au point xn+1 = xn + h

on obtient
y( xn+1 ) = y( xn ) + hy ( xn ) +
hn
hn + 1 ( n + 1)
h2
y ( xn ) + + y( n ) ( xn ) +
y
(n ),
2!
n!
( n + 1) !
xn < n < xn + 1
En remplaant y ( xn ) par f ( xn , yn ) ainsi que les drives suprieures de y par celles

hn + 1 ( n + 1)
y
(n ), on obtient la mthode
de f puis en laissant tomber le terme
( n + 1) !
numrique :
y
=
n
yn+1 = yn + hT f ( xn , yn , h),
n = 0, 1, , N 1
n1
T n ( x , y , h) = f ( x , y ) + h f ( x , y ) + + h
(n1) ( x , y )
f
n
n
n
n
n
n
n
n
f
2!
n!
(5.5.9)
Exemple 5.5.2. La mthode dEuler fait partie des mthodes de Taylor.
Exercice 5.5.1. En faisant un dveloppement de Taylor de y( x) lordre 3 puis
1
en remplaant y( xn ) par ( y ( xn+1 ) y ( xn )) + O(h), montrer quon obtient la
h
h
mthode dEuler modifie yn+1 yn = ( f ( xn , yn ) + f ( xn+1 , yn+1 )).
2
Remarque 5.5.5. Au vu du critre de prcision et bien que les mthodes de Taylor
paraissent faciles dans leur criture, elles sont rarement utilises dans la pratique
cause des difficults engendres par le calcul des drives successives de f comme
fonction de deux variables. Cest pour cette raison quon cherche des mthodes permettant datteindre un ordre lev tout en vitant le calcul des drives successives
de f . Au critre de prcision sajoute le critre de cot.
66
5.5.6 Mthodes de Runge-Kutta (R.K) dans le cas scalaire

Revenons au p.c.i (5.1.3), les mthodes de R.K se prsentent sous la forme :
l
yn + 1 yn = h bi ki
i= 1
avec ki = f
xn + ci h, yn + h
ai j k j
j= 1
, i, = 1, 2, , l et on suppose que ci =
ai j , i, = 1, 2, , l
j= 1
Si ai j = 0 pour j > i alors :

i
ki = f
xn + ci h, yn + h
ai j k j
j= 1
i, = 1, 2, , l
on obtient ainsi :
k1 = f ( xn , yn )
k2 = f ( xn + c2 h, yn + c2 hk1 )
k3 = f ( xn + c3 h, yn + (c3 a32 )hk1 + a32 hk2 )
Remarques 5.5.6.
1. Les mthodes de R.K sont des mthodes un pas, elles
peuvent-tre crite sous la forme gnrale yn+1 yn = h f ( xn , yn , h), o
l
f ( x, y, h) =
bi ki .
i= 1
2. Les mthodes de R.K satisfont la condition aux racines, elles sont donc zrostables. Par consquent, pour tudier la convergence il suffit dtudier la consistance.
5.5.7 Mthodes de Runge-Kutta explicites

Les mthodes explicites de R-K dordre 1,2 ,3 et 4 sont obtenues en considrant
yn + 1 = yn + h( b1 k1 + b2 k2 + b3 k3 + b4 k4 )
en dterminant pour chaque ordre les valeurs possibles des paramtres.
k1 =
f ( xn , yn )
k2 =
f ( xn + c2 h, yn + c2 hk1 )
k3 = f ( xn + c3 h, yn + (c3 a32 )hk1 + a32 hk2 )

.. .. ..
. . .
67
Les formes explicites des mthodes dordre 1,2 et 3 sont obtenues aprs differentiation et identification.
Mthode dordre 1
En considrant yn+1 = yn + hb1 k1 avec k1 = f ( xn , yn ) on voit que le lodre maximal
est 1 obtenu avec le paramtre b1 gal 1 et qui donne la mthode dEuler :
yn + 1 yn = h f ( xn , yn )
Mthodes dordre 2
En partant de yn+1 = yn + hb1 k1 + b2 k2 avec k1 = f ( xn , yn ) et
k2 = f ( xn + c2 h, yn + c2 k1 ), p = 2 est lordre maximal possible quon peut atteindre
1
si les paramtres b1 , b2 et c2 vrifient les quations b1 + b2 = 1 et b2 c2 = . Comme
2
on a deux quations pour trois inconnues, il en rsulte une infinit de mthodes
explicites dordre 2 . On en donne quelques unes :
1
Mthode dEuler modifie : (b1 = 0, b2 = 1 et c2 = )
2

1
1
yn+1 yn = h f xn + h, yn + k1
2
2
Mthode dEuler amliore : ( b1 = b2 =
yn + 1 yn =
h
( f ( xn , yn ) + f ( xn + h, yn + k1 ))
2
Mthode de Heun dordre 2 ( b1 =

yn + 1
h
= yn +
4
1
et c2 = 1)
2
1
3
2
, b2 = et c2 = )
4
4
3
2
2
f ( xn , yn ) + 3 f ( xn + h, yn + k1 )
3
3
k1 = h f ( xn , yn )
Mthodes dordre 3
En considrant yn+1 = yn + b1 k1 + b2 k2 + b3 k3 avec k1 = h f ( xn , yn ) ,
k2 = h f ( xn + c2 h, yn + c2 hk1 ) et k3 = h f ( xn + c3 h, yn + (c3 a32 )k1 + a32 k2 ).
On obtient une famille de mthode dordre 3 si les paramtres vrifient les quations
b1 + b2 + b3 = 1
1
b2 c2 + b3 c3 =
2
1
b2 c22 + b3 c23 =
3
1
b3 c2 a32 =
6
68
Deux reprsentants de cette famille de mthode dordre 3 sont :

3
1
1
, b2 = 0, b3 =
et c2 =
et c3 =
Mthode de Heun dordre 3 (b1 =
4
4
3
2
2
, a32 = )
3
3
h
yn+1 = yn + (k1 + 3k3 )
4
k1 = h f ( xn , yn )

1
k2 = h f xn + h, yn +
3

2
k3 = h f xn + h, yn +
3
Mthode de Kutta dordre 3 (b1 =

1
k1
3

2
k2
3
2
1
1
1
, b2 = , b3 = et c2 = et c3 = 1, a32 = 2)
6
3
6
2
h
yn+1 = yn + (k1 + 4k2 + k3 )
6
k1 = h f ( xn , yn )

1
1
k2 = h f xn + h, yn + k1
2
2
k3 = h f ( xn + h, yn k1 + 2k2 )
Mthode dordre 4
Mthode de Runge-Kutta dordre 4
h
yn+1 = yn + (k1 + 2k2 + 2k3 + k4 )
6
k1 = h f ( xn , yn )

1
1
k2 = h f xn + h, yn + k1
2
2

1
1
k3 = h f xn + h, yn + k2
2
2
k4 = h f ( xn + h, yn + k3 )
Mthode de Runge-Kutta dordre 4
h
yn+1 = yn + (k1 + 3k2 + 3k3 + k4 )
8
k1 = h f ( xn , yn )

1
1
k2 = h f xn + h, yn + k1
3
3

2
1
k3 = h f xn + h, yn k1 + k2
3
3
k4 = h f ( xn + h, yn + k1 k2 + k3 )
69
Mthodes de Runge-Kutta dordre suprieur et contrle de lerreur

