(Luc Jolivet, Rabah Labbas) Analyse Et Analyse Num

Analyse et analyse numrique
LAVOISIER, 2005
LAVOISIER
11, rue Lavoisier

75008 Paris
Serveur web : www.hermes-science.com
2-7462-0993-4 ISBN Gnral
2-7462-0995-0 ISBN Volume 2
Tous les noms de socits ou de produits cits dans cet ouvrage sont utiliss des fins
didentification et sont des marques de leurs dtenteurs respectifs.
Le Code de la proprit intellectuelle n'autorisant, aux termes de l'article L. 122-5, d'une

part, que les "copies ou reproductions strictement rserves l'usage priv du copiste et non
destines une utilisation collective" et, d'autre part, que les analyses et les courtes citations
dans un but d'exemple et d'illustration, "toute reprsentation ou reproduction intgrale, ou
partielle, faite sans le consentement de l'auteur ou de ses ayants droit ou ayants cause, est
illicite" (article L. 122-4). Cette reprsentation ou reproduction, par quelque procd que ce
soit, constituerait donc une contrefaon sanctionne par les articles L. 335-2 et suivants du
Code de la proprit intellectuelle.
APPLICATIONS MATHMATIQUES
AVEC MATLAB
Analyse
et analyse numrique
rappel de cours et exercices corrigs
Luc Jolivet
Rabah Labbas
Table des matires
Avant-propos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
11
P REMIRE PARTIE . A NALYSE
. . . . . . . . . . . . . . . . . . . . . . . . . .
15
Chapitre 1. Suites relles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
17
1.1. Gnralits sur les suites . . . . . . . . . .

1.1.1. Dnitions . . . . . . . . . . . . . . .
1.1.2. Exemple . . . . . . . . . . . . . . . .
1.2. Limite dune suite . . . . . . . . . . . . . .
1.2.1. Approche intuitive . . . . . . . . . . .
1.2.2. Cas de limite nie . . . . . . . . . . .
1.2.3. Cas de limite innie . . . . . . . . . .
1.3. Proprits des limites de suites . . . . . . .
1.3.1. Cas de limites nies . . . . . . . . . .
1.3.2. Cas de limites innies . . . . . . . . .
1.3.3. Calculs de limites avec Matlab . . . .
1.4. Suites monotones . . . . . . . . . . . . . .
1.5. Suites rcurrentes . . . . . . . . . . . . . .
1.5.1. Dnition . . . . . . . . . . . . . . . .
1.5.2. Etude complte dun exemple modle
1.6. Exercices . . . . . . . . . . . . . . . . . . .
1.6.1. Limite dune suite et majorations . .
1.6.2. Etude dune suite rcurrente (1) . . .
1.6.3. Etude dune suite rcurrente (2) . . .
1.7. Solutions . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
17
17
18
19
19
19
22
22
22
23
23
24
25
25
25
28
28
28
29
29
Chapitre 2. Fonctions numriques dune variable relle . . . . . . . . . . .
37
2.1. Rappels gnraux sur les fonctions . . . . . . . . . . . . . . . . . . . . .

2.1.1. Majoration dune fonction et extrema . . . . . . . . . . . . . . . .
37
37
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
Mathmatiques avec Matlab
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
Table des matires
2.8.7. D.L. et tude de limite (2) . . . . . . . . . . . . . . . . . . . . . .

2.9. Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
78
79
Chapitre 3. Intgration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
91
3.1. Intgrale de Riemann . . . . . . . . . . . . . . . . .

3.1.1. Dnitions . . . . . . . . . . . . . . . . . . . .
3.1.2. Exemple . . . . . . . . . . . . . . . . . . . . .
3.1.3. Proprits gnrales . . . . . . . . . . . . . . .
3.2. Primitive dune fonction . . . . . . . . . . . . . . . .
3.2.1. Cas dune fonction continue . . . . . . . . . .
3.2.2. Cas dune fonction intgrable quelconque . .
3.2.3. Notation . . . . . . . . . . . . . . . . . . . . . .
3.3. Calcul intgral . . . . . . . . . . . . . . . . . . . . .
3.3.1. Calcul intgral avec Matlab . . . . . . . . . . .
3.3.2. Changement de variable . . . . . . . . . . . . .
3.3.3. Intgration par parties . . . . . . . . . . . . . .
3.4. Dcomposition en lments simples . . . . . . . . .
3.4.1. Les fonctions polynmes . . . . . . . . . . . .
3.4.2. Fractions rationnelles . . . . . . . . . . . . . .
3.4.3. Exemples . . . . . . . . . . . . . . . . . . . . .
3.5. Intgration de fractions rationnelles . . . . . . . . .
3.6. Exercices . . . . . . . . . . . . . . . . . . . . . . . .
3.6.1. Calculs de primitives usuelles . . . . . . . . .
3.6.2. Linarisations dexpressions trigonomtriques
3.6.3. Changement de variable (1) . . . . . . . . . .
3.6.4. Changement de variable (2) . . . . . . . . . .
3.6.5. Dcomposition en lments simples . . . . .
3.7. Solutions . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
91
91
95
96
97
97
98
100
100
100
101
103
104
104
107
108
112
114
114
114
115
115
115
116
D EUXIME PARTIE . A NALYSE NUMRIQUE LMENTAIRE . . . . . . . . 123

Chapitre 4. Arithmtique de lordinateur
. . . . . . . . . . . . . . . . . . . 125
4.1. Reprsentation des entiers . . . . . . . . . . . . .

4.1.1. Gnralits . . . . . . . . . . . . . . . . . .
4.1.2. Exemples . . . . . . . . . . . . . . . . . . .
4.1.3. Fonctions prdnies de Matlab . . . . . .
4.2. Reprsentation des rels positifs en virgule xe
4.2.1. Notations . . . . . . . . . . . . . . . . . . .
4.2.2. Exemple en base 2 . . . . . . . . . . . . . .
4.2.3. Exemple en base 8 . . . . . . . . . . . . . .
4.2.4. Calculs avec Matlab . . . . . . . . . . . . .
4.3. Reprsentation des rels en virgule ottante . .
4.3.1. Gnralits . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
Chapitre 5. Gestion derreurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

5.1. Erreur absolue et erreur relative . . . . . . . . . . . . . . . . . . .
5.1.1. Dnition . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.1.2. Erreurs doprations . . . . . . . . . . . . . . . . . . . . . . .
5.1.3. Estimation derreur par le thorme des accroissements nis
5.2. Erreurs daffectation . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.1. Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.2. Rsultat gnral . . . . . . . . . . . . . . . . . . . . . . . . .
5.2.3. Cas des formats oat et double . . . . . . . . . . . . . . . . .
5.2.4. Erreurs daffectation et oprations . . . . . . . . . . . . . . .
5.3. Cumul derreurs daffectation et dopration . . . . . . . . . . . .
5.3.1. Cas dune somme . . . . . . . . . . . . . . . . . . . . . . . .
5.3.2. Cas dun produit . . . . . . . . . . . . . . . . . . . . . . . . .
5.4. Erreurs dabsorption . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.1. Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.4.2. Consquence pratique . . . . . . . . . . . . . . . . . . . . . .
5.5. Erreurs de cancellation . . . . . . . . . . . . . . . . . . . . . . . .
5.5.1. Prsentation sur un exemple . . . . . . . . . . . . . . . . . .
5.5.2. Exemple trait avec Matlab . . . . . . . . . . . . . . . . . . .
5.5.3. Remarque . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6. Erreurs dues aux choix des formules algbriques . . . . . . . . . .
5.6.1. Exemple 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.6.2. Exemple 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . .
5.7. Erreurs dues aux perturbations des donnes . . . . . . . . . . . . .
5.7.1. Un systme dquations linaires . . . . . . . . . . . . . . .
5.7.2. Un calcul de dterminant . . . . . . . . . . . . . . . . . . . .
5.8. Estimation probabiliste de lerreur . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
Table des matires
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 . . . . . . . . . . . . . . . . . . . .
. . . .
. . . .
. . . .
. . .
. . . .
. . . .
. . . .
. . . .
Chapitre 6. Approximation de racines dquations
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
167
167
167
167
168
168
169
170
. . . . . . . . . . . . . . 183
6.1. Mthode de la dichotomie . . . . . . . . . . . . . . . . . . . .

6.1.1. Hypothses sur la fonction . . . . . . . . . . . . . . .
6.1.2. Algorithme de la mthode . . . . . . . . . . . . . . . .
6.1.3. Exemple . . . . . . . . . . . . . . . . . . . . . . . . . .
6.1.4. En conclusion . . . . . . . . . . . . . . . . . . . . . . .
6.2. Mthode des approximations successives (ou du point xe) .
6.2.1. Hypothses sur la fonction . . . . . . . . . . . . . . .
6.2.2. Thorme du point xe . . . . . . . . . . . . . . . . . .
6.2.3. Algorithme et estimation derreur . . . . . . . . . . . .
6.2.4. Exemple . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.5. Vitesse de convergence . . . . . . . . . . . . . . . . . .
6.3. Mthode de Newton (ou de la tangente) . . . . . . . . . . . .
6.3.1. Hypothses et algorithme de Newton . . . . . . . . . .
6.3.2. Vitesse de convergence . . . . . . . . . . . . . . . . . .
6.3.3. Exemple . . . . . . . . . . . . . . . . . . . . . . . . . .
6.3.4. Choix de linitialisation . . . . . . . . . . . . . . . .
6.4. Plan pour la recherche dune racine . . . . . . . . . . . . . .
6.4.1. Exemple . . . . . . . . . . . . . . . . . . . . . . . . . .
6.5. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.5.1. Mthode de dichotomie, de Newton et du point xe .
6.5.2. Mthode de Newton pour une fonction afne . . . . .
6.5.3. Valeur approche de . . . . . . . . . . . . . . . . .
6.5.4. Programmation de la mthode du point xe . . . . . .
6.5.5. Programmation de la mthode de Newton . . . . . . .
6.6. Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
Chapitre 7. Interpolation polynomiale . . . . . . . . . . . . . . . . . . . . . . 217

7.1. Le polynme dinterpolation dune fonction .
7.1.1. Dnitions . . . . . . . . . . . . . . . . .
7.1.2. Thorme dexistence et dunicit de
7.1.3. Polynme de Lagrange . . . . . . . . . .
7.1.4. Algorithme dAitken . . . . . . . . . . .
7.1.5. Gestion derreur . . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
. . . . . . . . . . . . . .
217
217
218
219
221
223
10
7.2. Approche polynomiale de la drivation . . . . . . . . . .

7.2.1. Approche classique . . . . . . . . . . . . . . . . . .
7.2.2. Approche polynomiale . . . . . . . . . . . . . . . .
7.2.3. Gestion derreur mathmatique . . . . . . . . . . . .
7.2.4. Etude complte derreur . . . . . . . . . . . . . . . .
7.3. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . .
7.3.1. Calcul dun polynme dinterpolation . . . . . . .
7.3.2. Polynme de Lagrange et programmation . . . . .
7.3.3. Effet de Runge . . . . . . . . . . . . . . . . . . . . .
7.3.4. Mthode dAitken et programmation . . . . . . . .
7.3.5. Complexit de calcul de polynme dinterpolation
7.3.6. Formule barycentrique de Lagrange . . . . . . . . .
7.3.7. Complexit de calcul par la mthode dAitken . . .
7.4. Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
225
225
226
227
227
232
232
232
233
234
234
235
236
237
Chapitre 8. Intgration numrique . . . . . . . . . . . . . . . . . . . . . . . . 249

8.1. Description de la mthode . . . . . . . . . . . . . . . . . .
8.2. Mthode des rectangles . . . . . . . . . . . . . . . . . . . .
8.2.1. Formules simples . . . . . . . . . . . . . . . . . . . .
8.2.2. Formules composites . . . . . . . . . . . . . . . . . .
8.3. Mthode des trapzes . . . . . . . . . . . . . . . . . . . . .
8.3.1. Formule simple . . . . . . . . . . . . . . . . . . . . . .
8.3.2. Formule composite . . . . . . . . . . . . . . . . . . .
8.4. Mthode de Simpson . . . . . . . . . . . . . . . . . . . . .
8.4.1. Formule simple . . . . . . . . . . . . . . . . . . . . . .
8.4.2. Formule composite . . . . . . . . . . . . . . . . . . .
8.5. Gestion derreur . . . . . . . . . . . . . . . . . . . . . . . .
8.5.1. Erreur dans la mthode des trapzes . . . . . . . . . .
8.5.2. Erreur dans la mthode de Simpson . . . . . . . . . .
8.6. Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.6.1. Utilisations des mthodes des trapzes et de Simpson
8.6.2. Programmation . . . . . . . . . . . . . . . . . . . . .
8.6.3. Calculs approchs dintgrales et gestion derreur . .
8.7. Solutions . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
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
Ce recueil de rappels de cours et dexercices corrigs fait partie dun ensemble

comportant trois tomes.
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
Dans ce chapitre, on rappelle lessentiel concernant les suites relles et on termine

par une tude complte dune suite rcurrente avec Matlab.
1.1. Gnralits sur les suites
1.1.1. Dnitions
On appelle suite numrique une application dnie par
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
est majore sil existe une constante telle que
elle est minore sil existe une constante telle que
17
18
telle que
Elle est borne sil existe une constante
Il est facile de vrier quune suite est borne si, et seulement si, elle est majore et
minore.
1.1.2. Exemple
, par
Considrons la suite dnie pour
Sachant que pour tout on a
et que pour
on dduit que, pour tout
On peut avec Matlab observer numriquement et graphiquement cette majoration,

pour les 19 premiers termes de la suite.
for n=2 :20,

u(n)=sin(n)/(n+(-1)^n);
end
u(2 :20)
ans =
0.3031 0.0706 -0.1514 -0.2397 -0.0399 0.1095 0.1099
0.0515 -0.0495 -0.1000 -0.0413 0.0350 0.0660 0.0464
-0.0169 -0.0601 -0.0395 0.0083 0.0435
plot(2 :20,u(2 :20),x)
grid on ; axis([0 21 -1 1]) ;
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
1.2. Limite dune suite

1.2.1. Approche intuitive
, il existe quatre possibilits

Lorsque devient de plus en plus grand (
pour les termes dune suite numrique donne :
1) sapproche dun nombre , on notera :

ou
2) devient aussi grand quon veut, on crira
3) devient aussi petit quon veut, on crira
4) na aucun des comportements ci-dessus. Cest par exemple le cas de la suite
qui prend alternativement les valeurs et .

1.2.2. Cas de limite nie
1.2.2.1. Dnitions
La description mathmatique de la premire possibilit doit traduire le fait qu

partir dun rang , les termes successifs de la suite
20
sont aussi proches quon veut de . On crira alors :

tant donn un nombre
(aussi petit que lon veut)
il existe un rang tel que pour tout , on a :
On dira que la suite est convergente et converge vers . On notera
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
o est un rel positif, sont appeles suites de rfrence. Elles vrient :
Il est souvent commode de les utiliser pour montrer quune suite converge
vers une limite nie . Lorsque la suite vrie : il existe une constante
et un entier tels que pour tout on ait
alors
1.2.2.3. Exemple
Examinons lexemple de la suite dnie pour
On a, sous Matlab,
par :
Suites relles
21
for n=1 :60,

u(n)=(2*n+1)/(n+2);
end
u(50 :60)
ans =
Columns 1 through 7
1.9423 1.9434 1.9444 1.9455 1.9464 1.9474 1.9483
Columns 8 through 11
1.9492 1.9500 1.9508 1.9516
plot(u,x)
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
1.2.3. Cas de limite innie

La deuxime possibilit scrit mathmatiquement sous la forme :
tant donn un nombre
(aussi grand que lon veut)
On crit
De manire similaire, la troisime possibilit snonce par

tant donn un nombre
(aussi petit que lon veut)
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
convergentes respectivement vers

(pour tout nombre

(si ),
On a aussi le rsultat suivant :
Si la suite
est borne et si
, alors
Sa dmonstration utilise lencadrement dit des gendarmes :

il existe
tel que pour tout
, on a
dautre part, pour petit donn strictement positif, en notant
Suites relles
il existe tel que pour
do lencadrement
on a
ou bien
pour
23
ce qui montre que
1.3.2. Cas de limites innies

Les rsultats prcdents stendent aux cas de limites innies :
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 :
Lindtermination est lever en appronfondissant les calculs sur lexpression donne.

1.3.3. Calculs de limites avec Matlab
On utilise la commande limit pour obtenir directement la limite dune suite
Par exemple, si

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
est dite croissante si
elle est dcroissante si

La suite est strictement croissante si
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
1.5. Suites rcurrentes

1.5.1. Dnition
On donne une fonction

rcurrence :
et on dnit la suite
pour
par la relation de
est rel donn.

De telles suites sont dites rcurrentes. Elles sont bien dnies lorsque pour tout
les termes appartiennent au domaine de dnition de .
Le calcul de la limite de telles suites rcurrentes, lorsquelles convergent, se fait

par passage la limite dans la relation de rcurrence :
1) on peut vrier que si
tion),
alors
2) lorsque la fonction est continue, on a :

3) on en dduit lquation
(en utilisant la dni-
Si elle admet une solution, ou plusieurs, une tude de la suite (monotonie, minoration
ou majoration,...) permet de prciser la limite ventuelle.
1.5.2. Etude complte dun exemple modle
On donne la suite dnie pour
par
En ritrant on voit que le terme gnral scrit
1.5.2.1. Calcul des premiers termes de la suite

La suite est videmment minore 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
Dautre part, la rsolution de linquation
donne
maple(solve(sqrt(1+Un)-2 =0))
ans=RealRange(-1,3)
Do limplication
Ainsi, lhypothse de rcurrence
et le fait que est minor par , donnent
1.5.2.2. Calcul de la limite ventuelle
tant continue sur

, la limite , si
La fonction dnie par
elle existe, vrie ncessairement lquation . On la calcule sous Matlab :
syms x
l= solve(x=sqrt(1+x))
l =1/2+1/2*5^(1/2)
Si la suite converge, alors sa limite est gale au nombre (dit dor)
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
Etablissons cette proprit :
Suites relles
1.5.2.3. Majoration de la suite par

On raisonne par rcurrence. Il est clair que la suite est positive et que
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
1.5.2.4. Sens de variation
, do
, on tudie celui de lexpression

Pour tudier le signe de
Pour cela, montrons que
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
rsoudre mathmatiquement linquation
3) Conclure.
4) Retrouver par
tous les rsultats de la question 2.

