Professional Documents
Culture Documents
LAVOISIER, 2005
LAVOISIER
APPLICATIONS MATHMATIQUES
AVEC MATLAB
Analyse
et analyse numrique
rappel de cours et exercices corrigs
Luc Jolivet
Rabah Labbas
Avant-propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
. . . . . . . . . . . . . . . . . . . . . . . . . .
15
17
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17
17
18
19
19
19
22
22
22
23
23
24
25
25
25
28
28
28
29
29
37
37
37
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2.1.2. Exemple . . . . . . . . . . . . . . . . . . . .
2.1.3. Priodicit, parit et imparit dune fonction
2.1.4. Exemple . . . . . . . . . . . . . . . . . . . .
2.1.5. Fonctions monotones . . . . . . . . . . . . .
2.1.6. Fonctions injectives, surjectives, bijectives .
2.2. Limite dune fonction . . . . . . . . . . . . . . . .
2.2.1. Dnitions . . . . . . . . . . . . . . . . . . .
2.2.2. Rsultat fondamental . . . . . . . . . . . . .
2.2.3. Exemple . . . . . . . . . . . . . . . . . . . .
2.3. Continuit . . . . . . . . . . . . . . . . . . . . . . .
2.3.1. Dnitions . . . . . . . . . . . . . . . . . . .
2.3.2. Exemple . . . . . . . . . . . . . . . . . . . .
2.3.3. Rsultats gnraux sur la continuit . . . . .
2.4. Drivation . . . . . . . . . . . . . . . . . . . . . . .
2.4.1. Dnitions . . . . . . . . . . . . . . . . . . .
2.4.2. Exemple . . . . . . . . . . . . . . . . . . . .
2.4.3. Interprtation gomtrique . . . . . . . . . .
2.4.4. Proprits gnrales . . . . . . . . . . . . . .
2.4.5. Drives successives . . . . . . . . . . . . . .
2.4.6. Consquences de la drivation . . . . . . . .
2.4.7. Etude dune fonction avec Matlab . . . . . .
2.4.8. Retour lexemple modle . . . . . . . . . .
2.5. Fonctions trigonomtriques inverses . . . . . . . .
2.5.1. Rappel . . . . . . . . . . . . . . . . . . . . .
2.5.2. Fonction arcsin . . . . . . . . . . . . . . . . .
2.5.3. Fonction arccos . . . . . . . . . . . . . . . .
2.5.4. Fonction arctan . . . . . . . . . . . . . . . . .
2.5.5. Exemple modle . . . . . . . . . . . . . . . .
2.6. Comparaison de deux fonctions . . . . . . . . . .
2.6.1. Notion de voisinage . . . . . . . . . . . . . .
2.6.2. Notations dites de Landau . . . . . . . . . .
2.6.3. Exemples . . . . . . . . . . . . . . . . . . . .
2.7. Formules de Taylor et dveloppements limits . .
2.7.1. Diverses formules de Taylor . . . . . . . . .
2.7.2. Exemples de calculs de D.L. . . . . . . . . .
2.7.3. Application des D.L. . . . . . . . . . . . . .
2.8. Exercices . . . . . . . . . . . . . . . . . . . . . . .
2.8.1. Bijection rciproque . . . . . . . . . . . . .
2.8.2. Etude de fonction et construction de courbe
2.8.3. Etude dune fonction priodique . . . . . . .
2.8.4. Fonction trigonomtrique inverse . . . . . .
2.8.5. D.L. et tude de limite (1) . . . . . . . . . .
2.8.6. D.L. et recherche dasymptote . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
38
39
39
40
41
42
42
44
44
46
46
47
47
48
48
49
50
51
51
52
53
55
57
57
58
60
60
61
67
67
68
68
69
69
72
73
76
76
76
77
77
78
78
78
79
Chapitre 3. Intgration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
91
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
91
91
95
96
97
97
98
100
100
100
101
103
104
104
107
108
112
114
114
114
115
115
115
116
. . . . . . . . . . . . . . . . . . . 125
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
125
125
126
127
127
127
129
129
130
130
130
4.3.2. Exemple . . . . . . . . . . . . . . . . .
4.4. Les rels en V.F.N chiffres . . . . . . . .
4.4.1. En base 10 . . . . . . . . . . . . . . . .
4.4.2. En base 2 . . . . . . . . . . . . . . . . .
4.4.3. Les formats machine oat et double . .
4.5. Oprations de base sur les nombres machine
4.5.1. Multiplication . . . . . . . . . . . . . .
4.5.2. Division . . . . . . . . . . . . . . . . . .
4.5.3. Addition . . . . . . . . . . . . . . . . .
4.6. Exercices . . . . . . . . . . . . . . . . . . . .
4.6.1. Conversion dun entier . . . . . . . . .
4.6.2. Schma de Horner . . . . . . . . . . .
4.6.3. Conversion dun nombre virgule . .
4.6.4. Valeurs extrmes au format double . .
4.7. Solutions . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
131
131
132
133
134
136
136
137
138
140
140
140
141
141
141
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
146
146
146
147
148
148
149
150
150
151
151
152
154
155
156
156
156
157
158
161
161
162
163
163
164
166
5.9. Exercices . . . . . . . . . . . . . . . . . . . .
5.9.1. Erreur doprations . . . . . . . . . . .
5.9.2. Erreurs dabsorption et de cancellation
5.9.3. Non associativit de laddition machine
5.9.4. Choix de formules de calcul . . . . . .
5.9.5. Choix ditrations de calculs . . . . . .
5.9.6. Sujet dtude . . . . . . . . . . . . . . .
5.10.Solutions . . . . . . . . . . . . . . . . . . . .
. . . .
. . . .
. . . .
. . .
. . . .
. . . .
. . . .
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
167
167
167
167
168
168
169
170
. . . . . . . . . . . . . . 183
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
184
184
184
185
186
186
187
187
187
190
191
192
192
194
195
196
200
200
207
207
207
207
208
208
209
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
217
217
218
219
221
223
10
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
225
225
226
227
227
232
232
232
233
234
234
235
236
237
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
249
251
251
251
252
252
252
253
253
254
254
254
255
256
256
256
257
257
Bibliographie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
Avant-propos
Le but de cette collection "Applications Mathmatiques avec Matlab" est de comprendre et dutiliser les outils mathmatiques fondamentaux de premier cycle laide
dun logiciel de calcul. Elle correspond lesprit des formations en IUT, BTS, Ecoles
dingnieurs, mais aussi en premiers semestres du cycle L du nouveau schma LMD.
Nous nous sommes bass sur lexprience de nos cours, travaux dirigs et sances
de travaux pratiques de mathmatiques avec des tudiants de 1re et 2me anne du
dpartement dInformatique dIUT de lUniversit du Havre. Pour cet enseignement,
nous disposons du logiciel Matlab 1(la version actuellement installe est 6.5.0) et de
son extension Symbolic Math Toolbox (version 2.1.3).
Ces outils nous ont permis daccompagner les notions de base prsentes, par des
illustrations numriques et graphiques, et par des vrications utilisant le calcul formel.
Lutilisation dun logiciel de calcul permet de se concentrer davantage sur la comprhension du problme pos, sur une stratgie de rsolution et sur linterprtation des
rsultats. Ltudiant devra aussi porter un regard critique sur les rponses fournies, en
prenant garde aux erreurs darrondi dans les calculs numriques, et aux simplications
abusives dans certaines expressions symboliques.
Ce second tome comprend deux parties.
En premire partie, on prsente les notions de base et les principaux thormes
de lanalyse (suites, fonctions numriques dune variable relle, intgration), le plus
souvent sans dmonstrations, pour les utiliser principalement dans des applications et
calculs concrets.
. Matlab est une marque dpose de The MathWorks Inc. Tous les autres produits cits sont
des marques dposes de leur socit respective.
11
12
La deuxime partie est consacre larithmtique des ordinateurs, quelques outils de base en analyse numrique et la gestion derreurs. Le but tant dinitier les
tudiants rsoudre numriquement quelques problmes.
Chaque partie est compose de chapitres. Ils sont accompagns dillustrations et
dexemples traits avec Matlab. Des exercices sont ensuite proposs. Certains sont
originaux, dautres sont repris ou inspirs de divers manuels dont la liste est donne
en bibliographie. La correction de ces exercices se trouve en n de chapitre. Nous
avons choisi de la prsenter en utilisant systmatiquement Matlab. Le lecteur pourra
cependant traiter la plupart de ces exercices " la main".
Lorsquune commande Matlab est utilise pour la premire fois, elle est explique
et apparat en gras. Les programmes et squences de calcul sous Matlab sont mis en
vidence dans des tableaux. Le lecteur pourra trouver une initiation la pratique de ce
logiciel dans les premiers chapitres du tome 1.
En n douvrage, se trouve un index regroupant les mots-cls mathmatiques et
les commandes Matlab utilises. Ces dernires apparaissent en italique.
Nous tenons remercier vivement tous nos collgues qui ont consacr un temps
prcieux la lecture de cet ouvrage, notamment Serge Derible, Thierry Dumont, Khaled Sadallah et Francis Wirth.
Nous remercions particulirement Franois Coquet, Professeur lUniversit du
Havre, pour sa lecture attentive, ses remarques et conseils judicieux .
Nous accueillerons avec reconnaissance les ventuelles remarques que le lecteur
voudra bien nous faire parvenir.
Note au lecteur
Tome 1
premire partie : prsentation de Matlab,
deuxime partie : algbre linaire,
troisime partie : gomtrie.
Tome 2
premire partie : analyse,
deuxime partie : analyse numrique lmentaire.
Tome 3
thorie lmentaire du signal.
13
14
P REMIRE PARTIE
Analyse
15
16
Chapitre 1
Suites relles
est le terme gnral de la suite et est souvent not . Par abus de langage, la
suite qui est dtermine par ses valeurs , se note
Une suite peut tre dnie partir dun certain rang x. On notera
Une suite
17
18
telle que
Il est facile de vrier quune suite est borne si, et seulement si, elle est majore et
minore.
1.1.2. Exemple
, par
et que pour
Suites relles
19
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
10
12
14
16
18
20
ou
20
On montre, grce cette dnition, quune telle limite, si elle existe, est unique.
Dans les autres cas on dira que la suite est divergente.
1.2.2.2. Suites de rfrence
Les suites dnies pour
, de la forme
Il est souvent commode de les utiliser pour montrer quune suite converge
vers une limite nie . Lorsque la suite vrie : il existe une constante
alors
1.2.2.3. Exemple
Examinons lexemple de la suite dnie pour
On a, sous Matlab,
par :
Suites relles
21
2
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
1
10
20
30
40
50
60
Cela laisse prsager que la suite converge vers . Pour montrer ce rsultat , on peut
utiliser la suite de rfrence
(ou toute autre suite de la forme
) et montrer quil existe une
constante positive telle que, partir dun certain rang on ait
Or
Il suft de prendre
et
22
On crit
On crit
1.3. Proprits des limites de suites
1.3.1. Cas de limites nies
On se donne deux suites
des limites nies et .
Alors on a :
et
(pour tout nombre
(si ),
Si la suite
est borne et si
, alors
, on a
Suites relles
do lencadrement
on a
ou bien
pour
23
si et alors
si et , alors
si et alors
si et , alors
si et alors
si et alors
si et alors
si et , alors
(si et (si
Par contre, toute recherche de limite qui se prsente sous lune des formes suivantes est une indtermination :
on a
syms n ; Un=(2*n+1)/(n+6);
limit(Un,n,inf)
ans = 2
24
Vn=(2*abs(n^2-20)+1)/(abs(n-10)+7);
limit(Vn,n,inf)
ans = inf
Matlab permet aussi de retrouver les calculs sur les limites innies :
inf+inf
ans=Inf
inf*inf
ans=Inf
inf*(-inf)
ans=-Inf
0*inf
ans=NaN
la dernire rponse exprime lindtermination : Not a Number.
1.4. Suites monotones
Une suite relle
strictement dcroissante si
Dans chacun de ces cas on parlera de suite monotone (resp. strictement monotone).
Ces notions restent valables si elles sont vraies partir dun rang donn
Le rsultat essentiel pour les suites monotones est :
Thorme.
Toute suite relle croissante et majore est convergente.
Toute suite relle dcroissante et minore est convergente.
Suites relles
25
et on dnit la suite
pour
par la relation de
alors
Si elle admet une solution, ou plusieurs, une tude de la suite (monotonie, minoration
ou majoration,...) permet de prciser la limite ventuelle.
par
26
On calcule, sous Matlab, les dix premiers termes de cette suite, quon range dans
un tableau :
u(1)=1 ;
for n=1 :9,u(n+1)=sqrt(1+u(n));end
u(1 :5)
1.0000 1.4142 1.5538 1.5981 1.6118
u(6 :10)
1.6161 1.6174 1.6179 1.6180 1.6180
Cela suggre que la suite est majore par . Montrons-le par rcurrence. On a
donne
maple(solve(sqrt(1+Un)-2 =0))
ans=RealRange(-1,3)
Do limplication
On va maintenant prouver la convergence, en montrant que la suite est croissante et majore. On sait dj que la suite est majore par 2. Mais dans ltude de la
monotonie, on aura besoin de la majoration
Suites relles
On tudie le signe de
maple(solve(sqrt(1+Un)-1/2-sqrt(5)/2 =0))
ans = RealRange(-1,1/2+1/2*5^(1/2))
Ainsi, si on suppose
alors
, do
On a :
syms Un
UnPlus1 = sqrt(1+Un) ;
P = expand((UnPlus1-Un)*(UnPlus1+Un))
P = 1+Un-Un^2
% On cherche les racines de P pour factoriser :
S = solve(P)
S = [ 1/2+1/2*5^(1/2)]
[ 1/2-1/2*5^(1/2)]
Q=(Un-S(1))*(Un-S(2)); expand(Q)
ans = -1-Un+Un^2
On en dduit que pour tout
27
28
car
et
puisque
et
La suite tant croissante et majore, elle est donc convergente et sa limite est bien
.
1.6. Exercices
1.6.1. Limite dune suite et majorations
On se propose de calculer la limite de la suite dnie par
en utilisant la dnition.
1) Peut-on se servir de la lecture du graphe de la suite pour en donner lventuelle
limite ?
2) En calculant
3) Conclure.
4) Retrouver par
Suites relles
29
(solution p. 31)
1.6.3. Etude dune suite rcurrente (2)
On dnit la suite
pour
1) Calculer pour
et en donner une reprsentation graphique.
2) Quelle est lventuelle limite de cette suite ?