Des mthodes de R-K dordres successifs peuvent tre combines pour le contrle
de lerreur. Deux types de cette utilisation sont illustres par :
1. Mthode de Runge-Kutta-Fehlberg. Elle consiste utiliser une mthode de
R-K dordre 5
yen+1 = yn +
6656
28561
9
2
16
k1 +
k3 +
k4 k5 + k6
135
12825
56430
50
55
pour estimer lerreur de troncature locale de la mthde de R-K dordre 4
yn + 1 = yn +
25
1408
2197
1
k1 +
k3 +
k4 k5
216
2565
4104
5
avec
k1 = h f ( xn , yn )

1
1
k2 = h f xn + h, yn + k1
4
4

3
9
3
k3 = h f xn + h, yn + k1 + k2
8
32
32

12
1932
7200
7296
k4 = h f xn + h, yn +
k1
k2 +
k3
13
2197
2197
2197

439
3680
845
k5 = h f xn + h, yn +
k1 8k2 +
k3
k4
216
513
4104

1
8
3544
1859
11
k6 = h f xn + h, yn k1 + 2k2
k3 +
k4 k5
2
27
2565
4104
40
2. Mthode de Runge-Kutta-Verner. Elle consiste utiliser une mthode de R-K
dordre 6 :
yen+1 = yn +
3
875
23
264
125
43
k1 +
k3 + k4 +
k5 +
k7 +
k8
40
2244
72
1955
11592
616
pour estimer lerreur de troncature locale de la mtohde de R-K dordre 5 :
yn + 1 = yn +
2375
5
12
3
13
k1 +
k3 + k4 + k5 + k6
160
5984
16
85
44
70
avec
k1 = h f ( xn , yn )

1
1
k2 = h f xn + h, yn + k1
6
6

4
4
16
k3 = h f xn + h, yn + k1 + k2
15
75
75

2
5
8
5
k4 = h f xn + h, yn + k1 k2 + k3
3
6
3
2

5
165
55
425
85
k5 = h f xn + h, yn
k1 + k2
k3 + k4
6
64
6
64
96

4015
11
88
12
k3 k4 +
k5
k6 = h f xn + h, yn + k1 8k2 +
5
612
36
255

1
8263
124
643
81
2484
k7 = h f xn + h, yn
k1 +
k2
k3
k4 +
k5
15
15000
75
680
250
10625

3501
300
297275
319
24068
3850
k8 = h f xn + h, yn +
k1
k2 +
k3
k4 +
k5 +
k7
1720
43
52632
2322
84065
26703
Mthodes Linaires Pas Multiples (MLPM)
k
En posant f n = f ( xn , yn ) , on dfinit une MLPM par
j yn + j = h j f n + j ,
j= 0
j= 0
avec j et j des constantes vrifiant les conditions k = 1 et |0 | + |0 | 6= 0.

Exemple 5.5.3. yn+2 yn+1 = h f n+1 ( ou de faon quivalente yn+1 yn = h f n ) est
la mthode dEuler un pas.
Dfinition 5.5.8. On appelle 2eme polynme caractristique de la mthode, le polyk
nme dfini par (t) =
j t j.
j= 0
Loprateur de difference linaire est dfini par

k
L ( z( x) ; h) : =
( j z( x + jh) h j z ( x + jh))
j= 0
Si on suppose que z est une fonction quon peut driver autant de fois quon
veut, on obtient :
L( z( x); h) = C0 z( x) + C1 hz ( x) + + Cq hq z(q) ( x) +
Dfinition 5.5.9. La MLPM est dite dordre p si
C0 = C1 = = C p = 0 et C p+1 6= 0.
C p+1 est appele constante derreur de la MLPM
71
5.6 Exercices
Exercice 5.6.1. On considre le modle discret suivant :
Sn+1 = exp( aIn ) Sn
In+1 = bIn + (1 exp( aIn )) Sn
Rn+1 = (1 b) In + Rn
On suppose que R0 = 0, montrer que
1. La population des susceptibles tend vers une limite S quand n tend vers linfini.
2. Si F = S/ S0 alors
F = exp( aS0 /(1 b))(1 + I / S0 F ).
3. Expliquer comment F peut jouer un rle de seuil.
Exercice 5.6.2. Chercher lordre et la constante derreur C p pour la mthode suivante :
yn+2 (1 + ) yn+1 + yn = h((1 + ) f n+2 ( + + ) f n+1 + f n )
Exercice 5.6.3. Chercher les solutions des systmes differentiels et aux differences
suivants : y = Ay + ( x)
, y(0) = avec
!
!
!
1 1
1
2
, ( x) =
,
A=
=
1 1
x
1/2
2
yn+4 6yn+3 + 14yn+2 16yn+1 + 8yn = n avec yn R et n =

Exercice 5.6.4. Considrons le systme aux differences :
yn+2 2 yn+1 + yn = c, n = 0, 1,
avec yn , c Rm et 0 1.
Montrer que yn converge vers c/(1 ) quand n .
Exercice 5.6.5.
A- Montrer que :
i) Pour tout x 1 et toute constante positive m on a :
0 (1 + x)m exp(mx)
72
n
1
k
ii) Si s et t sont des rels positifs et ( zn )nn=
= 0 une suite vrifiant :
z0
t
et zn+1 (1 + s) zn + t n = 1, , k
s
Alors on a :
zn+1 exp((n + 1)(1 + s))
t
+ z0
s
t
.
s
B- Soit y( x) la solution unique du p.c.i y ( x) = f ( x, y) ,a x b , y( a) =

et w0 , w1 , , w N , les approximations vrifiant : w0 = + 0 et wn+1 = wn +
h f ( xn , wn ) + n+1 ; n = 0, ..., N 1
1. On suppose que : D = {( x, y); a x b, < y < }
finis
i) il existe une constante L positive telle que :
avec a et b
| f ( x, y) f ( x, y )| L| y y | y, y D
ii) il existe une constante M telle que :| y( x)| M pour tout x [ a, b] .
iii) les perturbations verifient : |n | < n = 0, , N
Montrer que :

1 hM
+
| y( xn ) w n |
(exp( L( xn a)) 1) + |0 | exp L( xn a)
L
2
h
(Preuve : identique celle du thorme du cours avec y( x0 ) w0 = 0
h2 M
et t =
+ |n |)
2
hM
2. En posant (h) =
+ et en remarquant que lim (h) = , montrer
2
h
h0
quon peut dterminer une limite infrieure h0 de h qui rend minimum
( h) .
Exercice 5.6.6. Soit A une matrice diagonalisable admettant les vecteurs propres V j
associs aux valeurs propres j avec Re( j ) < 0 pour tout j.
On considre les deux schmas dEuler donns par :
E1 : un+1 = un + hAun , u0 =
E2 : un+1 = un + hAun+1 , u0 =
Montrer que les solutions de ces deux schmas sont donnes par :
k
S1 : un =
c j ( 1 + h j ) n V j
j= 1
k
S2 : un =
c j ( 1 h j ) n V j
j= 1
73
Quelles conditions doit-on imposer h pour que les solutions S1 et S2 tendent vers
zro ou restent bornes quand n
Exercice 5.6.7. En posant f n = f ( xn , yn ), on dfinit une MLPM par :
k
j yn + j = h
j f n+ j
j= 0
j= 0
avec j et j des constantes vrifiant les conditions :
k = 1 et |0 | + |0 | 6= 0
On appelle 1 er (resp. 2 eme) polynme caractristique de la MLPM le polynme
(t)(resp. (t)) :
k
jt j,
( t) =
( t) =
j= 0
jt j.
j= 0
Si loprateur de difference linaire est donn par :

k
L ( z( x) ; h) : =
( j z( x + jh) h j z ( x + jh)) = C0 z( x) + C1 hz ( x) + + Cq hq z(q) ( x) +
j= 0
1. Montrer que :
k
C0 =
j = ( 1)
j= 0
C1 =
( j j j ) = (1) (1)
j= 0
k
Cq =
j= 0