(solution p. 29)
1.6.2. Etude dune suite rcurrente (1)

La direction dun journal constate pour chaque anne un taux de rabonnement
voisin de , ainsi que lapparition de nouveaux abonns.
On note le nombre dabonns lanne numrote . Lanne numro , le
nombre dabonns est .
Suites relles
29
1) Donner la relation de rcurrence entre et

2) Calculer les 20 premiers termes de cette suite et les reprsenter graphiquement.
3) Vers quelle limite cette suite semble-t-elle converger ?
4) On considre la suite dnie par
Utiliser le calcul symbolique de
Matlab pour montrer que est une suite gomtrique
5) En dduire lexpression de puis celle de
6) Conrmer le rsultat exprimental de la question 3.
(solution p. 31)
1.6.3. Etude dune suite rcurrente (2)
On dnit la suite
par la relation de rcurrence
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
7) Trouver un rang tel 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

60
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
4) On utilise le calcul symbolique de Matlab pour calculer

rsoudre linquation
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
est vrie pour
montre que lingalit
En utilisant la commande limit de Matlab, on obtient directement la limite de la

suite :
limit(un,n,inf)
ans = 1
Exercice 1.6.2
1) On a la formule de rcurrence
2) On calcule les 20 premiers termes de cette suite et on les reprsente graphiquement

a(1)=10000 ;
for n=1 :20,
a(n+1)=0.6*a(n)+5000;
end
plot(a, x)
title(Suite An+1 = 0.6*An + 5000)
grid on
a(1 :5) % 5 premiers termes
ans = 10000 11000 11600 11960 12176
a(16 :20) % 5 derniers
ans = 12499 12499 12500 12500 12500
32

Suite An+1 = 0.6*An + 5000
1.25
x 10
1.2
1.15
1.1
1.05
10
15
3) Cette suite semble converger vers la valeur
20
25
12500.
4) On dnit en fonction de les expressions de , , :

syms An
AnPlus1 = 0.6*An+5000 ;
Un= 12500-An ;
UnPlus1= 12500-AnPlus1
UnPlus1 = 7500-3/5*An
simplify(UnPlus1/Un)
ans = 3/5
De la dernire galit, on dduit que la suite est une suite gomtrique de raison
5) A partir du premier terme

, on dduit lexpression gnrale
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
1.2500 1.2500 1.2500 1.2500 1.2500 1.2500 1.2500
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
Au vu de ce dessin, il semble que la suite soit croissante, majore, convergente vers

Les questions suivantes vont prouver que ces observations sont fondes.
2) On sait que, pour une suite vriant la relation de rcurrence
34
avec
continue sur , sa limite , si elle existe, vrie ncessairement lquation
soit ici
do
Si la suite converge, sa limite est ncessairement

3) On utilise la relation de rcurrence
et on rsout linquation, dinconnue
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
6) On en dduit par rcurrence
7) Si on utilise lexpression ci-dessus pour rsoudre linquation
on obtient
maple(solve(5/4*(1/5)^n =10^(-7)))
ans =
ce qui signie que lensemble solution na pu tre obtenu par Maple.

On transforme linquation
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
Fonctions numriques dune variable relle
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
2) Elle est minore sil existe une constante telle que
On dira quelle est borne sil existe une constante
telle que
On peut vrier quune fonction est borne si, et seulement si, elle est majore et
minore.
On rappelle aussi quen un point
la fonction admet un minimum si
37
38
et quen un point
elle a un maximum si
en chacun de ces points, on dira quil y a un extremum.

2.1.2. Exemple
Soit
la fonction dnie sur lintervalle
On a
et
On remarque que
, donc
par
admet un maximum au point
Mais il nexiste pas de point tel que
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
2.1.3. Priodicit, parit et imparit dune fonction

Une fonction dnie sur est dite priodique de priode si on a
Pour de telles fonctions, il sufra de les tudier sur un intervalle de longueur .

Lorsquune fonction est dnie sur un intervalle centr
ventuellement
on dira quelle est paire si
(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 :
est paire et priodique, de priode Sous
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)
On utilise la commande dessineRepere la suite de ezplot, pour complter le trac

ezplot(f,-2*pi,2*pi); grid on
dessineRepere
cos(x)
0.5
0.5
0
x
2.1.5. Fonctions monotones

Une fonction
est dite croissante sur , si pour tous
De mme
est dcroissante sur , si pour tous
de on a
de on a
Dans ces deux cas, est dite monotone.

1) Lorsque lingalit est stricte pour les valeurs de , on dit que
monotone (strictement croissante ou strictement dcroissante).
41
est strictement
2.1.6. Fonctions injectives, surjectives, bijectives

Soit
o et
sont deux sous-ensembles quelconques de On
rappelle que :
1) est injective de dans si deux lments quelconques et diffrents de
admettent deux images diffrentes :
On crira, par contrapose, que
2) est surjective de dans

si tout lment de lensemble darrive
limage dau moins un lment de . On crira
est
3) est bijective de dans si elle est injective et surjective. Dans ce cas,

chaque lment de correspond une et une seule image de et rciproquement,
pour tout lment de , il existe un et un seul lment de tel que .
4) Lorsquune fonction
est bijective, on dnit la fonction dite rciproque (ou inverse) de
caractrise par
On la note
et on vrie que
par
42
2.2. Limite dune fonction

2.2.1. Dnitions
2.2.1.1. Limite nie en un point
Soit un point de et
un intervalle ouvert contenant On se donne
une fonction dnie en tout point de sauf peut-tre en On dit que tend
vers une limite nie pour
si et seulement si pour tout
il existe
tel que
On crira
De mme, on dira que

il existe
si et seulement si pour tout

il existe
tel que
Dune manire similaire,
si et seulement si, pour tout
tel que
2.2.1.2. Limite nie en

Lorsque la fonction
est dnie sur un intervalle

si pour tout
il existe
on dit que
tel que
2.2.1.3. Autres cas

Dune manire similaire, on dnit les autres cas de limites.
2.2.1.4. Exemple
Soit
dnie sur
43
par
On cherche la limite de en
Le tableau de valeurs :
X=[10 100 1000 10000] ;

Y=(2.*X+3)./(X-1)
Y=
2.5556 2.0505 2.0050 2.0005
laisse prsager que
Montrons-le. Fixons

. Lingalit
est quivalente
ou encore
qui est vrie ds que
Sous Matlab, on obtient la limite par

syms x real ;
limit((2*x+3)/(x-1),x,inf)
ans = 2
2.2.1.5. Limite gauche, limite droite
On dira que
tel que
admet pour limite gauche en si pout tout
On notera
il existe
44
On dnit de mme la limite droite de

admet pour limite en si et seulement si
droite de .
Par exemple, pour la fonction
dnie par
on a
admet pour limite gauche et
si
si
syms x real ;
limit(exp(x),x,1,left)
ans = exp(1)
limit(x^2,x,1,right)
ans = 1
Do

et
2.2.2. Rsultat fondamental

Les rgles sur les limites de fonctions sont similaires celles sur les suites numriques.
Un rsultat important sur les limites de fonctions (en lien avec les suites) est le
suivant :
Thorme.
Une fonction admet une limite pour
si et seulement si, pour
toute suite convergente vers , la suite converge vers
Dans la pratique, on se servira de ce thorme pour montrer que certaines fonctions

oscillantes (de type trigonomtriques par exemple), nadmettent pas de limite nie en
ventuellement).
certains points particuliers (ou en
2.2.3. Exemple
Considrons la fonction
.
tuelle) pour
et examinons sa limite (ven-
45
On trace le graphe de cette fonction sur le "petit" intervalle

syms x real
fDeX=sin(1/x) ;
ezplot(fDeX,[0.01,0.05])
dessineRepere
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
nadmet pas de limite.
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 dnit aussi la continuit gauche en (resp. droite en ). Par exemple,

est continue gauche en si pour tout
il existe
tel que
On notera
est continue en si et seulement si elle est continue gauche et droite de .

La fonction
point de
est continue sur tout lintervalle lorsquelle est continue en tout
2.3.1.2. Cas dun intervalle ferm

Soit une fonction dnie sur un intervalle ferm
dnir comme ci-dessus la continuit en pour
droite en et la continuit gauche en .
La fonction
est continue sur lintervalle ferm

est continue sur lintervalle ouvert
est continue droite en
est continue gauche en .
(avec
On peut
, ainsi que la continuit
si
47
2.3.2. Exemple
On donne la fonction

si
si
Etudions sous Matlab sa continuit en .

On calcule les limites gauche et droite, au point 1, de
syms x
f1Moins =(3-x^2)/2 ;
f1Plus=1/x ;
limit(f1Moins,x,1,left)
ans = 1
limit(f1Plus,x,1,right)
ans = 1
Les deux limites tant gales , la fonction est continue en .
2.3.3. Rsultats gnraux sur la continuit
On donne deux fonctions
Alors on a les rsultats :
continues en et un rel quelconque .
et
sont continues en
et
sont continues en
est continue en (si est non nul).
Lorsque on a
o est un autre intervalle de et si est continue en et

alors la compose
dnie sur par
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
( intervalle ouvert) est drivable en un point si
49
admet une limite nie lorsque
Noter que ce rapport est exactement le coefcient directeur de la droite

les points et de coordonnes et .
joignant
La limite (lorsquelle existe) est note
et est appele la drive de
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
est drivable en alors
Si la fonction est drivable en chaque point de , on dnit la fonction drive
Une fonction dnie sur un intervalle

si
lintervalle ferm
est dite drivable sur
(avec
est drivable sur lintervalle ouvert

est drivable droite en
est drivable gauche en .
2.4.2. Exemple
La fonction
est drivable en tout
en effet
50
Ce calcul de limite seffectue avec Matlab par :

syms x x0 real
fDeX=x^2 ;
fDeX0=x0^2 ;
fPrimeDeX0=limit((fDeX- fDeX0)/(x-x0),x,x0)
fPrimeDeX0 = 2*x0
Grce la commande diff, on obtient directement la fonction drive :
fPrimeDeX=diff(fDeX,x)
fPrimeDeX=2*x
fPrimeDeX0=subs(fPrimeDeX,x,x0)
fPrimeDeX0 = 2*x0
2.4.3. Interprtation gomtrique

Comme nous lavons dit prcdemment, si existe, la droite
une droite limite qui est tangente la courbe reprsentative de
Cette tangente a pour quation cartsienne
En notant
on remarque que pour tout
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
2.4.4. Proprits gnrales

Soient
deux fonctions drivables sur et
(si ),

(drive logarithmique de
Lorsquon a
),
, si
o est un autre intervalle de , alors, si est drivable sur et

, on a
est drivable sur
Si
est drivable et est une bijection de dans , alors

point o et on a
avec
Alors on a
est drivable en tout
2.4.5. Drives successives

Soit
drivable sur . Si la fonction

deux fois drivable et on note
est drivable, on dira que
En ritrant, on dnit de mme la drive lordre de
note
On peut montrer par rcurrence la formule dite de Leibnitz :
par
est
52
vraie pour deux fonctions
et , fois drivables. On rappelle que
On dira quune fonction est de classe

(
sont continues sur Une fonction de classe
Sous Matlab, le calcul de la drive

pour
sur si
existent et
est une fonction continue sur
seffectue en utilisant diff . Par exemple,
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

2.4.6. Consquences de la drivation

Les premires proprits de la drivation sont :
Si dnie sur
est drivable en
un extremum en alors
Si est continue sur
avec
sur
alors il existe un point de
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
. (Voir gure ci-dessous).

Illustration du T.A.F
1.6
1.5
1.4
1.3
1.2
1.1
a
1
0.5
0.5
En crivant
sous forme
et sachant quun point de lintervalle ouvert
scrit
, on obtient la formulation courante

qui exprime bien lide daccroissements nis. De ce thorme on dduit aussi (sous
les mmes hypothses) :
est croissante sur si

est dcroissante sur si
est constante sur si
2.4.7. Etude dune fonction avec Matlab

On se propose dtudier les variations de la fonction
et de tracer sa courbe reprsentative.

Cette fonction est de classe sur .
dnie sur par
54
On dclare lexpression symbolique correspondant la fonction, on calcule la

drive et on la factorise :
syms x real
f=1+x*exp(-x) ;
fprime=diff(f)
=exp(-x)-x*exp(-x)
factor(fprime)
=-exp(-x)*(-1+x)
Ce rsultat est sufsant pour donner le signe de
lquation
mais on peut aussi rsoudre
ou linquation
solve(fprime)
ans=1
maple(solve(-exp(-x)*(-1+x) 0))
ans = realRange(-inf,open(1))
Ainsi, la drive est positive sur

On calcule alors, symboliquement et numriquement, , puis les limites de en et
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
On construit le graphe sur un intervalle contenant par exemple

ezplot(f,-1,5)
grid on
axis auto % ajuste le cadre
dessineRepere
55
1+x*exp(x)
1.5
0.5
0.5
1.5
2
1
2
x
2.4.8. Retour lexemple modle

Etudions la drivabilit et la continuit de la fonction drive en de la fonction :
sinon.
La fonction
de
si
est indniment drivable sur
. On dclare les deux expressions
syms x real
f1Moins =(3-x^2)/2 ;
f1Plus=1/x ;
On calcule les limites gauche et droite suivantes :
56
taux1Moins = (f1Moins - 1)/(x-1)

taux1Moins = (1/2-1/2*x^2)/(x-1)
factor(taux1Moins)
ans = -1/2*x-1/2
taux1Plus = (f1Plus - 1)/(x-1)
taux1Plus = (1/x-1)/(x-1)
factor(taux1Plus)
ans = -1/x
limit(taux1Moins,x,1,left)
ans = -1
limit(taux1Plus,x,1,right)
ans = -1
Ces deux limites tant gales, la fonction est drivable en et
Pour la continuit de la fonction drive en 1, on calcule
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
puis on utilise fplot pour le trac de la courbe :

fplot(f1,[-3 3])
grid on ; hold on
plot(1,f1(1),o) % pour marquer le point dabscisse 1
dessineRepere
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
De plus sa fonction rciproque

est de mme nature (cest--dire strictement
dcroissante ou strictement croissante selon le sens de variations de ).
58
Supposons que
est continue strictement croissante et notons

la courbe reprsentative de
de scrit :
dans le plan rapport un repre orthonorm. Alors celle
par symtrie par rapport la premire
et est clairement obtenue partir de

bissectrice dquation
Comme applications, on va dnir les trois fonctions circulaires inverses suivantes.
2.5.2. Fonction arcsin

On part de la fonction sinus, restreinte lintervalle
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
Cette fonction est note sous matlab asin.

On reprsente sur une mme gure les graphes des fonctions arc et sin, ainsi
que la droite dquation
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
Fonctions sinus et arcsinus

1.5
0.5
0.5
1
arcsin(x)
sin(x)
1.5
1.5
0.5
0
x
0.5
1.5
Par lecture inverse des valeurs du sinus on a par exemple

arc
arc
arc
arc
arc
En appliquant la rgle de drivation dune fonction inverse (voir 2.4.4), la drive de

est
arc en
arc
60
2.5.3. Fonction arccos

On part cette fois de la restriction de la fonction cosinus lintervalle
qui est continue et strictement dcroissante et donc on dnit son inverse par
arc
La drive en
sobtient par
arc
arc
Cette fonction est note sous matlab acos.

On obtient les graphes de ces deux fonctions de la mme faon que prcdemment :
Fonctions cosinus et arccosinus
3
arccos(x)
cos(x)
2.5
1.5
0.5
0.5
2.5.4. Fonction arctan

La restriction de la fonction tangente lintervalle
61
est continue et strictement croissante donc elle admet une fonction rciproque note
arc

arc
qui est de mme nature et, si
arc
Cette fonction est note sous matlab atan.

Graphiquement, on a
Fonctions tangente et arctangente
6
arctan(x)
tan(x)
4
6
6
0
x
2.5.5. Exemple modle

On donne la fonction suivante :
On note, pour
62
, on a
1) Vrier que pour tout
En dduire le domaine de dnition

2) Montrer que, sur
de .
est drivable et vrier avec Matlab la relation
pour tout
3) Etudier la drivabilit de
en et
4) Etudier les variations de la fonction

thonormal.
et tracer son graphe dans un repre or-
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 dduit de cette galit que, pour
, on a

De plus
Ainsi, pour tout ,

et est dni.
Le domaine de dnition de est
.
2) On sait que
est drivable sur

est donc drivable si
lest, et si de plus
, et si
est drivable sur ]
La fonction
soit
La fonction
est donc drivable sur
Pour
on calcule avec Matlab

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
3) Pour tudier la drivabilit droite en on calcule avec Matlab
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 = 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
Le signe de sen dduit immdiatement.