3) Montrer avec Matlab que la suite est majore par
4) En dduire quelle est croissante.
6) En dduire que
5) Vrier que
(solution p. 33)
1.7. Solutions
Exercice 1.6.1
1) On reprsente graphiquement les nombres pour
clf
n=26 :1 :100 ;
u=sqrt(n)./(sqrt(n)-5);
plot(n,u,x)
grid on
30
50
40
30
20
10
0
20
30
40
50
60
70
80
90
100
Le dessin laisse penser que la suite est dcroissante, minore, mais nindique pas
clairement la limite. Le calcul des termes laisse prsager que la
limite est :
n=[100 1000 10000] ;
u= sqrt(n)./(sqrt(n)-5)
u = 2.0000 1.1878 1.0526
2) On a, pour
Et linquation
est quivalente
soit
ou encore
do
et nalement
3) Pour on peut majorer par qui est une suite de rfrence (voir 1.2.2.3). Cette majoration montre que la suite converge vers 1.
Suites relles
31
puis pour
syms n
un=sqrt(n)/(sqrt(n)-5);
simplify(abs(un-1))
ans = 5/abs(n^(1/2)-5)
maple(solve(5/abs(n^(1/2)-5) =10/n^(1/2)))
ans = RealRange(100,inf),RealRange(Open(0),100/9)
Lensemble solution de cette inquation
Exercice 1.6.2
1) On a la formule de rcurrence
32
1.25
x 10
1.2
1.15
1.1
1.05
10
15
20
25
12500.
puis
U1 = subs(Un,An,10000)
U1 =2500
syms n ; Un = U1*(3/5)^(n-1) ;
An = 12500-Un
An =12500-2500*(3/5)^(n-1)
On a, pour tout
Suites relles
6) Comme
33
on dduit que
Exercice 1.6.3
1) On place dans le tableau les 20 premiers termes de la suite, et on utilise plot
pour reprsenter graphiquement cette suite.
clear
u(1)=1 ;
for n=1 :19, u(n+1)= 1/5*u(n)+1 ;end
u
u=
Columns 1 through 7
1.0000 1.2000 1.2400 1.2480 1.2496 1.2499 1.2500
Columns 8 through 14
1.2500 1.2500 1.2500 1.2500 1.2500 1.2500 1.2500
Columns 15 through 20
1.2500 1.2500 1.2500 1.2500 1.2500 1.2500
plot(u,x)
hold on ; axis([0 20 0.8 1.3])
1.3
1.25
1.2
1.15
1.1
1.05
1
0.95
0.9
0.85
0.8
10
12
14
16
18
20
34
avec
soit ici
do
syms Un
maple(solve(1/5*Un+1 =5/4))
ans =RealRange(-inf,5/4)
Ainsi, si
alors
Comme par hypothse
demande est dmontre par rcurrence.
4) On rsout linquation
UnPlus1=1/5*Un+1 ;
UnPlus1-Un
ans =-4/5*Un+1
maple(solve(-4/5*Un+1 =0))
ans =RealRange(-inf,5/4)
Daprs la question prcdente, on a, pour tout
do
5) On compare
avec
l=5/4 ;
d=UnPlus1-l
d =1/5*Un-1/4
p=1/5*(Un-l)
p =1/5*Un-1/4
cela montre lgalit demande.
la majoration
Suites relles
on obtient
maple(solve(5/4*(1/5)^n =10^(-7)))
ans =
en linquation quivalente
puis en
On obtient alors
maple(solve(5^n =5/4*10^7))
ans = RealRange(log(12500000)/log(5),inf)
double(log(12500000)/log(5))
ans=10.1534
Ainsi, pour
35
36
Chapitre 2
Ce chapitre est consacr ltude des fonctions dune variable relle dnies sur
un intervalle de ni ou inni.
2.1. Rappels gnraux sur les fonctions
2.1.1. Majoration dune fonction et extrema
Comme pour les suites, on dira que :
1) est majore sur sil existe une constante telle que
telle que
On peut vrier quune fonction est borne si, et seulement si, elle est majore et
minore.
On rappelle aussi quen un point
37
38
et quen un point
elle a un maximum si
On a
et
On remarque que
, donc
par
Graphiquement, on a :
syms x real ; f=1/(1+x^2) ;
ezplot(f,0,10) ; grid on
axis([0 10 -0.5 1.5])
1/(1+x^2)
1.5
0.5
0.5
5
x
10
39
(avec
Si est paire, alors son graphe admet une symtrie par rapport laxe des ordonnes
et donc il sufra de ltudier sur .
De mme, une fonction
est dite impaire si
dnie sur
(avec ventuellement
son graphe admet alors une symtrie par rapport lorigine du repre. Il sufra dtudier la fonction sur .
2.1.4. Exemple
La fonction cosinus, dnie sur
Matlab :
syms x real
f=cos(x) ;
simplify(cos(-x))
ans = cos(x)
simplify(cos(x+2*pi))
ans = cos(x)
Pour la reprsentation graphique, on utilise la fonction dessineRepere permettant de
faire apparatre les axes du repre en traits mixtes.
40
function dessineRepere
hold on
V=axis ;
% V contient les abscisses et ordonnes minimum et maximum
Xmin=V(1) ;Xmax=V(2) ;Ymin=V(3) ;Ymax=V(4) ;
plot([Xmin Xmax],[0 0],-.,LineWidth,1.5)
% LineWidth permet de choisir la largeur du trait (1 par dfaut)
plot(Xmax,0, ,LineWidth,1.5) %dessine la che horizontale
plot([0 0],[Ymin Ymax],-.,LineWidth,1.5)
plot(0,Ymax,^,LineWidth,1.5)
0.5
0.5
0
x
De mme
de on a
de on a
41
est strictement
est
caractrise par
On la note
et on vrie que
par
42
tel que
On crira
il existe
il existe
tel que
tel que
si pour tout
il existe
on dit que
tel que
2.2.1.4. Exemple
Soit
dnie sur
43
par
On cherche la limite de en
Le tableau de valeurs :
. Lingalit
est quivalente
ou encore
On notera
il existe
44
dnie par
on a
si
si
syms x real ;
limit(exp(x),x,1,left)
ans = exp(1)
limit(x^2,x,1,right)
ans = 1
Do
et
2.2.3. Exemple
Considrons la fonction
.
tuelle) pour
45
sin(1/x)
0.5
0.5
0.01
0.015
0.02
0.025
0.03
x
0.035
0.04
0.045
0.05
Cette courbe montre une allure oscillante au voisinage de zro. On construit une suite
particulire tendant vers zro telle que la suite nadmette pas de
limite.
syms n real
Xn=1/(n*pi+pi/2) ;
limit(Xn,n,inf)
ans=0
fDeXn=subs(fDeX,x,Xn)
fDeXn=cos(n*pi)
Ainsi
46
2.3. Continuit
2.3.1. Dnitions
2.3.1.1. Cas dun intervalle ouvert de
Soit une fonction dnie sur un intervalle ouvert de et
donn. La fonction est dite continue au point si et seulement si
un point
Cela traduit le fait que lorsque la variable est proche de , la valeur est proche
de Autrement dit, pour tout
il existe
tel que :
En posant
on a la dnition quivalente
On notera
La fonction
(avec
On peut
, ainsi que la continuit
si
47
2.3.2. Exemple
On donne la fonction
si
si
et
sont continues en
et
sont continues en
est continue en (si est non nul).
Lorsque on a
est continue en
Les fonctions usuelles :
est continue en
48
1) polynomiales,
2) trigonomtriques directes et inverses,
3) logarithme, exponentielle,...
sont continues sur leur domaine de dnition.
On retiendra le thorme suivant :
Thorme des valeurs intermdiaires.
Pour toute fonction relle continue sur
limage par de cet intervalle est
lintervalle o est le minimum de et est le maximum de sur
Autrement dit, pour toute valeur intermdiaire comprise entre et il existe au
moins une valeur dans
telle que .
Thorme des valeurs intermdiaires
2.4. Drivation
2.4.1. Dnitions
La notion de drive (comme le mot lindique bien) est lie la courbure du
graphe reprsentatif dune fonction. Cette notion sert aussi dans de nombreuses applications telles que la cinmatique, les systmes dynamiques, etc...
Une fonction
le rapport
dni sur
49
joignant
en
De mme ici, on peut dnir une drive gauche et une drive droite au point
: par exemple la drive gauche est, quand elle existe,
Si
ou
(avec
en effet
50
En notant
admet donc
au point .
avec
En posant
, on a
pour
Cette dernire galit donne une premire approximation afne de au voisinage de ds que existe et montre aussi quune fonction drivable en est
ncessairement continue en ce point.
51
(si ),
(drive logarithmique de
Lorsquon a
),
, si
Si
avec
Alors on a
note
par
est
52
sur si
existent et
est une fonction continue sur
syms x real ;
fDeX=(x^3+2*x-5)*exp(x);
fOrdre4DeX=diff(fDeX,x,4);
factor(fOrdre4DeX)
ans=exp(x)*(x+1)*(x^2+11*x+27)
on obtient
et admet
et est drivable
tel que
Ce dernier rsultat est connu sous le nom du thorme de Rolle et exprime le fait quil
y a au moins un point o la courbe reprsentative de admet une tangente horizontale
(cest--dire parallle laxe des abcisses).
Si est continue sur
et est drivable sur
un point de
tel que
alors il existe
Cest le thorme des accroissements nis (T.A.F). Il exprime le fait quil existe
au moins une tangente la courbe de parallle la scante joignant les points de
coordonnes
et
53
1.6
1.5
1.4
1.3
1.2
1.1
a
1
0.5
0.5
En crivant
sous forme
scrit
qui exprime bien lide daccroissements nis. De ce thorme on dduit aussi (sous
les mmes hypothses) :
54
ou linquation
solve(fprime)
ans=1
maple(solve(-exp(-x)*(-1+x) 0))
ans = realRange(-inf,open(1))
fDe1=subs(f,x,sym(1))
fDe1=1+exp(-1)
double(fDe1)
ans=1.3679
limit(f,x,-inf,right)
ans=-inf
limit(f,x,inf,left)
ans=1
Do le tableau de variations
55
1+x*exp(x)
1.5
0.5
0.5
1.5
2
1
2
x
sinon.
La fonction
de
si
syms x real
f1Moins =(3-x^2)/2 ;
f1Plus=1/x ;
On calcule les limites gauche et droite suivantes :
56
et
f1MoinsPrime = diff(f1Moins)
f1MoinsPrime = -x
f1PlusPrime = diff(f1Plus)
f1PlusPrime = -1/x^2
limit(f1MoinsPrime,x,1,left)
ans = -1
limit(f1PlusPrime,x,1,right)
ans = -1
Donc
est de classe
(continment drivable) et
si
si
sinon.
Pour le graphe de cette fonction dnie par morceaux, on cre un chier appel
dans lequel est dnie la fonction
function y = f1(x)
if(x 1) y = (3-x.^2)./2 ;
else y =1./x ;
end
57
1.5
0.5
0.5
1.5
2.5
3
3
Observons que le raccord au point se fait dune manire lisse, au sens que la
fonction en ce point admet une drive et cette dernire y est continue.
2.5. Fonctions trigonomtriques inverses
2.5.1. Rappel
Dans cette section on utilisera en particulier le rsultat suivant :
Thorme.
Si est une fonction continue strictement croissante sur
alors est une bijection de
dans Il en est de
mme si est strictement dcroissante de
dans
58
Supposons que
la courbe reprsentative de
de scrit :
qui est continue et strictement croissante et donc elle admet une fonction rciproque
note arc
arc
arc
arc
avec la caractrisation
si et seulement si
59
clf
fplot(asin,[-1,1])
hold on
fplot(sin,[-pi/2,pi/2],)
ezplot(x,[-pi/2,pi/2])
axis equal ; axis auto
Pour placer une lgende, associe aux tracs successifs :
legend (arcsin(x),sin(x),4)
grid on ; dessineRepere
0.5
0.5
1
arcsin(x)
sin(x)
1.5
1.5
0.5
0
x
0.5
1.5
arc
60
qui est continue et strictement dcroissante et donc on dnit son inverse par
arc
La drive en
sobtient par
arc
arc
arccos(x)
cos(x)
2.5
1.5
0.5
0.5
61
est continue et strictement croissante donc elle admet une fonction rciproque note
arc
arc
arc
6
6
0
x
On note, pour
62
, on a
de .
pour tout
3) Etudier la drivabilit de
en et
5) On donne la fonction
Etudier ses variations et tracer son graphe sur la mme gure que
6) En comparant et sur , puis sur
montrer que
Solution
1) On dnit avec Matlab
et on vrie que
si
si
:
syms x positive
dDeX=1-(1-sqrt(x))^2/(1+x);
simplify(dDeX)
ans = 2*x^(1/2)/(1+x)
, on a
De plus
2) On sait que
est drivable sur
est donc drivable si
lest, et si de plus
, et si
La fonction
soit
La fonction
Pour
et
hDeX=2*sqrt(x)/(1+x);
fDeX=asin(hDeX) ;
hPrimeDeX=diff(hDeX)
hPrimeDeX = 1/x^(1/2)/(1+x)-2*x^(1/2)/(1+x)^2
d1DeX=simplify(hPrimeDeX*1/sqrt(1-hDeX^2))
d1DeX = -1/x^(1/2)/(x+1)*signum(x-1)
fPrimeDeX=simplify(diff(fDeX))
fPrimeDeX = -1/x^(1/2)/(x+1)*signum(x-1)
On a bien vri lgalit
63
64
fDe0=simplify(subs(fDeX,x,sym(0)))
fDe0 = 0
limit((fDeX-fDe0)/x,x,0,right)
ans = inf
Comme
nest pas drivable droite en , mais sa courbe reprsentative admet au point dabscisse une demi-tangente verticale.
On tudie de mme la drivabilit en :
fDe1=simplify(subs(fDeX,x,sym(1)))
fDe1 = 1/2*pi
limit((fDeX-fDe1)/(x-1),x,1,right)
ans = -1/2
limit((fDeX-fDe1)/(x-1),x,1,left)
ans = 1/2
Ainsi
et
admet en une drive droite et une drive gauche, qui sont distinctes.
