UNIVERSITE MOHAMMED PREMIER

ECOLE NATIONALE DES SCIENCES APPLIQUEES

OUJDA-MAROC

A NALYSE N UMÉRIQUE ET M ÉTHODES N UMÉRIQUES POUR L’I NGÉNIEUR :

ÉNONCÉS & CORRECTIONS

DES EXAMENS

M. D EROUICH

A NNÉE UNIVERSITAIRE : 2021 - 2022

Table des matières

1 Devoirs surveillés 3
1.1 DS1 2018-2019 (Durée : 1h30) . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 DS2 2018-2019 (Durée : 1h30) . . . . . . . . . . . . . . . . . . . . . . . 16
1.3 DS de rattrapage (Durée : 1h30) . . . . . . . . . . . . . . . . . . . . . . 30

2
Chapitre 1

Devoirs surveillés

1.1 DS1 2018-2019 (Durée : 1h30)

UNIVERSITE MOHAMMED PREMIER

ECOLE NATIONALE DES SCIENCES APPLIQUEES
OUJDA-MAROC

Filière : GIndus3 Année universitaire : 2018-2019

Module : Analyse Numérique Enseignant : M. Derouich

Devoir surveillé N ◦ : 1
Durée : 1h 30 min
Exercice 1.1. :
On considère le problème du calcul de θ tel que θ = 0.5 + 0.5 sin(θ )
1. Déterminer la fonction f telle que f (θ ) = 0.
2. Montrer qu’il existe un zéro θ pour la fonction f dans R.
3. Pour approcher θ on considère la méthode de dichotomie.
3.1 Peut-on appliquer la méthode de dichotomie pour calculer θ à partir de
l’intervalle [0, π/2] ? Justifiez votre réponse.
3.2 Déterminer le nombre d’itération n à faire pour avoir une erreur infe-
rieure à 10−10
3.3 Donner une estimation de l’erreur après 8 itérations.
4. Pour approcher θ on considère la méthode de point fixe :
(
x0 ∈ [0, π/2]
x n +1 = g ( x n )

3
 Avec g est la fonction définie par g( x ) = 0.5 + 0.5 sin( x )
4.1 Monter que cette méthode est convergente.
h πi
4.2 Montrer que dans 0, on a la relation suivante : | xn+1 − θ | ≤ C | xn − θ |
2
et proposer une estimation pour la constante C.
4.3 Montrer que pour x0 ∈ [0, π/2] on a la relation suivante : | xn − θ | ≤
π
.
2 +1
n
4.4 Déterminer le nombre minimal d’itérations nécessaires pour avoir une
erreur inferieure à 10−5 .
Exercice 1.2. :
1. Déterminer la suite des premiers 3 itérés des méthodes de fausse position
dans l’intervalle [1, 3] pour l’approximation du zéro de la fonction h( x ) =
x2 − 2.
2. On considère l’équation f ( x ) = 0, avec f ( x ) = e x − 4 cos( x ).
hπ πi
2.1 Montrer qu’il y a une racine α ∈ , .
4 2
2.2 Écrire la méthode de Newton pour la recherche des zéros de la fonction
f.
hπ πi
2.3 Examiner la convergence de cette méthode sur , .
4 2
2.4 Approcher la racine à 10−5 près par la méthode de Newton en posant
π
x0 = . (on s’arrêtera au plus petit n qui vérifie : | xn+1 − xn | < 10−5 .


2
Exercice 1.3. :
√
1. Donner le développement de Taylor de degré 2 de la fonction f ( x ) = 1 + x
autour de x0 = 0.
a ( α − 1) 2
 
2
α


N.B : (1 + x ) = 1 + αx + x +o x
2!
√
2. Utiliser ce développement de Taylor pour évaluer les quantités 1.0001 et
√
0.9999.
3. On notera β 1 et β 2 les approximations obtenues, donner les valeurs de f l ( β 1 )
et f l ( β 2 ) en arithmétique flottante à 3 chiffres en utilisant l’arrondi.
√ √
4. évaluer l’expression 1.0001 − 0.9999 en arithmétique flottante à 3 chiffres
en essayant de réduire au maximum les erreurs dues à l’arithmétique flot-
tante.
√ √
5. Comparer votre résultat avec la valeur exacte de 1.0001 − 0.9999 obtenue
à l’aide de votre calculatrice.
Bon courage

4
 Corrigé

Corrigé 1.1. :
On considère le problème du calcul de θ tel que θ = 0.5 + 0.5 sin (θ )
1.