1
1 q
q1
j j
j j , q = 2, 3,
q
( q 1)
2. La MLPM est dite consistante si son ordre est suprieur ou gal 1 ( p 1)

Montrer que la MLPM est consistante si et seulement si :
(1) = 0 et (1) = (1)

Exercice 5.6.8. Chercher lordre des mthodes numriques suivantes :
h
1) yn+2 = yn + ( f n + 4 f n+1 + f n+2 )
6
4h
2) yn+4 = yn + (2 f n+1 f n+2 + 2 f n+3 )
3

h
2
2
3) yn+1 = yn +
f ( xn , yn ) + 3 f ( xn + h, yn + k1 ) , k1 = h f ( xn , yn )
4
3
3
74
h
4) yn+1 = yn + (k1 + 4k2 + k3 )
6
k1 = h f ( xn , yn )

1
1
k2 = h f xn + h, yn + k1
2
2
k3 = h f ( xn + h, yn k1 + 2k2 )
Exercice 5.6.9. Considrons la mthode numrique
yn + 2 ( 1 + ) yn + 1 + yn =
h
((3 ) f n+1 (1 + ) f n )
2
o f n = f ( xn , yn ) et 1 1.
1. Donner lerreur de troncature locale de la mthode et lordre de la mthode
en fonction de .
2. Cette mthode est utilise numriquement pour rsoudre lquation scalaire
(
y ( x) = y( x)
y( 0) = 1
en supposant que
y0 = 1 + h3
y1 = exp(h) + h3
Montrer que la solution approche yn peut-tre donne sous la forme

yn =
(r2 )rn1 (r2 )rn1

r1 r2
o r1 et r2 sont les racines de lquation caractristique asocies lquation

aux diffrences. et (r) = exp(h) r + ( r)h3 .
3. On suppose que r1 est de la forme
r1 = 1 + h +
h2
+ O ( h3 )
2
(a) Donner une expression analogue pour r2 .

(b) Etudier la convergence de yn dans le cas = 1.
Exercice 5.6.10. On considre la mthode numrique suivante
yn+2 + 1 yn+1 + 0 yn = h(1 f n+1 + 0 f n )
o f n = f ( xn , yn ) et f ( xn , y( xn )) = y ( xn ).
75
( M)
1. Dterminer les constantes 0 , 1 , 0 et 1 pour que la mthode soit dordre

maximum.
2. La mthode est-elle zro-stable pour les valeurs des constantes trouves ?
3. On utilise la mthode ( M ) avec y0 = 1 et y1 = exp(h) pour approcher la
solution du problme de condition initiale suivant
y ( x) = y( x) , y( 0) = 1
( P)
Montrer quon obtient lquation aux diffrences suivante

yn+2 + 4(1 + h) yn+1 + (5 + 2h) yn = 0; n = 0, 1,
(D)
4. Montrer que les racines r1 et r2 de lquation caractristique associe ( D )

sont

1/ 2
1/ 2

2
4
4
2
et r2 = 2 2h 3 1 + h + h2
.
r1 = 2 2h + 3 1 + h + h2
3
9
3
9
5. Montrer que la solution de ( D ) est de la forme
y n = C1 ( r 1 ) n + C2 ( r 2 ) n ,
r2 exp(h)
exp(h) r1
et C2 =
.
r2 r1
r2 r1

1
4 2 1/ 2
1
1
1 4
2
= 1 + h + h2 h3 +
h + O ( h5 ) .
6. On donne 1 + h + h
3
9
3
6
18
216
1
1 4
1
h + O(h5 ), r2 = 5 3h +
En dduire que r1 = 1 h + h2 h3 +
2
6
72
O ( h2 ) .
1 4
7. Montrer alors que C1 = 1 + O(h2 ) et C2 =
h + O ( h5 ) .
216
8. En considrant pour x fix, nh = x, montrer que C1 (r1 )n exp( x) quand
n .
avec C1 =
9. Montrer que ( yn ) diverge. Cette divergence tait-elle attendue ? (justifiez).
76
Chapitre 6
Examens
6.1 F.S.O Session ordinaire 2012-2013 (Dure : 1h30)
Exercice I( Mthode de Simpson)
Soient g une fonction de classe C 3 sur [ a, b] ; x0 , x1 et x2 3 rels de [ a, b]
On suppose que x0 x1 < x2 et on note P le polynme interpolant
g aux points :

(3)
x0 , x1 et x2 . On pose h = ( x1 x0 ) = ( x2 x1 ) et M3 = max g (t)
1) Exprimer P dans la base de Lagrange
a t b
2) Exprimer P dans la base de Newton
3) Pour tout x ] x0 , x2 [, on pose e( x) = g( x) P( x)
a) Sans faire les calculs, dire comment on montre quil existe c ] x0 , x2 [ tel que :
g( 3) ( c)
e( x) =
( x x0 )( x x1 )( x x2 )
6
b) Montrer que : x ] x0 , x2 [, il existe ] x0 , x2 [ tel que
g(2) ()
[ g( x0 ), g( x1 ), g( x2 )] =
2!
Z x2
( x x0 )( x x1 )( x x2 )dx
c) Calculer
Zx0x2
P( x)dx
Z x

2

h4
e) Montrer que
( g( x) P( x))dx M3
12
x0
d) Calculer
x0
( Pour c) , d) et e) , on pourra faire le changement de variable t = ( x x1 ) )
Exercice II
On considre le systme linaire ( S1 ) : AX = B
77

x
0
1 2 3
avec A = 3 4 5 , B = 1 et X = y
z
2
5 6 8
1) Donner les matrices de Gauss M1 et M2 qui permettent de transformer ( S1 )
en un systme ( S2 ) de la forme UX = C o U est triangulaire suprieure
2) Donner la solution X en solvant le systme ( S2 )
3) Dcomposer la matrice A sous la forme A = LU o L est triangulaire infrieure
Exercice III
Soient h et g deux fonctions dfinies par :
x3 + 1
x [1, 1]
h( x) = x3 3x + 1 x R et g( x) =
3
1) Montrer que lquation h( x) = 0 admet 3 racines relles : 1 , 2 et 3
avec 1 < 2 < 3 et 3 > 1
1
2) On suppose que 2 [0, ]
2
1
1
a) Montrer que si x [0, ] alors g( x) [0, ]
2
2
b) Vrifier que g(2 ) = 2
3) Soit ( xn )nN la suite rcurrente
1
dfinie par : x0 [0, ] et xn+1 = g( xn ) n N
2
a) Montrer que la suite ( xn )nN converge
b) Donner lordre de convergence
h( yn )
4) Soit ( yn )nN la suite dfinie par : yn+1 = yn
n N avec y0 > 3
h ( yn )
a) Montrer que yn > 3 n N
b) Montrer que la suite ( yn )nN converge
c) Montrer que lordre de convegence est 2
78
6.2 F.S.O Session Rattrapage 2012-2013 (Dure : 1h30)