4) On a montr la question quen tenant compte du signe de
, on avait
si
si
en
65
1.5
0.5
0.5
1.5
2.5
x
3.5
4.5
On calcule
66
et
gDe0 =simplify(subs(gDeX,x,sym(0)))
gDe0 =0
limit(gDeX,x,inf)
ans = pi
Do le tableau de variations
1.5
0.5
0.5
1.5
2.5
x
3.5
4.5
se simplie
67
do
fDe1Tiers=simplify(subs(fDeX,x,sym(1/3)))
fDe1Tiers =1/3*pi
gDe1Tiers=simplify(subs(fDeX,x,sym(1/3)))
gDe1Tiers =1/3*pi
fDe1Tiers-gDe1Tiers
ans = 0
Sur lintervalle
on simplie
puis on calcule
fPrime1_inf=subs(fPrimeDeX,signum(x-1),1)
fPrime1_inf = -1/x^(1/2)/(1+x)
fPrime1_inf+gPrimeDeX
ans =0
do
si
68
(respectivement
dnie sur un intervalle de la forme
si elle est
).
vrient
et
De mme, pour
on a
et
on dira que
on dira que
est quivalente
au voisinage de si
On notera :
On notera :
on dira que
le rapport
est born au voisinage de
On notera :
2.6.3. Exemples
On a
et pour tout
69
indniment
70
2.7.1.2. Exemple
On se propose de :
1) afcher la valeur arctan
2) calculer les drives premire et deuxime de arctan
de
Solution
1) On obtient avec Matlab
format long
atan(1.01)
ans=0.79037324672830
2) On calcule les drives successives de
syms x real
FdeX=atan(x) ;
Fdif1=diff(FdeX)
Fdif1=1/(1+x^2)
Fdif2=diff(Fdif1)
Fdif2=-2/(1+x^2)^2*x
3) De
on dduit, en majorant la valeur absolue du numrateur et en minorant le dnominateur, la majoration de la drive seconde sur lintervalle
M=2*1.01/(1+1)^2
M=0.50500000000000
4) On peut donc appliquer la formule de Taylor-Lagrange lordre et lingalit du paragraphe 2.7.1.1 pour avoir une majoration de lerreur lorsquon confond
arctan avec
la valeur de
arctan
On a
71
avec
Le terme
pour
on obtient
72
et
On dira que
Les D.L. sont trs utiles pour ltude locale des fonctions puisquils permettent :
syms x real
taylor(sqrt(1+x)*sin(x),3,0)
ans=x+1/2*x^2
Le D.L. de
avec
pour
73
Ainsi
avec
pour
On cherche des dveloppements limits un ordre sufsant, pour lever lindtermination. Ici lordre 2 ne suft pas. En effet
syms x real
% Au numrateur :
U = taylor(exp(sin(x)),3,0)
% lordre est 3-1=2.
U= 1+x+1/2*x^2
V =taylor(exp(tan(x)),3,0)
V = 1+x+1/2*x^2
% Par diffrence :
U -V
ans = 0
% De mme, au dnominateur :
W= taylor(sin(x)-tan(x),3,0)
ans = 0
74
A lordre 3, on a
syms x real
% Au numrateur :
U = taylor(exp(sin(x)),4,0)
U= 1+x+1/2*x^2
V =taylor(exp(tan(x)),4,0)
V = 1+x+1/2*x^2+1/2*x^3
% Par diffrence :
U -V
ans = 1/2*x^3
% De mme, au dnominateur :
W= taylor(sin(x)-tan(x),4,0)
ans = -1/2*x^3
do
au voisinage de
syms x real
f= sqrt(1+x+x^2) ;
limit(f,x,inf)
ans = inf
75
au point
g=f/x
g = 1+x+x^2)^(1/2)/x
syms t real
h = subs(g,x,1/t) ;
h1 = taylor(h,3,0)
h1 = 1+1/2*t+3/8*t^2
on a, au voisinage de
puis
au voisinage de
76
1
y=f(x)
y=x+1/2
0
0
2.8. Exercices
2.8.1. Bijection rciproque
On donne la fonction dnie de dans
par
dnie sur
est impaire.
) par
77
(solution p. 80)
2.8.3. Etude dune fonction priodique
Soit la fonction dnie sur par
entire de dnie de la manire suivante :
dsigne la partie
dnie par
sur
3) Montrer que si
,
4) Montrer que est paire et 2 -priodique et en dduire lexpression de
pour appartenant
, puis
5) Vrier graphiquement
(solution p. 84)
78
On pose
des expressions
2) En dduire la limite.
(solution p. 86)
2.8.6. D.L. et recherche dasymptote
1) Dterminer lasymptote oblique (pour
fonction donne par
) la courbe reprsentative de la
(solution p. 87)
2.8.7. D.L. et tude de limite (2)
Soit
79
2.9. Solutions
Exercice 2.8.1
Pour montrer que la fonction est injective on part de
syms x1 x2 x y real
FdeX1=x1/(1+x1) ;FdeX2=x2/(1+x2) ;
D=FdeX1-FdeX2 ;
simplify(D)
ans=-(-x1+x2)/(1+x1)/(1+x2)
la rponse implique que
Pour montrer que est surjective et trouver lexpression de lapplication rciproque, on doit rsoudre lquation (en la variable )
% Cas y positif
solve(x/(1+x)=y)
ans=-y/(-1+y)
% Cas y ngatif
solve(x/(1-x)=y)
ans=y/(1+y)
On dduit que
est lapplication
80
Exercice 2.8.2
1) On dnit
.
2) Pour tudier les variations de , on tudie le signe de la drive sur lintervalle
fPrimeDeX = diff(fDeX) ;
fPrimeDeX = factor(fPrimeDeX)
fPrimeDeX = -(-a^2+2*x^2)/a/(-(x-a)*(x+a))^(1/2)
sannule pour
81
Do le tableau de variations
3)
fPrimeDe0 = simple(subs(fPrimeDeX,x,0))
fPrimeDe0 = 1
limit((fDeX-fDeA)/(x-a),x,a,left)
ans = -inf
On a
2
1.5
1
0.5
0
0.5
1
1.5
2
0
x
82
syms y real
E = a^2*y^2 - x^2*(a^2-x^2) ;
Se = solve(E,y)
Se = [ x/a*(a^2-x^2)^(1/2)]
[ -x/a*(a^2-x^2)^(1/2)]
ce qui montre que
ou
hold on
ezplot (-f4DeX, -4,4)
title(Courbe dquation a^2y^2=x^2(a^2-x^2))
Courbe dquation a^2y^2=x^2(a^2x^2)
2
1.5
1
0.5
0
0.5
1
1.5
2
0
x
Exercice 2.8.3
oor(pi)
ans = 3
syms x real
gDeX=x-oor(x)
? ? ? Function oor not dened for values of class sym.
Ainsi
do
donc
On a alors
do la priodicit de
Pour le graphe, on effectue le trac sur les intervalles
syms x n real
gDeX=x-n ;
clf
hold on
for i=-5 :5,
=subs(gDeX,n,i) ;
ezplot(,i,i+1) ;
end
axis [-6 6 -1 1] ;axis equal ; grid on
title(g(x)=x-E(x))
dessineRepere
g(x)=xE(x)
2
1
6
0
x
83
84
Exercice 2.8.4
1) Pour tout rel
syms x real
fDeX=acos(cos(x))
set(gca,LineStyle,- -)
ezplot(fDeX,-3*pi,3*pi)
hold on ;grid on
axis equal
T=axis ; % pour mmoriser Xmin, Xmax, Ymin, Ymax
dessineRepere
acos(cos(x))
8
0
x
priodique, on a :
et
, on a
et
, et pour
On remarquera que
on a
implique
do
85
86
Exercice 2.8.5.
1) On calcule les trois expressions
0
x
) comme fonctions de
syms x h real
f1=sqrt(2*x-x^4);f2=x^(1/3) ; f3=x^(3/4) ;
f=(f1-f2)/(1-f3)
f =((2*x-x^4)^1/2)-x^(1/3))/(1-x^(3/4))
g1=subs(f1,x,1+h);
g2=subs(f2,x,1+h);
g3=subs(f3,x,1+h);
On donne les D.L. lordre demand :
Tg1=taylor(g1,h,0,2)
Tg1 =1-h
Tg2=taylor(g2,h,0,2)
Tg2 =1+1/3*h
Tg3=taylor(g3,h,0,2)
Tg3 =1+3/4*h
2) On en dduit que pour
, on a
87
do la limite cherche :
rapport=(Tg1-Tg2)/(1-Tg3)
rapport =16/9
On peut effectuer un calcul direct de limite avec Matlab :
limit(f,x,1)
ans =16/9
Exercice 2.8.6
1) Le changement de variable (permettant lanalyse au voisinage de zro) donne
syms x t real
f=(x+1)*exp(1/x);
g=subs(f,x,1/t)
g =(1/t+1)*exp(t)
do :
Texp=taylor(exp(t),3)
Texp =1+t+1/2*t^2
88
10
10
Exercice 2.8.7
La fonction est dnie sur
A lordre 4, le D.L du numrateur ne permet pas de conclure (il donne une indtermination) :
syms x real
num = sin(tan(x))+sin(x)-2*x;
Tnum4=taylor(num,5)
Tnum4 = 0
A lordre 5 on a
Tnum5=taylor(num,6)
Tnum5 = -1/60*x^5
89
On obtient
(sin(tan(x))+sin(x)2*x)/x^5
0.1
0.1
0.2
0.3
0.4
0.5
0.6
1.5
0.5
0
x
0.5
1.5
Le graphe au voisinage de zro montre bien que la fonction est assez plate et se comporte comme .
90
Chapitre 3
Intgration
et
On montre que pour une telle fonction , les suites et forment deux
suites adjacentes (lune croissante, lautre dcroissante) convergeant vers une mme
limite qui est gale laire de la surface dlimite par la courbe reprsentative de
(dans un repre orthonorm), laxe des et les droites dquations
91
92
est croissante)
Graphiquement,
reprsente laire dun rectangle de largeur et
de hauteur et on dessine ci-dessous les surfaces correspondant la runion
de ces rectangles, daires respectives et ainsi que la surface daire
Somme de Darboux Sn
3.5
2.5
1.5
1
1
1.1
1.2
1.3
1.4
1.5
x
1.6
1.7
1.8
1.9
1.7
1.8
1.9
Somme de Darboux sn
3.5
2.5
1.5
1
1
1.1
1.2
1.3
1.4
1.5
x
1.6
Intgration
93
Aire A
4
3.5
2.5
1.5
0.5
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
et
est seulement
3.1.1.3. Gnralisation
De mme, on peut aussi considrer le cas o prsente un nombre ni de disconcest--dire quen un certain nombre de points
tinuits sur
94
de
Le rsultat concernant le cas gnral des fonctions bornes dnies sur lintervalle
est donn par le :
Thorme.
Toute fonction borne et monotone par morceaux est intgrable sur
0.5
1.5
x
2.5
3.1.1.4. Dnition
Si
et si
Intgration
95
3.1.2. Exemple
sur lintervalle
a=1 ; b=2 ;
syms x
f=x^2 ;
syms n k real
h=(b-a)/n ;
Sn=h*symsum(subs(f,x,a+k*h),k,1,n)
Sn = 1/n*(n+1/n*(n+1)^2-(n+1)/n+
1/3/n^2*(n+1)^3-1/2/n^2*(n+1)^2+1/6/n^2*(n+1))
sn=h*symsum(subs(f,x,a+(k-1)*h),k,1,n)
sn = 1/n*(n-3*(n+1)/n+13/6/n^2*(n+1)+
1/n*(n+1)^2-3/2/n^2*(n+1)^2+1/3/n^2*(n+1)^3+2/n-1/n^2)
96
2.5
1.5
10
15
20
25
30
Intgration
3) positivit (pour
):
4) majoration (pour
):
est continue :
. Posons, pour
Si
et
est la primitive de
alors
Par exemple, on a
97
98
Exemple
Soit
si
si
1.5
0.5
0.5
Calculons
1.5
x
2.5
Intgration
Pour
, on a
Pour
99
On construit le graphe de F :
clf
ezplot(t^2/2,0,1) ;
hold on
ezplot(1/2+2*log(t),1,3);
axis([-0.2 3.2 -0.2 3])
title(Graphe de F)
grid on
dessineRepere
Graphe de F
3
2.5
1.5
0.5
0
0
0.5
1.5
t
2.5
mais nest pas drivable en : on peut lobserver sur le graphique et le vrier en
calculant les limites gauche et droite du taux daccroissement :
100
syms t real
F0=t^2/2 ;
F1=1/2+2*log(t) ;
Fde1=subs(F0,t,1)
Fde1 =1/2
limitG=limit((F0-Fde1)/(t-1),t,1,left)
limitG =1
limitD=limit((F1-Fde1)/(t-1),t,1,right)
limitD =2
Ainsi
3.2.3. Notation
On conviendra par la suite que la notation (imprcise)
Intgration
do
par
syms x real
FdeX=int(x*sqrt(1+x))
FdeX = -2/3*(1+x)^(3/2)+2/5*(1+x)^(5/2)
Ainsi
alors que
Dans lintgrale
101
102
o
, et
former les fonctions
o
dans
. En drivant, on obtient
est une primitive de
Si
. En effet, on peut
et
donc
et
on a
3.3.2.2. Exemple
Calculer
: la valeur
. De plus on a
, correspond
, et
Intgration
103
Sous Matlab on a :
par calcul direct de lintgrale :
syms x real
FdeX=exp(x)/(1+exp(x));
int(FdeX,1,2)
ans=log(1+exp(2))-log(1+exp(1))
par le changement de variable :
syms t real
GdeT=subs(FdeX,x,log(t))
exp(log(t))/(1+exp(log(t)))
B= int(GdeT*diff(log(t)),sym(exp(1)),sym(exp(2)))
B = log(1+exp(2))-log(1+exp(1))
3.3.2.3. Cas dune intgrale indnie
On a vu prcdemment que
Do :
En particulier
, on obtient
et
Lemploi de ces formules est utile lorsquon intgre un produit de fonctions telles
que
etc,
o est une fonction polynomiale.
104
3.3.3.1. Exemple
Donner une primitive de la fonction
On pose
do
Avec Matlab :
syms x
u = x;
vPrime = exp(x) ;
uPrime = diff(u)
uPrime = 1
v = int(vPrime)
v = exp(x)
I = u*v-int(uPrime*v)
I = x*exp(x)-exp(x)
Une fonction polynme de degr est dnie sur une partie quelconque de
par
Intgration
. On notera
105
de si
et
Thorme.
Il existe un couple unique de fonctions polynmes telles que :
avec
3.4.1.4. Calculs avec Matlab
Sous Matlab, une fonction polynme peut tre dnie sous forme dexpression
symbolique, mais aussi sous forme dun tableau numrique form de ses coefcients.