Pour complter le tableau de variations, on calcule la limite de
limit(fDeX,x,inf)
ans = 0
Do
en
65
On construit la courbe reprsentative de

hold on
set(gca,LineStyle,- -)
ezplot(fDeX,0,5)
grid on
axis ([0 5 0 2.5])
dessineRepere
La commande set(gca,LineStyle,- -) permet dobtenir lorsquon utilise ensuite ezplot un trac en pointills. Cela permettra de diffrencier les graphes de et
asin(2*x^(1/2)/(1+x))
2.5
1.5
0.5
0.5
1.5
2.5
x
3.5
4.5
5) La fonction g est dnie, continue sur drivable sur

sa drive
gDeX=2*atan(sqrt(x)) ;
gPrimeDeX=diff(gDeX)
gPrimeDeX = 1/x^(1/2)/(1+x)
Ainsi
On calcule
66
et
est strictement croissante sur
On calcule les limites aux bornes et
gDe0 =simplify(subs(gDeX,x,sym(0)))
gDe0 =0
limit(gDeX,x,inf)
ans = pi
On trace la courbe reprsentative de en traits pleins :

set(gca,LineStyle,-)
ezplot(gDeX,0,5)
axis ([0 5 0 2.5])
dessineRepere
2*atan(x^(1/2))
2.5
1.5
0.5
0.5
1.5
2.5
x
3.5
6) Sur lintervalle , lexpression donne par de

par :
fPrime0_1=subs(fPrimeDeX,signum(x-1),-1)
fPrime0_1= 1/x^(1/2)/(1+x)
fPrime0_1-gPrimeDeX
ans = 0
4.5
se simplie
Sur cet intervalle, on a
67
do
Pour dterminer cette constante, on calcule par exemple
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
Donc, pour tout on a
On a aussi vri que

et on a
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
On value cette constante comme prcdemment :

fDe3 = 1/3*pi
gDe3=simplify(subs(gDeX,x,sym(3)))
gDe3 =2/3*pi
fDe3+gDe3
ans=pi
Do
si
2.6. Comparaison de deux fonctions

2.6.1. Notion de voisinage
Soit un point de Une fonction est dite dnie dans un voisinage de
si elle est dnie en tout point dun intervalle ouvert
contenant , sauf
peut-tre en
68
Une fonction est dnie au voisinage de (respectivement
(respectivement
dnie sur un intervalle de la forme
si elle est
).
2.6.2. Notations dites de Landau
Soit dnie au voisinage de (pouvant tre ventuellement

). Il arrive
frquemment quau voisinage du point les valeurs de soient du mme ordre de
grandeur que celles dune autre fonction ayant une expression analytique plus simple
utiliser. Par exemple, les expressions
vrient
et
De mme, pour
on a
et
Il est alors prfrable de travailler sur la deuxime expression au voisinage du point

considr. Do les dnitions :
on dira que
on dira que
est quivalente
au voisinage de si
On notera :
est un petit o de au voisinage de si
On notera :
on dira que
est un grand O de au voisinage de si
le rapport
est born au voisinage de
On notera :

2.6.3. Exemples
On a
et pour tout
69
Les dnitions ci-dessus sappliquent aux suites. Ainsi, pour
2.7. Formules de Taylor et dveloppements limits

Nous avons vu prcdemment que la drivation est essentielle dans ltude des
fonctions. On va voir que les dveloppements limits fournissent encore plus de prcision dans lallure et le comportement dune fonction au voisinage dun point donn.
Une autre application concrte et importante de cette notion est le calcul approch de
la valeur dune fonction en un point, en particulier pour celles qui ne sont pas de type
polynomial.
2.7.1. Diverses formules de Taylor
Dans toute cette section, on se donne une fonction
drivable.
indniment
2.7.1.1. Formule de Taylor-Lagrange
On considre sur un intervalle ni

et .
Alors il existe un point
tel que :
Cest la formule de Taylor-Lagrange lordre pour .

Pour , la formule prcdente est celle du thorme des accroissements nis.
Lorsquon sait que la drive dordre de est majore par une constante la
formule prcdente fournit une approximation polynomiale de pour petit,
on a
en fonction des drives successives de en . En effet, en posant
70
2.7.1.2. Exemple
On se propose de :
1) afcher la valeur arctan
2) calculer les drives premire et deuxime de arctan
3) donner une majoration de (arctan) sur lintervalle

4) utiliser la formule de Taylor-Lagrange pour donner une approximation
arctan et une estimation de lerreur commise en remplaant par
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 Matlab, on obtient

vBarre=atan(1)+1/2*0.01
vBarre=0.79039816339745
MajErreur=M*(1.01-1)^2/2
MajErreur=2.525000000000004e-005
2.7.1.3. Formule de Mac-Laurin
est de la forme tant une
On se place dans le cas o lintervalle
variable positive relle quelconque. Alors la formule de Taylor-Lagrange lordre
devient :
2.7.1.4. Formule de Taylor-Young

Considrons maintenant le cas o est une application dun intervalle vers ,
et soit et deux points de . Alors on montre quil existe une fonction dnie au
voisinage de telle que
avec
Le terme
pour
est appel reste dordre pour
Noter qu loppos des autres formules donnes prcdemment, cette dernire

prcise le comportement du reste dordre pour tendant vers
Dans le cas particulier o
on obtient
On peut noter, en utilisant les notations de Landau
72
et
On dira que
est le dveloppement limit (en abrg D.L.) dordre de au voisinage de

Les D.L. sont trs utiles pour ltude locale des fonctions puisquils permettent :
une expression plus simple de , (au voisinage du point),

une recherche facile de limites,
un trac plus prcis de la courbe (recherche dasymptotes,
position de la courbe par rapport celles-ci,...).
2.7.2. Exemples de calculs de D.L.

On va donner le D.L. lordre 2 et au voisinage de de la fonction dnie par
On utilise la fonction taylor

au point , mais lordre
de Matlab qui donne le dveloppement de Taylor,
syms x real
taylor(sqrt(1+x)*sin(x),3,0)
ans=x+1/2*x^2
Le D.L. de
lordre est donc
on crira aussi que
avec
pour
On afche le D.L. lordre 2 au voisinage de de la fonction

syms x real
taylor(exp(x),3,1)
ans=exp(1)+exp(1)*(x-1)+1/2*exp(1)*(x-1)^2
73
Ainsi
avec
pour
2.7.3. Application des D.L.
2.7.3.1. Calcul de limites

Calculons

Cette limite se prsente sous la forme indtermine
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

2.7.3.2. Recherche dasymptote oblique

Trouver lasymptote oblique la courbe reprsentative de la fonction dnie par
au voisinage de
en effectuant le changement de variable
et en calculant le D.L. un ordre convenable. Donner lallure de cette courbe.

1) On vrie avec Matlab que
syms x real
f= sqrt(1+x+x^2) ;
limit(f,x,inf)
ans = inf
75
2) On calcule le D.L. lordre 2 de
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
Ainsi, en remplaant par
on a, au voisinage de
puis
Lasymptote oblique est donc la droite dquation
et la courbe reprsentative de est au-dessus de cette asymptote au voisinage de

car
au voisinage de
3) On construit la courbe et son asymptote

ezplot(f,0,6)
hold on ;grid on
g=x+1/2
set(gca,LineStyle,)
ezplot(g,0,6)
axis auto ; axis equal
legend (y=f(x),y=x+1/2,4)
title( )
dessineRepere
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
Montrer quelle est bijective et donner sa fonction rciproque.

(solution p. 79)
2.8.2. Etude de fonction et construction de courbe
On considre la fonction
dnie sur
1) Montrer que la fonction
est impaire.
) par
77
2) Etudier les variations de sur [0, .

3) Prciser les tangentes la courbe reprsentative aux points dabscisses 0 et .
4) Construire la courbe reprsentative de pour
5) En dduire le trac de la courbe dquation

(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
est le plus grand entier tel que
Vrier que est priodique de priode et donner son graphe.

(solution p. 82)
2.8.4. Fonction trigonomtrique inverse
dnie par
1) Montrer que est dnie sur .

2) Utiliser Matlab pour reprsenter graphiquement
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
2.8.5. D.L. et tude de limite (1)

On propose de calculer la limite pour
de la fonction dnie par

1) Donner les D.L. lordre et au voisinage de
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
On posera et on effectuera un D.L. de lexponentielle lordre 2 au voisinage

de .
2) Prciser la position de la courbe par rapport cette asymptote au voisinage de
3) Tracer son graphe.
(solution p. 87)
2.8.7. D.L. et tude de limite (2)
Soit
1) Un D.L. lordre 4 au voisinage de suft-il pour calculer la limite de cette

?
expression pour
2) Calculer cette limite. Donner lallure de cette fonction au voisinage de
(solution p. 88)
79
2.9. Solutions
Exercice 2.8.1
Pour montrer que la fonction est injective on part de
qui implique ncessairement que et sont de mme signe. On a donc, pour et

positifs :
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
On fait de mme pour les variables ngatives.
Pour montrer que est surjective et trouver lexpression de lapplication rciproque, on doit rsoudre lquation (en la variable )
pour quelconque dans

Le mme raisonnement que prcdemmment montre
que si la donne est positive alors lest aussi. On considre donc deux cas :
% 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 surjective, et la fonction rciproque de
est lapplication
80
Exercice 2.8.2
1) On dnit
et on vrie limparit avec Matlab .

syms x real ; syms a positive
fDeX = x/a * sqrt(a^2-x^2) ;
% Imparit
fDeMoinsX = subs(fDeX, x,-x)
fDeMoinsX = -x/a*(a^2-x^2)^(1/2)
fDeMoinsX + fDeX
ans = 0
On a bien vri que
.
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)
La commande numden permet de sparer numrateur et dnominateur dans lexpression de

[N,D] = numden(fPrimeDeX)
N = a^2-2*x^2
D = a*(a^2-x^2)^(1/2)
S =solve(N)
S = [ 1/2*2^(1/2)*a]
[ -1/2*2^(1/2)*a]
Ainsi sur [0 [,
sannule pour
et est positif pour
On calcule les extrema, en utilisant subs :

fDe0 = subs(fDeX,x,0)
fDe0 = 0
fDeA = subs(fDeX,x,a)
fDeA = 0
fMax = simplify(subs(fDeX,x, S(1)))
fMax = 1/2*a
81
3)
fPrimeDe0 = simple(subs(fPrimeDeX,x,0))
fPrimeDe0 = 1
La tangente au point dabscisse a pour coefcient directeur
Pour obtenir la tangente au point dabscisse

ment de en gauche :
on tudie la limite du taux daccroisse-
limit((fDeX-fDeA)/(x-a),x,a,left)
ans = -inf
On a
et la courbe reprsentative de admet une demi-tangente verticale au point ( ).

sobtient par :
4) La courbe reprsentative pour
f4DeX =subs (fDeX, a,4)

ezplot(f4DeX,-4,4)
grid on ;dessineRepere
1/4*x*(16x^2)^(1/2)
2
1.5
1
0.5
0
0.5
1
1.5
2
0
x
82
5) On rsout lquation dinconnue

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
On peut donc complter le trac laide de la courbe reprsentative de
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
Sous Matlab, la fonction mathmatique

ne permet pas deffectuer de calcul symbolique :
est dnie par oor(x), qui
oor(pi)
ans = 3
syms x real
gDeX=x-oor(x)
? ? ? Function oor not dened for values of class sym.
Pour prouver la priodicit, posons
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
donc est dnie.

2) On utilise ezplot pour reprsenter graphiquement sur :
syms x real
fDeX=acos(cos(x))
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
3) Par dnition, la fonction est la rciproque de la fonction restreinte

. Donc on a , pour tout
priodique, on a :

4) La fonction tant paire et 2
et
Matlab donne aussi ces rsultats

fDeMoinsX=simplify(subs(fDeX,x,-x))
fDeMoinsX = acos(cos(x))
fDeXplus2PI=simplify(subs(fDeX,x,x+2*pi))
fDeXplus2PI = acos(cos(x))
Pour appartenant
, on a
et
, et pour
donc, pour appartenant lintervalle
Par priodicit, pour
On remarquera que
on a
implique
do
et, pour tout rel
5) On utilise cette dernire expression pour reprsenter graphiquement

set(gca,LineStyle,-)
ezplot(abs(x-2*pi*oor((x+pi)./(2*pi))),[-3*pi 3*pi])
axis(T)
85
86

abs(x2*pi*floor((x+pi)./(2*pi)))
8
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 =1+1/3*h
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
En dveloppant et en revenant la variable initiale, on a :

g1=expand((1/t+1)*Texp)
g1 =1/t+2+3/2*t+1/2*t^2
f1=expand(subs(1/t+2+3/2*t,t,1/x))
f1 =x+2+3/2/x
do lquation de la droite asymptote
2) La courbe est au-dessus de cette droite car pour
Lorsque tend vers , tend vers par valeurs positives.
3) On construit la courbe et son asymptote

ezplot(f,0.5,10)
hold on ;grid on
set(gca,LineStyle,)
ezplot(x+2,0,10)
axis equal ;axis ([-0.1 10 -0.1 12])
dessineRepere
title(La courbe et son asymptote)
88

La courbe et son asymptote
12
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
et donc la limite est
Tnum5=taylor(num,6)
Tnum5 = -1/60*x^5
. On reprsente graphiquement cette fonction :

ezplot(num/x^5,-2,2)
hold on ;grid on
plot([-2 2],[-1/60 -1/60],)
axis([-1.5 1.5 -0.7 0.1])
dessineRepere
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
3.1. Intgrale de Riemann

3.1.1. Dnitions
3.1.1.1. Sommes de Darboux et intgrale de Riemann
On donne une fonction numrique continue, monotone et positive sur un inter. On considre une subdivision de cet intervalle pas quidistants :
valle
et
On appelle sommes de Darboux les quantits :
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
On a lingalit (dans le cas o
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
On posera par dnition
et on dira que la fonction
est intgrable (au sens de Riemann) entre
et
Il est important de remarquer ds maintenant que la variable lintrieur de

lintgrale peut tre note dune manire quelconque ... variant entre et
3.1.1.2. Intgrale dune fonction continue
On admet quon peut aussi construire lintgrale dans le cas o
continue sur
:
Thorme.
Toute fonction continue est intgrable sur
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
, les limites gauche et droite
existent et ne sont pas ncessairement gales. On dit alors que

morceaux.
est continue par
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
On verra que de nombreuses fonctions concrtes (comme certains signaux) sont

de cette nature. Ci-dessous, un exemple.
fonction continue par morceaux
2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0
0
0.5
1.5
x
2.5
3.1.1.4. Dnition
Si
on pose par dnition
et si
Intgration
95
3.1.2. Exemple
On peut, sur un exemple effectuer ce calcul de sommes de Darboux. Considrons

la fonction dnie par
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)
(On a utilis la commande symsum(sk,k,1,n) qui permet le calcul symbolique de la

somme des premiers termes de la suite ).
On reprsente graphiquement les deux suites et pour

N=1 :1 :30 ;
sN=double(subs(sn,N)) ;
SN=double(subs(Sn,N)) ;
plot(sN,x)
hold on
plot(SN,+)
title(Suites Sn et sn)
legend(sn,Sn)
96

Suites Sn et sn
4
sn
Sn
3.5
2.5
1.5
10
15
20
25
30
On peut aussi calculer la limite de ces deux suites :

limit(sn,n,inf,left)
ans =7/3
limit(Sn,n,inf,left)
ans =7/3
On retrouve bien
3.1.3. Proprits gnrales

Les proprits essentielles de cette intgrale sont :
1) relation de Chasles : pour tout
,
2) linarit : pour tous rels
Intgration
3) positivit (pour
):
4) majoration (pour
):
5) formule dite de la moyenne lorsque
est continue :
3.2. Primitive dune fonction

3.2.1. Cas dune fonction continue
Soit
une fonction continue sur
. Posons, pour
On montre grce la formule de la moyenne ci-dessus que

qui sannule en . Autrement dit,
Si
et
est une primitive quelconque de
est la primitive de
alors
Cette diffrence se note usuellement
Par exemple, on a
97
98
3.2.2. Cas dune fonction intgrable quelconque

Lorsque est seulement intgrable , on montre que la fonction
nue, mais non ncessairement drivable.
est encore conti-
Exemple
Soit
la fonction dnie sur par
si
si
La reprsentation graphique sobtient par :

clf
ezplot(x,0,1) ;
hold on
ezplot(2/x,1,3) ;
axis([-0.2 3.2 -0.2 2.2])
plot(0,0,o)
plot(1,1,o)
plot(3,2/3,o)
grid on
dessineRepere
title(Graphe de f)
Graphe de f
1.5
0.5
0.5
Calculons
1.5
x
2.5
Intgration
Pour
, on a
Pour
99
, la relation de Chasles donne
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
est continue en car
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)
dsignera une primitive quelconque de . On devra faire attention lusage de cette

notation en particulier par rapport la variable des primitives considres et lintervalle de travail.
3.3. Calcul intgral
3.3.1. Calcul intgral avec Matlab
La commande int permet de calculer :
des intgrales dnies : on dtermine par exemple la valeur de
en utilisant les commandes :

syms x real
I= int(sqrt((1-x)/(2+x)),-1,1)
I = 3/4*pi-2^(1/2)+3/2*asin(1/3)
double(I)
ans = 1.4517
Intgration
do
des primitives : on obtient
par
syms x real
FdeX=int(x*sqrt(1+x))
FdeX = -2/3*(1+x)^(3/2)+2/5*(1+x)^(5/2)
Ainsi
On peut, dans lutilisation de int, prciser la variable dintgration :

syms t x
int((t*x+1)/(t^2+1),t)
ans = 1/2*x*log(t^2+1)+atan(t)
int((t*x+1)/(t^2+1),x)
ans = 1/(t^2+1)*(1/2*t*x^2+x)
ce qui montre que
alors que
3.3.2. Changement de variable

3.3.2.1. Cas dune intgrale dnie
Soit
une fonction continue sur
Dans lintgrale
on peut effectuer un changement de variable :
101
102
o
, et
former les fonctions
o
est une primitive de
est continment drivable sur
dans
. En drivant, on obtient

Si
. En effet, on peut
et
donc
et
on a
3.3.2.2. Exemple
Calculer
La dmarche suivre est :

1) on dnit lintervalle
correspond
la valeur
: la valeur
. De plus on a
, correspond
est continument drivable,

ce qui revient en fait calculer :
2) on vrie que la fonction

3) on calcule
4) on peut alors calculer lintgrale :
, 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
3.3.3. Intgration par parties

En intgrant la drive dun produit
o et sont deux fonctions supposes continment drivables sur

les formules dintgration par parties :

, 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)
On pouvait videmment obtenir ce rsultat directement par :

int(x*exp(x))
ans = x*exp(x)-exp(x)
3.4. Dcomposition en lments simples
Nous avons insr volontairement cette section (sur le calcul polynomial et les
fractions rationnelles) dans ce chapitre en vue de ses applications concernant le calcul de primitives et dintgrales. Cette dcomposition utilise les nombres complexes,
rappels au chapitre 1 du volume 3.
3.4.1. Les fonctions polynmes
3.4.1.1. Dnitions
ou
Une fonction polynme de degr est dnie sur une partie quelconque de
par
Intgration
sont rels ou complexes, et
La fonction polynomiale nulle, dnie par

son degr).
auteurs xent
On dit que est une racine dordre

. On notera
105
na pas de degr (certains
de si
o est une fonction polynme telle que
3.4.1.2. Thorme de dAlembert

Le rsultat fondamental sur les racines dune fonction polynme est le suivant (de
dAlembert) :
Thorme.
Une fonction polynme de degr strictement positif admet
exactement racines dans (comptes avec leur multiplicit).
3.4.1.3. Division euclidienne
On peut effectuer la division euclidienne de deux fonctions polynmes
, cette dernire tant suppose non nulle. On a le rsultat :
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
1) Calculons les racines de
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
, cette dernire tant racine double.