Exercice I
On considre le systme linaire ( S) : AX = B
1
x
2 1 0
avec A = 1 2 1 ; X = y et B = 0
1
z
0 1 2
On cherche rsoudre le systme ( S) par les mthodes
Xk+1 = MXk + D
indirectes de type :
1) Donner la matrice J de Jacobi associe la matrice A

2) Donner la matrice G de Gauss-Seidel associe la matrice A
3) Chercher les valeurs propres de J et dire si la mthode de Jacobi converge
4) Chercher les valeurs propres de G et dire si la mthode de Gauss-seidel
converge
5) En cas de convergence des 2 mthodes, quelle est celle qui converge plus
rapidement ?
Exercice II
Soit T ( x) = x2 + bx + c o b et c sont des rels.
On suppose que T ( x) admet deux racines relles et et on dfinit les suites
suivantes :
bxn + c
xn+1 = (
)
xn
yn+1 = yn ( y2n + byn + c)( yn ) o une fonction de classe C 1 (R)
1) Montrer que si || | | alors ( xn ) converge localement vers
2) Dterminer lordre de convergence de la suite ( xn ) lorsquelle converge
3) Montrer que la suite ( xn ) est un cas particulier de la suite ( yn ) pour une

fonction que lon prcisera.
4) Montrer que si 0 ( )( ) 2 alors ( yn ) converge localement vers
5) En cas de convergence de ( yn ) vers , dterminer lodre de convergence

1
6) Si ( x) =
, quelle mthode retrouve-t-on ? et quel est son ordre de
2x + b
convergence ?
Exercice III
Soient x0 , x1 deux rels tels que x0 < x1 , g une fonction de classe C 3 ([ x0 , x1 ]) et
P( x) le polynme de degr 2 vrifiant :
79
P( x0 ) = g( x0 ); P( x1 ) = g( x1 ) et P ( x0 ) = g ( x0 )
Pour un x arbitraire dans ] x0 , x1 [,on considre la fonction R dfinie par :
g( x) P ( x)
R ( t) = g( t) P ( t)
( t x0 ) 2 ( t x1 )
( x x0 ) 2 ( x x1 )
1) Vrifier que R sannule en 3 points de [ x0 , x1 ]
2) Montrer que R sannule en 3 points de [ x0 , x1 ]
3) Dduire quil existe x [ x0 , x1 ] tel que R(3) (x ) = 0
4) Conclure quil existe x [ x0 , x1 ] tel que :
g(3) (x )
( x x0 ) 2 ( x x1 )
g( x) P ( x) =
6

5) On pose h = x1 x0 et M3 = max g(3) (t)
x0 t x1
2M3 h3
a) Montrer que | g( x) P( x)|

x ] x0 , x1 [
81
Z x
1

2
M3 h 4
b) Dduire que
( g( x) P( x))dx
81
x0
c) Trouver une constante
C qui vrifie :
Z x
1

2
0C
et
( g( x) P( x))dx CM3 h4
81
x
0
80
6.3 F.S.O Session ordinaire 2011-2012 (Dure : 1h30)

Exercice I

Soit g une fonction de classe C 3 ([ a, b]) , On pose M3 = max g(3) (t)
a t b
On considre 3 points distincts de lintervalle [ a, b] , a x0 < x1 < x2 b
1) En utilisant la base de Newton, crire le polynme P2 de degr 2 qui vrifie

P2 ( x0 ) = g( x0 ) , P2 ( x1 ) = g( x1 ) , P2 ( x2 ) = g( x2 )
2) En utilisant la base de Newton, crire le polynme H2 de degr 2 qui vrifie
H2 ( x0 ) = g( x0 ) , H2 ( x0 ) = g ( x0 ) , H2 ( x1 ) = g( x1 )
g(2) ()
3) Montrer quil existe [ a, b] tel que : [ g( x0 ), g( x1 ), g( x2 )] =
2!
g( 2) ( x0 )
4) En dduire que [ g( x0 ), g( x0 ), g( x0 )] =
2!
Dans la suite on posera h = ( x1 x0 )
5) Montrer que : x ] x0 , x1 [, il existe ] x0 , x1 [ tel que :
g(3) ()
( x x0 ) 2 ( x x1 )
g ( x ) H2 ( x ) =
6
2h3 M3
6) Dduire que : x ] x0 , x1 [ on a | g( x) H2 ( x)|
81 Z
Z x1
H2 (t)dt , montrer quon peut approcher
7) En calculant
Z x1
x0
x1
x0
g(t)dt par :
2h
h
h2
g( x0 ) + g( x1 ) + g ( x0 ) ()
3
3
6
x0
2
8) Application : x0 = 0 , x1 =
3
Z 2
1
a) Calculer 3
dx et donner une approximation laide de ()
1x
0
Z 2
b) Que donne lapproximation () dans le cas de 3 x2 dx ? Commentez
g(t)dt
Exercice II
Soient E et deux rels positifs, , h et g les fonctions dfinies sur R+ par :
E
E
x3
( x) = ; h( x) = x + (( x) x) ; g( x) = a + bx + c
x
x
E
1) Le schma : { xn+1 = ( xn ) , x0 donn} converge t-il vers E ?
2) Pour quelles valeurs de a-t-on convergence locale vers E du schma :
{ xn+1 = h( xn ), x0 donn}?
3) Trouver la valeur optimale 0 de qui assure la convergence la plus rapide
puis comparer avec la mthode de Newton applique la fonction f ( x) = x2 E
81
4) On cherche les constantes a , b, c qui vrifient les conditions : g( E) = E ;
g ( E) = 0 et g ( E) = 0 ()
a) En posant X T = ( a, b, c) , crire le sysme linaire AX = B qui en rsulte
b) Rsoudre le sysme linaire AX = B par la mthode de Gauss sans pivot
c) Dcomposer la matrice A sous la forme A = LU
5) On suppose que le schma { xn+1 = g( xn ) , x0 donn} converge sous les conditions () (valeurs de a , b, c trouves au 4) b)
a) Quel est son ordre de convergence p ?
b) Donner la constante derreur asymptoyique C
82
6.4 F.S.O Session de rattrapage 2011-2012 (Dure : 1h30)

Exercice I : (7 points)
Soit g : [1, 1] R , dfinie par : g( x) =
3x x3
2
On considre le schma ittratif suivant : xn+1 = g( xn ) =

donn.
3xn x3n
; avec x0
2
1) Montrer que la fonction g est croissante et dterminer limage g([1, 1])