On a θ = 0.5 + 0.5 sin (θ ) ⇔ 0.5 + 0.5 sin (θ ) − θ = 0

Donc f ( x ) = 0.5 + 0.5 sin ( x ) − x
 
sin( x )
2. On a lim f ( x ) = lim x − 1 + 0.5 = +∞.
x −→−∞ x −→−∞ 2x 

sin( x )
lim f ( x ) = lim x − 1 + 0.5 = −∞. ;
x −→+∞ x −→+∞ 2x
f étant continue sur R , donc d’après le théorème des accroissements finis
∃θ ∈ R tel que f (θ ) = 0.
1
On a f 0 ( x ) = cos( x ) − 1 < 0 ( f est strictement décroissante) donc le zéro
2
est unique.
3. La méthode de dichotomie
3.1 Ona f (0) = 0.5 > 0 et f (π/2) = 1 − π/2 < 0 =⇒ f (0) f (π/2) < 0 , on
peut bien appliquer la méthode de dichotomie (bissection) pour calculer
le zéro θ.
3.2 Nombre d’itérations n à faire pour avoir ∆x ≤ 10−10
on a ∆x = | xn − θ | et b − a = π/2 alors :
b−a
| xn − θ | ≤
2n +1
π
≤
2n +2
b−a
| xn − θ | ≤ ≤ 10−10
2n +1
Donc
π
≤ 10−10 ⇐⇒ 1010 π ≤ 2n+2
2n +2
⇐⇒ 10 ln(10) + ln(π ) ≤ (n + 2) ln(2)
10 ln(10) + ln(π )
⇐⇒ −2 ≤ n
ln(2)
=⇒ 32, 8707 ≤ n
=⇒ n = 33

5
 3.3 Estimation de l’erreur après 8 itérations
on a ∆x = | xn − θ |, et b − a = π/2 et n = 8 alors :

π/2 π
| xn − θ | ≤ 9
= 10
2 2
Donc
∆x = | xn − θ | ≤ 3, 0679 × 10−3
1 1
4. xn+1 = g( xn ) avec x0 ∈ [0, π/2] et g( x ) = + sin( x )
2 2
1
4.1 On a g0 ( x ) = cos( x ) ≥ 0; ∀ xN[0, π/2] donc f est croissante sur [0, π/2]
2
=⇒ g([0, π/2]) = [ g(0), g(π/2) = [0, 1] ⊂ [0, π/2],
de plus : Grâce à

1 1
0 ≤ g0 ( x ) = cos( x ) ≤ , ∀ x ∈ [0, π/2]
2 2
=⇒ | g0 ( x )| ≤ 1/2 < 1
Donc méthode de point fixe est convergente.
4.2 On a :

| xn+1 − θ | = | g( xn ) − g(θ )| = | g0 (ξ )( xn − θ )| ≤ C | xn − θ |.
1
avec ξ ∈]0, 2π [ et C = max | g0 ( x )| =
x ∈[0,2π ] 2
1 1
4.3 Comme | xn+1 − θ | ≤ | xn − θ | =⇒ | xn − θ | ≤ n | x0 − θ |
2 2
π π π
Or 0 ≤ x0 ≤ et 0 ≤ θ ≤ =⇒ | x0 − θ | ≤ D’où
2 2 2
π/2 π
| xn − θ | ≤ = n +1
2n 2
π
4.3 On veut trouver le plus petit des n tels que < 10−5 .
2n +1
Donc 2n+1 > π × 105 =⇒
ln π + 5 ln 10
n> − 1 = 17, 26113
ln 2
d’où n = 18.

Corrigé 1.2. :
On considère l’équation h( x ) = 0, avec h( x ) = x2 − 2

6
1. les 3 itérations de la méthodes de fausse position à partir de l’intervalle [1; 3]
n a b f ( a) f (b) xk f ( xk ) ∆x
0 1 3 -1 7 1.25 -0.4375 2
1 1.25 3 -0.43 7 1.35294 -0.16955 1.75
2 1.35294 3 -0.16955 7 1.391892 -0.062637 1,64706
3 1.391892 3 -0.062637 7 1.406154 -0.022731 1,608108
4 1.406154 3 -0.022731 7 1.411313 -0.008196 1,593846
2. On considère l’équation f ( x ) = 0, avec f ( x ) = e x − 4 cos( x )
π √ π
2.1 On a f = eπ/4 − 2 2 < 0, f = eπ/2 > 0
4 hπ πi 2
et f est continue sur , ,
4 2
donc d’après
h π π ile théorème des accroissements finis
∃ θ∈ , tel que f (θ ) = 0.
4 2

2.2 AlgorithmedeNewton :

f ( xn ) e xn − 4 cos( xn )
x0 = 3; xn+1 = xn − = x n −
f 0 ( xn ) e xn + 4 sin( xn )

2.3 On a :
π π
i) f .f <0
4 2 iπ πh
ii ) f 0 ( x ) = e x + 4 sin( x ) > 0; ∀ x ∈ ,
i4 π 2 π h
iii ) f ”( x ) = e x + 4 cos( x ) > 0; ∀ x ∈ ,
√  4 2
   π/4
 f (π/4)   e − 2 2 π
iv)  0 = √  = 0.1265 <
f (π/4)   eπ/4 + 2 2  4
   π/2 
 f (π/2)   e − 4  π
 f 0 (π/2)   eπ/2 + 4  = 0.629723 < 4
 =

D’où la méthode de Newton converge.