2) Effectuons la division euclidienne de par : pour cela, on doit :
- convertir les polynmes et en tableaux numriques, contenant les coefcients du polynme dans lordre dcroissant des degrs :
A1 = sym2poly(A)
A1 = 1 0 -12 0 0 0 5
B1=sym2poly(B)
B1 = 2 -11 9 27 -27
- 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
Les polynmes quotient et reste sont donc :
Intgration
107
3.4.2. Fractions rationnelles

3.4.2.1. Dnitions
Ici, on appelle fraction rationnelle toute fonction de la forme
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
, la division euclidienne permet dcrire :
avec
Le polynme est appel la partie entire de
Nous considrons par la suite des fractions rationnelles
avec
3.4.2.2. Dcomposition en lments simples

On appelle lment simple (de premire espce) tout lment de la forme
o sont des rels ou complexes et un entier positif. De mme un lment simple

(de 2me espce) est un lment de la forme
o et sont des rls, un entier positif et o

. Cette dernire
na pas de racine relle.
condition signie que lquation
108
Le rsultat essentiel de la dcomposition en lments simples dune fraction
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.
Cette dcomposition sobtient partir dune factorisation du dnominateur

exemples suivants illustrent les cas usuels.
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
Dans ce cas simple, on peut obtenir les coefcients et de la manire suivante :

en multipliant par les deux membres de lgalit ci-dessus, on a
do, en faisant tendre vers on obtient

.
on fait de mme pour avoir
Intgration
109
Sous Matlab, on obtient une dcompsition en utilisant la fonction residue (qui

sapplique des polynmes donns sous forme de tableaux numriques) :
syms x
AdeX=2*x
BdeX=(x-1)*(x+2)
A1=sym2poly(AdeX)
A1=2 0
B1=sym2poly(BdeX)
B1= 1 1 -2
[R1, P1]=residue(A1,B1)
R1 = 1.3333
0.6667
P1 = -2
1
sym(R1)
ans= [4/3]
[ 2/3]
le rsultat signie que les valeurs contenues dans ( et ) sont les numrateurs
(appels aussi rsidus) des lments simples de premire espce correspondant aux
ples donns dans (dans lordre et ). On a donc
3.4.3.2. Cas gnral

Considrons la fraction rationnelle
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
On utilise le calcul symbolique et la mthode didentication pour obtenir ces coefcients :
110
on dnit
et sa forme dcompose note
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
sous forme de quotient
en utilisant la fonction numden de Matlab

[NDecomp, DDecomp]=numden(FDecomp)
NDecomp =
2*c2*x+c1*x^7-5*c1*x^6-a1+3*a1*x-7*a1*x^4-5*a1*x^2+7*a1*x^3
-3*a1*x^6+a1*x^7+5*a1*x^5-2*b1+2*b2+2*c1*x+b1*x^7+7*b1*x^5
+5*b2*x^2-3*b2*x^5-6*b2*x^3+4*b2*x^4+b2*x^6+11*b1*x^3
-10*b1*x^4+5*b1*x-8*b1*x^2+2*d2-4*b1*x^6+b3*x^5-3*b2*x
-7*c1*x^2-7*d1*x-4*b3*x^2+2*b3*x^3+b3*x-2*b3*x^4-2*b3
+11*d1*x^2-12*d1*x^3+10*d1*x^4-12*c1*x^4+11*c1*x^3
+10*c1*x^5-5*d2*x^3+9*d2*x^2+d2*x^4+9*c2*x^3+c2*x^5
-5*c2*x^4-7*d2*x-7*c2*x^2+d1*x^6-5*d1*x^5+2*d1
DDecomp =
(x-2)*(x-1)^3*(x^2+1)^2
en utilisant collect, on rduit et ordonne le numrateur
celui de :
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
cette identication conduit un systme linaire de huit quations huit inconnues :

[a1 b1 b2 b3 c1 d1 c2 d2] = solve(c1+a1+b1=0, ...
d1-4*b1+b2-5*c1-3*a1=0, ...
7*b1+c2-5*d1-3*b2+5*a1+b3+10*c1=0, ...
-2*b3-7*a1-10*b1+4*b2+10*d1-12*c1-5*c2+d2=1, ...
2*b3-5*d2+9*c2-6*b2+7*a1+11*c1+11*b1-12*d1=2, ...
9*d2-5*a1-7*c1-7*c2+11*d1-8*b1+5*b2-4*b3=0, ...
2*c2-7*d2+2*c1+3*a1+b3+5*b1-3*b2-7*d1=-1, ...
-2*b1-2*b3+2*d2+2*b2+2*d1-a1=11)
la solution est donne par
a1 = 41/25
b1 =-4
b2 =1
b3 =-13/4
c1 =59/25
d1 =21/20
c2 =-7/25
d2 =-33/20
en lments simples est donc

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
3.5. Intgration de fractions rationnelles

Le calcul de primitives de fonctions sous forme de fractions rationnnelles utilise la
dcomposition en lments simples.
Illustrons ce calcul sur quelques exemples.
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 dcompose cette fraction en lments simples sous la forme
On procde par identication (voir paragraphe 3.4.3.2) : on rduit au mme dnominateur lexpression
et on crit son numrateur sous forme de polynme rduit et ordonn

syms x
syms a1 a2 b1 real
FDecomp=a1/(x-1)+a2/(x-1)^2+b1/(x+1);
[Num,Den]=numden(FDecomp)
Num = a1*x^2-a1+a2*x+a2+b1*x^2-2*b1*x+b1
Den =(x-1)^2*(x+1)
Num=collect(Num)
Num = (a1+b1)*x^2+(-2*b1+a2)*x-a1+b1+a2
Par identication de et du numrateur de F(x), on obtient un systme de
trois quations aux trois inconnues
[a1 a2 b1]=solve(a1+b1=0,-2*b1+a2=1,-a1+b1+a2=0)
a1 = 1/4
a2 =1/2
b1 =-1/4
do la dcomposition
Les primitives cherches sont donc
114
On obtenait directement avec Matlab :
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)
3.6.2. Linarisations dexpressions trigonomtriques

1) Utiliser linstruction simple de Matlab (option combine(trig)) pour exprimer
en fonction de et (on dira quon a linaris )
2) En dduire
3) Utiliser la mme mthode pour calculer
(solution p. 116)
Intgration
115
3.6.3. Changement de variable (1)

On donne lintgrale
Vrier que la fonction
dnie par
est un changement de variable (voir 3.3.2) et utiliser ce changement de variable pour

calculer .
(solution p. 117)
3.6.4. Changement de variable (2)
Soient
1) Que donne Matlab pour ces deux intgrales ?

2) Montrer grce au changement de variable
3) Calculer En dduire et
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
3) En dduire la valeur de lintgrale
4) Vrier ce rsultat par un calcul direct de cette intgrale sous Matlab.

(solution p. 119)
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 obtient plusieurs rponses, parmi lesquelles

combine(trig) :
3/8+1/8*cos(4*x)-1/2*cos(2*x)
do
2) De cette forme linarise de
on dduit
On peut le vrier avec Matlab

I=int(3/8+1/8*cos(4*x)-1/2*cos(2*x))
I =3/8*x+1/32*sin(4*x)-1/4*sin(2*x)
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
est continument drivable sur
pour
pour
on a
on a
dnie par

. De plus :

La formule de changement de variable
donne ici

car le signe de est positif.

Avec Matlab, on peut vrier le rsultat obtenu

syms x t rea1
I1=int(sqrt(1-x^2),x,-1,1)
I1 = 1/2*pi
I2=int((cos(t))^2,-pi/2,pi/2)
I2 = 1/2*pi
117
118
On peut aussi effectuer pas pas les calculs du changement de variable :

fDEx=sqrt(1-x^2) ;
phiDEt=sin(t) ;
alpha=sym(-pi/2) ;beta=sym(pi/2) ;
phiDEalpha=simplify(subs(phiDEt,t,alpha))
phiDEalpha = -1
phiDEbeta=simplify(subs(phiDEt,t,beta))
phiDEbeta = 1
gDEt=simplify(subs(fDEx,x,phiDEt)*diff(phiDEt))
gDEt = signum(cos(t))*cos(t)^2
I3=int(gDEt,t,alpha,beta)
I3 = 1/2*pi
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
est continument drivable sur . De plus :
pour
pour
et
Intgration
119
La formule de changement de variable donne ici
3) Il est par ailleurs facile de vrier que
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
2) On va dterminer les coefcients
(sous Matlab) par identication :
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
3) La primitive de la premire fraction est simple. Pour la deuxime fraction, on

doit lcrire sous forme
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
sous forme canonique :
ncessite lcriture du polynme
On recherche l encore les coefcients
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
et par le changement de variable
on trouve

Arc
En regroupant les diffrents rsultats, on obtient
Arc
121
122
4) Le calcul direct sous Matlab est videmment plus rapide et donne :

int(FdeX)
ans =1/3*log(1+x)-1/6*log(x^2-x+1)
+1/3*3^(1/2)*atan(1/3*(2*x-1)*3^(1/2))
D EUXIME PARTIE
Analyse numrique lmentaire
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.
4.1. Reprsentation des entiers

4.1.1. Gnralits
On sait que :
Soit un entier naturel tel que

Thorme :
pour tout entier
dentiers
il existe une unique suite nie

tels que
o appartient
Lcriture de en base est alors
125
126
Les bases utilises couramment sont :
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 obtient successivement la suite

base de la manire suivante :
des chiffres dun entier dans la
le terme est le reste de la division euclidienne de par
On note
car
le quotient de cette division euclidienne.

Le terme est alors le reste de la division euclidienne de par
Plus gnralement les termes pour

euclidienne par des quotients successifs.
sont les restes de la division
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
127
de mme, pour convertir le nombre dcimal en base :

92 16
12 5 16
5 0
ainsi =
4.1.3. Fonctions prdnies de Matlab

Les fonctions dec2bin, dec2hex et dec2base permettent de convertir un entier
donn en une chane de caractres reprsentant cet entier dans la base choisie.
Les fonctions bin2dec, hex2dec et base2dec effectuent la conversion inverse.
Ainsi :
dec2bin(82)
ans=1010010
bin2dec( 10111)
ans=23
base2dec( 77 ,8)
ans=63
4.2. Reprsentation des rels positifs en virgule xe

4.2.1. Notations
Lcriture usuelle en base 10, telle que
stend pour dnir lcriture en virgule xe dans une base quelconque :
On remarquera que, tant donn une suite innie

appartenant
la suite de terme gnral
est :
croissante car
dentiers
128
et majore par car
Elle converge donc (voir chapitre 1, paragraphe 1.4, p. 24) vers un nombre rel,
not

ou encore
On montre plus gnralement que tout rel positif peut scrire
Cest la reprsentation usuelle des nombres rels positifs en base appele reprsentation en virgule xe. Le nombre est la somme dune partie entire
et dune partie dite fractionnaire (ventuellement nulle)
Le calcul des pour
se fait comme prcdemment. Pour
et si est la partie fractionnaire de
alors
on ritre ensuite le procd pour dterminer
on a
129
4.2.2. Exemple en base 2
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 :

...
... ...
Ainsi par priodicit on trouve :
A linverse, pour convertir la partie fractionnaire de ce rel de la base 2 vers la base

10, on a
Cest la limite de la somme des termes dune suite gomtrique de premier terme
de raison , limite qui est gale
Donc on retrouve
4.2.3. Exemple en base 8

On a de mme
...

...
...
do
130
4.2.4. Calculs avec Matlab

Les fonctions prdnies de conversion (dec2bin, bin2dec, etc...) ne sappliquent
qu des entiers. Mais on peut dnir une fonction
function s=fracDec2bin(frac,n)
qui calcule en base les premiers chiffres de la partie fractionnaire dun rel,
donne en base . On obtient le rsultat sous forme dune chane de caractres .
En reprenant les notations ci-dessus, on utilise avec la variable
qui
contiendra chaque itration la partie fractionnaire et la variable qui contiendra
la partie entire . Suivant la valeur de , on ajoute le caractre ou la chane
.
function s=fracDec2bin(frac,n)
Z=frac ;
for i=1 :n,
v=2*Z ;
X=oor(v) ;
Z=v-X ;
%Z est la nouvelle partie fractionnaire
if X==1,s(i)= 1 ;else s(i)= 0 ;end
end
Exemple dutilisation :
fracDec2bin(1/3,14)
ans =01010101010101
4.3. Reprsentation des rels en virgule ottante

4.3.1. Gnralits
Soit une base. On montre alors le rsultat suivant :
tout rel non nul peut scrire sous la forme
, avec
sappelle lexposant, la mantisse.

On crira aussi en dcalant la virgule dune position vers la droite :
131
Cest lcriture scientique dun rel.

Les deux critures ci-dessus sont appeles reprsentation en virgule ottante normalise ( ) du nombre .
4.3.2. Exemple
Le rel
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
puis, en dcalant convenablement la virgule
ou bien, en notation scientique
4.4. Les rels en V.F.N chiffres

Une machine (ordinateur, calculatrice,...) ne peut stocker quun nombre ni de
chiffres pour reprsenter un rel donn. On utilise pour cela la reprsentation en virgule ottante normalise, en arrondissant ou en tronquant la mantisse chiffres.
132
4.4.1. En base 10
4.4.1.1. Troncature et arrondi
Soit un rel positif quelconque (en
Alors sa reprsentation en virgule ottante normalise chiffres en troncature est

le nombre
.
Sa reprsentation machine en virgule ottante normalise chiffres en arrondi est
le nombre

o
si
sinon.
Dans le deuxime cas, on renormalisera si ncessaire lcriture de

Larrondi est en fait le nombre le plus proche de
chiffres.
dont la mantisse possde
4.4.1.2. Exemple
Soit
Alors, en arrondi
4.4.1.3. Utilisation de vpa

Sous Matlab, linstruction
ou la squence
donne la reprsentation de lexpression en virgule ottante, en base 10, et en arrondi

chiffres. reprsente le plus souvent une expression symbolique pouvant tre
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
Alors sa reprsentation machine en virgule ottante normalise chiffres en troncature est
.
Sa reprsentation machine en virgule ottante normalise chiffres en arrondi est
le nombre

o
si
si
4.4.2.1. Exemple
Le nombre
a pour reprsentation en V.F.N :

en troncature 3 chiffres
en arrondi 4 chiffres
134
4.4.3. Les formats machine oat et double

En pratique, la plupart des ordinateurs utilise la base . La norme actuelle retient
deux formats standards de reprsentation des rels :
4.4.3.1. Le format double (ottants en double prcision)
Pour un rel non nul donn, on considre son criture en virgule ottante normalise arrondie 53 chiffres
avec
La mantisse a son premier chiffre diffrent de 0, donc ncessairement gal

1 en base 2 et il nest pas ncessaire de le reprsenter en machine. Cest la convention
du "bit implicite". On ne mmorisera donc que la partie fractionnaire de la mantisse
Pour reprsenter lexposant en base 2 avec 11 chiffres, on impose
et on reprsentera lexposant biais

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 :
4.4.3.2. Le format oat (ottants en simple prcision)

Pour ce format, les rels sont stocks sur bits, 1 pour le signe, 8 pour lexposant
et 23 pour la mantisse, suivant le mme principe.
. Les exposants biaiss 0 et 2047 sont utiliss pour reprsenter des nombres dnormaliss,
notamment 0 et inf.
135
4.4.3.3. Calculs avec Matlab

Les calculs numriques seffectuent en binaire, au format double, en arrondi mme
si les rsultats sont ensuite afchs en dcimal.
Il ne faut pas confondre cet afchage en base 10, avec lutilisation de la fonction
qui, elle, effectue directement les calculs en arithmtique ottante en base 10 (voir
4.4.1.3).
Si on veut connatre avec Matlab le format interne de reprsentation dun rel, il

faut utiliser le format dafchage hex (hexadcimal).
Considrons par exemple le nombre
x=0.6 ;
format hex
x
x =3fe3333333333333
en convertissant chacun des chiffres hexadcimaux en binaire, on obtient la reprsentation binaire interne de :
Le bit de signe est donc (nombre positif) ;

Lexposant biais scrit en binaire

donc en base
format
bin2dec(01111111110)
ans = 1022
et lexposant non biais est
Enn, la mantisse est, aprs ajout du bit implicite

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
4.5. Oprations de base sur les nombres machine

Nous allons dcrire la multiplication, laddition et la division sur une machine
travaillant en arithmtique ottante. Ces oprations lmentaires sont effectues dans
une mmoire auxiliaire (accumulateur) travaillant gnralement en double prcision.
Le schma simpli est le suivant :
les nombres exacts , sont reprsents (en machine) par leurs quivalents
nombres machines chiffres ;
lopration arithmtique est excute sur chiffres pour les mantisses ;
le rsultat est ensuite arrondi chiffres.
Nous illustrons ces oprations sur des exemples.
4.5.1. Multiplication
4.5.1.1. Principe
On part de deux nombres exacts et
leur produit
en base par exemple, en vue de calculer
Le produit machine
est effectu exactement en double prcision ( chiffres). Aprs renormalisation

ventuelle de la mantisse et changement de puissance, la machine arrondit
chiffres et afche le rsultat .
4.5.1.2. Exemple
Soient
et
On suppose que
Alors

(rsultat sur chiffres)
137
La machine donnera le rsultat
On notera que la valeur exacte du produit est
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
seffectue donc suivant deux cas :

si
le quotient est calcul exactement sur chiffres puis le
rsultat mantisse est arrondi chiffres pour obtenir
Lopration machine en base 10
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
nouvelle mantisse La somme est ensuite calcule exactement en double

prcision et le rsultat est arrondi chiffres.
4.5.3.2. Exemples
On suppose que
on a ici
et on donne
on crit
zros
do
(mantisse sur chiffres). Le rsultat machine est donc
Avec la commande vpa de Matlab, on a :

a = vpa(0.3218e5,4)
a = .3218e5
b = vpa(0.2432e-1,4)
b = .2432e-1
aPlusbDouble = vpa(a+b,8)
aPlusbDouble = 32180.024
aPlusb = vpa(aPlusbDouble,4)
aPlusb = .3218e5
Toujours avec
on donne
Dans ce cas, on a
et
do
(mantisse sur chiffres). Le rsultat machine, en arrondi, est

4.5.3.3. Calculs au format double de Matlab
Dans ce cas
1) Cas
et on peut retrouver les deux cas prcdents :
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
Grce au format dafchage hxadcimal, on vrie quon a obtenu dans ce cas

2) Cas
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
en base 10, il suft dvaluer dans cette base
Cette valuation peut se faire en utilisant le schma de Horner
1) Convertir en base 10
et
2) Ecrire une fonction
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)
141
4.6.3. Conversion dun nombre virgule

Ecrire de mme une fonction

qui convertit en valeur dcimale

fractionnaire
la chane de caractres
reprsentant la partie
dun nombre en base 2.