2) Trouver les points fixes de la fonctions g
3) On veut tudier la convegence de la suite ( xn )
3.a) Etudier la convergence locale de ( xn ) vers chacun des points fixes de g
3.b) Pour tout choix initial x0 ]0, 1[, montrer que ( xn ) est croissante
3.c) Dduire que si x0 ]0, 1[ alors ( xn ) converge vers lun des points fixes de g
quon prcisera et quon notera 1
3.d) Determiner lordre de convegence vers 1 ,et la constante derreur asymptotique
3.e) La suite ( xn ) peut-elle converger vers les autres points fixes ? si oui, indiquer le choix de x0 [1, 1] qui permettrait cette convergence.
Exercice II (7 points)
On considre le systme linaire ( S1 ) : AX = B
7
2 1 0
avec A = 1 2 1 et B = 1
1
0 1 2
1) On cherche rsoudre le systme ( S1 ) par les mthodes directes
1.a) Donner les matrices de Gauss M1 et M2 qui permettent de transformer ( S1 )

en un systme ( S2 ) de la forme UX = C o U est triangulaire suprieure. Donner
U et C
1.b) Donner la solution X en solvant le systme ( S1 ) ou ( S2 )
1.c) Dcomposer la matrice A sous la forme A = LU o L est triangulaire infrieure
2) On cherche rsoudre ( S1 ) par les mthodes indirectes de type : Xk+1 =
TXk + D
2.a) Donner la matrice J de Jacobi associe la matrice A
2.b) Donner la matrice G de Gauss-Seidel associe la matrice A
2.c) Trouver les valeurs propres de J et de G
2.d) Etudier la convergence pour les 2 mthodes de Jacobi et de Gauss-Seidel
83
Exercice III (6 points)

1
Soit g : [0, 1] R une fonction de classe C 2 , On pose g = 4g(0) 8g( ) +
2
4g(1)
1
1) Vrifier que pour tout polynme Q de degr 2, on a Q = Q ( )
2
1
2) Donner en fonction de g(0) , g( ) et g(1) le polynme P de degr 2 qui
2
1
1
vrifie : P(0) = g(0) , P( ) = g( ) et P(1) = g(1)
2
2
3) On pose pour tout x [0, 1], r( x) = g( x) P( x)
3.a) Montrer quil existe [0, 1] tel que : r () = 0
g ()
1
3.b) Dduire quil existe [0, 1] tel que : [ g(0), g( ), g(1)] =
2
2
1
1
3.c) Vrifier que [ g(0), g( ), g(1)] = g
2
2
1
1
3.d) Montrer que g ( ) g = r ( )

2
2
84
6.5 F.S.O Session ordinaire 2010-2011 (Dure :1h30)

Soient x0 et x1 deux rels [0, 1] tels que x0 < x1 , g une fonction
de classe C 3 ([ x0 , x1 ]) et P( x) le polynme de degr 2 vrifiant :
P( x0 ) = g( x0 ); P( x1 ) = g( x1 ) et P ( x1 ) = g ( x1 ) ()
I
Pour un x arbitraire dans ] x0 , x1 [,on considre la fonction R dfinie par :
g( x) P ( x)
(t x0 )(t x1 )2
R ( t) = g( t) P ( t)
( x x0 )( x x1 )2
a) Vrifier que R sannule en 3 points de [ x0 , x1 ]
b) Montrer que R sannule en 3 points de [ x0 , x1 ]
c) Dduire quil existe x ] x0 , x1 [ tel que R(3) (x ) = 0
d) Conclure quil existe x ] x0 , x1 [ tel que :

g(3) (x )
g( x) P ( x) =
( x x0 )( x x1 )2
6
II
1
et P( x) = ax2 + bx + c vrifiant (),
1+x
c.a.d : P(0) = g(0); P(1) = g(1) et P (1) = g (1)
On prend x0 = 0, x1 = 1 et g( x) =
A
a) Montrer que les rels a, b et c sont solution du systme lineaire :
( S1 ) : AX = B1
c
1 0 0
avec A = 1 1 1 ; X = b et B1 =
a
0 1 2
1
1
2
1
4
b) Donner les matrices de Gauss M1 et M2 qui permettent de transformer ( S1 )
en un systme ( S2 ) de la forme UX = B2 o U est triangulaire suprieure
c) Dcomposer la matrice A sous la forme A = LU o L est triangulaire infrieure
d) Trouver les rels a, b et c en solvant ( S2 ) , ( S1 ) ou autrement.
4
x ]0, 1[
e) Montrer que | g( x) P( x)|
27
Z 1

Z
1

1

f) Montrer que
P( x)dx
g( x)dx
12
0
0
85
B
On subdivise [0, 1] en N sous intervalles de mme longueur h
a) Ecrire la formule des trapzes compose approximant
Z 1
0
g( x)dx
b) Quel nombre de sous-intervalles faut-il choisir pour avoir une erreur infrieure 103
c) On prend N = 3
i) Evaluer numriquement
Z 1
0
g( x)dx par la mthode des trapzes compose
ii) Calculer lerreur dintgration par la formule des trapzes compose
86
6.6 F.S.O Session Rattrapage 2010-2011 (Dure : 1h30)

Barme : 1 point par question ( la rponse doit tre justifie) + 1 point pour
prsentation
Exercice I
On cherche rsoudre le systme Ax = b par les mthodes directe et indirecte.
Soit A = ( ai j )1i, jn une matrice carre vrifiant les conditions suivantes :
aii > 0 , 1 i n
ai j 0 , 1 i 6= j n
j= n
ai j > 0 ,
j= 1
1in
Soit D la matrice diagonale ( dii = aii et di j = 0 si i 6= j)

1) Montrer que la matrice D est inversible et donner D 1
j= n
2) Montrer que la matrice A vrifie : ai j < | aii | , 1 i n ()
j6 = i, j= 1
3) Donner lexpression du terme gnral de la matrice A(1) obtenue aprs

la premire tape du procd dlimination de Gauss sans pivot
4) Montrer que la matrice B dordre (n 1) obtenue partir de A(1) en

enlevant la premire ligne et la premire colonne vrifie une la relation similaire
()
5) Ecrire le schma itratif de Jacobi x(k+1) = Tx(k) + C
( T tant la matrice de Jacobi associe A )
( k+ 1)
6) Expliciter les composantes x j
en fonction de celles de x(k) et de C
7) Montrer que la mthode de Jaobi converge
j= n
(on pourra montrer que k T k = max ti j < 1 )
1 i n j= 1
8) Application :

1
1
1 1
(0)
4 2 , b = 1 , x = 1
1
1
3 5
de Jacobi associe A
b) Calculer la 1ere itration x(1) obtenue en utilisant la mthode de Jacobi
On donne A = 1
1
a) Donner la matrice T
Exercice II
Soit g la fonction dfinie sur [0, +[ par g( x) = x exp( x)
1) Montrer quil xiste une solution unique ]0, +[ qui vrifie g( ) = 1
87
2) Montrer que x [0, +[ on a :
g ( x)
2
g ( x)
g( x) 1
g ( x)
1
a) Montrer que x ]0, +[ , il existe c ]0, x[ tel que : h( x) = (
2
g (c)
2
x)
g ( x)
b) Dduire que que x ]0, +[ , h( x)
4) On considre la mthode itrative dfinie par : la donne de x0 et
xn + 1 = h( xn )
i) Montrer que la suite ( xn )nN est dcroissante
ii) Dduire que la suite ( xn )nN converge et trouver sa limite
iii) Montrer que pour tout x on a h( x) ( x)2
iv) Dduire que k N , xk ( x0 ) p o p est un entier prciser
4) Trouver le polynme P de degr 1 qui interpole la fonction g aux points 0 et
1
3e
o e = exp(1)
5) Montrer que | g( x) P( x)|
8
3) On considre la fonction h dfinie sur [0, +[ par : h( x) = x
88
6.7 F.S.O Examen 2009-2010