π e xn − 4 cos( xn )
2.4 On a x0 = et x n +1 = x n −
2 e xn + 4 sin( xn )
xk f ( xk ) f 0 ( xk ) | x k +1 − x k |
π
4,8104773 8,8104773
2
1.0248 0,7094665 6,2049855 0.54599
0.91046 0,031953 5,6446248 0.11434
0.9048 0,00007915419 5,6166554 0.00566
0.90479 4, 9083581 × 10−10 5,6165857 0.00001
0.90497 0.00000 5,6165857 0.00000

7
 Donc x ∗ = x5 = 0.90479

Corrigé 1.3. :
a ( α − 1) 2
x + o x2 ,


1. On a (1 + x )α = 1 + αx +
2!
donc pour α = 2, le développement de Taylor de degré 2 de la fonction
√
f ( x ) = 1 + x au voisinage de x0 = 0 est donné par :
√ 1 1
1 + x = 1 + x − x2 + o x2


2 8
2.
√ √
1.0001 = 1 + 0.0001
0.0001 10−8
= 1+ − + o (10−8 )
2 8
≈ 1 + 0.00005
≈ 1.00005
√ √
0.9999 = 1 − 0.0001
0.0001 10−8
= 1+ − + o (10−8 )
2 8
≈ 0.99995

3. On a β 1 = 1.00005 =⇒ f l ( β 1 ) = 1 et β 2 == 0.99995 =⇒ f l ( β 2 ) = 1
4.
√ √ 0.2 × 10−3
1.0001 − 0.9999 = √ √
1.0001 + 0.9999
0.2 × 10−3
=
2
= 0.1 × 10−3
√ √  
0.2 × 10−3

=⇒ f l 1.0001 − 0.9999 = fl √ √
1.0001 + 0.9999
= 0.1 × 10−3
= 0.0001
√ √ √ √ 
1.0001 − 0.9999 = 0, 00010000000012488900 > f l 1.0001 − 0.9999

8
 UNIVERSITE MOHAMMED PREMIER
ECOLE NATIONALE DES SCIENCES APPLIQUEES
OUJDA-MAROC
Filière : GIndus3 Année universitaire : 2018-2019
Module : Méthodes Numériques Enseignant : M. Derouich

Devoir surveillé N ◦ 1
Durée : 1h 30 min
Exercice 1.1. :
Soit le système linéaire :



 x1 + 2x2 + 3x3 + 4x4 =1

 2x + 3x + 4x + x
1 2 3 4 =2
( S1 )
 3x1 + 4x2 + x3 + 2x4
 =3


 4x + x + 2x + 3x =1
1 2 3 4

1. Résoudre le système (S1 ) par la méthode d’élimination de Gauss.

2. Ecrire le système (S1 ) sous forme AX = b.
3. Ecrire le système triangulaire supérieur (S2 ) sous forme UX = β obtenu par
la méthode d’élimination de Gauss.
4. Calculer le déterminant de A.

Exercice 1.2. :
1. Interpolation de Lagrange :
     
1 1 2 2
Soit les trois points (0, 1), ,f et ,f de la fonction
3 3   3 3
2
f ( x ) = cos(πx ) sur l’intervalle I = 0,
3
a) Donner I’expression des polynômes de Lagrange L0 ( x ), L1 ( x ) et L2 ( x ).
b) Donner I’expression du polynôme de Lagrange P2 de degré 2 qui passe
par les 3 points.
c) Déduire une approximation de cos(π ).
d) Sachant que f 0 (
0) = 0, calculer
 le polynôme de degré 2, passant par les
2 2
points (0, 1) et ,f dont la dérivée en x = 0 est égale à 0 et en
3 3
déduire une approximation de f (1)
e) Donner l’estimation de l’erreur d’interpolation max | f ( x ) − P2 ( x )|.
x∈ I
2. Interpolation de Newton :
     
1 1 1 1
Soit les quatre points (−1, f (−1)), − , f − , ,f et (1, f (1))
3 3 3 3
de la fonction f ( x ) = cos(πx ) sur I’intervalle J = [−1, 1]

9
a) Construire le tableau des différences divisées.
b) Donner I’expression du polynôme de Newton P3 de degré 3 qui passe
par les 4 points.
c) Déduire une approximation de f (0).
d) Donner l’estimation de l’erreur d’interpolation max | f ( x ) − P3 ( x )|.
x∈ J
e) Estimer l’erreur d’interpolation en x = 0 et comparer avec l’erreur exacte.