Certaines oprations (en particulier la division euclidienne) ncessitent lutilisation
de ces tableaux numriques. La conversion dune forme lautre se fait laide des
fonctions poly2sym et sym2poly.
3.4.1.5. Exemple
On donne les polynmes
106
et factorisons ce polynme.
syms x
A=x^6-12*x^4+5 ;
B=2*x^4-11*x^3+9*x^2+27*x-27;
solve(B)
ans = [1 -3/2 3 3]
factor(B)
ans = (x-1)*(2*x+3)*(x-3)^2
Ainsi les racines de ce polynme sont
- utiliser deconv, pour obtenir les quotient et reste sous forme de tableaux numriques et :
[Q1,R1]=deconv(A1,B1)
Q1 = 0.5000 2.7500 6.8750
R1 = 0 0 0 37.3750 -122.6250 -111.3750 190.6250
- convertir les rsultats en polynmes symboliques :
Q= poly2sym(Q1)
Q = 1/2*x^2+11/4*x+55/8
R = poly2sym(R1)
R = 299/8*x^3-981/8*x^2-891/8*x+1525/8
Intgration
107
o et sont deux fonctions polynomiales et nest pas la fonction polynomiale nulle. On dira que cette fraction rationnelle est irrductible sil ny a pas
de racine commune aux deux polynmes et . Une racine dordre du polynme est appele un ple dordre de la fraction .
Lorsque
avec
avec
108
avec
est le suivant :
Thorme.
Sur , se dcompose dune manire unique
en somme nie dlments simples de 1re espce.
Sur , se dcompose dune manire unique
en somme nie dlments simples de 1re et 2me espce.
Les
3.4.3. Exemples
3.4.3.1. Cas de ples rels simples
La dcomposition en lments simples de la fraction rationnelle
est de la forme
Intgration
109
Elle admet le ple simple rel le ple triple rel et deux ples doubles complexes conjugus et
La dcomposition en lments simples de sur est de la forme
110
on dnit
syms x
F=(x^4+2*x^3-x+11)/((x-2)*(x-1)^3*(x^2+1)^2);
syms a1 b1 b2 b3 c1 d1 c2 d2 real
FDecomp=a1/(x-2)+b1/(x-1)+b2/(x-1)^2+b3/(x-1)^3+...
(c1*x+d1)/(x^2+1)+(c2*x+d2)/(x^2+1)^2;
par rduction au mme dnominateur, on crit
pour lidentier
collect(NDecomp,x)
ans =
(c1+a1+b1)*x^7
+(-5*c1-3*a1+b2-4*b1+d1)*x^6
+(7*b1+10*c1+5*a1+c2+b3-3*b2-5*d1)*x^5
+(4*b2-2*b3-10*b1+d2+10*d1-12*c1-7*a1-5*c2)*x^4
+(-5*d2+2*b3+7*a1+11*c1+9*c2-6*b2+11*b1-12*d1)*x^3
+(-5*a1+11*d1+5*b2-4*b3-7*c2-8*b1-7*c1+9*d2)*x^2
+(-3*b2+5*b1+3*a1+2*c2+2*c1+b3-7*d2-7*d1)*x
+2*d1-2*b3-a1+2*b2+2*d2-2*b1
Intgration
111
La dcomposition de
3.4.3.3. Remarques
Dans le cas de ples multiples, la fonction residue de Matlab peut conduire des
erreurs importantes dans le calcul numrique des coefcients
Dans le cas de ples complexes, cette fonction residue donne la dcomposition
dans et non dans .
La mthode didentication prsente ci-dessus est gnrale, mais les calculs, sils
sont effectus la main, peuvent tre fastidieux. Il existe des mthodes spciques
pour obtenir les lments simples de premire ou de deuxime espce. Nous ne les
prsenterons pas ici.
112
Exemple 1
Pour chercher les primitives
on doit dcomposer en lments simples la fraction
La dcomposition (voir paragraphe 3.4.3.1) est de la forme :
avec
Do
syms x
AdeX=x ;
FdeX=(x+1)*(x+5) ;
alpha=limit((x+1)*AdeX/FdeX,x,-1)
alpha= -1/4
beta=limit((x+5)*AdeX/FdeX,x,-5)
beta = 5/4
ainsi
et
Intgration
113
Exemple 2
Pour chercher les primitives de la fonction
On procde par identication (voir paragraphe 3.4.3.2) : on rduit au mme dnominateur lexpression
114
A=x ; B=(x-1)^2*(x+1) ;
int(A/B)
ans = -1/2/(x-1)+1/4*log(x-1)-1/4*log(x+1)
3.6. Exercices
3.6.1. Calculs de primitives usuelles
Donner sous Matlab les primitives des fonctions usuelles suivantes dnies par :
1) ,
2)
3)
4)
5)
(solution p. 116)
(solution p. 116)
Intgration
115
dnie par
que
(solution p. 118)
3.6.5. Dcomposition en lments simples
1) Factoriser sur le polynme
2) Donner la dcomposition en lments simples de la fraction rationnelle
116
3.7. Solutions
Exercice 3.6.1
Il suft dutiliser la commande int.
On prendra garde certaines rponses donnes par Matlab, qui font abstraction
des domaines de dnitions des fonctions considres.
Voici certaines rponses aux primitives demandes
syms x a real
int(x^a,x)
ans=x^(a+1)/(a+1)
int(log(x))
ans=x*log(x)-x
int(tan(x))
ans=-log(cos(x))
la dernire rponse est correcte si on crit
Exercice 3.6.2
1) En crivant
syms x real
simple(sin(x)^4)
on dduit
Intgration
3) De mme
simple(cos(x)^2)
...
combine(trig) :
1/2*cos(2*x)+1/2
...
I=int(1/2*cos(2*x)+1/2,0,pi/2)
I =1/4*pi
Ainsi
Exercice 3.6.3
La fonction
pour
pour
on a
on a
dnie par
. De plus :
donne ici
117
118
Exercice 3.6.4
1) Le calcul direct des deux intgrales ne peut pas seffectuer sous Matlab, faute
de primitive calculable :
syms x real
FdeX=sqrt(sin(x))/(sqrt(sin(x))+sqrt(cos(x)));
int(FdeX,0,pi/2)
Warning : Explicit integral could not be found
2) On doit donc utiliser le changement de variable donn. La fonction , dnie
par
pour
pour
et
Intgration
119
GdeX=sqrt(cos(x))/(sqrt(sin(x))+sqrt(cos(x)));
SdeX=simplify(FdeX+GdeX)
SdeX = 1
IplusJ=int(SdeX,0,pi/2)
IplusJ = 1/2*pi
Do
Exercice 3.6.5
1) On factorise le polynme :
syms x real
BdeX=x^3+1 ;
factor(BdeX)
ans = (x+1)*(x^2-x+1)
On a deux lments simples, lun de premire espce, lautre de deuxime espce,
do la dcomposition :
120
FdeX=1/BdeX ;
syms a b c
GdeX=a/(x+1)+(b*x+c)/(x^2-x+1)
GdeX =a/(x+1)+(b*x+c)/(x^2-x+1)
[N,D]=numden(GdeX)
N =a*x^2-a*x+a+b*x^2+b*x+c*x+c
D =(x+1)*(x^2-x+1)
collect(N,x)
ans =(b+a)*x 2+(b-a+c)*x+a+c
ainsi
et de
S=solve(b+a=0,b-a+c=0,a+c=1);
[S.a S.b S.c]
ans =[ 1/3, -1/3, 2/3]
on a
avec
Do les calculs :
syms a1 b1
u=x^2-x+1 ;
u1=diff(u) ;
num=collect(a1+b1*u1,x)
num =2*b1*x-b1+a1
S=solve(2*b1=-1/3,-b1+a1=2/3);
[S.a1 S.b1]
ans =[ 1/2, -1/6]
Et donc
Par ailleurs
Intgration
Le calcul de la primitive de
par identication
syms a1 a2 b real
collect(a1*(a2*(x-b)^2+1),x)
ans = a1*a2*x^2-2*a1*a2*b*x+a1*(a2*b^2+1)
[a1,a2,b]=solve(a1*a2=1,-2*a1*a2*b=-1,a1*(a2*b^2+1)=1)
a1 = 3/4
a2 = 4/3
b = 1/2
do lon dduit que
on trouve
Arc
Arc
121
122
D EUXIME PARTIE
123
124
Chapitre 4
Arithmtique de lordinateur
Dans ce chapitre, on va rappeler lessentiel sur larithmtique des ordinateurs travaillant sur les ottants en double prcision.
Il est important de rappeler que toute opration mathmatique sur des nombres
rels (ou complexes) effectue sur ordinateur ne peut se faire que si les nombres en
question ont un nombre ni de chiffres signicatifs. Et donc ds le dpart, une opration arithmtique quelconque obira la contrainte technique du nombre possible de
chiffres utilisables : il faudra arrondir ou tronquer.
On sait que :
o appartient
125
126
base binaire,
base octale,
base dcimale,
base hexadcimale.
Pour cette dernire, par convention, les sont pris dans lensemble
o reprsente
On a par exemple :
reprsente etc...
On note
car
4.1.2. Exemples
On dispose en pratique les calculs de la manire suivante :
pour convertir le nombre dcimal en base :
11 2
1 5 2
1 2 2
0 12
10
ainsi
Arithmtique de lordinateur
127
ainsi =
est :
croissante car
dentiers
128
Elle converge donc (voir chapitre 1, paragraphe 1.4, p. 24) vers un nombre rel,
not
ou encore
Cest la reprsentation usuelle des nombres rels positifs en base appele reprsentation en virgule xe. Le nombre est la somme dune partie entire
alors
on a
Arithmtique de lordinateur
129
en virgule xe en base
La partie entire est
On veut crire
. Pour obtenir la partie fractionnaire, on peut disposer les calculs de la faon
suivante :
...
... ...
Cest la limite de la somme des termes dune suite gomtrique de premier terme
de raison , limite qui est gale
Donc on retrouve
...
...
...
do
130
, avec
Arithmtique de lordinateur
131
en base scrit
On utilise Matlab pour donner les 25 premiers chiffres de lcriture en base 2 de ce
mme rel : laide de fonctions dcrites prcdemment, on obtient la partie entire,
qui comprend 6 chiffres, et les 19 premiers chiffres de la partie fractionnaire en base
2:
dec2bin(61)
ans =
fracDec2bin(0.123,19)
ans
En concatnant les deux expressions, on obtient
132
4.4.1. En base 10
4.4.1.1. Troncature et arrondi
Soit un rel positif quelconque (en
.
Sa reprsentation machine en virgule ottante normalise chiffres en arrondi est
le nombre
o
si
sinon.
4.4.1.2. Exemple
Soit
Alors, en arrondi
ou la squence
Arithmtique de lordinateur
133
value. Mais peut tre aussi de type numrique, chane de caractres, ou tableau.
Le rsultat est de type symbolique.
vpa(sym(pi),30)
ans = 3.14159265358979323846264338328
x= sym(50/3333) ;
x1 =vpa(x,10)
x1= .1500150015e-1
x2=vpa(x,29)
x2=.15001500150015001500150015002e-1
4.4.2. En base 2
Le principe de larrondi et de la troncature est le mme quen base 10.
Soit un rel positif quelconque (en
.
Sa reprsentation machine en virgule ottante normalise chiffres en arrondi est
le nombre
o
si
si
4.4.2.1. Exemple
Le nombre
en arrondi 4 chiffres
134
avec
compris entre 1 et 2046. 1.
Enn le signe sera mmoris laide dun bit gal 1 si le nombre est ngatif,
gal 0 si est positif.
Avec ces notations, le nombre sera reprsent sur 64 bits rpartis ainsi :
. Les exposants biaiss 0 et 2047 sont utiliss pour reprsenter des nombres dnormaliss,
notamment 0 et inf.
Arithmtique de lordinateur
135
x=0.6 ;
format hex
x
x =3fe3333333333333
en convertissant chacun des chiffres hexadcimaux en binaire, on obtient la reprsentation binaire interne de :
donc en base
format
bin2dec(01111111110)
ans = 1022
On peut retrouver la valeur dcimale de cette mantisse en utilisant, pour convertir la
partie fractionnaire, la fonction fracBin2dec obtenue lexercice 4.6.3
fracBin2dec(0011001100110011001100110011001100110011)
ans = 0.2000
On retrouve alors la valeur dcimale du nombre
136
Le produit machine
et
On suppose que
Alors
(rsultat sur chiffres)
Arithmtique de lordinateur
137
En utilisant vpa, on peut retrouver avec Matlab les tapes de ce calcul en base 10 :
a=vpa(24.321,4)
a = 24.32
b=vpa(680.76,4)
b =680.8
P = a*b
P = 16557.056
P1 = vpa(P,4)
P1 =.1656e5
4.5.2. Division
Le principe est le mme que pour la multiplication.. Si on note, en base 10
avec
on a
do
et
si
on crit
; le calcul
comme prcdemment et le rsultat machine est
seffectue exactement
138
4.5.3. Addition
4.5.3.1. Principe
Laddition machine de
seffectue sur les mantisses aprs avoir "dnormalis" lun des nombres, pour obtenir
des exposants gaux. La suite des oprations effectuer est :
ramener lexposant du plus petit celui du plus grand,
ajouter les mantisses sur chiffres,
arrondir le rsultat chiffres.
Deux cas sont distinguer :
Si alors le rsultat machine est
Si
on ajoute
zros gauche de la mantisse pour avoir la
4.5.3.2. Exemples
On suppose que
on a ici
et on donne
on crit
zros
do
Arithmtique de lordinateur
on donne
Dans ce cas, on a
et
do
4.5.3.3. Calculs au format double de Matlab
Dans ce cas
1) Cas
x=2226.76 ;
y=x*2^(-54)
y = 1.2361e-013
z=x+y
z = 2.2268e+003
format hex
x
x = 40a165851eb851ec
z
z = 40a165851eb851ec
139
140
y1=x*2^(-53) ;
z1=x+y1
z1 = 40a165851eb851ed
format long
z1
z1 = 2.226760000000001e+003
x
x = 2.226760000000000e+003
On a ici
4.6. Exercices
4.6.1. Conversion dun entier
Convertir en base 2 le nombre
(solution p. 141)
4.6.2. Schma de Horner
Pour convertir un nombre
1) Convertir en base 10
et
qui applique le schma de Horner pour convertir en base 10 lentier dont la suite des
chiffres en base est donne dans le tableau
Tester cette fonction.