(solution p. 143)
4.6.4. Valeurs extrmes au format double
En se rfrant au paragraphe 4.4.3 p. 134, calculer :
1) Le plus grand rel reprsentable en machine au format double.
2) Le plus petit rel strictement positif reprsentable dans ce mme format.
3) Le rel tel que soit le plus petit rel strictement suprieur 1 reprsentable en machine.
4) Comparer avec les valeurs des constantes realmax, realmin et eps de Matlab.
(solution p. 143)
4.7. Solutions
Exercice 4.6.1
A chaque itration, on calcule les quotients et le reste dans la division
euclidienne de par On initialise , et la base 2.
x=1321 ;b=2 ;
q(1)=x ;
i=1 ;
while q(i) ~=0
q(i+1)=x(q(i)/b) ;
r(i)=q(i)-b*q(i+1);
i=i+1 ;
end
r
r=10010100101
142
Le rsultat sobtient en inversant lordre des restes obtenus.

n=length(r) ;
xb=r(n :-1 :1)
xb = 1 0 1 0 0 1 0 1 0 0 1
On peut vrier le rsultat obtenu en utilisant la fonction prdnie dec2bin.
dec2bin(x)
ans = 10100101001
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
2) Selon le schma de Horner, la valeur dcimale sobtient en rptant pour les

chiffres donns dans le tableau
lopration
pour
function xd=horner(Xb,b)
xd=0 ;
for i=1 :1 :length(Xb)
xd=xd*b+Xb(i) ;
end
On teste cette fonction en reprenant les deux exemples de la question prcdente.

horner([1 0 1 1 0 1],2)
ans = 45
horner([5 6 7],8)
ans = 375
143
Exercice 4.6.3
Pour
on doit calculer
On utilisera une variable qui contient les valeurs successives de On initialise la

valeur de et, chaque itration, on lui ajoute la valeur seulement si
function x=fracBin2dec(s)
x = 0;
P =1/2 ;
for i = 1 :length(s)
if(s(i)==1)
x = x+P ;
end
P = P/2 ;
end
Exemple dutilisation :
fracBin2dec(010101010101010101010101)
ans = 0.3333
Exercice 4.6.4
1) Au format double, le plus grand exposant est
et la plus grande mantisse est, en binaire
soit
Le plus grand nombre reprsentable dans ce format est donc

doubleMAX=(2-2^-52)*2^1023
doubleMAX =1.7977e+308
144
2) De mme on a
et
do
doubleMIN=1*2^(-1022)
doubleMIN = 2.2251e-308
3) Le nombre suivant immdiatement au format double est
do le calcul de
epsilon=2^(-52)
epsilon = 2.2204e-016
4) Ces trois valeurs correspondent trois constantes prdnies de Matlab :

realmax
ans = 1.7977e+308
realmin
ans = 2.2251e-308
eps
ans = 2.2204e-016
Chapitre 5
Gestion derreurs
Que se passe-t-il si on excute avec Matlab les instructions suivantes ?

disp(On ajoute 10 fois 0.1 )
S=0 ;
for n=1 :10,
S=S+0.1 ;
end
if S==1
disp(et on trouve exactement 1)
else
disp(mais on ne trouve pas exactement 1)
end
On obtient pour rponse :
On ajoute 10 fois 0.1
mais on ne trouve pas exactement 1
Comme on la vu au chapitre prcdent, lorsquon remplace le rel par sa reprsentation machine, on commet une erreur due la conversion en base 2 puis
larrondi, appele erreur daffectation.
Dans ce chapitre, aprs avoir rappel des rsultats gnraux sur les calculs derreurs absolues et relatives, on prsente des calculs o les erreurs daffectation doivent
tre prises en considration.
145
146
5.1. Erreur absolue et erreur relative

5.1.1. Dnition
Soit une quantit relle donne suppose exacte et
On appelle erreur absolue commise sur la quantit
une approximation de .
et erreur relative commise sur le quotient
On exprimera souvent lerreur relative en pourcentage, pour la rendre plus signicative.

Ces erreurs sont souvent estimes ou majores.
5.1.2. Erreurs doprations
Dans ce paragraphe, on note et des valeurs approches de deux nombres rels

et .
5.1.2.1. Addition et soustraction

On a
Lerreur commise sur la somme des deux nombres vrie donc
De mme
5.1.2.2. Multiplication et division
En supposant et strictement positifs, en utilisant la fonction logarithme et le

thorme des accroissements nis, on sait quil existe un rel compris entre et ,
tel que :
Comme
que
est proche de
on confond dans lestimation derreur,
avec , de sorte
Gestion derreurs
De mme :
147
Or
Donc une majoration de lerreur relative est

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 :

5.1.3. Estimation derreur par le thorme des accroissements nis

Soit une application
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
et donc lerreur absolue commise en confondant et est au plus de
148
Exemple
Estimons lerreur
commise en confondant
Ici on a
prcdent donne
et
et on peut prendre
Le rsultat
On peut vrier sous Matlab que lerreur
observe par un calcul direct est bien infrieure lestimation :

format long
errObservee = abs(1000003^(1/3)-100)
errObservee = 9.999989997311332e-05
5.2. Erreurs daffectation

Etant donn un nombre rel si on note sa reprsentation machine digits
dans une base donne, on appelle erreur daffectation le nombre
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
On obtient une majoration de lerreur relative en remarquant que
do
5.2.2. Rsultat gnral

On a le rsultat gnral suivant :
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
).
Montrons par exemple le deuxime point Soit
alors
si
si
et donc
149
150
or
et
si
si
le rsultat sen dduit.

Remarque
Le thorme ci-dessus permet dobtenir, en base quelconque, la majoration
Ce nombre sappelle "epsilon machine".

5.2.3. Cas des formats oat et double
On dduit du paragraphe prcdent que lerreur relative due lapproximation
dun nombre par sa reprsentation binaire en machine est :
(au format double)

(au format oat).
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
Il suft dappliquer le thorme nonc au paragraphe 5.2.2.

5.3. Cumul derreurs daffectation et dopration
Gnralement, dans les calculs numriques, on effectue plusieurs oprations lmentaires pour lobtention de la valeur cherche. Il est clair que les erreurs daffectation commises au dbut sur les nombres rels exacts, entre autres, vont avoir un impact
sur le calcul nal. Plus prcisment, pour chaque opration, il faudra tenir compte
de lerreur dopration calcule partir de lerreur commise sur chaque oprande,
de lerreur daffectation du rsultat de lopration.
5.3.1. Cas dune somme
5.3.1.1. Cas dune somme de deux nombres
Soient deux nombres et dont on donne des valeurs approches et avec
des erreurs absolues majores par et Leur somme sera approche en
machine par

et on aura

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

A laide dun raisonnement par rcurrence, on gnralise ce rsultat la somme
:
de nombres
5.3.2. Cas dun produit

5.3.2.1. Cas dun produit de deux nombres
On donne deux nombres non nuls et dont on connat des valeurs approches
et avec une erreur relative estime et Leur produit sera approch en
machine par

et on aura

Utilisant le fait que

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
L encore, si les erreurs commises sur et proviennent elles-mmes uniquement de

lerreur daffectation de ces deux nombres, on note

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
A laide dun raisonnement par rcurrence, on montre que, tant donns nombres
non nuls
:
5.4. Erreurs dabsorption

Soient deux nombres donns par leur reprsentation machine en base , en arrondi
chiffres :

On a vu au chapitre prcdent que, si
on a

On dit quil y a absorption de

produit lorsque
par
On peut vrier aussi que cette erreur se
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
La premire addition seffectue comme suit
On peut aussi effectuer ce calcul avec Matlab, en utilisant la fonction vpa :

digits(3) ;
x = vpa(1) ; y = vpa(0.004) ;z=vpa(0.003) ;
S1= vpa(vpa(x+y)+z)
S1 = 1.00
La deuxime addition donne :

S2=vpa(x+vpa(y+z))
S2 = 1.01
156
5.4.1.2. Une somme de plusieurs nombres

Dans cette mme arithmtique, si on calcule
fois
dans lordre indiqu, on a :

S=1 ;
for i = 1 :100,
S=vpa(S+0.004, 3) ;
end
S
S = 1.00
Si on ajoute dabord entre eux les nombres 0.004, puis le nombre 1 la n, on obtient :
S=0 ;
for i = 1 :100,
S=vpa(S+0.004, 3) ;
end
S =vpa(1+S,3)
S = 1.40
5.4.2. Consquence pratique

On retiendra donc que dans une somme de nombres positifs, il faut dabord commencer par additionner les petits nombres pour viter lerreur dabsorption.
5.5. Erreurs de cancellation
Une erreur de cancellation se produit gnralement lorsquon soustrait deux quantits de mme signe trs proches.
5.5.1. Prsentation sur un exemple
Considrons deux nombres exacts et approchs par
Gestion derreurs
157
Supposons que les erreurs absolues commises sur ces nombres sont au plus de
Alors, les erreurs relatives sont
Lerreur relative commise sur la diffrence approche
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
On a obtenu pour valeur approche de le nombre 0,01.

En considrant comme exactes les valeurs numriques au format double de
on calcule les erreurs relatives commises sur ces nombres.
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
Lerreur commise en remplaant

par est

o est un rel compris entre 0 et (cf. chapitre 2, paragraphe 2.7.1.1, p. 69). Si on
suppose
cette erreur est majore par
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
On compare cette valeur celle de

double de Matlab.
la valeur
donne avec toute la prcision du format
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
plus grands. Afchons quelques-uns de ces termes :

T(1 :5)
ans = [ -20., 200., -1333.333333, 6666.666667, -26666.66667]
T(16 :20)
ans = [ 31322782.64, -36850332.52, 40944813.91, -43099804.12, 43099804.12]
T(76 :80)
ans = [ .4007323037e-12, -.1040863127e-12, .2668879812e-13,
-.6756657752e-14, .1689164438e-14]
Effectuons maintenant la somme
tique :
pour
dans la mme arithm-
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
sont de signe positif, et il ny a plus derreurs de cancellation dans le calcul de

Limpact des erreurs dabsorption est ici trs minime.
Si on veut utiliser la formule de Taylor pour calculer une valeur approche de

il est prfrable, dans ce cas prcis, de calculer dabord une valeur approche de car le calcul est plus able, puis dutiliser la proprit
Gestion derreurs
161
E3=1/S1
E3 = .2061153623e-8
errObs=double(abs(E-E3))
errObs = 1.0000e-18
5.6. Erreurs dues aux choix des formules algbriques

5.6.1. Exemple 1
Des erreurs de cancellation se produisent aussi dans les expressions telles que
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
De mme dans la rsolution de certaines quations algbriques, on prendra garde

dutiliser, dans certains cas, les formules adquates pour viter la cancellation. Ainsi,
pour une quation de second degr
lutilisation des formules
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
en effectuant les calculs dans une arithmtique ottante normalise

digits.
Si on utilise les formules classiques donnant les solutions dune quation du second
degr, on obtiendra :
digits(5) ;a=vpa(1) ;b=vpa(-160) ;c=vpa(1) ;
delta=vpa(b^2-4*a*c)
delta = 25596.
racDelta=vpa(sqrt(delta))
racDelta = 159.99
x1=vpa(vpa(-b+racDelta)/vpa(2*a))
x1 = 160.00
x2=vpa(vpa(-b-racDelta)/vpa(2*a))
x2 = .50000e-2
Donc on a :
Dans le calcul de la plus petite racine une erreur de cancellation a t commise. En

, on obtient
conservant la valeur la plus able et en utilisant la formule
pour
x2=vpa(c/a/x1)
x2 = .62500e-2
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
5.7. Erreurs dues aux perturbations des donnes

Dans certains calculs, de petites perturbations des donnes peuvent modier les rsultats de manire surprenante. Do la prcaution quon doit prendre lors de pareilles
situations. Illustrons cela par deux exemples classiques.
5.7.1. Un systme dquations linaires
On considre le systme linaire
Avec le calcul symbolique de Matlab, on obtient sa solution :

S1=solve(x-1.99995*y=3,2*x-4*y=1);
[S1.x,S1.y]
ans = [ .10000e6, 50000.]
soit
On considre le systme
chiffres signicatifs :
obtenu en tronquant le premier coefcient de
Lerreur relative commise sur ce coefcient est
cinq
164
La solution de est donne par

S2=solve(x-1.9999*y=3,2*x-4*y=1);
[S2.x,S2.y]
ans = [ 50001., 25000.]
soit
On observe une erreur relative denviron sur chacune des solutions .

Dans certains sytmes linaires, une perturbation trs petite dun coefcient peut
entraner des rsultats inattendus. On dit que ces systmes sont mal conditionns.
5.7.2. Un calcul de dterminant
On considre la matrice :
On veut calculer
et le comparer au dterminant obtenu en tronquant
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
et cette fonction diag, on dnit successivement les

termes sur chaque diagonale.
V=[10 :-1 :1]
V = 10 9 8 7 6 5 4 3 2 1
M=diag(V(2 :10),-1) ;
for i =0 :9,M=M+diag(V(i+1 :10),i) ; end
M =sym(M) ;
M(1,10)=1.0001
M=
[ 10, 9, 8, 7, 6, 5, 4, 3, 2, 10001/10000]
[ 9, 9, 8, 7, 6, 5, 4, 3, 2, 1]
[ 0, 8, 8, 7, 6, 5, 4, 3, 2, 1]
[ 0, 0, 7, 7, 6, 5, 4, 3, 2, 1]
[ 0, 0, 0, 6, 6, 5, 4, 3, 2, 1]
[ 0, 0, 0, 0, 5, 5, 4, 3, 2, 1]
[ 0, 0, 0, 0, 0, 4, 4, 3, 2, 1]
[ 0, 0, 0, 0, 0, 0, 3, 3, 2, 1]
[ 0, 0, 0, 0, 0, 0, 0, 2, 2, 1]
[ 0, 0, 0, 0, 0, 0, 0, 0, 1, 1]
d=det(M)
d =-4411/125
(On a utilis le calcul symbolique pour obtenir la valeur exacte du dterminant, vitant
ainsi dintroduire des erreurs darrondi dues aux conversions en base 2).
Ainsi
On dnit la matrice telle que
et, pour tout
On calcule le dterminant
de la matrice ainsi perturbe.

Mprime=M ;
Mprime(1,10)=1 ;
dPrime=det(Mprime)
dPrime = 1
166
Alors que sur les donnes on a
sur le rsultat, lerreur relative est
On voit que, dans ces deux cas, une perturbation trs petite des donnes a entran
une importante variation des rsultats.
5.8. Estimation probabiliste de lerreur

Il y a aussi une vision statistique et probabiliste de la gestion des erreurs. Illustrons
cette notion derreurs probables sur une expression simple crite sous forme dune
somme nie de termes rels.
sur
Soit calculer
est et on note
On suppose que lerreur absolue commise
la plus grande valeur de ces erreurs.

Une estimation de lerreur dopration commise sur est alors de
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
a de grandes chances de rester born quand
Gestion derreurs
167
5.9. Exercices
5.9.1. Erreur doprations
1) Estimer lerreur absolue commise lorsquon effectue la somme
termes
2) Vrier en effectuant le calcul de cette somme avec Matlab, et en comparant

avec le rsultat exact.
(solution p. 170)
5.9.2. Erreurs dabsorption et de cancellation
On cherche deux nombres et dont la somme vaut millions, et le produit

vaut . On note le plus grand de ces deux nombres.
1) Montrer que est solution dune quation du second degr.
2) Trouver la valeur de en rsolvant cette quation.
3) Trouver la valeur approche de obtenue en utilisant
4) Trouver la valeur approche de obtenue en utilisant
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
On considre les trois nombres

1) Donner les rsultats des calculs pour :
a)
b)

2) Expliquer les rsultats obtenus.