Bon courage

10
 Corrigé

Corrigé 1.4. :




 x1 + 2x2 + 3x3 + 4x4 = 1 L1

 2x + 3x + 4x + x = 2
1 2 3 4 L2
1. ( S1 ) :


 3x1 + 4x2 + x3 + 2x4 = 3 L3

 4x + x + 2x + 3x = 1
1 2 3 4 L3
Etape1:
a21 2 a 3 a 4
m21 = = = 2 m31 = 31 = = 3 et m41 = 41 = = 4
a11 1 a11 1 a11 1
Donc
(1)

 x1 + 2x2 + 3x3 + 4x4 = 1 L1 ← L1

 (1)
 − x2 − 2x3 − 7x4 = 0 L2 ← L2 −2L1
( S2 ) (1)


 −2x2 − 8x3 − 10x4 = 0 L3 ← L3 −3L1
 (1)
−7x2 − 10x3 − 13x4 = −3 L4 ← L4 −4L1

Etape2:
(1) (1)
a32 −2 a42 −7
m32 = (1) = = 2 m42 = (1) = =7
a22 −1 a22 −1
(2) (1)


 x1 + 2x2 + 3x3 + 4x4 = 1 L1 ← L1

 (2) (1)
 − x2 − 2x3 − 7x4 = 0 L2 ← L2
( S3 ) (2) (2) (1)


 −4x3 + 4x4 = 0 L3 ← L3 −2L2
 (2) (2) (1)
3x3 + 36x4 = −3 L4 ← L4 −7L2

Etape3:
(1)
a43 4
m43 = (1) = = −1
a33 −4
(3) (2)


 x1 + 2x2 + 3x3 + 4x4 = 1 L1 ← L1

 (3) (2)
 − x2 − 2x3 − 7x4 = 0 L2 ← L2
( S4 ) (3) (2) (2)


 −4x3 + 4x4 = 0 L3 ← L3 −2L2
 (3) (2) (2)
40x4 = −3 L4 ← L4 −7L3


11
 D’où :
−3
x4 =
40
x3 = x4
x2 = −2x3 − 7x4
x1 = 1 − 2x2 − 3x3 − 4x4 )

−3
=⇒ x4 =
40
−3
x3 =
40
6 + 21 27
x2 = =
40 40
54 − 9 − 12 7
x1 = 1− =
40 40
2. le système
 (S1 ) s’écrit
 sousforme  AX= b avec :
 matricielle
1 2 3 4 1 x1
     
 2 3 4 1   2   x2 
A=  3 4 1 2  , b =  3  et X =  x 
    
     3 
4 1 2 3 1 x4
3. le système
 (S4 ) s’écrit sous
 forme
matricielle
 =
UX  β avec
 :
1 2 3 4 1 x1
     
 0 −1 −2 −7   0   x2 
U=   ,β=  et X =  
 0 0 −4 4   0  x3 
  
 
0 0 0 40 −3 x4
4. On a det( A) = det(U ) = u11 × u22 × u33 × u44 = 1 × (−1) × (−4) × 40 =
160

Corrigé 1.5. :
1. Interpolation de Lagrange
Rappelons que le polynôme de Lagrange basé sur les points d’interpolation
d’abscisses x0 , x1 , ...., xn est de degré n et s’écrit :
Pn ( x ) = L0 ( x ) f ( x0 ) + L1 ( x ) f ( x1 ) + .... + Ln ( x ) f ( xn )
j=n
(x − xj )
avec Li ( x ) = ∏
j =0
( xi − x j )
j 6 =i

12
a. On a les points d’interpolation sont donnés par :
x0 = 0, x1 = 1/3 et x2 = 2/3 ,
f ( x0 ) = 1 , f ( x1 ) = cos(π/3) , f ( x2 ) = cos(2π/3) , détermineront
donc un polynôme de Lagrange de degré 2, celui-ci s’écrit :

P2 ( x ) = L0 ( x ) f ( x0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x2 )

Avec
( x − x1 )( x − x2 ) ( x − 1/3)( x − 2/3 9 2
L0 ( x ) = = = ( x2 − x − )
( x0 − x1 )( x0 − x2 ) (−1/3) × (−2/3) 2 9
( x − x0 )( x − x2 ) x ( x − 2/3) 2
L1 ( x ) = = = −9( x 2 − x )
( x1 − x0 )( x1 − x2 ) 1/9 3
( x − x0 )( x − x1 ) x ( x − 1/3 9 2 1
L2 ( x ) = = = (x − )
( x2 − x0 )( x2 − x1 ) 2/9 2 3
b. On a

P2 ( x ) = L0 ( x ) f ( x0 ) + L1 ( x ) f ( x1 ) + L2 ( x ) f ( x2 )
9 2 2 9 2 9 1
= ( x − x − ) − ( x2 − x ) − ( x2 − )
2 9 2 3 4 3
−9 2 3
= x − x+1
4 4
c.

cos(π ) f (1) ' P2 (1)

−9 3
' − +1
4 4
' −2

d. on a Q2 ( x ) = αx2 + βx + γ donc 
γ = 1

 Q2 (0) = 1 

2 2 2 2π
 
Q2 (2/3) = cos(2π/3) ⇐⇒ α( ) + β + γ = cos( )
3 3 3
Q20 (0) = 0

 