(solution p. 142)
Arithmtique de lordinateur
141
la chane de caractres
reprsentant la partie
142
Exercice 4.6.2
1) On applique le schma de Horner pour convertir de la base 2 et de la base 8 vers
la base 10 :
x10=((((1*2+0)*2+1)*2+1)*2+0)*2+1
x10 = 45
y10=(5*8+6)*8+7
y10 = 375
On effectue les vrications laide des fonctions prdnies bin2dec et base2dec
bin2dec(101101)
ans = 45
base2dec(567,8)
ans = 375
pour
function xd=horner(Xb,b)
xd=0 ;
for i=1 :1 :length(Xb)
xd=xd*b+Xb(i) ;
end
Arithmtique de lordinateur
143
Exercice 4.6.3
Pour
on doit calculer
Exercice 4.6.4
1) Au format double, le plus grand exposant est
soit
144
2) De mme on a
et
do
doubleMIN=1*2^(-1022)
doubleMIN = 2.2251e-308
do le calcul de
epsilon=2^(-52)
epsilon = 2.2204e-016
Chapitre 5
Gestion derreurs
145
146
une approximation de .
De mme
Comme
que
est proche de
avec , de sorte
Gestion derreurs
De mme :
147
Or
Ce dernier rsultat reste valable pour et non nuls, de signes quelconques (en raisonnant sur les valeurs absolues). Par un calcul analogue au prcdent, on obtient,
pour un quotient de nombres non nuls :
On suppose connatre une valeur approche de appartenant . On suppose galement que la fonction est continument drivable sur On veut estimer lerreur
commise sur .
Le thorme des accroissements nis permet dafrmer quil existe un nombre compris entre et tel que
On en dduit lestimation
148
Exemple
Estimons lerreur
commise en confondant
Ici on a
prcdent donne
et
et on peut prendre
Le rsultat
5.2.1. Exemple
On majore lerreur daffectation commise en base , en VFN
en arrondi, sur le nombre
On a
chiffres, et
Gestion derreurs
et
do
Thorme
Soit le rel positif
Dans une machine travaillant sur les nombres en virgule ottante
normalise chiffres et en arrondi, on a :
(en base
)
(en base
).
alors
si
si
et donc
149
150
or
et
si
si
On retiendra en particulier pour les calculs numriques avec Matlab, qui se font au
format double, que
On pourra vrier que ce nombre est gal la constante eps de Matlab.
5.2.4. Erreurs daffectation et oprations
Mme si on effectue une opration partir des valeurs exactes des nombres et
on peut commettre une erreur daffectation sur le rsultat de lopration. Cette erreur
daffectation est donne par le rsultat suivant.
Gestion derreurs
Thorme
Les rsultats machines et
vrient les majorations :
151
Rsultat :
Lerreur absolue commise sur le rsultat nal de la somme est obtenue en
ajoutant lerreur dopration dans le calcul de la somme et lerreur
daffectation de cette somme.
Si les erreurs commises sur et proviennent elles-mmes uniquement de lerreur
daffectation de ces deux nombres, le rsultat machine de laddition de et est
152
not abusivement
et on a
5.3.1.2. Gnralisation
A laide dun raisonnement par rcurrence, on gnralise ce rsultat la somme
:
de nombres
et on aura
on en dduit
Rsultat :
Lerreur relative commise sur le rsultat nal du produit est estime en
ajoutant lerreur relative dopration dans le calcul du produit, et lerreur
relative daffectation de ce produit.
Gestion derreurs
153
pour
et on a
5.3.2.2. Exemple
Dans une arithmtique en base 10, en VFN et en arrondi
calcule le produit
avec
chiffres, on
a=1.075 ;b=1.075 ;t=3 ;
digits(t) ;
A=vpa(a) ;
B=vpa(b) ; ;
P=vpa(A*B)
P = 1.17
On calcule ensuite les erreurs relatives commises sur
exactes les valeurs de ces nombres au format double.
et en considrant comme
errA=abs(a-double(A))/a
errA = 0.0047
errB=abs(b-double(B))/b
errB = 0.0047
p=a*b
p = 1.1556
errP=abs(p-double(P))/p
errP = 0.0124
On notera que les valeurs calcules avec vpa sont de type symbolique et quil faut les
convertir dans le type double pour effectuer numriquement les calculs derreurs.
On vrie les majorations
154
epsM=1/2*10^(-t+1)
epsM = 0.0050
errA+errB+epsM
ans = 0.0143
3*epsM
ans = 0.0150
On remarque bien que, dans cette arithmtique, lerreur relative commise dans le calcul de
est strictement suprieure la somme des erreurs relatives sur
et sur
5.3.2.3. Gnralisation
A laide dun raisonnement par rcurrence, on montre que, tant donns nombres
non nuls
:
on a
par
Plus gnralement, une erreur dabsorption se produit lorsquon ajoute deux nombres
dordres de grandeur trs diffrents. Dans ce cas
Une consquence importante de lerreur dabsorption est la non associativit de laddition machine, comme lillustrent les exemples ci-dessous.
Gestion derreurs
155
5.4.1. Exemples
5.4.1.1. Une somme de trois nombres
Effectuons les deux additions machines suivantes dans une arithmtique darrondi
digits, travaillant en double prcision et en base
S2=vpa(x+vpa(y+z))
S2 = 1.01
156
fois
Gestion derreurs
157
Supposons que les erreurs absolues commises sur ces nombres sont au plus de
est
Ce rsultat signie que lestimation derreur relative commise sur les nombres et
a t multiplie par en calculant leur diffrence. Cela sexplique par le fait que les
deux nombres considrs sont trs proches.
5.5.2. Exemple trait avec Matlab
Dans une arithmtique en base 10, en arrondi, 4 chiffres, on calcule la diffrence
digits(4)
r=22/7 ;
piApp=vpa(pi)
piApp = 3.142
rApp=vpa(r)
rApp = 3.143
diffApp=vpa(rApp-piApp)
diffApp = .1e-2
158
et
errPi=abs(pi-double(piApp))/pi
errPi = 1.2966e-004
errR=abs(r- double(rApp))/r
errR = 4.5455e-005
diff=r-pi ;
errDiff=abs(diff-double(diffApp))/diff
errDiff = 0.2092
Lerreur relative sur est de lordre de , soit environ 1600 fois lerreur relative
commise au dpart sur
rapp=errDiff/errPi
rapp = 1.6132e+003
5.5.3. Remarque
Dans le calcul numrique dune somme nie de termes, certains algorithmes produisent des erreurs de cancellation et dabsorption. Considrons par exemple le calcul
de la somme
qui reprsente le dveloppement de Taylor lordre en 0 de Nous effectuerons successivement le calcul pour
(les termes sont alors de signes alterns),
puis pour
o est un rel compris entre 0 et (cf. chapitre 2, paragraphe 2.7.1.1, p. 69). Si on
suppose
Pour
on obtient
N= 80 ;
X0 =20 ;
M=X0^(N+1)/prod(1 :1 :N+1)*exp(X0)
M = 2.0235e-007
Gestion derreurs
159
Pour
on effectue le calcul de en base 10, en virgule ottante normalise, en arrondi
chiffres, en utilisant les fonctions digits et vpa. On utilise
trois tableaux
et , permettant de mmoriser les valeurs de
digits(10)
X = -20 ;
Puiss(1)=sym(X) ;Fact(1)=sym(1) ;
T(1)=vpa(X) ;
S=vpa(1+T(1)) ;
for i=2 :N,
Puiss(i)=vpa(Puiss(i-1)*X) ;
Fact(i)=vpa(Fact(i-1)*i) ;
T(i)=vpa(Puiss(i)/Fact(i)) ;
S=vpa(S+T(i)) ;
end
S
S = -.8654019579e-2
On obtient pour valeur approche de
la valeur
E =exp(X)
E = 2.0612e-009
errObs=double(abs(E-S))
errObs = 0.0087
Q=errObs/M
Q = 4.2767e+04
Lerreur absolue constate est denviron fois lerreur thorique . Elle provient
derreurs dans le calcul de : les termes que lon ajoute sont de signes alterns,
ce qui peut provoquer dans le calcul de la somme des phnomnes de cancellation,
ajouts au risque dabsorption des plus petits en valeur absolue par dautres beaucoup
160
pour
X1 = 20 ;
Puiss(1)=sym(X1) ;Fact(1)=sym(1) ;
T1(1)=vpa(X1) ;
S1=vpa(1+T1(1)) ;
for i=2 :N,
Puiss(i)=vpa(Puiss(i-1)*X1) ;
Fact(i)=vpa(Fact(i-1)*i);
T1(i)=vpa(Puiss(i)/Fact(i)) ;
S1=vpa(S1+T1(i)) ;
end
S1
S1 =485165195.3
E1 =exp(X1)
E1 = 4.8517e+008
errObs=double(abs(E1-S1))
errObs = 0.1000
Dans ce cas, tous les termes
Gestion derreurs
161
E3=1/S1
E3 = .2061153623e-8
errObs=double(abs(E-E3))
errObs = 1.0000e-18
o et sont des polynmes de mme degr. Par exemple, pour trs grand
lexpression
produira une erreur de cancellation. Pour viter cela on utilisera lexpression quivalente
On peut le vrier, en effectuant les calculs dans une arithmtique ottante trois
chiffres en base 10, avec
digits(3)
n=1100 ;
v1=vpa(1/n) ;
v2=vpa(1/(n+1)) ;
d1=vpa(v1-v2)
d1 = .1e-5
d2=vpa(v1*v2)
d2 = .825e-6
En calculant numriquement la valeur de avec toute la prcision de la machine, on
constate que est une bien meilleure approximation que
res=1/(n*(n+1))
res = 8.2570e-007
res1=1/n-1/(n+1)
res1 = 8.2570e-007
162
pourra produire une erreur de cancellation pour le calcul dune des deux racines
lorsque est trs proche de .
5.6.2. Exemple 2
Soit rsoudre lquation
Gestion derreurs
do
163
La rsolution de cette quation avec Matlab donne, en afchant les valeurs numriques des solutions :
format short e
double(solve(x^2-160*x+1=0))
ans =
1.5999e+02
6.2502e-03
On considre le systme
chiffres signicatifs :
cinq
164
On veut calculer
Pour dnir la matrice sans entrer un un ses 100 termes, on utilise la fonction
diag pour laquelle laide de Matlab prcise :
help diag
DIAG Diagonal matrices and diagonals of a matrix.
DIAG(V,K) when V is a vector with N components is a square matrix
of order N+ABS(K) with the elements of V on the K-th diagonal. K = 0
is the main diagonal, K 0 is above the main diagonal and K 0
is below the main diagonal.
Gestion derreurs
165
En utilisant
On calcule le dterminant
166
On voit que, dans ces deux cas, une perturbation trs petite des donnes a entran
une importante variation des rsultats.
sur
Soit calculer
est et on note
Lorsque est trs grand, cette dernire estimation derreur est rarement atteinte,
compte tenu de la compensation de signes. Aussi on peut chercher lerreur maximale
probable sur
On montre en calcul de probabilits que
au sens o
Gestion derreurs
167
5.9. Exercices
5.9.1. Erreur doprations
1) Estimer lerreur absolue commise lorsquon effectue la somme
termes
5) Quel est le rsultat le plus able, et pourquoi ? Analyser les diffrentes causes
derreurs et de propagation derreurs dans les calculs.
6) En supposant que cest la bonne valeur, dterminer lerreur relative commise en calculant la place de et comparer avec lerreur relative de dpart
commise par le stockage en machine du discriminant .
(solution p. 171)
5.9.3. Non associativit de laddition machine
168
(solution p. 172)
par
1) En utilisant les proprits de lintgrale, montrer que cette suite est positive et
dcroissante. On notera sa limite. inconnue.
2) Montrer que cette suite vrie
, pour
(solution p. 173)
Gestion derreurs
169
dnie par
[On admet quaucun terme de la suite ne sannule, et que cette suite est donc bien
dnie]
1) Calculer numriquement les 30 premiers termes de cette suite.
2) Utiliser le calcul symbolique pour obtenir la valeur exacte de ces 30 premiers
termes, puis la valeur numrique de ces nombres. Que constatez-vous ? Quel calcul
vous semble plus able, et pourquoi ?
3) Etude dune suite auxiliaire.
On introduit la suite dnie par
En utilisant la relation
(R)
4) Une tude classique des suites de ce type consiste alors chercher les nombres
tels que la suite dnie pour par
vrie la relation (R). Montrer que est solution dune quation du troisime degr.
Rsoudre cette quation avec Matlab. On notera ses solutions, ranges dans
lordre dcroissant.
5) Montrer que toute suite de la forme
170
soient vries.
On notera les solutions exactes, et les solutions
approches obtenues par le calcul numrique de Matlab.
7) On dnit, pour tout
Montrer par rcurrence que, pour tout
on
remplace
par
(solution p. 177)
5.10. Solutions
Exercice 5.9.1
1) Le nombre dcimal
est converti et stock en machine, avec une
erreur relative majore par (cf 5.2.3). Lerreur absolue sur la somme
de nombres gaux est donc estime par
termes
epsM=2^(-53)
epsM = 1.1102e-016
DeltaS=1000^2*epsM*0.1
DeltaS = 1.1102e-11
2) On effectue le calcul de puis de
avec Matlab :
S=0 ;
for i=1 :1000,
S=S+0.1 ;
end
errObserv=abs(S-100)
errObserv = 1.4069e-12
Lerreur observe est bien infrieure la majoration derreur
trouve.