(solution p. 172)
168
5.9.4. Choix de formules de calcul

1) Utiliser le calcul symbolique de Matlab pour vrier que
2) Calculer la valeur de ces deux expressions dans une arithmtique en virgule

chiffres en arrondi (utiliser vpa et effectuer les calculs un par un).
ottante
3) Quel est le rsultat le plus able et pourquoi ?
(solution p. 172)
5.9.5. Choix ditrations de calculs

On dnit la suite
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
(on utilisera une intgration par parties). En dduire

3) Utiliser les galits ci-dessus pour calculer avec Matlab la valeur numrique
approche de
puis
4) Expliquer par un calcul derreur les rsultats obtenus.
5) Utiliser la formule inverse donnant en fonction de en partant dune
valeur de votre choix, pour calculer de nouvelles valeurs approches de puis

6) Comparer les rsultats obtenus.
(solution p. 173)
Gestion derreurs
169
5.9.6. Sujet dtude

La suite dnie dans ce sujet dtude est due Jean-Michel Muller de lEcole
Normale Suprieure de Lyon.
On considre la suite
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
et en exprimant de mme et montrer que la suite vrie la relation

linaire, pour tout
(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
vrie la relation (R).
170
6) Dterminer les valeurs des inconnues
pour que les conditions initiales
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
8) En dduire la limite de la suite

9) Que devient cette limite si
?
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
en exprimant, dans la premire quation, en fonction de puis en substituant la

valeur trouve dans la seconde quation.
syms S P x1 x2
eq1=x1+x2-S ;
eq2=x1*x2-P ;
sol2=solve(eq1,x2)
sol2 = -x1+S
eq=subs(eq2,x2,sol2)
eq =x1*(-x1+S)-P
collect(eq,x1)
ans = -x1^2+S*x1-P
On retrouve ainsi un rsultat classique : vrie lquation
2) On calcule numriquement la valeur de la plus grande des solutions :

S=5e7 ;P=1 ;
delta=S^2-4*P
delta = 2.5000e+15
x1=(S+sqrt(delta))/2
x1 = 5.0000e+07
3) On calcule la deuxime solution selon les deux mthodes indiques.
x2a=S-x1
x2a = 1.4901e-08
4)
x2b=P/x1
x2b = 2.0000e-08
5) Le calcul de engendre une erreur de cancellation. Le calcul de est plus

able.
6) On calcule lerreur relative sur le rsultat :
errRel=abs(x2a-x2b)/x2b
errRel = 0.2549
172
Elle est de lordre de .

Dans le calcul machine du discriminant un phnomne dabsorption a pu engendrer une erreur, mais on sait que celle-ci, en valeur relative, est ncessairement
infrieure ou gale
epsM=2^(-53)
epsM = 1.1102e-16
errRel/epsM
ans = 2.2963e+15
La cancellation a multipli cette erreur initiale par plus de deux millions de milliards !
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
et, en calculant leur diffrence, on vrie quelles sont bien gales.

d1 = sym(1000-sqrt(999999))
d1 =1000-sqrt(999999)
d2=sym(1/(1000+sqrt(999999)))
d2 =1/(1000+sqrt(999999))
simplify(d1-d2)
ans =0
Gestion derreurs
2) On calcule les valeurs approches de
et
173
dans larithmtique choisie.
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
Des deux rsultats

et
le second est le plus able,
tant deux
car le premier peut gnrer une erreur de cancellation, et
nombres trs proches. On vrie cette afrmation en calculant numriquement, avec
toute la prcision de la machine, les valeurs de et d
double(d1)
ans = 5.0000e-004
double(d2)
ans = 5.0000e-004
Exercice 5.9.5
1) Pour tout
, on a
et pour tout
Lintgrale dune fonction positive tant elle-mme positive, on a
Cette mme proprit montre que
car
et pour
La suite
tant dcroissante et minore par 0, elle admet une limite nie
174
2) On a
On effectue une intgration par parties pour calculer On pose :
On calcule et :
clear ; syms x n real

e=sym(exp(1)) ;
u=log(x)^n ;
vPrime= 1 ;
uPrime=simplify(diff(u,x))
uPrime = log(x)^(n-1)*n/x
v=int(vPrime,x)
v=x
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
De cette galit, on dduit que ncessairement

limite
ce qui est absurde car
sinon, on aurait par passage la
Gestion derreurs
3) On dnit
de pour
175
et on place dans un tableau les valeurs successives
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
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
Mme si lerreur sur est une simple erreur daffectation value

commise sur calcule selon la formule ci-dessus donne
F30=prod(1 :1 :30)
F30 = 2.6525e+32
errI30=F30*2^(-53)*I0
errI30 = 5.0602e+16
5) De lgalit
lerreur
176
on dduit aussi
Si on utilise cette formule pour calculer en fonction de on aura, toujours en

ngligeant les erreurs daffectation
Si on calcule ainsi de proche en proche partir dune valeur estime de

aura
on
M=prod(50 :-1 :31)

M = 1.1466e+32
Lerreur initiale sur sera ainsi divise par plus de
Compte tenu des proprits de la suite il est raisonnable de partir de lestimation

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
0.2744 0.2490 0.2280
Gestion derreurs
Mais partir dune estimation autre de

et pour
.
177
ne changera pas les valeurs obtenues pour
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
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
5.7818 5.8113 5.8377 5.8609 5.8813 5.8982 5.8980
5.6470 0.9683 -507.3216 107.1206 100.3959 100.0235 100.0014
100.0001 100.0000 100.0000 100.0000 100.0000 100.0000 100.0000
100.0000 100.0000
178
2) On effectue de mme le calcul symbolique.

aSym(1)=sym(11/2);aSym(2)=sym(61/11);
for n=2 :29,
aSym(n+1)= 111-1130/aSym(n)+3000/(aSym(n)*aSym(n-1));
end
double(aSym)
ans =
Columns 1 through 7
5.5000 5.5455 5.5902 5.6334 5.6746 5.7133 5.7491
5.7818 5.8113 5.8377 5.8610 5.8814 5.8992 5.9145
5.9277 5.9391 5.9487 5.9569 5.9638 5.9696 5.9746
5.9787 5.9822 5.9851 5.9876 5.9896 5.9913 5.9928
5.9940 5.9950
On observe partir du quinzime terme une diffrence considrable entre les rsultats
fournis par les deux modes de calcul. On peut priori juger plus ables les rsultats
obtenus en convertissant en numrique les valeurs exactes : on vite ainsi propagation
et risques damplication derreurs.
3) Partant de
on peut afrmer que, pour tout
et on a pour
On reporte dans la relation
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
tant suppos diffrent de 0, on peut simplier par , do lquation quivalente
On rsout alors lquation du troisime degr obtenue.

syms r real
eq1 = r^3-111*r^2+1130*r-3000;
solve(eq1)
ans =
[ 100]
[ 5]
[ 6]
Ses solutions sont donc
5) On dnit
et, en exprimant
(R) est vrie.
partir de cette relation, on montre que la relation
r1=100 ;r2=6 ;r3=5 ;

syms k1 k2 k3 n real
xn=k1*r1^n+k2*r2^n+k3*r3^n;
xnPlus1=subs(xn,n,n+1);
xnMoins1=subs(xn,n,n-1);
xnMoins2=subs(xn,n,n-2);
eq=simplify(xnPlus1-(111*xn-1130*xnMoins1+3000*xnMoins2))
eq = 0
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
Pour obtenir la solution exacte de ce systme, on utilise le calcul symbolique : on

dnit la matrice des coefcients du systme, la matrice des seconds membres,
et on calcule la matrice colonne
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
En effectuant les mmes calculs numriquement, on obtiendra des valeurs approches

des solutions :
A=[1 1 1 ; 100 6 5 ; 100^2 6^2 5^2 ] ;
B=[1 ;a(1) ; a(2)*a(1)] ;
KApp=A^(-1)*B ;
K1App =KApp(1)
K1App = 8.6736e-19
K2App =KApp(2)
K2App = 0.5000
K3App= KApp(3)
K3App = 0.5000
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
On suppose (hypothse de rcurrence) :
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
8) Pour obtenir la limite de la suite on crit
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
Le calcul sous Matlab donne :

numApp=K1App*r1^n+K2App*r2^n+K3App*r3^n;
denApp=subs(numApp,n,n-1);
anApp=numApp/denApp;
limit(anApp,n,inf,left)
ans = 100
On retrouve les rsultats de la premire question : la suite a pour limite mais
des calculs numriques approchs conduisent une suite convergeant vers
Chapitre 6
Approximation de racines dquations
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
Dans ce chapitre, on va exposer les principales mthodes itratives de rsolution dune

quation de la forme

o est une fonction continue dnie sur un intervalle
. On se placera dans le
cas o, localement, il y a une unique racine, pour en donner un algorithme dapproximation.
6.1. Mthode de la dichotomie

Cette mthode consiste en une succession de divisions par deux de lintervalle
, jusqu ce quune
pour approcher de plus en plus la racine de lquation
prcision soit atteinte.
6.1.1. Hypothses sur la fonction
On se place dans le cas o la fonction
vrie les hypothses :
est continue sur

est strictement monotone sur

ce qui assure lexistence et lunicit de la racine
6.1.2. Algorithme de la mthode

On partage
en deux intervalles gaux
et
Si le signe de est le mme que celui de , la racine appartient

.
lintervalle
Sinon, elle appartient lintervalle
On ritre le procd avec lintervalle obtenu contenant .

On arrte litration lorsque la longueur de lintervalle devient infrieure un
nombre x au dpart.
185
Remarque
A ltape
appartient lintervalle de travail, qui a pour longueur
Dune itration la suivante, lerreur est donc multiplie par

6.1.3. Exemple
On considre lquation
est continue, drivable, et sa drive
donc
dnie sur par
vrie
La fonction
est strictement croissante sur
De plus
et
sont de signes contraires.
On peut donc utiliser la mthode de dichotomie pour calculer prs la solution de lquation propose.
Le nombre de termes calculer doit vrier :
soit
On cre le chier f1.m

function y=f1(x)
y=10*x-9*exp(-x);
On value le nombre de termes calculer (sous Matlab, ceil(x) donne le plus petit
entier suprieur ou gal )
n0=ceil(log(1e6)/log(2))
n0 = 20
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
On afche lintervalle obtenu

format long
[a b]
ans = 0.52983283996582
A prs, la solution est
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
On peut toujours crire lquation

Par exemple, lquation
sous une forme quivalente de ce type.

est quivalente
On prendra garde de ne pas confondre la fonction
et la fonction
187
6.2.1. Hypothses sur la fonction

On se place dans le cas o la fonction
vrie les hypothses :
est continue et drivable sur

prend ses valeurs dans
On dira que est une contraction stricte.

6.2.2. Thorme du point xe
Lorsque vrie les trois hypothses , , , il existe une
unique racine de lquation , appele point xe de .
Considrons en effet la fonction dnie par
qui est strictement dcroissante puisque
grce Alors, daprs lhypothse on a
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
6.2.3.2. Majoration derreur

Si est le point xe de on a
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
Ainsi, la suite converge vers puisque, appartenant on a
6.2.3.3. Test darrt

Fixons
Pour que soit une valeur approche de prs, il suft que :
soit
189
Do lalgorithme de la mthode du point xe :

Etant donn une fonction vriant les hypothses , ,
sur un intervalle
et un nombre positif :
on calcule
on choisit
pour de
on calcule
Une valeur approche prs de la racine est

6.2.3.4. Remarque
On peut construire graphiquement la suite des itrs , laide de la ligne poo a pour coordonnes
lygonale
et a pour coordonnes
Ainsi, est le segment vertical joignant les points dabscisse de la droite

dquation
et de la courbe dquation
et est le segment
horizontal joignant les points dordonne de ces deux mmes gures (voir
exercice 6.5.4).
Mthode du point fixe
1
0.9
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

4
3.8
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
par la mthode du point xe, on procde comme suit :

On dnit la fonction telle que

Cette fonction est continue et drivable sur

Pour vrier lhypothse on tudie les variations de en calculant :
syms x ;
phiDeX = 9/10*exp(-x) ;
phiPrimeDeX = diff( phiDeX )
phiPrimeDeX = -9/10*exp(-x)
Comme
dcrot de
phiDe1= subs( phiDeX ,1)
phiDe1 = 0.3311
phiDe0= subs( phiDeX ,0)
phiDe0 = 0.9000)
191
Donc, prend ses valeurs dans lintervalle
et est vrie.
Pour vrier il faut en gnral tudier les variations de donc calculer

mais ici

Le nombre de termes calculer pour obtenir une valeur approche de la

solution prs est donn par :
donc
a pour maximum
n0=ceil ((log(10^(-6))-log(1-0))/log(9/10))
n0 = 132
do
On calcule les itrs successifs :

X(1) = 0 ;
for i = 1 :132 X(i+1) = 9/10*exp(-X(i)) ; end
format short
X(1 :6)
ans =
0 0.9000 0.3659 0.6242 0.4821 0.5557
format long
X(133)
ans = 0.52983296563343
On retrouve la valeur approche 0.529833 prs.
6.2.5. Vitesse de convergence

Elle dpend de la valeur de (voir hypothse ) :
Si est proche de 1, la convergence est lente. On a vu dans lexemple prcdent,

o quil fallait termes pour obtenir une prcision de
Si
Si
, on retrouve la vitesse de convergence de la mthode de dichotomie.

est proche de 0, on a une convergence rapide.
192
6.3. Mthode de Newton (ou de la tangente)

6.3.1. Hypothses et algorithme de Newton
6.3.1.1. Hypothses
On revient la rsolution de lquation
et on suppose que la fonction
vrie les hypothses suivantes :
est continue sur

,
est strictement monotone sur

est drivable sur
et
sur
Les trois premires hypothses garantissent lexistence et lunicit dune racine

lquation
de
6.3.1.2. Construction de lalgorithme

Lide principale de la mthode de Newton est de dire quau voisinage de la racine
la courbe reprsentative de la fonction peut tre confondue avec la tangente en un
point proche de . Cela revient confondre avec son dveloppement limit
lordre en :
La solution de l quation
peut donc tre approche par la rsolution de
dont la solution est
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
est une premire approximation de

la suite dnie par :
En ritrant le procd ci-dessus, on construit
x proche de

appele suite des itrs de lalgorithme de Newton.

6.3.1.3. Remarque
Cette suite est celle permettant de chercher le point xe de la fonction
(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
6.3.2. Vitesse de convergence

Notant toujours
on a
et donc au point
La formule de Taylor-Lagrange lordre deux donne lexistence dun
tel que
do
En appliquant cette majoration aux itrs

,
il vient
tout ,
On montre alors par rcurrence sur :
Par exemple, si on choisit linitialisation telle que
et en supposant que pour
il vient
195
Cette estimation traduit bien la vitesse de convergence de la mthode de Newton.

Elle signie que le nombre de dcimales exactes double dune itration la suivante.
Concrtement si on veut la racine avec 1000 dcimales exactes, contiendrait ces
dcimales.
La convergence de lalgorithme de Newton est donc trs rapide.
6.3.3. Exemple
Ltude de la fonction
dnie sur par
faite au paragraphe 6.1.3 , a permis de vrier les hypothses La fonction drive
est elle-mme drivable, donc lhypothse est vrie. Partant de linitialisation
on calcule les huit premiers itrs de la mthode de Newton :
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. Choix de linitialisation

6.3.4.1. Mise en garde
Mme si la fonction vrie toutes les hypothses sur un intervalle
il se peut que pour certains choix de linitialisation
on ait, un rang

. Dans ce cas, on nest plus assur de la convergence de la suite
vers la racine cherche.
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)
ne sannule pas sur lintervalle :

fPrime=diff(f)
fPrime = 3*x^2-453/50*x+60291/10000
S=solve(fPrime)
S = [ 99/100]
[ 203/100]
3)
:
est de signe ngatif, donc
est strictement dcroissante sur lintervalle
maple(solve(3*x^2-453/50*x+60291/10000 0))
ans = RealRange(Open(99/100),Open(203/100))
On peut illustrer graphiquement ces proprits :

clf ; ezplot(f,[1 2]) ; grid on ;
title(f(x) sur [1, 2])
dessineRepere
197
f(x) sur [1, 2]

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
Pourtant, si on calcule les 10 premiers itrs de la mthode de Newton applique

cette fonction , on obtient :
en choisissant
X(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 = 1.0000 10.0958 7.2550 5.3716 4.1319 3.3295 2.8309
2.5521 2.4351 2.4116 2.4107
en choisissant
X(1)=2 ;
for i=1 :10
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
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.
Par contre, linitialisation

solution cherche.
donne une suite qui semble converger vers la
X(1)=1.15 ;
for i=1 :10
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
partant de la mthode de la tangente donne une valeur proche de 2,

et une valeur nappartenant plus lintervalle
initialisation 1.10
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
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
Le rsultat suivant permet dobtenir un choix de assurant la convergence de la

mthode.
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.
Mais cela suppose que

lexemple prcdent.
ne sannule pas sur
ce qui nest pas le cas de
6.4. Plan pour la recherche dune racine

A travers un exemple modle, on met en uvre un plan dtude pour la recherche
de solutions approches dune quation de la forme

et/ou de la forme
Ce plan est le suivant :

1) tude de sur son domaine de dnition et trac de sa courbe reprsentative.
Cette tape permettra la localisation de la ou des racines, et un choix adquat dun
intervalle de travail
2) pour la mthode du point xe :
a) vrication des hypothses , , (voir 6.2.1),
b) choix de
et mise en uvre de lalgorithme de calcul approch.
3) pour la mthode de Newton :
a) vrication des hypothses (voir 6.3.1.1),
(en utilisant si possible le thorme 6.3.4.3), et mise en
b) choix de
uvre de lalgorithme de calcul approch.
6.4.1. Exemple
Soit rsoudre lquation
Cette quation peut aussi scrire, pour
sous la forme
1) On considre donc la fonction
201
dnie par
Elle est dnie, continue, drivable sur

on calcule et on factorise :
On entre son expression sous Matlab,
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
La recherche des solutions de lquation

nadmet pas de solution relle :
avec Matlab montre que celle-ci
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
par la recherche des limites aux bornes.
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
Ces calculs permettent dobtenir le tableau de variations :
La stricte monotonie et la continuit de la fonction sur lintervalle

per admet une solution unique. On trace la
mettent dafrmer que lquation
courbe reprsentative de
ezplot(f,-1,10)
grid on
title(Graphe de f)
dessineRepere
Graphe de f
1.2
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1
10
et on vrie par le calcul que la solution cherche appartient lintervalle

puisquon a
et
:
subs(f,x,1)
ans = 0.0880
subs(f,x,2)
ans = -0.2030
203
2) Mthode du point xe.