β = 0





 γ = 1 
 9 1 27
⇐⇒ α = −1 − ) = −

 4 2 8

 β = 0

27 2
=⇒ Q2 ( x ) = − x +1
8
π 64  π  π2 15 1 π
=⇒ P2 ( ) = 2 −1 + cos( ) 2
+1 = + cos( )
32 π 8 32 16 16 8
=⇒ cos(π ) = f (1) ' Q2 (1) = −20375

13
 e. On a l’erreur d’interpolation

e( x ) = f ( x ) − p2 ( x )
f (3) ( ξ x )
= ( x − x0 )( x − x1 )( x − x2 )
3!
−π 3 1 2
= sin(ξ x ) x ( x − )( x − )
6 3 3
2
Donc pour x ∈ I = [0, ]
3  
π3 2 3 4π 3
max | f ( x ) − P2 ( x )| ≤ ) = .
x∈ I 6 3 81
2. Interpolation de Newton :
     
1 1 1 1
Soit les quatre points (−1, f (−1)), − , f − , ,f et (1, f (1))
3 3 3 3
de la fonction f ( x ) = cos(πx ) sur I’intervalle J = [−1, 1]
a. Le tableau des différences divisées.
i xi f [ xi ] f [ x i −1 , x i ] f [ x i −2 , x i −1 , x i ] f [ x i −3 , x i −2 , x i −1 , x i ]
0 -1 -1
1 -1/3 1/2 9/4
2 1/3 1/2 0 -27/16
3 1 -1 -9/4 -27/16 0
b. Soit P3 le polynome d’interpolation de Newton de degre 3 qui interpole
f aux points
M0 , M1 , M2 et M3 .
On a l’expression du polynôme de Newton P3 de degre 3 qui passe par
ces 4 points.

P3 ( x ) = f [ x0 ] + f [ x0 , x1 ]( x − x0 ) + f [ x0 , x1 , x2 ]( x − x0 )( x − x1 )
+ f [ x0 , x1 , x2 , x3 ]( x − x0 )( x − x1 )( x − x2 )
9 27 1
= −1 + ( x + 1) − ( x + 1)( x + )
4 16 3
27 2 11
= − x +
16 16
11
c. f (0) ≈ P3 (0) =
16
d. L’expression analytique de l’erreur pour le polynôme de degre 3 qui in-
terpole f aux points M0 , M1 , M2 et M3
Pour un polynôme Pn interpolant f aux points

a = x0 < x1 < .... < xn = b

14
 si f ∈ C n+1 [ a, b] on a :
∀ x ∈ [ a, b] , ∃ξ = ξ ( x ) ∈ [ a, b] tel que :
f (n+1) (ξ ( x ))
En ( x ) = f ( x ) − Pn ( x ) = Π n +1 ( x )
( n + 1) !
i =n
avec : Πn+1 ( x ) = ∏ ( x − xi )
i =0
Donc ∀ x ∈ [−1, 1] , ∃ξ = ξ ( x ) ∈ [−1, 1] tel que :
f (4) (ξ ( x ))
E3 ( x ) = f ( x ) − P3 ( x ) = Π4 ( x )
4!
1 (4)
=⇒ e3 ( x ) = f (ξ ( x ))( x − 2)( x − 3)( x − 4)( x − 5); ξ ( x ) ∈ [−1; 1]
24
Or f ( x ) = cos(πx ) =⇒ f 0 ( x ) = −π sin(πx ) =⇒ f ”( x ) = −π 2 cos(πx )
=⇒ f (3) ( x ) = π 3 sin(πx ) =⇒ f (4) ( x ) = π 4 cos(πx )
=⇒ | f (4) ( x )| ≤ π 4
Donc
1 (4) 1 1
| E3 ( x )| = | f (ξ ( x ))( x + 1)( x + )( x − )( x − 1)|
24 3 3
π4 1 1
= | cos(πξ ( x ))( x + 1)( x + )( x − )( x − 1)|
24 3 3
π4 2 1
≤ |( x − 1)( x2 − )|
24 9

π4
e. Pour x = 0 on a | E3 ( x )| ≤ ≈ 0.45097
24 × 9
11
| Eexact (0)| = | f (0) − P3 (0)| = 1 − ≈ 0.3125
16

15
1.2 DS2 2018-2019 (Durée : 1h30)

UNIVERSITE MOHAMMED PREMIER

ECOLE NATIONALE DES SCIENCES APPLIQUEES
OUJDA-MAROC
Filière : GIndus3 Année universitaire : 2018-2019
Module : Analyse Numérique Enseignant : M. Derouich