Gestion derreurs
171
Exercice 5.9.2
1) On transforme le systme dquations
x2b=P/x1
x2b = 2.0000e-08
172
Exercice 5.9.3
1) On effectue les deux calculs, en respectant lordre impos par les parenthses.
a=1 ;b=2^53 ;c=-2^53 ;
s1=(a+b)+c
s1 = 0
s2=a+(b+c)
s2 = 1
2) Dans le calcul de il y a eu absorption de par Lorsquon ajoute , un phnomne de cancellation se produit. Dans le calcul de le phnomne de cancellation
na pas lieu car on calcule avec les valeurs exactes de et
Exercice 5.9.4
1) On dnit les deux expressions symboliques
Gestion derreurs
et
173
digits(6) ;
racineApp=vpa(sqrt(999999))
racineApp =999.999
d1App=vpa(1000-racineApp)
d1App =.1e-2
denom2App=vpa((1000+racineApp))
denom2App =2000.00
d2App =vpa(1/denom2App)
d2App= .500000e-3
Exercice 5.9.5
1) Pour tout
, on a
et pour tout
car
et pour
La suite
174
2) On a
On calcule et :
soit
Do
simplify(subs(u*v,x,e)-subs(u*v,x,1))
ans = exp(1)
simplify(uPrime*v)
ans =log(x)^(n-1)*n
Donc
Gestion derreurs
3) On dnit
de pour
175
clear
e=exp(1)
I0=e-1 ;
I(1)=e-I0 ;
for n=2 :30,
I(n)=e-n*I(n-1);
end
I(1 :10)
ans =
Columns 1 through 7
1.0000 0.7183 0.5634 0.4645 0.3956 0.3447 0.3055
Columns 8 through 10
0.2744 0.2490 0.2280
I(30)
ans = 2.9228e+16
4) La valeur obtenue pour est contradictoire avec les proprits de la suite
dcroissante et tendant vers 0. Expliquons ce phnomne :
si on note la valeur numrique approche de obtenue par la relation
on a
en ngligeant les erreurs daffectation commises sur et . Lerreur sur peut donc
tre value
5) De lgalit
lerreur
176
on dduit aussi
on
I=zeros(1,50) ;
I(50)=0 ;
for n=50 :-1 :2,
I(n-1)=(e-I(n))/n;
end
I(30)
ans = 0.0850
I(1 :10)
ans =
Columns 1 through 7
1.0000 0.7183 0.5634 0.4645 0.3956 0.3447 0.3055
Columns 8 through 10
0.2744 0.2490 0.2280
Gestion derreurs
177
I=zeros(1,50) ;
I(50)=1e9 ;
for n=50 :-1 :2,
I(n-1)=(e-I(n))/n;
end
I(30)
ans = 0.0850
I(1 :10)
ans =
Columns 1 through 7
1.0000 0.7183 0.5634 0.4645 0.3956 0.3447 0.3055
Columns 8 through 10
0.2744 0.2490 0.2280
6) On constate ici quon obtient des rsultats aberrants en utilisant une formule
exacte, mais gnrant une amplication catastrophique des erreurs. Lutilisation de
la formule de rcurrence inverse, et dune estimation de donne des rsultats plus
ables pour
.
Exercice 5.9.6
1) On calcule numriquement les termes successifs de la suite
clear ; a(1)=11/2 ; a(2)=61/11 ;
for n=2 :29,
a(n+1)= 111-1130/a(n)+3000/(a(n)*a(n-1));
end
a
a=
Columns 1 through 7
5.5000 5.5455 5.5902 5.6334 5.6746 5.7133 5.7491
Columns 8 through 14
5.7818 5.8113 5.8377 5.8609 5.8813 5.8982 5.8980
Columns 15 through 21
5.6470 0.9683 -507.3216 107.1206 100.3959 100.0235 100.0014
Columns 22 through 28
100.0001 100.0000 100.0000 100.0000 100.0000 100.0000 100.0000
Columns 29 through 30
100.0000 100.0000
178
et on a pour
et on obtient
soit
Do la relation
Gestion derreurs
4) On remplace par
cherche tel que
par
par
179
par et on
On obtient lquation
5) On dnit
et, en exprimant
(R) est vrie.
180
6) On exprime
en fonction de
x0=subs(xn,n,0)
x0 = k1+k2+k3
x1=subs(xn,n,1)
x1 = 100*k1+6*k2+5*k3
x2=subs(xn,n,2)
x2 = 10000*k1+36*k2+25*k3
On doit donc rsoudre le systme
des solutions :
As=sym([1 1 1 ; 100 6 5 ; 100^2 6^2 5^2 ]) ;
Bs=[1 ;aSym(1) ; aSym(2)*aSym(1)] ;
K=As^(-1)*Bs ;
K1 =K(1)
K1 = 0
K2 =K(2)
K2 = 1/2
K3=K(3)
K3 = 1/2
Do
Gestion derreurs
7) On dnit
et on calcule
et
num=K1*r1^n+K2*r2^n+K3*r3^n;
den=subs(num,n,n-1);
bn=num/den
bn = (1/2*6^n+1/2*5^n)/(1/2*6^(n-1)+1/2*5^(n-1))
b1=subs(bn,n,sym(1))
b1 = 11/2
b2=subs(bn,n,sym(2))
b2 = 61/11
Ainsi
et on montre que
an=bn ;
anMoins1=subs(bn,n,n-1);
bnPlus1=subs(bn,n,n+1)
bnPlus1 = (1/2*6^(n+1)+1/2*5^(n+1))/(1/2*6^(+1/2*5^n)
anPlus1=simplify(111-1130/an+3000/(an*anMoins1))
anPlus1 = (6^(n+1)+5^(n+1))/(6^n+5^n)
simplify(bnPlus1-anPlus1)
ans = 0
On a ainsi montr que, pour tout
181
182
Do
Ce rsultat se vrie avec Matlab :
an
an = (1/2*6^n+1/2*5^n)/(1/2*6^(n-1)+1/2*5^(n-1))
limit(an,n,inf,left)
ans = 6
9) Si on remplace
pour terme gnral
par
la suite a maintenant
on a
et, comme
Chapitre 6
Cest seulement pour certaines quations bien particulires que les procds classiques de rsolution permettent dexprimer les solutions exactes. Un exemple typique
est celui des quations du second degr, en utilisant le discriminant. Dans de nombreux
cas, on peut seulement localiser les solutions, et en calculer des valeurs numriques
approches.
Considrons par exemple, lquation
Les mthodes usuelles de transformation (transposition, utilisation de la fonction logartihme, ...) ne permettent pas de rsoudre algbriquement cette quation. Pourtant,
on observe graphiquement quelle admet une solution unique sur .
f(x)=10x 9 exp(x)
8
10
0
0.1
0.2
0.3
0.4
0.5
x
183
0.6
0.7
0.8
0.9
184
et
185
Remarque
A ltape
donc
vrie
La fonction
De plus
et
On peut donc utiliser la mthode de dichotomie pour calculer prs la solution de lquation propose.
Le nombre de termes calculer doit vrier :
soit
186
Do
a = 0; b = 1;
for i = 1 :20
m=(a+b)/2 ;
f1DeM = f1(m) ;
if (f1DeM 0) b = m ; else a = m ; end
end
0.52983379364014
6.1.4. En conclusion
La mthode de dichotomie a lavantage dexiger peu dhypothses sur la fonction.
Elle sert parfois de moyen de calcul dune initialisation pour les algorithmes des autres
mthodes. Linconvnient majeur de cette mthode est la lenteur de convergence de
son algorithme.
6.2. Mthode des approximations successives (ou du point xe)
Parmi les mthodes de rsolution de lquation
la mthode dite des approximations successives (ou du point xe) est la plus importante. Son principe est bas sur la construction dune suite itrative approchant de
plus en plus la racine exacte, son premier lment (appel initialisation) pouvant tre
.
nimporte quel point de lintervalle de travail
La mthode du point xe sapplique des quations de la forme
et la fonction
187
Le thorme des valeurs intermdiaires donne alors lexistence dun unique point
appartenant
tel que
6.2.3. Algorithme et estimation derreur
6.2.3.1. Algorithme
On construit la suite des itrs de la manire suivante :
on xe un point quelconque de
,
puis on dnit
.
.
.
188
En ritrant, on voit bien quon sapproche de plus en plus de la racine : cest le principe des approximations successives. Plus prcisment, on dmontre par rcurrence la
majoration derreur
En effet, la proprit est videmment vrie pour et si on la suppose vrie un rang donn, le thorme des accroissements nis implique lexistence
tel que :
dun
soit
189
on calcule
on choisit
pour de
on calcule
et a pour coordonnes
y =9/10*exp(x)
0.8
N0
y=x
M1
0.7
0.6
N2
0.5
M2
0.4
N1
0.3
0.2
M0
0.1
0
x0
0
0.1
x1
x2
0.2
0.3
0.4
0.5
x
0.6
0.7
0.8
0.9
190
y=x
3.6
3.4
y =log(x)+2
3.2
N2
N1
M2
N0
2.8
M1
2.6
2.4
2.2
M0
2
x0
2.2
x2
x1
2.4
2.6
2.8
3
x
3.2
3.4
3.6
3.8
6.2.4. Exemple
Pour calculer prs la solution, dans lintervalle de lquation
dcrot de
phiDe1= subs( phiDeX ,1)
phiDe1 = 0.3311
phiDe0= subs( phiDeX ,0)
phiDe0 = 0.9000)
191
et est vrie.
donc
a pour maximum
n0=ceil ((log(10^(-6))-log(1-0))/log(9/10))
n0 = 132
do
192
sur
de
La solution de l quation
193
0.8
0.6
0.4
0.2
x0
x1
0
0.2
0.4
0.6
0.8
1
1.2
0.4
0.6
0.8
1.2
1.4
1.6
1.8
x proche de
(voir 6.2.1).
est drivable si, et seulement si, lest. Cela conduit ajouter lhypothse
suivante sur
est deux fois drivable sur
6.3.1.4. Thorme
On a le
Thorme
Sous les hypothses
et pour choisi sufsamment proche
de lunique racine la suite des itrs de Newton converge vers
On admettra ce thorme dont lide de dmonstration repose sur le fait que la
fonction vrie toutes les hypothses du point xe dans un voisinage de .
194
on a
et donc au point
tel que
do
il vient
195
syms x real
fDeX=10*x-9*exp(-x);
fPrimeDeX=diff(fDeX) ;
X(1)=1 ;
for i=1 :7
X(i+1)=X(i)-double(subs(fDeX,x,X(i))/subs(fPrimeDeX,x,X(i)));
end
format long
X
X=
Columns 1 through 4
1.00000000000000 0.49747368650014 0.52964976566513 0.52983295982123
Columns 5 through 8
0.52983296563343 0.52983296563343 0.52983296563343 0.52983296563343
En comparant aux rsultats obtenus par la mthode de dichotomie (voir 6.1.3), on
observe que
est une valeur approche de la racine prs. Les itrs
contiennent les mmes 14 premiers chiffres signicatifs.
196
6.3.4.2. Exemple
Considrons lquation
avec
fonction polynme est continue et drivable sur et on peut vrier une une
les hypothses dapplication de la mthode de Newton :
1) et sont de signes contraires :
syms x real
f =x^3-4.53*x^2+6.0291*x-2.218039;
fDe1 =subs(f,x,1)
fDe1 = 0.2811
fDe2 = subs(f,x,2)
fDe2 = -0.2798
2)
3)
:
maple(solve(3*x^2-453/50*x+60291/10000 0))
ans = RealRange(Open(99/100),Open(203/100))
197
0.2
0.1
0.1
0.2
0.3
1
1.1
1.2
1.3
1.4
1.5
x
1.6
1.7
1.8
1.9
en choisissant
X(1)=2 ;
for i=1 :10
X(i+1)=X(i)-double(subs(f,x,X(i)))/double(subs(fPrime,x,X(i)));
end
X
X = 2.0000 -1.0785 -0.2883 0.2018 0.4742 0.5868 0.6085
0.6093 0.6093 0.6093 0.6093
198
en choisissant
X(1)=1.1 ;
for i=1 :10
X(i+1)=X(i)-double(subs(f,x,X(i)))/double(subs(fPrime,x,X(i)));
end
X
X = 1.1000 1.9591 0.6304 0.6086 0.6093 0.6093 0.6093
0.6093 0.6093 0.6093 0.6093
Dans les trois cas, on obtient des valeurs qui nappartiennent pas lintervalle
dans lequel on cherche la solution.
X(1)=1.15 ;
for i=1 :10
X(i+1)=X(i)-double(subs(f,x,X(i)))/double(subs(fPrime,x,X(i)));
end
X
X = 1.1500 1.7309 1.4776 1.5101 1.5100 1.5100 1.5100
1.5100 1.5100 1.5100 1.5100
On peut expliquer graphiquement ce qui se passe (on utilise une fonction newtonGraph qui est prsente dans l exercice 6.5.5) :
199
0.2
0.1
0.1
0.2
0.3
1
1.1
1.2
1.3
1.4
1.5
x
1.6
1.7
1.8
1.9
alors que la suite des itrs converge vers la racine cherche en partant de la valeur
initiale
initialisation 1.15
0.3
0.2
0.1
0.1
0.2
0.3
1
1.1
1.2
1.3
1.4
1.5
x
1.6
1.7
1.8
1.9
200
6.3.4.3. Thorme
Si vrie les hypothses
,
si de plus ne sannule pas et garde un signe constant sur ,
alors :
en choisissant
, tel que et soient de mme signe,
la suite des itrs de la mthode de Newton converge vers la racine cherche.
et/ou de la forme
6.4.1. Exemple
Soit rsoudre lquation
sous la forme
201
dnie par
syms x real
f=atan((x+1)/(x^2+2))-x/(x+1);
fPrime =simplify(diff(f))
fPrime= -(2*x^4+4*x^3+8*x^2+3)/(x+1)^2/(x^4+5*x^2+5+2*x)
[N,D]=numden(fPrime)
N = -2*x^4-4*x^3-8*x^2-3
D = (x+1)^2*(x^4+5*x^2+5+2*x)
Ainsi
solve(fPrime) ;
double(ans)
ans =
0.0996 - 0.5989i
0.0996 + 0.5989i
-1.0996 - 1.6913i
-1.0996 + 1.6913i
On montre par rsolution dinquation que, pour tout
on a
maple(solve(-(2*x^4+4*x^3+8*x^2+3)/(x+1)^2/(x^4+5*x^2+5+2*x) 0))
ans =RealRange(-inf,Open(-1)), RealRange(Open(-1),inf)
On complte ltude des variations de
limit(f,x,-inf,right)
ans =-1
limit(f,x,-1,left)
ans =-inf
limit(f,x,-1,right)
ans = inf
limit(f,x,inf,left)
ans =-1
202
10
puisquon a
et
:
subs(f,x,1)
ans = 0.0880
subs(f,x,2)
ans = -0.2030
203
Cette fonction est continue et drivable sur On trace, sur une autre gure, sa
courbe reprsentative (la commande gure(n) permet douvrir une nouvelle gure,
numrote , sans avoir fermer la ou les gures en cours).
syms x real
phi=(x+1)*atan((x+1)/(x^2+2));
gure(2)
ezplot(phi,1,2) ; grid on ;hold on
set(gca,LineStyle,)
ezplot(x,1,2)
axis equal ; axis auto
legend(y=phi(x),y=x)
title(Graphe de phi)
Graphe de phi
2
y=phi(x)
y=x
1.9
1.8
1.7
1.6
1.5
1.4
1.3
1.2
1.1
1
1.2
1.4
1.6
x
1.8
204
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
1
1.1
1.2
1.3
1.4
1.5
x
1.6
1.7
1.8
1.9
pour tout
pour tout
Pour vrier ces proprits par le calcul, on tudie les variations de donc le signe
de :
phiSeconde =simplify(diff(phiPrime))
phiSeconde =
2*(3-12*x^3-4*x^4+2*x^5-10*x^2-28*x)/(x^4+5*x^2+5+2*x)^2
solve(phiSeconde)
ans =
[ -1.90625]
[ -.105843-1.37614*i]
[ -.105843+1.37614*i]
[ .102881]
[ 4.01506]
205
do :
pour tout
pour tout
On a bien prouv
epsilon =1e-6 ;
N0=ceil((log(epsilon)-log(2-1))/double(log(M1)))
N0 = 17
206
3) Mthode de Newton
a) Pour la mthode de Newton, les hypothses ont dj t
tablies au cours de ltude de . La proprit (drivabilit de est elle aussi
vrie.
b) On place dans le tableau la suite des cinq premiers itrs de la mthode
de Newton partir de linitialisation :
clear X ; X(1)=1 ;
for i=1 :5,X(i+1)=X(i)-double(subs(f,x,X(i))/subs(fPrime,x,X(i)));end
X
X=
1.00000000000000 1.26918443438080 1.27480320880089 1.27480677224065
1.27480677224209 1.27480677224209
On peut apprcier la vitesse de convergence en comparant la suite de valeurs obtenues,
avec la solution approche donne directement par la fonction solve de Matlab.
solve(f)
ans =1.2748067722420946580579944415928
On a un chiffre signicatif pour , deux pour quatre pour huit pour
et les quinze chiffres quon peut lire pour sont galement signicatifs.