a) Pour la rsolution de
par la mthode du point xe, on introduit la fonction dnie par
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
On calcule sa drive et on trace aussi la courbe reprsentative de sur lintervalle

de travail.
phiPrime = simplify(diff(phi)) ;
gure(3)
ezplot(phiPrime,1,2)
grid on
title(Graphe de phi )
Graphe de phi
0.45
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
Graphiquement, on observe les proprits :
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
Ainsi lquation admet 5 solutions, dont 3 relles (Matlab ne peut fournir

ici que des valeurs approches). Il ny a pas de solution dans lintervalle ce qui
montre, par continuit, que garde un signe constant dans cet intervalle. Par le calcul
de on dtermine ce signe :
subs(phiSeconde,1)
ans = -0.5799
Ainsi, est ngative, donc est dcroissante sur lintervalle On calcule le
minimum et le maximum de
M1=subs(phiPrime,x,1)
M1 = 0.4342
M2=subs(phiPrime,x,2)
M2 = 0.0636
On a donc, pour tout

do :
pour tout
pour tout
est donc strictement croissante de On calcule le minimum et le maximum de sur

minPhi=subs(phi,x,1)
minPhi = 1.1760
maxPhi=subs(phi,x,2)
maxPhi = 1.3909
On a bien prouv
Toutes les hypothses dapplication de la mthode du point xe sont vries.

b) On calcule le nombre de termes ncessaire pour obtenir une valeur approche de la racine
prs, en utilisant la formule
epsilon =1e-6 ;
N0=ceil((log(epsilon)-log(2-1))/double(log(M1)))
N0 = 17
206
Partant de on calcule successivement

Ces valeurs sont places
(attention au dcalage dindices).
dans un tableau
X(1)=1 ;
for i=2 :N0+1, X(i)=double(subs(phi,x,X(i-1)));end
format long
X
X=
1.00000000000000 1.17600520709514 1.24379170581345 1.26557796182895
1.27210780086810 1.27402155079797 1.27457867309538 1.27474054108967
1.27478754376334 1.27480118996655 1.27480515165309 1.27480630177079
1.27480663566025 1.27480673259122 1.27480676073111 1.27480676890036
1.27480677127196 1.27480677196046
La solution , prs, est donc
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
a) Montrer que les hypothses dapplication de la mthode du point xe ne

sont pas vries sur lintervalle , .
b) Montrer quelles le sont sur lintervalle
.
c) Combien de termes devrait-on calculer par la mthode du point xe pour
trouver une valeur approche de prs ?
(solution p. 209)
6.5.2. Mthode de Newton pour une fonction afne
Appliquer la mthode de Newton une fonction afne dnie par

en prenant une initialisation quelconque.
(solution p. 212)
6.5.3. Valeur approche de
En considrant la fonction dnie par

Newton pour construire une suite convergeant vers
termes avec Matlab.
(solution p. 212)
utiliser la mthode de
calculer les six premiers
En
208
6.5.4. Programmation de la mthode du point xe

qui place dans le tableau

les n premiers itrs de la mthode du point xe applique la fonction de la variable

var, dnie par lexpression symbolique phi, en partant de linitialisation (on aura
donc
qui, en plus des traitements de la question prcdente, reprsente sur un graphique,

dans un repre orthonorm :
;
- la fonction sur lintervalle
- la droite dquation ;
- la ligne polygonale prsente au paragraphe 6.2.3.1.
(solution p. 213)
6.5.5. Programmation de la mthode de Newton

qui place dans le tableau

les n premiers itrs de la mthode de Newton applique la fonction de la variable

var, dnie par lexpression symbolique f, en partant de linitialisation
qui, en plus des traitements de la question prcdente, reprsente sur un graphique :

- la fonction sur lintervalle
;
- les tangentes successives illustrant la mthode (voir paragraphe 6.3.4.2).
(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.
est indniment drivable. On la
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
est continue et dcrot strictement de 1

Lquation admet donc une solution unique.
On construit la courbe reprsentative de
clf
ezplot(f,[0 pi/2])
hold on ;grid on
dessineRepere
title(f(x)= cos(x)-x*exp(x))
f(x)= cos(x)x*exp(x)
1
0
1
2
3
4
5
6
7
8
0
0.5
1
x
1.5
210
2) Les hypothses de la mthode de dichotomie ont t vries prcdemment.

On applique lalgorithme de la mthode, en comptant le nombre ditrations pour
obtenir la prcision de
g = 0 ; d = pi/2 ;
n=0 ;
while (d-g 1e-6)
n=n+1 ;
m = (g+d)/2 ;
fdeM = cos(m) - m*exp(m) ;
if fdeM 0
g=m ;
else
d = m;
end
end
format long
[ g d]
ans = 0.51775671562829 0.51775746464235
n
n =21

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
Ds le sixime terme, on a obtenu 6 chiffres signicatifs, et ds le huitime, on a

quatorze chiffres signicatifs..
4) Pour la mthode du point xe, on utilise lquivalence
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
format short ; double(subs(phi, x, [0 0.45 0.6 pi/2]))

ans = 1.0000 0.5741 0.4529 0
double(subs(phiPrime, x, [0 0.45 0.6 pi/2]))
ans = -1.0000 -0.8515 -0.7628 -0.2079
Comme
lhypothse nest pas vrie.
b) On calcule
phiSeconde = diff(phiPrime)
phiSeconde = 2*sin(x)/exp(x)
Sur lintervalle
est croissante car
Les tableaux de valeurs prcdents montrent que crot de
On a donc
et, tant ngative dcrot de 0,5741 0,4529. Les hypothses et

sont donc bien vries sur lintervalle
212
c) On value le nombre
de termes calculer pour obtenir la prcision de
M =double(abs(subs(phiPrime, x, 0.45 )))

M = 0.8515
n = ceil((log(1e-6)-log(0.6-0.45))/log(M))
n = 75
Exercice 6.5.2
On vrie facilement que les hypothses sont satisfaites. Partant dune
initialisation quelconque, on calcule
Ainsi, ds la premire itration, on a obtenu la valeur exacte de la solution de lquation
Exercice 6.5.3
, la fonction dnie par est continue

Sur lintervalle
et deux fois drivable (fonction polynme). Sa drive est strictement positive, donc
est strictement croissante sur cet intervalle. De plus
et sont de
signes contraires. Ainsi, toutes les hypothses sont vries pour appliquer la mthode
de Newton. Comme
on choisit linitialisation telle que
par exemple
La suite des itrs de Newton est dnie par
On calcule avec Matlab les six premiers termes de cette suite.
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
, afche au format long :
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
on remplace dans lexpression de la variable var par
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
les segments joignant
214
puis
graphe 6.2.3.1). Au point
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

1.4
y =(x+1)*atan((x+1)/(x2+2))
y =x
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
grce aux instructions

syms x real
phi=(x+1)*atan((x+1)/(x^2+2));
s=pointFixeGraph(phi,x,1,4,1,1.4)
s = 1.0000 1.1760 1.2438 1.2656
Exercice 6.5.5
1) Appliquer la mthode de Newton la fonction
du point xe la fonction
revient appliquer la mthode
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
Sur lexemple prcdent :

syms x real
f=x^3-4.53*x^2+6.0291*x-2.218039;
s=newtonGraph(f,x,1.15,6,1,2);
Do le graphe
x^3453/100*x^2+60291/10000*x2497289903473307/1125899906842624
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
Chapitre 7
Interpolation polynomiale
7.1. Le polynme dinterpolation dune fonction

7.1.1. Dnitions
On suppose connues les valeurs dune fonction
distincts selon le tableau suivant :
en un nombre ni de points
Un tel tableau peut tre le rsultat de mesures effectues exprimentalement.
On se propose alors dapprocher par une fonction simple de type polynomial

de degr infrieur ou gal et telle que

On montrera que existe et est unique. On lappelle le polynme dinterpolation de

aux points
La reprsentation graphique de cette fonction

points de coordonnes
217
est une courbe passant par les
218

Polynme dinterpolation P3
4
2
(x0 , f0)
(x3 , f3)
(x1 , f1)
4
(x2 , f2)
0
0.1
0.2
0.3
0.4
Lorsquon travaille sur un intervalle
0.5
x
0.6
0.7
0.8
0.9
linterpolation polynomiale :
permet de donner une approximation numrique de pour appartenant

et

On dira quon a interpol,
sert construire des formules explicites utiles pour le calcul approch dintgrales.
7.1.2. Thorme dexistence et dunicit de

On a le rsultat :
Il existe un unique polynme de degr infrieur ou gal tel que

Dmontrons ce rsultat dans le cas

Le cas gnral se fait dune manire
similaire. En crivant

et

on obtient le systme linaire
219
quon peut crire sous forme matricielle
Le dterminant de la matrice de ce systme (appel dterminant de Vandermonde) se

calcule sous Matlab :
syms x0 x1 x2
A=[1 x0 x0^2 ; 1 x1 x1^2 ; 1 x2 x2^2] ;
factor (det(A))
ans= -(x2-x0)*(-x0+x1)*(x1-x2)
Ce dterminant est diffrent de zro puisque les points sont distincts. Do lexistence et lunicit des
7.1.2.1. Remarque
Dans le cas gnral, on montre que la rsolution du systme, permettant le calcul des coefcients du polynme dinterpolation, ncessite un nombre doprations
en . On utilisera plutt dautres mthodes, moins coteuses en nombre doprations, ds que devient grand. Par exemple, lutilisation des polynmes de Lagrange,
prsente ci-dessous, ncessite un nombre doprations en (voir exercice 7.3.5).
7.1.3. Polynme de Lagrange

7.1.3.1. Dnition
On appelle polynme de Lagrange dindice
associ aux
points
le polynme dni par

On retiendra que dans le polynme de Lagrange dindice

le numrateur est le produit de tous les facteurs
facteur ,
le dnominateur est le produit de tous les facteurs
exception faite du
pour
220
7.1.3.2. Exemple
trait prcdemment, les trois polynmes de Lagrange sont
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
est donn par

Cette relation dcoule facilement du fait que
do pour tout

pour
pour
7.1.3.4. Exemple 1
Dans le cas de deux points
on a les deux polynmes de Lagrange

et le polynme est la fonction afne donne par

221
7.1.3.5. Exemple 2
Soit
une fonction connue aux points
de valeurs respectives
Calculons pour en dduire une approximation polynomiale de

On a
do
7.1.4. Algorithme dAitken

Lalgorithme dAitken utilise une formule de rcurrence permettant de calculer le
polynme dinterpolation dune fonction connue en points, partir de deux
polynmes dinterpolation dtermins partir de de ces points.
Etant donn le tableau de valeurs dinterpolation
on notera par commodit

Dans le cas dun seul point dinterpolation
, on a
222
On vrie que, partir des polynmes dinterpolation
construits respectivement sur les points
construit sur points par
on obtient le polynme
7.1.4.1. Exemple
A partir du tableau de valeurs
calculons par lalgorithme dAitken.

On a
o et sont les polynmes dinterpolation sur

respectivement. On ritre ensuite pour obtenir
On obtient de mme
et
Do
223
On peut disposer les rsultats dans le tableau
Ces rsultats sobtiennent sous Matlab de la manire suivante

x0=0 ; x1=2 ; x2=4 ;
f0=3 ; f1=-1 ; f2=3 ;
Px0=f0 ; Px1=f1 ; Px2=f2 ;
x=2.5 ;
Px0x1=((x1-x)*Px0-(x0-x)*Px1)/(x1-x0)
Px0x1=
-2
Px1x2=((x2-x)*Px1-(x1-x)*Px2)/(x2-x1)
Px1x2=
0
Px0x1x2=((x2-x)*Px0x1-(x0-x)*Px1x2)/(x2-x0)
Px0x1x2=
-0.75
7.1.5. Gestion derreur

7.1.5.1. Rsultat prliminaire
On va estimer lerreur mathmatique
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
Alors la drive dordre de est
224
dautre part on a

et donc, par application du thorme de Rolle la fonction dans les intervalles

il existe des points
, tels que
On ritre le thorme de Rolle pour la fonction , puisque
pour avoir cette fois points
tels que
puis, de proche en proche, il existe un point
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 :
avec
225
On obtient
A titre de vrication, on calcule
puis
Lerreur observe, lie cette mthode dinterpolation est donc

7.2. Approche polynomiale de la drivation

7.2.1. Approche classique
On se donne une fonction
est drivable au point , on a
Cela suggre que pour
et un point
. On sait alors que, lorsque

assez petit, on peut approcher
par le rapport
On peut aussi penser utiliser dautres quotients diffrentiels tels que
On pourra montrer que, si
est drivable en
226
7.2.2. Approche polynomiale

de
Dans le cas dune fonction connue en points quidistants

, avec
est le pas, on peut approcher
par
7.2.2.1. Exemple dans le cas de deux points

Partant du tableau :
le polynme est
do

On retrouve les rsultats de la premire approche.

7.2.2.2. Exemple dans le cas de trois points
Partant du tableau
et, aprs calcul de , on trouve

do
valeurs qui approchent respectivement
227
et
On remarquera que, pour on retrouve le quotient diffrentiel donn

la n du paragraphe 7.2.1.
7.2.3. Gestion derreur mathmatique

Par drivation de la formule
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
A titre illustratif, dans le cas de trois points quidistants, on a, au point
7.2.4. Etude complte derreur

On va montrer, que le cumul de lerreur mathmatique et des erreurs darrondi
fait quon ne peut pas prendre le pas trop petit si on veut optimiser lerreur totale
commise lorsquon confond avec
228
7.2.4.1. Premire partie

Etant donn le tableau dinterpolation bas sur les trois points quidistants
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
7.2.4.2. Deuxime partie

On analyse lerreur mathmatique lie linterpolation et la drivation numrique.
On utilise la formule
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
Dans le calcul de
on doit tenir compte de la drive 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
7.2.4.3. Troisime partie

Sachant que sur les donnes , on commet une erreur de mesure (ou
darrondi) dau plus cherchons le pas optimum pour que lerreur globale commise
sur en la confondant avec soit minimale.

On rappelle que
La valeur calcule de (due aux erreurs sur les donnes) est
Lerreur de mesure est estime par
On en dduit lestimation de lerreur totale
230
Il suft de chercher les valeurs de
relles positives pour lesquelles la fonction
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
prsente un minimum, on crit
sous forme de quotient
[N,D]=numden(fPrime)
N =M*h^3-3*epsi
D =3*h^2
Le dnominateur
est strictement positif, et le numrateur est positif si
soit
Ltude du signe de la drive montre que

sur
est dcroissante sur
7.2.4.4. Quatrime partie

Illustrons les calculs prcdents numriquement sur la fonction
au voisinage de
Lerreur darrondi est estime par
et croissante
On peut penser a priori que le pas
est proche de
optimum pour approcher
231
par
Le calcul prcdent montre qu il nen est rien, puisquon a ici

au voisinage de on peut assimiler 3. Do
et
h0=double(subs(h0,{M,epsi},{3,2^(-52)}))
h0 = 6.0555e-006
Le pas optimum est donc
Examinons de plus prs lerreur observe
lorsque
prend les valeurs successives :

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
les valeurs correspondantes de (deuxime colonne) et enn ler
reur observe (en troisime colonne).
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
On constate que, au-del de la sixime ligne de ce tableau (correspondant

),
lerreur observe augmente. Pour
lerreur est suprieure celle observe

pour !
7.3. Exercices
7.3.1. Calcul dun polynme dinterpolation
Soit
une fonction connue selon le tableau suivant
1) Donner les trois polynmes de Lagrange , , .

2) Donner le polynme dinterpolation en expression symbolique polynomiale
et calculer une approximation de
3) En supposant que donner lerreur absolue commise en confondant

avec
et justier la prcision obtenue.
(solution p. 237)
7.3.2. Polynme de Lagrange et programmation
1) On suppose que les points
sont donns dans un tableau
et que les valeurs
233
sont donnes dans un second tableau
Ecrire la fonction
qui calcule la valeur du polynme dinterpolation au point , pour

pourra utiliser une fonction auxiliaire

et
donns. On
qui calcule , pour chaque polynme de Lagrange

2) Utiliser cette fonction
lexemple 7.1.3.4.
pour retrouver le polynme
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
dnie sur
par
Pour entier donn, on note le polynme dinterpolation de Lagrange associ

aux valeurs

et
Pour comparer et on reprsente ces deux fonctions sur un mme graphique. On

effectuera cette comparaison successivement pour
(on pourra utiliser la fonction
construite lexercice 7.3.2).
(solution p. 239)
234
7.3.4. Mthode dAitken et programmation

Ecrire la fonction rcursive
qui calcule, par la mthode dAitken, la valeur du polynme dinterpolation au point

, pour

et
donns (on reprend les notations de lexercice 7.3.2).
(solution p. 241)
7.3.5. Complexit de calcul de polynme dinterpolation

On sintresse au nombre doprations lmentaires (additions, soustractions, multiplications, divisions) ncessaires au calcul de
pour

donns.
1) Donner le nombre doprations effectues pour calculer chaque polynme de
Lagrange
2) En dduire le nombre total doprations pour calculer

(On pourra analyser les fonctions
7.3.2).
et
(solution p. 242)
de lexercice
235
7.3.6. Formule barycentrique de Lagrange

Le but de cet exercice est dobtenir une expression permettant dvaluer le polynme dinterpolation en effectuant moins de calculs quavec les polynmes de Lagrange :
1) Obtention de la formule barycentrique de Lagrange (les relations ci-dessous

peuvent sobtenir par des raisonnements et calculs simples ; on pourra aussi les vrier
avec Matlab pour une valeur raisonnable de par exemple
a) Montrer que
(considrer le polynme identiquement gal et son polynme dinterpolation as )

soci aux points
b) Pour
quelconques, on note
le polynme dinterpolation associ. On dnit
et, pour tout
Vrier que, pour
c) Dduire des deux questions prcdentes, que, pour
et enn
(formule barycentrique de Lagrange).
236
2)
a) Ecrire une fonction Matlab

coeff
qui calcule

en fonction de
b) Ecrire une fonction Matlab

qui calcule en utilisant le plus judicieusement possible la formule barycentrique

de Lagrange(on note

).
3) Dterminer le nombre doprations lmentaires correspondant au calcul de co
On notera que le calcul de est
eff , puis au calcul de
faire une seule fois (pour donn), et que seul le calcul de est refaire pour
chaque nouvelle valeur de
(solution p. 242)
7.3.7. Complexit de calcul par la mthode dAitken
1) Donner le nombre doprations lmentaires ncessaires pour calculer valeur du polynme dinterpolation au point , pour
donns, par la version rcursive de lalgorithme dAitken (voir exercice 7.3.4).