Devoir surveillé N ◦ : 2
Durée : 1h 30 min
Exercice 1.4. : Le but de cet exercice est de déterminer une valeur approchée de π
Z 1
4
On considère l’intégrale suivante : I = 2
dx
0 1+x
1. Vérifier que I = π.
2. Estimer la valeur de I à l’aide de la méthode des rectangles à gauche com-
posite avec 6 points,
3. Estimer la valeur de I à l’aide de la méthode des trapèzes composite avec 5
points,
4. Estimer la valeur de I à l’aide de la méthode de Simpson composite avec 5
points.
5. Comparer alors les résultats obtenus avec la valeur exacte,
6. Rappeler la formule de l’erreur de quadrature pour chaque méthode.
Exercice 1.5. :
Z b
1. Écrire la formule du trapèze composée pour approcher f ( x )dx
a
2. Trouver le nombre n de subdivisions nécessaires de l’intervalle d’intégra-
tion [0, 1], pour évaluer à 0.5 × 10−4 près, grâce à la méthode des trapézes,
l’intégrale
Z 1
3
e x dx
0
Exercice 1.6. :
Soit α un nombre réel donné tel que 0 < α ≤ 1 et soient x0 = −α, x1 = 0, x2 = α .
Etant donnés ces trois points d’intégration, nous sommes intéressés à trouver trois
nombres (poids) ω0 , ω1 et ω2 qui définiront la formule de quadrature :
2
J( f ) = ∑ ωi f (xi ) = ω0 f (−α) + ω1 f (0) + ω2 f (α),
i =0

où f est une fonction continue quelconque donnée sur [−1, 1].

16
1. Trouver les poids ω0 , ω1 et ω2 en fonction de α tels que
Z 1
J ( P) = P( x )dx
−1
pour tout polynôme P de degré m ≤ 2
Z 1
2. Existe-t-il α tel que J ( P) = P( x )dx pour tout polynôme P de degré m ≥
−1
3?
Si oui, quelle est la valeur maximale de m et que valent α, ω0 , ω1 et ω2 ?

Bon courage

17
 Corrigé

Corrigé 1.6. :
Z 1
4
On considère l’intégrale suivante : I = dx
0 1 + x2
Z 1
4
1. I = 2
dx = 4 arctan(1) = π
0 1+x
2. La méthode des rectangles à gauche composite à n + 1 points pour calculer
l’intégrale d’une fonction f sur l’intervalle [ a, b] s’écrit

b − a i = n −1 b−a
Ign =
n ∑ f ( xi ) =
n
[ f ( x0 ) + f ( x1 ) + .... + f ( xn−1 ))]
i =0

1 b−a 1
Avec f ( x ) = 2
, a = 0, b = 1, n = 5 d’où h = =
1+x n 5
1 2 3
donc x0 = 0, x1 = x0 + h = , x2 = x1 + h = , x3 = x2 + h = , x4 =
5 5 5
4
x3 + h = , x5 = x4 + h = 1 on obtient
5
1
Ig = [ f ( x0 ) + f ( x1 ) + f ( x2 ) + f ( x3 ) + + f ( x4 )]
5
1 4 4 4 4 4
= [ + + + + ]
5 1 + x0 1 + x1 1 + x2 1 + x3 1 + x42
2 2 2 2

= 3.33492611

3. La méthode des trapèzes composite à n + 1 points pour calculer l’intégrale

d’une fonction f sur l’intervalle [ a, b] s’écrit
Z b= xn
h
f ( x )dx = [ f ( x0 ) + 2 f ( x1 ) + ....2 f ( xn−1 ) + f ( xn )]
a = x0 2
1 b−a 1
Avec f ( x ) = 2
, a = 0, b = 1, n = 4 d’où h = =
1+x n 4
1 2 3
donc x0 = 0, x1 = x0 + h = , x2 = x1 + h = , x3 = x2 + h = , x4 =
4 4 4
x3 + h = 1 on obtient
h
IT = [ f ( x0 ) + 2 f ( x1 ) + 2 f ( x2 ) + 2 f ( x3 ) + f ( x4 )]
2
1
= [ f (0) + 2 f (1/4) + 2 f (2/4) + 2 f (3/4) + f (1)]
8
= 3.131176471

18
 4. La méthode des Simpson composite à n + 1 points pour calculer l’intégrale
d’une fonction f sur l’intervalle [ a, b] s’écrit
Z b= xn  n/2−1 n/2 
h
f ( x )dx ≈ f ( x0 ) + 2 ∑ f ( x2i ) + 4 ∑ f ( x2i−1 ) + f ( xn )
a = x0 3 i =1 i =1

1 b−a 1
Avec f ( x ) = 2
, a = 0, b = 1, n = 4 d’où h = =
1+x n 4
1 2 3
donc x0 = 0, x1 = x0 + h = , x2 = x1 + h = , x3 = x2 + h = , x4 =
4 4 4
x3 + h = 1, on obtient

h
IS = [ f ( x0 ) + 4 f ( x1 ) + 2 f ( x2 ) + 4 f ( x3 ) + f ( x4 )]
3
1
= [ f (0) + 4 f (1/4) + 2 f (2/4) + 4 f (3/4) + f (1)]
12
= 3.141468627

5. On a I = π
| Ig − I | = 0.1933346

| IT − I | = 0.01416

| IS − I | = 2.4026 × 10−5

Donc la meilleure approximation de I est celle de la méthode de Simpson.