207
6.5. Exercices
6.5.1. Mthode de dichotomie, de Newton et du point xe
On considre lquation
, avec
1) Etudier les variations de et montrer que cette quation admet une unique
solution dans , .
2) Utilliser la mthode de dichotomie pour trouver une valeur approche de avec
la prcision .
3) Vrier que la mthode de Newton est applicable pour trouver une valeur approche de . En tudiant le signe de indiquer un bon choix de Calculer alors
les 10 premiers itrs de cette mthode
4) On met lquation
sous la forme
(solution p. 212)
6.5.3. Valeur approche de
utiliser la mthode de
calculer les six premiers
En
208
(solution p. 215)
209
6.6. Solutions
Exercice 6.5.1
1) Remarquons tout dabord que la fonction
dnit avec Matlab, et on calcule sa drive.
syms x
f = cos(x)-x*exp(x);
fPrime = diff(f)
fPrime = -sin(x)-exp(x)-x*exp(x)
Sur lintervalle
donc
On a On calcule une valeur approche de
fDePisur2 = double(subs(f,x,pi/2))
fDePisur2 = -7.5563
1
0
1
2
3
4
5
6
7
8
0
0.5
1
x
1.5
210
3) Daprs la premire question, les hypothses sont vries sur
On calcule :
lintervalle
Ainsi,
fSec=diff(fPrime)
fSec = -cos(x)-2*exp(x)-x*exp(x)
On a sur
et on choisit linitialisation telle que soit lui
aussi ngatif, par exemple
On calcule alors
...,
h = simplify(x-f/fPrime)
h = (x*sin(x)+x^2*exp(x)+cos(x))/(sin(x)+exp(x)+x*exp(x))
X(1)= pi/2 ;
for i = 1 :10,
X(i+1)=double(subs(h,x,X(i)));
end
X
X=
1.57079632679490 1.00549242610729 0.65572760463222 0.53184945218649
0.51792141093558 0.51775738621207 0.51775736368246 0.51775736368246
0.51775736368246 0.51775736368246 0.51775736368246
211
pour tout
.
a) On dnit donc
et on calcule :
phi = cos(x)./exp(x) ;
phiPrime = diff(phi)
phiPrime = -sin(x)/exp(x)-cos(x)/exp(x)
On calcule les valeurs de et pour
Comme
lhypothse nest pas vrie.
b) On calcule
phiSeconde = diff(phiPrime)
phiSeconde = 2*sin(x)/exp(x)
Sur lintervalle
On a donc
212
c) On value le nombre
Exercice 6.5.2
On vrie facilement que les hypothses sont satisfaites. Partant dune
initialisation quelconque, on calcule
Exercice 6.5.3
par exemple
213
X(1)=2 ;
for n=1 :5,
X(n+1)=(X(n)^2+2)/(2*X(n));
end
format long ;
X
X=
Columns 1 through 4
2.00000000000000 1.50000000000000 1.41666666666667 1.41421568627451
Columns 5 through 6
1.41421356237469 1.41421356237309
On compare avec la valeur de
s=sqrt(2)
s = 1.41421356237310
Ds le sixime terme, on a obtenu 15 chiffres signicatifs.
Exercice 6.5.4
1) La suite des itrs de la mthode du point xe est dnie par
Pour calculer
function s=pointFixe(phi,var,x0,n)
s(1)=x0 ;
for i=2 :n
s(i)=double(subs(phi,var,s(i-1)));
end
On peut tester sur lexemple prsent au paragraphe 6.2.4.
pointFixe(9/10*exp(-x),x,0,6)
ans =
0 0.9000 0.3659 0.6242 0.4821 0.5557
2) Pour lillustration graphique, aprs avoir construit la courbe reprsentative de
et la droite
on trace, pour de
214
puis
et enn
on place le texte .
(voir para-
function s=pointFixeGraph(phi,var,x0,n,a,b)
s=pointFixe(phi,var,x0,n);
clf ; hold on ;
ezplot(phi,[a b]) %reprsentation de phi
axis equal
h=(b-a)/40 ; % h dnit une marge gauche de a et droite de b
axis([a-h b+h a b])
plot([a b], [a b],-.) %reprsentation de y=x entre a et b
legend(strcat(y = ,char(phi)),strcat(y = ,char(var)))
for i=1 :n-1
plot([s(i) s(i)],[a s(i)], :)
plot([s(i) s(i)],[s(i) s(i+1)],)
plot([s(i) s(i+1)],[s(i+1) s(i+1)],)
text(s(i),a+h,strcat(s,num2str(i))) % place le texte si
end
plot([s(n) s(n)],[a s(n)], :) % dessine le segment [An Mn]
text(s(n),a+h,strcat(s,num2str(n))) % place le texte sn
title(Mthode du point xe)
Pour la fonction de lexemple 6.4.1, on obtient le graphe suivant
1.35
1.3
1.25
1.2
1.15
1.1
1.05
s1
1
s2
1.05
1.1
1.15
s3 s4
1.2
x
1.25
1.3
1.35
1.4
215
Exercice 6.5.5
1) Appliquer la mthode de Newton la fonction
du point xe la fonction
Do la fonction Matlab
function s=newton(f,var,x0,n)
phi = simplify(var - f/diff(f,var)) ;
s=pointFixe(phi,var,x0,n);
Exemple dutilisation (voir paragraphe 6.3.4.2) :
syms x real
f=x^3-4.53*x^2+6.0291*x-2.218039;
s=newton(f,x,1.15,6)
s = 1.1500 1.7309 1.4776 1.5101 1.5100 1.5100
2) Pour la fonction newtonGraphe, on doit en plus reprsenter graphiquement ,
et construire pour chaque itr de la mthode de Newton :
- le segment "vertical" joignant le point dabscisse de laxe au
point dabscisse de la courbe reprsentative de ;
- le segment de tangente joignant ce dernier point au point dabscisse
de laxe .
function s=newtonGraph(f,var,x0,n,a,b)
s=newton(f,var,x0,n);
clf ; hold on ;
ezplot(f,[a b])
plot([a b], [0 0],.-) % dessin axe des abscisses
for i=1 :n-1
y= double(subs(f,x,s(i))); % calcul de y = f(s )
plot([s(i) s(i)],[0 y],) %dessin de [N M ]
plot([s(i) s(i+1)],[y 0],) %dessin de [M N ]
end
216
0.2
0.1
0.1
0.2
0.3
1
1.1
1.2
1.3
1.4
1.5
x
1.6
1.7
1.8
1.9
Chapitre 7
Interpolation polynomiale
en un nombre ni de points
217
218
2
(x0 , f0)
(x3 , f3)
(x1 , f1)
4
(x2 , f2)
0
0.1
0.2
0.3
0.4
0.5
x
0.6
0.7
0.8
0.9
linterpolation polynomiale :
et
Interpolation polynomiale
219
associ aux
points
le polynme dni par
exception faite du
pour
220
7.1.3.2. Exemple
Dans le cas
On va montrer que les polynmes de Lagrange constituent une base pour lcriture du
polynme dinterpolation de En effet on a le rsultat :
7.1.3.3. Thorme
Le polynme dinterpolation de aux points
do pour tout
pour
pour
7.1.3.4. Exemple 1
Dans le cas de deux points
Interpolation polynomiale
221
7.1.3.5. Exemple 2
Soit
de valeurs respectives
do
, on a
222
on obtient le polynme
7.1.4.1. Exemple
A partir du tableau de valeurs
On obtient de mme
et
Interpolation polynomiale
Do
223
dans le cas o la fonction est suppose fois drivable sur lintervalle de travail
et o sa drive dordre est borne.
Posons, pour
et xs
224
dautre part on a
, tels que
tels que
tel que
On en dduit que
Do le thorme suivant :
7.1.5.2. Thorme
Soit
une fonction fois drivable, telle que
soit borne par une constante . Si dsigne le polynme
dinterpolation de sur la subdivision
de
, alors on a
pour tout
7.1.5.3. Exemple
En utilisant cette dernire ingalit, dans le cas o on peut donner
une majoration de lerreur commise en calculant une valeur approche de
par une interpolation utilisant les valeurs de et :
Interpolation polynomiale
avec
225
On obtient
puis
et un point
par le rapport
est drivable en
226
par
le polynme est
do
Interpolation polynomiale
do
227
et
vue au paragraphe 7.1.5.1, on dduit que pour une fonction indniment drivable,
admettant une drive dordre borne, et pour une subdivision de points quidistants
on a la majoration derreur
228
on retrouve, grce au calcul symbolique sous Matlab, les approximations polynomiales des drives de aux points dinterpolation.
On calcule dabord les trois polynmes de Lagrange.
syms x x0 h fMoins1 f0 f1
xMoins1=x0-h ;
x1=x0+h ;
LMoins1=(x-x0)*(x-x1)/((xMoins1-x0)*(xMoins1-x1))
LMoins1= 1/2*(x-x0)*(x-x0-h)/h^2
L0=(x-xMoins1)*(x-x1)/((x0-xMoins1)*(x0-x1))
L0= -(x-x0+h)*(x-x0-h)/h^2
L1=(x-xMoins1)*(x-x0)/((x1-xMoins1)*(x1-x0))
L1= 1/2*(x-x0+h)*(x-x0)/h^2
On calcule ensuite
et
P=fMoins1*LMoins1+f0*L0+f1*L1;
Pprime=diff(P,x) ;
Pprime=simple(Pprime) ;
PprimeX0=simple(subs(Pprime,x,x0))
PprimeX0= 1/2/h*(-fMoins1+f1)
On retrouve ainsi
Comme on ne connat pas explicitement , on dclare la variable symbolique fTierceCx et sa drive fTierceCxprime (on admet lexistence de cette dernire).
syms fTierceCx fTierceCxprime
FmoinsP=(x-xMoins1)*(x-x0)*(x-x1)/6*fTierceCx
FmoinsP= 1/6*(x-x0+h)*(x-x0)*(x-x0-h)*fTierceCx
Interpolation polynomiale
Dans le calcul de
229
FmoinsPprime=diff(FmoinsP,x) +...
fTierceCxprime*(x-xMoins1)*(x-x0)*(x-x1);
FmoinsPprimeX0=simple(subs(FmoinsPprime,x,x0))
FmoinsPprimeX0= -1/6*h^2*fTierceCx
On retrouve ainsi lestimation de lerreur mathmatique
230
est minimum.
syms epsi M
f=M*h^2/6+epsi/h ;
fPrime=diff(f,h)
fPrime = 1/3*M*h-epsi/h^2
S =solve(fPrime,h) ;
h0 = S(1) %seule la premire solution est relle
h0 = 1/M*3^(1/3)*(epsi*M^2)^(1/3)
Pour vrier quau point
la fonction
[N,D]=numden(fPrime)
N =M*h^3-3*epsi
D =3*h^2
Le dnominateur
soit
au voisinage de
et croissante
Interpolation polynomiale
est proche de
231
par
et
h0=double(subs(h0,{M,epsi},{3,2^(-52)}))
h0 = 6.0555e-006
Le pas optimum est donc
lorsque
On calcule
syms x
f= x^5/20 ;
x0 = 1 ;
f0 = double(subs(f,x,x0))
f0 = 0.0500
derExact = double(subs(diff(f),x,x0))
derExact = 0.2500
On calcule pour
(premire colonne du tableau
for n = 1 :14
h=10^(-n) ;
derApp(n,1) = h ;
fMoins1= double(subs(f,x,x0-h));
f1 = double(subs(f,x,x0+h));
derApp(n,2) = (f1-fMoins1)/(2*h) ;
end
derApp( :,3)=abs(derExact-derApp( :,2)) ;
232
format long
derApp
derApp =
0.10000000000000
0.01000000000000
0.00100000000000
0.00010000000000
0.00001000000000
0.00000100000000
0.00000010000000
0.00000001000000
0.00000000100000
0.00000000010000
0.00000000001000
0.00000000000100
0.00000000000010
0.00000000000001
0.25500500000000
0.25005000050000
0.25000050000005
0.25000000500000
0.25000000005125
0.24999999999331
0.24999999997249
0.24999999952147
0.25000000680730
0.24999998599062
0.25000002068509
0.25000834735778
0.24993895841874
0.24945323584546
0.00500500000000
0.00005000050000
0.00000050000005
0.00000000500000
0.00000000005125
0.00000000000669
0.00000000002751
0.00000000047853
0.00000000680730
0.00000001400938
0.00000002068509
0.00000834735778
0.00006104158126
0.00054676415454
Interpolation polynomiale
233
Ecrire la fonction
et
donns. On
de
o est le
3) Utilser cette fonction pour calculer
polynme dinterpolation associ aux valeurs donnes dans lexercice 7.3.1
(solution p. 237)
7.3.3. Effet de Runge
On considre la fonction
dnie sur
par
et
(solution p. 239)
234
(solution p. 241)
pour
donns.