Exercice I
Soient P ( x) le polynme interpolant h aux points 0, et 1
1) Exprimer P ( x) dans la base de Newton
2) Pour tout x [0, 1] , calculer
h() h(0)
h(1) h()
lim
et lim
0
0
1
3) En dduire que lim P ( x) = P( x) = h(0) + xh (0) + (h(1) h(0) h (0)) x2
0
4) Montrer que le polynme P( x) trouv en 3) est lunique polynme qui vrifie :

P(0) = h(0); P(1) = h(1) et P (0) = h (0)
4) Pour un x arbitraire dans ]0, 1[,on pose K =

soit la fonction dfinie par :
h( x) P ( x)
x2 ( x 1)
(t) = h(t) P(t) Kt2 (t 1) = h(t) P(t)
a) Vrifier que (0) = (0) = (1) = ( x) = 0
h( x) P ( x) 2
t ( t 1)
x2 ( x 1)
b) Montrer que sannule en 3 points de [0, 1]

c) Dduire quil existe [0, 1] tel que (3) () = 0
h(3) () 2
x ( x 1)
d) Conclure que h( x) P( x) =

6

5) a) On pose M3 = max h(3) (t)
0t1
2M3
x [0, 1]
81

Z 1

M3
b) Montrer que (h( x) P( x))dx
72
0
Montrer que | h( x) P( x)|
Exercice II
Soit h une fonction de classe C 3 (R) dont la drive et la drive seconde ne

sannulent pas au voisinage de a et telle que : h( a) = 0
On considre les suites ( xn ) et ( yn ) dfinies par la donne de x0 et les relations :
h( xn )
yn = xn
h ( xn )
h( yn )
xn + 1 = yn
h ( xn )
On suppose que ces suites convergent vers a et que n N , xn 6= a et yn 6= a
yn a
h ( a)
1) Montrer que lim n
=
( xn a) 2
2h ( a)
h ( a)
xn + 1 a
=
2) Montrer que lim n
( xn a)( yn a)
h ( a)
89
3) Dmontrer que lordre de convergence de la suite ( xn ) est au moins 3

4) Dmontrer que lordre de convergence de la suite ( yn ) est au moins 3
Exercice III
Soient h une fonction de classe C 2 ([ a, b]) ; et 2rels de [ a, b]
On suppose que et on considre sur [ , ] les fonctions :
( x )3
(x )
( x )3
(
x
)
=
(
)
)(
0 ( x) = 1
2
( )3
( ) ( )3
( x )3
( )2 ( x )2
( x )3
1 ( x) =
;
(
x
)
=
(
)
( )3 3
2
( )2 ( )3
1) Calculer k ( ); k (), k ( ) et k ( ) pour 0 k 3
2) Soit P le polynme dfini sur [ , ] par :
P( x) = h( )0 ( x) + h()1 ( x) + h ( )2 ( x) + h( )3 ( x)
Montrer P que vrifie les conditions suivantes :
P( ) = h( ) ; P() = h() ; P ( ) = h ( ) ; P ( ) = h ( )
3) Soit Q le polynme dfini par Q( x) = ( x )3 ( )
On suppose que h est de classe C 4 ([ a, b]) et on pose :
Q ( t)
g( t) = h( t) P ( t) =
(h( x) P( x))
Q ( x)
a) Montrer que g admet 3 zros
b) Montrer que g admet 3 zros
c) Montrer que g admet 3 zros
d) Montrer que pour tout x ] , [ il existe ] , [ tel que :
h(4) ()
Q ( x)
h( x) P ( x) =
4!

9

e) Dduire que | h( x) P( x)|
max h(4) (t) x [ a, b]
2048 0t1
90
6.8 F.S.O Session ordinaire 2008/2009

Exercice I
Soient h = avec et [ a, b] et g une fonction de classe C 4 ([ a, b]).
Montrer que :
Z
Z

h
h2
1
g ( ) g () +
1)
g( x)dx = { g( ) + g()} +
( x )2 ( x
2
12
24
)2 g(4) ( x)dx
Z

h
h2
h5 ( 4)
g () avec
g ( ) g () +
2)
g( x)dx = { g( ) + g()} +
2
12
720
[ , ]
3) On suppose que [ a, b] est subdivis en n sous intervalles
[ xi , xi+1 ] , i = 0, 1, ..., n 1
Montrer que :
Z b
a
g(t)dt =
h
{ g( a) + 2[ g( x1 ) + g( x2 ) + ...g( xn1 )] + g(b)} +
2
( b a) 5 ( 4)
h2
g ( ) o [ a, b] et h = xi+1 xi ;
g ( a) g ( b) +
12
720
(Justifiez bien vos rponses pour montrer la diffrence entre g(4) ( x), g(4) () et
g( 4) ( ) )
1
4) On prend g( x) = exp( x2 ) et on donne g(1) = 0.368, g( ) = 0.779 et
2
g (1) = 0.736
Z 1

(4)
En prenant max g (t) = 12 , donner une approximation de
exp( x2 )dx
avec prcision
0t1
102
Exercice II
Soient et ]0, 1[ et g une fonction C 4 ([ a, b]) avec a < b.
On considre et [ a, b] avec < et on pose h =
Soit P, ( x) le polynme interpolant g aux points , + , , et +

1) Exprimer P, ( x) dans la base de Newton
2) Donner lexpression de lerreur dinterpolation : e, ( x) = g( x) P, ( x)
3) On dfinit :
[ g( ), g( )] = lim[ g( ), g( + )] et [ g(), g()] = lim [ g(), g( + )]

0
0
Montrer que :

1 g() g( )
i) [ g( ), g( ), g()] =
g ( )
h
h

1
g() g( )
+ g ()
ii) [ g( ), g( ), g(), g() = 2 g ( ) 2
h
h

4) Soit H ( x) = lim P, ( x) et M4 = max g(4) (t)
, 0
91

h 4 M4

x [ , ]
Montrer que | g( x) H ( x)| = lim e, ( x)
, 0
384
Exercice III
On dfinit la fonction h( x) =
1) Claculer H ( x) =
Z x
0
1
pour x [0 , 1[
1x
2
h(t)dt o x < 1 et donner la valeur de H ( )
3
2) Donner lexpression du polynme de Lagrange Q( x) interpolant h en 0,

2
3
1
et
3
3) Trouver les cofficients C0 , C1 , C2 tels que pour tout polynme P de degr

2
Z 2
2
1
on ait : 3 P(t)dt = C0 P(0)+ C1 P( ) + C2 P( ) ( E)
3
3
0
4) Utiliser lgalit ( E) pour donner une valeur approche de Log(3)
92
6.9 F.S.O Session rattrapage 2008-2009