6. • La méthode des rectangles à gauche
  ( b − a )2
 I − Ign  = M1
 
2n
où M1 = max  f 0 (t) .
 
a≤t≤b
• La méthode des trapèzes

(b − a) 2 00
| I − IT | = h f (η )
12
avec η ∈ [ a, b]
• La méthode de Simpson composée est donnée par :
 
 ( b − a ) 4 (4) 
| I − IS | == −
 h f (θ ) ; θ ∈ [ a, b]
180

Corrigé 1.7. :

19
 1. La méthode des trapèzes composite à n + 1 points pour calculer l’intégrale
d’une fonction f sur l’intervalle [ a, b] s’écrit
Z b= xn
h
f ( x )dx = [ f ( x0 ) + 2 f ( x1 ) + ....2 f ( xn−1 ) + f ( xn )]
a = x0 2
b−a
Avec h =
n
b−a 1
2. On a a = 0, b = 1 d’où h = = et l’erreur commise par la méthode
n n
des trapèzes composée est donnée par :
 
 (b − a) 2 00 
E2 =   h f (η ) η ∈ [ a, b]
12
(b − a)3 1  00 
= f (η )
12 n2

3 3 3 3
Or f ( x ) = e x =⇒ f 0 ( x ) = 3x2 e x =⇒ f 00 ( x ) = 6x2 e x + 9x2 e x
Donc pour x ∈ [0, 1] on 0 ≤ e x ≤ e =⇒ | f 00 ( x )| ≤ 6e + 9e = 15e
par conséquent,
15e
| E2 | ≤ ;
12n2
Ainsi pour que | E2 | ≤ 0.5 × 10−4 il suffit que n vérifie
15e 15e 5e
≤ 0.5 × 10−4 =⇒ n2 ≥ = × 104
12n2 0.5 × 12 × 10−4 2
r
2 5e
=⇒ n ≥ 10
2
Donc n vérifie n ≥ 260.687.
On prendra donc n = 261.

Corrigé 1.8. :
1. On a :
i ) pour P0 ( x ) = 1
Z 1
ω0 P0 (−1) + ω1 P0 (0) + ω2 P0 (α) = P0 ( x )dx
−1
ω0 + ω1 + ω2 = 2

ii ) pour P1 ( x ) = x
Z 1
ω0 P1 (−α) + ω1 P1 (0) + ω2 P1 (α) = P1 ( x )dx
−1
−αω0 + αω2 = 0

20
 iii ) pour P2 ( x ) = x2
Z 1
ω0 P2 (−α) + ω1 P2 (0) + ω2 P2 (α) = P2 ( x )dx
−1
2
α 2 ω0 + α 2 ω2 =
3
On obtient le système suivant :
2
  
 ω 0 + ω 1 + ω 2 = 2  ω 1 = 2 − ( ω 0 + ω 2 ) 
 ω1 = 2− 2

 
 
 3α
− ω0 + ω2 = 0 ⇐⇒ ω0 = ω2 ⇐⇒ ω0 = = ω2
 α 2 ω0 + α 2 ω2 = 2  2α2 ω0 = 2 1

 
 

=

 ω2
3 3 3α2
On obtient donc
1 2
ω0 = ω2 = 2 , ω1 = 2 − 2 .
3α 3α
2. pour P3 ( x ) = x3

ω0 P3 (−α) + ω1 P3 (0) + ω2 P3 (α) = (−α)3 ω0 + α3 ω2

= 0 (car ω0 = ω2 )
Z 1 Z 1
P3 ( x )dx = x3 dx = 0
−1 −1
Z 1
⇐⇒ P3 ( x )dx = ω0 P3 (−α) + ω1 P3 (0) + ω2 P3 (α)
−1

pour P4 ( x ) = x4

Z 1
ω0 P4 (−α) + ω1 P4 (0) + ω2 P4 (α) = P4 ( x )dx
−1
Z 1
α 4 ω0 + α 4 ω2 = x4 dx
−1
α2 α2 2
=⇒ + =
3 3 5
3
=⇒ α2 =
5
r
3
=⇒ α2 = (0 < α ≤ 1)
5
1 5 10 8
Les poids deviennent alors ω0 = ω2 = = et ω1 = 2 − =
r 3 × 3/5 9 9 9
3 5 8
Pour P5 ( x ) = x5 , avec α = , ω0 = ω2 = et ω1 = , on obtient
5 9 9
1 4 1
J ( x5 ) = P4 (−α) + P4 (0) + P4 (α) = 0
3 3 3

21
et Z 1 Z 1
P5 ( x )dx = x5 dx = 0.
−1 −1
Donc
1 4 1 1 Z
P4 (−α) + P4 (0) + P4 (α) = P5 ( x )dx
3 3 3 −1
r
6 3 5 8
Pour P6 ( x ) = x , avec α = , ω0 = ω2 = et ω1 = , on obtient
5 9 9
5 8 5 10 27 6
J ( x6 ) = P6 (−α) + P6 (0) + P4 (α) = × =
9 9 9 9 125 25
et Z 1
2
P6 ( x )dx = .
−1 7
Donc Z 1
5 8 5
P6 (−α) + P6 (0) + P4 (α) 6= P6 ( x )dx
9 9 9 −1
Ainsi la valeur maximale de m telle que la formule de quadrature intègre
exactement les polynômes de degré m est m = 5.