1) Donner le nombre doprations effectues pour calculer chaque polynme de
Lagrange
et
(solution p. 242)
de lexercice
Interpolation polynomiale
235
et enn
236
2)
qui calcule
en fonction de
b) Ecrire une fonction Matlab
- dans la
Interpolation polynomiale
237
7.4. Solutions
Exercice 7.3.1
1) Pour calculer le polynme on dclare les tableaux de valeurs symboliques
et puis on calcule les polynmes de Lagrange (Attention
au dcalage des indices).
X=sym([0 pi/6 pi/4]) ;
F=sym([0 1/2 sqrt(2)/2]) ;
syms x
L1=(x-X(2))*(x-X(3))/((X(1)-X(2))*(X(1)-X(3)))
L1= 24*(x-1/6*pi)*(x-1/4*pi)/pi^2
L2=(x-X(1))*(x-X(3))/((X(2)-X(1))*(X(2)-X(3)))
L2= -72*x*(x-1/4*pi)/pi^2
L3=(x-X(1))*(x-X(2))/((X(3)-X(1))*(X(3)-X(2)))
L3= 48*x*(x-1/6*pi)/pi^2
2) On peut alors calculer puis
P2=F(1)*L1+F(2)*L2+F(3)*L3
P2=
-36*x*(x-1/4*pi)/pi^2+24*2^(1/2)*x*(x-1/6*pi)/pi^2
P2DepiSur5=subs(P2,sym(pi/5))
P2DepiSur5 = 9/25+4/25*2^(1/2)
P2DepiSur5App=double(P2DepiSur5)
P2DepiSur5App= 0.5863
3) On calcule galement
plaant
par
sin(pi/5)
ans= 0.5878
err= abs( P2DepiSur5App-sin(pi/5))
err = 0.0015
Le fait que lerreur obtenue est petite sexplique par le fait que le graphe de la fonction
sinus sur lintervalle
est proche dune parabole.
Exercice 7.3.2
1) On dnit une fonction Lagrange qui calcule de manire itrative
238
diminu de 1.
function Lkx=Lagrange(k,x,X)
n=length(X)-1 ;
Lkx=1 ;
for i=1 :k-1
Lkx=Lkx*(x-X(i))/(X(k)-X(i));
end
for i=k+1 :n+1
Lkx=Lkx*(x-X(i))/(X(k)-X(i));
end
On utilise ensuite la relation
function Px=interpolLagrange(x,X,Y)
n=length(X)-1 ;
Px=0 ;
for k=1 :n+1
Px=Px+Y(k)*Lagrange(k,x,X);
end
2) On applique la fonction prcdente aux tableaux de valeurs symboliques
syms x0 x1 f0 f1 x ;
X=[x0 x1] ; Y=[f0 f1] ;
syms x
Px=interpolLagrange(x,X,Y)
Px = f0*(x-x1)/(x0-x1)+f1*(x-x0)/(x1-x0)
On retrouve lexpression
de lexemple 7.1.3.4.
3) On dnit les tableaux
et
, et on calcule
Interpolation polynomiale
239
Exercice 7.3.3
On dnit la fonction
syms x real
f=1/(1+x^2) ;
a=-5 ;b=5 ;
ezplot(f,a,b)
hold on ;grid on
Pour
et
n=5
X=[a :(b-a)/n :b]
X = -5 -3 -1 1 3 5
F=1./(1+X.^2)
F = 0.0385 0.1000 0.5000 0.5000 0.1000 0.0385
240
0.8
0.6
0.4
0.2
0.2
5
0
x
n=10
2
y=f(x)
y=Pn(x)
1.5
0.5
0
x
Interpolation polynomiale
241
sauf aux
n=20
y=f(x)
y=Pn(x)
1.5
0.5
0.5
1.5
0
x
pour
Do :
function y = aitkenRec(x,X,Y)
n=length(X)-1 ; % Le tableau est [X(1), ...,X(n+1)]
if n==0
y=Y(1) ;
else
Q=aitkenRec(x,X(2 :n+1),Y(2 :n+1)) ;
R=aitkenRec(x,X(1 :n),Y(1 :n)) ;
y=((X(n+1)-x)*R-(X(1)-x)*Q)/(X(n+1)-X(1));
end
242
Exercice 7.3.5
On reprend les notations de lexercice 7.3.2.
1) Pour calculer on doit rpter fois linstruction
soit
oprations lmentaires.
oprations lmentaires
Remarque
On a vri que le nombre doprations ncessaires pour calculer
(voir remarque 7.1.2.1).
est en
Exercice 7.3.6
1)
a) Le polynme constant gal 1 peut tre considr comme le polynme dinterpolation associ aux valeurs
et
Interpolation polynomiale
243
Y=[1 1 1 1 ] ;
Px=interpolLagrange(x,X,Y);
simplify(Px)
ans = 1
b) Il suft de remarquer que
est le dnominateur de
peut scrire
et que, pour
le numrateur de
dans lequel ne
244
On calcule
en utilisant les oprations globales sur les tableaux (./, .*)
T=Qx./((x-X).*A) ;
T(1)
ans =(x-x1)*(x-x2)*(x-x3)/(x0-x1)/(x0-x2)/(x0-x3)
On vrie que les lments de sont gaux ceux de
T-Lk
ans =[ 0, 0, 0, 0]
c) Des deux questions prcdentes, on dduit
do
Et enn
Vrions la premire galit avec Matlab, en comparant
avec .
S=1/sum(1./((x-X).*A));
S=simplify(S)
S = (-x+x3)*(-x+x2)*(x-x1)*(x-x0)
simplify(S-Qx)
ans =0
Interpolation polynomiale
2)
a) La fonction
les coefcients
function A=coeff(X)
n=length(X)-1 ;
for k=1 :n+1
A(k)=coeffk(X,k,n);
end
coeffk
function Ak=coeffk(X,k,n)
Ak=1 ;
for i=1 :k-1
Ak=Ak*(X(k)-X(i)) ;
end
for i=k+1 :n+1
Ak=Ak*(X(k)-X(i)) ;
end
b) On calcule en mme temps
et
245
246
Le principal avantage de cette formule barycentrique est que le calcul de est faire
une seule fois (pour donn), et que chaque nouveau calcul de ne ncessite que
oprations.
Exercice 7.3.7
1) On calcule ce nombre doprations par rcurrence sur en reprenant la
version rcursive de lalgorithme dAitken, dont la solution est donne p 7.4.
- Si , on doit effectuer linstruction
do
On a alors
Interpolation polynomiale
247
puis
function T= aitkenIte(x,X,Y)
n=length(X)-1 ;
for i=1 :n+1
T(i,1)=Y(i) ;
end
for j=2 :n+1
for i=j :n+1
num=(X(i)-x)*T(i-1,j-1)-(X(i-j+1)-x)*T(i,j-1);
T(i,j)=num/(X(i)-X(i-j+1));
end
end
248
Chapitre 8
Intgration numrique
suppose connue
on estime lerreur
Une telle mthode est appele souvent mthode de quadrature. On dcrira celles
qui font appel linterpolation polynomiale de degr , et On obtient respectivement les formules simples des rectangles, des trapzes et de Simpson.
249
250
y=f(x)
y=P1(x)
de longueur
, auxquels on applique la formule simple puis par sommation, on dduit les formules dites composites.
a+h
a+2h
Intgration numrique
251
y=f(x)
f(alpha)
alpha
on obtient
252
on approche par
, o
Intgration numrique
le pas est
Alors
y=P2(x)
253
254
intervalles
centrs en de longueur
pour
en
approche
En posant
, il vient
Intgration numrique
255
En supposant ensuite que admet des drives successives continues jusqu lordre
2, on montre, grce un dveloppement de Taylor de lordre 2 quon a
do
est en
Le pas
le pas choisi
ou bien
256
8.6. Exercices
8.6.1. Utilisations des mthodes des trapzes et de Simpson
1) Crer le chier f1.m correspondant la fonction
2) Donner son graphe sur lintervalle et dire quelle est la mthode dintgration numrique adapte pour le calcul approch de
ISimpson
(solution p. 259)
Intgration numrique
257
(solution p. 261)
8.7. Solutions
Exercice 8.6.1
1) On dnit le chier texte f1.m
% fonction calculant y=exp(-x^2)
function y=f1(x)
y=exp(-x.^2) ;
2) On utilise la commande fplot pour obtenir le graphe de la fonction ainsi dnie.
fplot(f1,[0 1])
grid on
title(fonction f(x)=exp(-x^2))
258
fonction f(x)=exp(x )
1
0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
It=((f1(0)+f1(1))/8)+((f1(1/4) +...
f1(2/4)+f1(3/4))/4)
I =0.7430
Is=((f1(0)+f1(1))/12)+((2*f1(2/4) + ...
4*f1(1/4)+4*f1(3/4))/12)
Is = 0.7469
4) Sous Matlab on a
syms x
Iexact =int(f1(x),0,1)
Iexact =1/2*erf(1)*pi^(1/2)
double(Iexact)
ans = 0.7468
La fonction
Intgration numrique
259
Exercice 8.6.2
1)
a) On utilise les formules
Lorsquon dclare
On a
Ici
function It =ITrapezesB(fonc,a,b,n)
h = (b-a)/n ;
X =a :h :b+h/2 ;
Y= feval(fonc,X) ;
It= (h/2)*(Y(1)+Y(n+1))+h*sum(Y(2 :n)) ;
calcule
260
en tenant compte comme prcdemment des erreurs ventuelles darrondi. On calculera sum(Y0), sum(Y1) et sum(Y2) reprsentant les trois sommes respectives de la
formule de Simpson :
Do
function Is =ISimpson(fonc,a,b,n)
h = (b-a)/n ;
s=n/2 ;
X0=[a b] ;
X1= a+2*h :2*h :b-h ;
X2=a+h :2*h :b ;
Y0=feval(fonc,X0) ;
Y1=feval(fonc,X1) ;
Y2=feval(fonc,X2) ;
Is=h/3*(sum(Y0)+2*sum(Y1)+4*sum(Y2));
Le test sur donne
ISimpson(f1,0,1,4)
ans =0.7469
Intgration numrique
261
Exercice 8.6.3
1) On dclare la fonction et on trace son graphe
function y=f2(x)
y=exp(-x).*cos(x);
fplot(f2,[0 2*pi])
grid on ; dessineRepere
1.2
0.8
0.6
0.4
0.2
0.2
sur lintervalle
262
et
On obtient ici
quad
prs de
n=204 ;
X1=0 :2*pi/n :2*pi+pi/n ;
X=X1 ;
Y=f2(X) ;
ItMatlab=trapz(X,Y)
ItMatlab = 0.4991
calcule, en utilisant
quad(f2,0,2*pi,1e-3,1)
ans = 0.4991
6) La fonction prdnie int de Matlab donne, lorsque cela est possible, la valeur
exacte de lintgrale.
Iexact=int(f2(x),0,2*pi)
Iexact = -1/2*exp(-2*pi)+1/2
double(Iexact)
ans = 0.4991
Bibliographie
[BAR 02] A. BARRAUD, "Outils danalyse numrique pour lautomatique", Hermes, Paris
2002.
[BRE 88] C. B RZINSKI, "Algorithmique numrique", Ellipses, Paris, 1988.
[CAL 77] B. C ALVO , J. D OYEN , A. C ALVO , F. B OSCHET, "Cours danalyse III, dveloppements limits, courbes, quations diffrentielles", Collection U, Armand Colin, Paris, 1977.
[DAU 97] M. DAUMAS , J-M. M ULLER, "Qualit des calculs sur ordinateur", Informatique,
Masson, Paris, 1997.
[DEM 79] B. D EMIDOVITCH , I. M ARON, "Mathmatiques", Mir, Moscou, 1979.
[LAR 96] C. L ARCHER , M. P RIENTE , J.-C. ROY, "Lessentiel du cours, 300 exercices comments et rsolus", Techniplus, 1996.
[LEL 72] J. L ELONG -F ERRAND , J.M. A RNAUDIES, "Cours de Mathmatiques, tome 2 : analyse", Dunod, Paris, 1972.
[MON 90] J.M. M ONIER, "Analyse, tome I, 800 exercices rsolus et 18 sujets dtude, 1er
cycle universitaire", Dunod, Paris, 1990.
[SAI 89] J. H. S AIAC, "Linformatique applique au calcul scientique", Dunod, Paris, 1989
[THE] R. T HODOR, "Initiation lanalyse numrique", CNAM, cours A, Masson,3ime dition, 1992.
[WIL 65] J.H. W ILKINSON, "The algebraic eigenvalue problem", monographs on numerical
analysis, Oxford science publications, 1965.
263
264
Index
eps 141
erreur absolue 146
erreur daffectation 148
erreur relative 146
265
266
majore (fonction) 37
majore (suite) 17
mantisse 130
maximum 38
minimum 37
minore (fonction) 37
minore (suite) 17
monotone (suite) 24
N
Newton (mthode de) 192
numden 110
hex2dec 127
hexadcimale (base) 126
Horner (schma de) 142
paire (fonction) 39
priodique (fonction) 39
point xe (mthode de) 186
ple (dune fraction rationnelle) 107
poly2sym 105
polynme de Lagrange 219
primitive (dune fonction) 97
I
impaire (fonction) 39
indtermination (recherche de limite) 23
injective 41
int 100, 262
intgrable (fonction) 93
intgrale de Riemann 91
intgration numrique 249
intgration par parties 103
interpolation polynomiale 217
irrductible (fraction rationnelle) 107
L
Landau (notations de) 68
legend 59
Leibnitz (formule de) 51
limit 23, 43
limite (dune fonction) 42
limite droite (fonction) 44
limite gauche (fonction) 43
limite dune suite 19
limite innie 22, 23
LineStyle 65
LineWidth 40
M
Mac-Laurin (formule de) 71
Q
quad 257, 262
R
realmax 141
realmin 141
rciproque (fonction) 41
rectangles (mthode des) 251
repre (dessiner avec Matlab) 40
residue 109, 111
Rolle (thoreme de) 52
S
set 65
Simpson (mthode des) 253
strictement croissante (suite) 24
strictement dcroissante (suite) 24
subdivision 91
suite numrique 17
suite rcurrente 25
suites de rfrence 20, 21
surjective 41
sym2poly 105
Index
symsum 95
T
tangente (mthode de la) 192
taylor 72
Taylor-Lagrange (formule de) 69
Taylor-Young (formule de) 71
terme gnral (dune suite) 17
267