Soient x0 , x1 , x2 et x3 4 points distincts de [ a, b] et g une fonction de classe
avec a < b, soit p( x) le polynme interpolant g aux points :x0 , x1 , x2 et
C 4 ([ a, b])
x3
1) Exprimer P( x) dans la base de Lagrange( Li ( x)), i = 0, 1, 2, 3

2) Si g( x) est un polynme de degr 3, quelle est lerreur dinterpolation :
e( x) = g( x) P ( x)
4 ( x)
o 4 ( x) = 3i=0 ( x xi )
3) Montrer que Li ( x) =
( x xi )4 ( xi )
4) Soit Q( x) = ( x )( x )( x ).
Montrer que si les 3 racines de Q( x) sont distinctes alors la mthode de Newton
+
avec x0 =
converge vers en un seul pas.
2
5) Soit T ( x) = x2 + bx + c, admettant deux racines relles et
bxn + c
On dfinit la suite ( xn )n0 par xn+1 = (
), n 0 et x0 donn
xn
Montrer que si | | > || alors ( xn )n 0 converge vers
93
6.10 F.S.O Session ordinaire 2007-2008(Dure : 1h30)

Soient h une fonction de classe C 3 ([ a, b]) ; et deux rels de [ a, b]
(x )
( x )3
( x )3
)(
;
(
x
)
=
(
)
0 ( x) = 1
( )3 2
( ) ( )3
( x )3
( )2 ( x )2
( x )3
1 ( x) =
(
;
(
x
)
=
)
3
( )3
2
( )2 ( )3
P( x) = h( )0 ( x) + h()1 ( x) + h ( )2 ( x) + h ( )3 ( x)
Montrer que P vrifie les conditions suivantes :
P( ) = h( ) ; P() = h() ; P ( ) = h ( ) ; P ( ) = h ( )
P est dit interpolant dHermite de h aux points et .
2) Soit Q le polynme dfini par Q( x) = ( x )3 ( x )

Q ( t)
g( t) = h( t) P ( t) =
(h( x) P( x))
Q ( x)
a) Montrer que pour tout x ] , [ il existe ] , [ tel que :
h(4) ()
Q ( x)
h( x) P ( x) =
4!

9

b) Dduire que |h( x) P( x)|
max h(4) (t) x [ a, b]
2048 0t1
4) i) Claculer les intgrales
ii) En dduire lexpression de
k ( x)dx pour 0 k 3
P( x)dx en fonction de , , h( ), h(), h (
), h ( )
4 a, b]) .
5) On suppose que la fonction h est de classe C

Z ([

( )5
(4)

En posant M4 = max h (t) , montrer que : (h( x) P( x))dx M4
480
a t b
6) On considre une subdivision x0 = a < x1 < ... < xn = b rgulire de pas

( b a)
h=
n
On note Pj linterpolant dHermite de h aux points x j et x j+1
On pose Hn =
j= n 1 Z x j +1
j= 0
xj
Pj ( x)dx
3 g 1
( b a) 2
6) Montrer que : Hn = In + Ind +
4
4
4n2
j= n 1
j= 0
( b a) 3
h (x j ) +
24n3
j= n 1
h ( x j )
j= 0
7) Si h est de classe C 2 ([ a, b]), montrer que :
( b a)
n
n
lim
j= n 1
j= 0
( b a)
n
n
h ( x j ) = h(b) h( a) et lim
h ( a)
94
j= n 1
j= 0
h ( x j ) = h (b)
Z b

( b a) 5

8) Si h est de classe
montrer que :
h( x)dx Hn M4
480n4
a
9) Application : En admettant que M4 = 12 , donner une valeur approche de
C 4 ([ a, b]),
Z 1
0
exp( x2 )dx avec la prcision = 104
95
6.11 F.S.O Examen blanc 2007-2008

Exercice I
Soit f une fonction de classe C 3 [ a, b] et soient et deux rels dans [ a, b].
+
On suppose < et on note q( x) le polynme interpolant f aux points : ,
2
et .
1) Exprimer q( x) dans la bas de Lagrange (1 point)
2) Exprimer q( x) dans la base de Newton puis calculer
q( x)dx (1.5 point)
3) Donner lerreur dinterpolation e( x) = f ( x) q( x) pour x [ , ] (0.5 point)

Z
( )4
4) Dduire que |
f ( x) q( x)dx| M3
o M3 = maxa<t<b | f (3) (t)|
192
(1.5 point)
5) Soit a = x0 x1 .... xn = b, une subdivision de [ a, b] et qk ( x) le
x + xk+ 1
et xk+1
polynme interpolant f aux points : xk , k
2
On pose Sn =
k= n 1 Z xk+1
k= 0
xk
Montrer que lim Sn =

n
6) Dduire que |
Z b
a
qk ( x)dx
Z b
a
f ( x)dx (0.5 point)
f ( x ) S n | M3
( b a) 4
(1 point)
192n3
Exercice II
Soient h une fonction de classe C 2 ([ a, b]) ; et deux rels de [ a, b]
( x )3
( x )3
( x )2
( x )2
0 ( x) = 2
(
x
)
=
(
)(
3
+
1;
2
+
0
( )3
( )2
( )3
( )2
(x )
)
( )
( x )2
( x )3
( x )3
( x )2
(
x
)
=
(
)(
2
;
)
1
( )2
( )3
( )3 ( )2
1) Calculer 0 ( ), 0 ( ), 0 (), 0 () et 0 ( ), 0 ( ), 0 (), 0 ()
P( x) = h( )0 ( x) + h()1 ( x) + h ( )0 ( x) + h ()1 ( x)
Vrifier que P satisfait les conditions suivantes (dites conditions de Hermite) :
P( ) = h( ), P ( ) = h ( ), P() = h() et P () = h ()
3) Soit Q le polynme dfini par Q( x) = ( x )2 ( x )2
Montrer que pour tout x ] , [ il existe ] , [ tel que :
1 ( x) = 3
96
h( x) P ( x) =
h(4) ()
Q ( x)
4!
Q ( t)
( h( x) P ( x)
Q ( x)
et montrer quelle admet 3 zros et que sa drive admet 4 zros)
(On pourra montrer que la fonction g(t) = h(t) P(t) =
4) i) Claculer les intgrales
ii) Dduire lexpression de
k ( x)dx et
k ( x)dx pour k = 0, 1
P( x)dx en fonction de , , h( ), h(), h ( ) et
h ()
4 a, b]) .
5) On suppose que la fonction h est de classe C
Z ([

( )5
(4)
En posant M4 = max h (t) , montrer que : (h( x) P( x))dx M4
720
a t b
6) On considre une subdivision x0 = a < x1 < ... < xn = b rgulire de pas

( b a)
h=
n
On note Pj linterpolant dHermite de h aux points x j et x j+1
On pose Hn =
j= n 1 Z x j +1
j= 0
xj
Pj ( x)dx
6) On note Tn lintgrale approche de

Montrer que : Hn = Tn +
7) En dduire lim Hn
a) 2
Z b
a
h( x)dxpar la mthode des trapzes
(b
(h ( a) h (b))
12n2
Z b

( b a) 5

8) Si h est de classe
montrer que :
h( x)dx Hn M4
720n4
a
9) Application : En admettant que M4 = 12 , donner une valeur approche de
C 4 ([ a, b]),
Z 1
0
exp( x2 )dx avec la prcision = 104
97
6.12 F.S.O Devoir faire chez soi 2007-2008