2) Ecrire une version itrative de cet algorithme
construisant un tableau triangulaire deux dimensions qui sera une gnralisation

de celui construit dans lexemple 7.1.4.1 :
- dans la premire colonne, on aura, pour
- dans la deuxime colonne, on aura, pour
- dans la
colonne, on aura, pour
3) Donner le nombre doprations ncessaires pour obtenir ce tableau

(solution p. 246)
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
et lerreur absolue commise en rem-
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
La valeur de est donne par le nombre dlments de
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
X=[0 pi/6 pi/4] ;

Y=sin(X) ;
PdePiSur5= interpolLagrange(pi/5,X,Y)
PdePiSur5 = 0.5863
239
Exercice 7.3.3
On dnit la fonction
et on construit sa reprsentation graphique sur lintervalle
syms x real
f=1/(1+x^2) ;
a=-5 ;b=5 ;
ezplot(f,a,b)
hold on ;grid on
Pour
on dnit les tableaux
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
On dnit ensuite le polynme dinterpolation et on le reprsente graphiquement

Pn=interpolLagrange(x,X,F);
ezplot(Pn,a,b)
legend (y=f(x),y=Pn(x))
axis auto
title(n=5)
dessineRepere
240

n=5
1.2
y=f(x)
y=Pn(x)
1
0.8
0.6
0.4
0.2
0.2
5
On effectue le mme traitement pour
0
x
n=10
2
y=f(x)
y=Pn(x)
1.5
0.5
0
x
On constate que la courbe reprsentative de est plus proche de celle de

extrmits. Ce phnomne est encore accentu pour :
241
sauf aux
n=20
y=f(x)
y=Pn(x)
1.5
0.5
0.5
1.5
0
x
on lappelle effet de Runge.

Exercice 7.3.4
On utilise les relations :
pour

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
On peut tester lutilisation de cette fonction sur lexemple 7.1.4.1.

X=[0 2 4] ;
Y=[3 -1 3] ;
aitkenRec(2.5,X,Y)
ans = -0.7500
Exercice 7.3.5
On reprend les notations de lexercice 7.3.2.
1) Pour calculer on doit rpter fois linstruction
soit
oprations lmentaires.
2) Pour calculer on doit rpter fois linstruction
En tenant compte de la premire question, cela fait

rpter fois. Soit au total
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
En appliquant la formule de Lagrange, on a donc
243
Vrication avec Matlab dans le cas

: on utilise les fonctions Lagrange et
interpolLagrange de lexercice 7.3.2 (solution p. 237).
syms x0 x1 x2 x3 x
X=[x0 x1 x2 x3] ;
n=3 ;
for i =1 :n+1,
Lk(i)=Lagrange(i,x,X);
end
simplify(sum(Lk))
ans = 1
On calcule aussi le polynme dinterpolation associ aux valeurs
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
On effectue la vrication avec Matlab : on calcule en utilisant la fonction prod.

Qx=prod(x-X)
Qx = (x-x0)*(x-x1)*(x-x2)*(x-x3)
On calcule de mme
gure pas
en utilisant un tableau intermdiaire

for k=1 :n+1
Tab=[X(1 :k-1) X(k+1 :n+1)] ;
A(k)=prod(X(k)-Tab);
end
A(1)
ans =(x0-x1)*(x0-x2)*(x0-x3)
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
2)
coeff place dans le tableau
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
Elle utilise une fonction auxiliaire
coeffk
qui calcule un lment
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
ce qui permet de ne calculer quune fois
Le rsultat nal est videmment

function Pnx=lagrangeBar(x,X,Y,A)
n=length(X)-1 ;
N=0 ; D=0 ;
for k=1 :n+1
quot=1/(A(k)*(x-X(k)));
N=N+Y(k)*quot ;
D=D+quot ;
end
Pnx=N/D ;
245
246
3) Pour calculer chacun des coefcients on doit rpter fois linstruction
soit oprations lmentaires. Le nombre doprations pour obtenir lensemble

du tableau est donc

Pour calculer

on rpte fois le calcul de (3
oprations), la mise jour de (2 oprations) et celle de (1 opration). Le nombre
total doprations est donc
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
qui ne ncessite aucune opration arithmtique lmentaire.

- pour on doit effectuer la suite dinstructions
do
On a alors
On pourra montrer par rcurrence que
Ce nombre crot trs vite avec

2) On construit le tableau en utilisant les relations
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
On teste avec les donnes de lexemple 7.1.4.1, et on retrouve le tableau triangulaire

infrieur, complt par des
X=[0 2 4] ;
Y=[3 -1 3] ;
T=aitkenIte(5,X,Y)
T=
300
-1 -7 0
358
3) La premire colonne du tableau sobtient sans effectuer doprations arithmtiques. Tous les autres termes du tableau se calculent laide de oprations. Le
tableau entier sobtient donc colonne aprs colonne par un nombre doprations gal
Le nombre doprations est en , comme pour la mthode de Lagrange.

Cet algorithme itratif est surtout intressant si on ajoute un point dinterpolation supplmentaire Il ny a pas lieu de recalculer le tableau mais seulement
dy ajouter une ligne, soit nouvelles oprations.
248
Chapitre 8
Intgration numrique
8.1. Description de la mthode
On donne une fonction numrique dnie et intgrable sur

(grce aux mesures) en points selon le tableau :
Pour approcher le nombre exact
suppose connue
, lide est la suivante :
on remplace par son polynme dinterpolation

on calcule
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
Mthode simple des trapzes
y=f(x)
y=P1(x)
En pratique, on subdivise lintervalle
en plusieurs petits intervalles :
de longueur
, auxquels on applique la formule simple puis par sommation, on dduit les formules dites composites.
Mthode des trapzes composite
a+h
a+2h
Le choix de la mthode dpend gnralement du type de fonctions quon doit

intgrer. On peut ventuellement combiner les trois mthodes (rectangles, trapzes,
Simpson) sur des intervalles bien choisis.
Intgration numrique
251
8.2. Mthode des rectangles

8.2.1. Formules simples
de
Supposons que est connue en un point

. Le polynme dinterpolation
est la constante
Le nombre est donc approch par
Mthode simple des rectangles
y=f(x)
f(alpha)
alpha
Dans le cas particulier o le point est le milieu de
on obtient
Cest la formule simple des rectangles point-milieu.

8.2.2. Formules composites
On gnralise les formules prcdentes points quidistants
252
En appliquant le mme principe dinterpolation de degr sur chaque intervalle
on approche par
, o
et on obtient la formule composite des rectangles :

qui devient dans le cas des rectangles point-milieu

8.3. Mthode des trapzes

8.3.1. Formule simple
On utilise linterpolation deux points. Si on suppose connue
et , on a vu que

Par intgration, on obtient
aux deux points
8.3.2. Formule composite

En gnralisant le mme principe aux points quidistants prcdents, on
obtient
On utilise usuellement la dernire formule plus conomique en nombre doprations

arithmtiques.
Intgration numrique
8.4. Mthode de Simpson

8.4.1. Formule simple
On suppose connue
aux trois points quidistants de
le pas est
Alors
et aprs intgration, on obtient
Cest la formule simple dite de Simpson.

Mthode simple de Simpson
y=f(x)
y=P2(x)
253
254
8.4.2. Formule composite

On ritre la formule prcdente en partageant lintervalle
intervalles
centrs en de longueur
pour
en
; on obtient, dabord sur
et ensuite, la formule composite de Simpson

8.5. Gestion derreur

On se bornera ltude de lerreur mathmatique commise dans la mthode des
trapzes et celle de Simpson.
8.5.1. Erreur dans la mthode des trapzes
En formule simple on a vu que la quantit
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
En formule composite, on dduit que
8.5.2. Erreur dans la mthode de Simpson

Utilisant la mthode prcdente on trouve lestimation de lerreur suivante, en
composite, pour des fonctions admettant des drives successives continues jusqu
lordre 4
Lorsquon connait une majoration de

au plus une erreur vrie ncssairement

do
est en
qui permet davoir
Le pas
le pas choisi

ou bien
Si on veut viter dutiliser une majoration de on effectue les approxi

mations et de de pas respectifs et . La deuxime est peu coteuse,
puisquelle utilise certaines valeurs dj calcules. On ritrera les calculs, en remplaant par et en effectuant le test darrt
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
3) Calculer les valeurs approches et de par la mthode des trapzes et de

Simpson lorsquon utilise la subdivision
4) Comparer avec la valeur donne par la fonction int de Matlab.

(solution p. 257)
8.6.2. Programmation
qui permet de calculer une valeur approche de
en utilisant la formule composite des trapzes, avec le pas
On pourra crire deux versions :

a) lune utilisant un traitement itratif naturel ;
b) lautre utilisant les oprations globales sur les tableaux
2) Ecrire de mme une fonction
ISimpson
(solution p. 259)
Intgration numrique
257
8.6.3. Calculs approchs dintgrales et gestion derreur

Soit la fonction
1) Donner le graphe de cette fonction et une majoration de et de

sur lintervalle
2) Combien dintervalles doit-on prendre pour obtenir, par la mthode composite
des trapzes, une valeur approche prs de
3) Mme question avec la mthode de Simpson.

4) Calculer et pour les subdivisions respectives obtenues.
5) Vrier le calcul de en utilisant les fonctions prdnies de Matlab trapz et
quad.
6) Comparer les rsultats prcdents avec la valeur exacte donne par Matlab.
(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

2
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
Lallure de la courbe suggre lutilisation de la mthode des trapzes ou de Simpson.

3) On utilise les formules composites des trapzes et de Simpson avec la subdivision
Ici, le pas est
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
na pas de primitive explicite. Matlab utilise la fonction :
On constate que Is est plus proche de Iexact que It.
Intgration numrique
259
Exercice 8.6.2
1)
a) On utilise les formules
Lorsquon dclare

le paramtre reprsente le nom du chier contenant la fonction mathmatique

On utilise alors feval pour calculer Do le programme itratif :
function It =ITrapezesA(fonc,a,b,n)
h = (b-a)/n ;
S=(feval(fonc,a)+feval(fonc,b))/2;
for i=1 :n-1
S=S+feval(fonc,a+i*h) ;
end
It=S*h ;
On le teste, sur la fonction f1 de lexercice 8.6.1 (cest le nom de cette fonction, sous
forme de chane de caractres, qui doit tre pass en paramtre).
ITrapezesA(f1,0,1,4)
ans =0.7430
b) Pour crer le tableau
dont la dernire valeur est exactement et pour viter le cas o larrondi de

est strictement suprieur on 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
On teste sur la fonction

ITrapezesB(f1,0,1,4)
ans =0.7430
Lutilisation des oprations globales sur les tableaux de valeurs conduit une syntaxe
moins naturelle, mais permet de minimiser les temps de calcul, lorsque le nombre
dintervalles devient grand :
tic ;It=ITrapezesA(f1,0,1,15000);toc
elapsedtime = 0.9237
tic ;It=ITrapezesB(f1,0,1,15000);toc
elapsedtime = 0.0031
2) On dnit les tableaux
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
On calcule les drives seconde et quatrime de

syms x real
f2seconde=diff(diff(f2(x)))
f2seconde = 2*exp(-x)*sin(x)
f2quatrieme=diff(diff(f2seconde))
f2quatrieme = -4*exp(-x)*cos(x)
On en dduit que ces drives sont majores respectivement par et
.
sur lintervalle
2) Pour trouver les subdivisions demandes on utilise les estimations derreur
Il vient, pour la mthode des trapzes

a=0 ;b=2*pi ;epsilon=1e-3 ;
nT=ceil(((b-a)^3/(6*epsilon))^(1/2))
nT = 204
262
3) De mme, pour celle de Simpson

nS=ceil(((b-a)^5*4/(180*epsilon))^(1/4))
nS = 22
Il faut donc prendre 204 intervalles (et 205 points) pour la mthode composite des
trapzes, alors quil suft dutiliser points, et intervalles
pour obtenir la mme prcision de par la mthode de Simpson.
4)
It=ITrapezesB(f2,0,2*pi,204)
It = 0.4991
Is = ISimpson(f2,0,2*pi,22)
Is = 0.4990
5) La fonction prdnie de Matlab, trapz(X,Y), applique la mthode composite
des trapzes. On lui passe en paramtres
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
la mthode de Simpson, une valeur approche
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
continue droite (fonction) 46

continue gauche (fonction) 46
continue par morceaux (fonction) 94
convergente (suite) 20
croissante (fonction) 40
croissante (suite) 24
absorption (erreur d) 154

accroissements nis (thorme des ) 52
acos 60
Aitken (algorithme d) 221
approximation afne (dune fonction) 50
approximations successives (mthode des)
186
arccos 60
arcsin 58
arctan 60
arrondi 132
asin 58
asymptote 74
atan 61
axis 40
axis auto 55
base (de numration) 125

base2dec 127
bijective 41
bin2dec 127
borne (fonction) 37
borne (suite) 18
Darboux (sommes de) 91

dec2base 127
dec2bin 127
dec2hex 127
dcomposition en lments simples 107
deconv 106
dcroissante (fonction) 40
dcroissante (suite) 24
drive (dune fonction) 49
drives successives 51
dessineRepere (fonction utilisateur) 39
dveloppement limit 72
diag 164
dichotomie (mthode de) 184
diff 50, 52
digits 132
divergente (suite) 20
division euclidienne (de polynmes) 105
cancellation (erreur de) 156

ceil 185
changement de variable 101
continue (fonction) 46
eps 141
erreur absolue 146
erreur daffectation 148
erreur relative 146
265
266
erreurs doprations 146

extremum 38
ezplot 65
F
feval 259
gure 203
oor 82
fonctions trigonomtriques inverses 57
format hex 135
fplot 57, 257
fraction rationnelle 107
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
trapzes (mthode des) 252

trapz 257, 262
troncature 132
V
valeurs intermdiaires (theorme des) 48
virgule ottante normalise 131
vpa 132

(Luc Jolivet, Rabah Labbas) Analyse Et Analyse Num

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

(Luc Jolivet, Rabah Labbas) Analyse Et Analyse Num

Uploaded by

Copyright:

Available Formats

Analyse et analyse numrique

11, rue Lavoisier

Le Code de la proprit intellectuelle n'autorisant, aux termes de l'article L. 122-5, d'une

Table des matires

P REMIRE PARTIE . A NALYSE

Chapitre 1. Suites relles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

1.1. Gnralits sur les suites . . . . . . . . . .

Chapitre 2. Fonctions numriques dune variable relle . . . . . . . . . . .

2.1. Rappels gnraux sur les fonctions . . . . . . . . . . . . . . . . . . . . .

Mathmatiques avec Matlab

Table des matires

2.8.7. D.L. et tude de limite (2) . . . . . . . . . . . . . . . . . . . . . .

3.1. Intgrale de Riemann . . . . . . . . . . . . . . . . .

D EUXIME PARTIE . A NALYSE NUMRIQUE LMENTAIRE . . . . . . . . 123

4.1. Reprsentation des entiers . . . . . . . . . . . . .

Mathmatiques avec Matlab

Chapitre 5. Gestion derreurs . . . . . . . . . . . . . . . . . . . . . . . . . . . 145

Table des matires

Chapitre 6. Approximation de racines dquations

6.1. Mthode de la dichotomie . . . . . . . . . . . . . . . . . . . .

Chapitre 7. Interpolation polynomiale . . . . . . . . . . . . . . . . . . . . . . 217

Mathmatiques avec Matlab

7.2. Approche polynomiale de la drivation . . . . . . . . . .

Chapitre 8. Intgration numrique . . . . . . . . . . . . . . . . . . . . . . . . 249

Mathmatiques avec Matlab

Ce recueil de rappels de cours et dexercices corrigs fait partie dun ensemble

Dans ce chapitre, on rappelle lessentiel concernant les suites relles et on termine

est majore sil existe une constante telle que

elle est minore sil existe une constante telle que

Mathmatiques avec Matlab

Elle est borne sil existe une constante

Considrons la suite dnie pour

Sachant que pour tout on a

on dduit que, pour tout

On peut avec Matlab observer numriquement et graphiquement cette majoration,

for n=2 :20,

1.2. Limite dune suite

, il existe quatre possibilits

2) devient aussi grand quon veut, on crira

3) devient aussi petit quon veut, on crira

4) na aucun des comportements ci-dessus. Cest par exemple le cas de la suite

qui prend alternativement les valeurs et .

La description mathmatique de la premire possibilit doit traduire le fait qu

Mathmatiques avec Matlab

sont aussi proches quon veut de . On crira alors :

On dira que la suite est convergente et converge vers . On notera

o est un rel positif, sont appeles suites de rfrence. Elles vrient :

et un entier tels que pour tout on ait

for n=1 :60,

Mathmatiques avec Matlab

1.2.3. Cas de limite innie

De manire similaire, la troisime possibilit snonce par

convergentes respectivement vers

On a aussi le rsultat suivant :

Sa dmonstration utilise lencadrement dit des gendarmes :

tel que pour tout

dautre part, pour petit donn strictement positif, en notant

il existe tel que pour

ce qui montre que

1.3.2. Cas de limites innies

Lindtermination est lever en appronfondissant les calculs sur lexpression donne.

Mathmatiques avec Matlab

est dite croissante si