Soit P3 un polynme de degr 3 et f C 2 ([ a, b]) avec f (2) 0
Z b
f ( x)dx et InT lapproximation de I ( f ) par la mthode des traSoit I ( f ) =

a
pzes.
n (resp.I n ) lapproximation de I ( f ) par la mthode des triangles droits
Soit Im
g
(resp. gauches)
n etI T (1 point)
1) Ecrire les expressions de Ign , Im
n
n
n
+
I
I
g
d
2) Montrer que InT =
(1 point)
2
T
3) En dduire que lim In = I ( f ) (1 point)
n
4) Prouver que | I ( f ) InT | M2 (b a)

5) Etablir les ingalits : (b a) f (
(2 points)
Z b
( f (b) f ( a))
(1 point)
Z 2
b+a
)
2
f ( x)dx (b a) f (
f ( b) + f ( a)
)
2
ba
b+a
[ P3 ( a) + 4P3 (
) + P3 b] (2 points)
6
2
a
7) Soit a = x0 x1 .... xn = b, une subdivision de [ a, b]
Montrer que :
Z
Z xi+1
f ( xi ) + f ( xi+ 1 ) 1 xi +1
+
( x xi )( x xi+1 ) f (2) ( x)dx
f ( x)dx = ( xi+1 xi )
2
2 xi
xi
(2 points)
8) Si xi+1 xi = h pour tout i = 0, 1, ....n 1, montrer que lerreur dapproxiR
h3
mation de xxii +1 f ( x)dx par la mthode des trapzes est de la forme : f (2) (),
12
[ xi , xi+1 ] (1 point)
6) Etablir lgalit :
g( x)dx =
98
6.13 F.S.O Session ordinaire Janvier 2003

Soit g une fonction de classe C p avec p 1 et g( x ) 6= 1
on suppose que le procd itratif xn+1 = g( xn ) vrifie :
xn+1 x = (k + n )( xn x ) avec |k| < 1 et lim n n = 0
( xn + 1 xn ) 2
soit zn = xn +
xn+2 2xn+1 + xn
zn x
et comparer la vitesse de convergence des suites
1) Chercher : lim n
xn x
( xn ) et ( zn ).
2) on gnralise le procd prcdent de la manire suivante :
xg( g( x)) ( g( x))2
on dfinit la fonction h par : h( x) =
g( g( x)) 2g( x) + x
puis on pose yn = g( xn ), zn = g( yn ) et xn+1 = h( xn ) pourn = 0, 2, 3, . . .
a) Prouver que g( x ) = x h( x ) = x
b) On suppose de plus que : g ( x ) = = g( p 1)( x ) = 0 et que : g( p)( x ) =
p!A 6= 0
x p+1
en prenant x = 0 et g( x) = Ax p +
g( x), 0 < < 1,
( p + 1) !
montrer que : h( x) = A2 x2p1 + O( x2p si p > 1 h( x) = O( x2 ) si p = 1
99

Smi Sma

Transféré par

Droits d'auteur :

Formats disponibles

Smi Sma

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Smi Sma

Transféré par

Droits d'auteur :

Formats disponibles

Analyse Numrique : SMA-SMI S4

Cours, exercices et examens

Boutayeb A, Derouich M, Lamlili M et Boutayeb W.

Table des matires

Rsolution numrique de systmes linaires AX = B

Mthodes directes de rsolution de AX=B . . . . . . . . . . . . . . . .

Mthode de Gauss(avec et sans pivot) . . . . . . . . . . . . . .

Factorisation de Choleski (matrice symtrique) . . . . . . . . .

Factorisation de Householder (matrice unitaire ) . . . . . . . .

Mthodes indirectes de rsolution de AX=B . . . . . . . . . . . . . . .

Quelques rappels sur les matrices . . . . . . . . . . . . . . . .

Mthodes classiques(Jacobi, Gauss Seidel, Relaxation) . . . .

Approximations des solutions de lquation f ( x) = 0

Mthode de Newton modifie : . . . . . . . . . . . . . . . . . . . . . .

Mthode de fausse position ( Regula Falsi) : . . . . . . . . . . . . . .

Existence et Unicit de linterpolant . . . . . . . . . . . . . . . . . . .

Approximation par des rectangles gauche . . . . . . . . . . .

Approximation par des rectangles droite . . . . . . . . . . .

Approximation par des rectangles mdians . . . . . . . . . . .

Approximations par des trapzes . . . . . . . . . . . . . . . . .

Interpolation et Erreur dintgration numrique . . . . . . . . . . . .

Interpolation linaire et la formule du trapze : . . . . . . . . .

Formule du trapze compose . . . . . . . . . . . . . . . . . .

Erreur de la formule de Simpson . . . . . . . . . . . . . . . . .

Analyse numrique des quations differentielles ordinaires (e.d.o)

Rappels sur les quations differentielles ordinaires (e.d.o) . . . . . .

Systme dquations aux differences linaires avec cofficients constants 60

Mthodes numriques pour les problmes de condition initiale . . .

Mthodes de Taylor dans le cas scalaire . . . . . . . . . . . . .

Mthodes de Runge-Kutta (R.K) dans le cas scalaire . . . . . .

Mthodes de Runge-Kutta explicites . . . . . . . . . . . . . . .

F.S.O Session ordinaire 2012-2013 (Dure : 1h30) . . . . . . . . . . . .

F.S.O Session Rattrapage 2012-2013 (Dure : 1h30) . . . . . . . . . . .

F.S.O Session ordinaire 2011-2012 (Dure : 1h30) . . . . . . . . . . . .

F.S.O Session de rattrapage 2011-2012 (Dure : 1h30) . . . . . . . . . .

F.S.O Session ordinaire 2010-2011 (Dure :1h30) . . . . . . . . . . . . .

F.S.O Session Rattrapage 2010-2011 (Dure : 1h30) . . . . . . . . . . .

F.S.O Examen 2009-2010 . . . . . . . . . . . . . . . . . . . . . . . . . .

F.S.O Session ordinaire 2008/2009

F.S.O Session rattrapage 2008-2009 . . . . . . .

Table des figures

la solution est x = 1.3652 . . . . . . . . . . . . . . . . . . . . . . . . .

Approximation par des rectangles gauche . . . . . . . . . . . . . . .

Rsolution numrique de systmes

4x1 + 15x2 + 3x3 17x4 = 18 L1

+13x2 + 5x3 + 4x4 = 0 L2

u11 x1 + u12 x2 + + u1n xn

xi = (bi j=i+1 ui j b j )/uii i = n 1, ....1

Algorithme de rsolution pour UX = B

2. La matrice triangulaire infrieure se traite de faon similaire

1.1.2 Mthode de Gauss(avec et sans pivot)

3x1 + 5x2 + 2x3 = 8 L1

6x1 + 2x2 + 8x3 = 26 L3

3x1 + 5x2 + 2x3 = 8 L1 = L1

Mthode de Gauss sans pivot (cas gnral)

a11 x1 + a12 x2 + a13 x3 + + a1n xn

Etape1 : On suppose a11 6= 0 et on pose mi1 =

On remplace la ligne Li par Li = Li mi1 L1 pour i = 2, 3, , n