22
 UNIVERSITE MOHAMMED PREMIER
ECOLE NATIONALE DES SCIENCES APPLIQUEES
OUJDA-MAROC

Filière : GIndus3 Année universitaire : 2018-2019

Module : Méthodes Numériques Enseignant : M. Derouich

Devoir surveillé N ◦ : 2
Durée : 1h 30 min

Exercice 1.3. :
Les propositions suivantes sont-elles vraies ou fausses ? Justifiez votre réponse.
!
2 1
1. La matrice admet une décomposition de Choleski.
1 1
 
1 −2 0
2. La matrice B =  1 −1 0  est symétrique définie positive.
 

0 0 3
3. La matrice B ci-dessus admet une décomposition LU.
!
1 1
4. La matrice A = admet une décomposition de Choleski A = C t C
1 5
!
−1 −1
avec C =
0 −2
 
0 1
5. Soit A =  1 0 , la matrice At A admet une décomposition de Choleski.
 

1 1

Exercice 1.4. Soit le système linéaire


 2x1 + 4x2 + 8x3 = 6

( S1 ) : x1 + x2 + 4x3 = 5

3x1 + 6x2 + 7x3 = 4


1. Ecrire le système (S1 ) sous forme AX = b.

2. Montrer que la factorisation LU de la matrice A est donnée par les matrices :
   
1 0 0 2 4 8
L =  1/2 1 0  , et U =  0 −1 0 
   

3/2 0 1 0 0 −5

3. Résoudre le système linéaire (S1 ) en utilisant la factorisation LU.

4. Déduire le déterminant de A.

23
Exercice 1.5. :
On considère le système linéaire Ax = b, où A, b et x0 sont définis de la façon
suivante :      
2 −1 0 1 0
 (0)
A =  −1 2 −1  , b =  0 ,x = 0 
    

0 −1 2 1 0
1. Méthode de Jacobi
1.1 Montrer que la matrice d’itération B J de la méthode de Jacobi est donnée
par :
 
0 1/2 0
B J =  1/2 0 1/2 
 

0 1/2 0

1.2 Calculer le rayon spectral de B J et en déduire que la méthode de Jacobi

converge.
1.3 Écrire le schéma itératif de la méthode de Jacobi et calculer x (1) et x (2)
2. Méthode de Gauss-Seidel.
2.1 Montrer que la matrices d’itération BGS de la méthodes de Gauss-Seidel
est donnée par :
 
0 1/2 0
BGS =  0 1/4 1/2 
 

0 1/8 1/4

2.2 Calculer le rayon spectral de BGS et en déduire que la méthode de Gauss-

Seidel converge.
2.3 Écrire le schéma itératif de la méthode de Gauss-Seidel et calculer x (1) et
x (2)
3. Comparer les deux méthodes.

Bon courage

24
 Corrigé

Corrigé 1.9. :

1. Vrai, car la matrice A est symétrique définie positive. Puisque a11 = 1 > 0 et
det( A) = 1 > 0
2. Faux, La matrice B n’est pas symétrique.
 
1 −2 0  
 1 −2 
3. Vrai, on a B =  1 −1 0  comme b11 = 1 6= 0,   = 3 6= 0
   
 1 −1 
0 0 3
et det( B) 6= 0 donc B admet une décomposition LU.
4. Faux, car C11 < 0, C22 < 0
" #
t 2 1
5. Vrai, on a A A = =⇒ At A11 = 2 > 0 et det( At A) = 3 > 0 =⇒ la
1 2
matrice A est symétrique définie positive, donc A admet une décomposition
de Choleski.

Corrigé 1.10. Soit le système linéaire


 2x1 + 4x2 + 8x3 = 6

( S1 ) : x1 + x2 + 4x3 = 5

3x1 + 6x2 + 7x3 = 4


1. On a (S1 ) ⇐⇒ AX = b avec
     
2 4 8 x1 6
A =  1 1 4  , X =  x2  et b =  5 
     

3 6 7 x3 4

2. On a  
2 4 8 ( L1 )
A (0) =  1 1 4  ( L2 )
 

3 6 7 ( L3 )

25
 Etape1:
a21 1 a 3
m21 = = et m31 = 31 = Donc
a11 2 a11 2
  L (1) ← L 1
2 4 8 1
 L (1) ← L − 1 L
A (1) =  0 −1 0  2

2 1
2
0 0 5 ( 1 ) 3
L3 ← L3 − L1
2
(1)
a32 −1
Etape2: m32 = = =0
(1)
a22 −2
  (2) (1)
2 4 8 L1 ← L1
A (2) =  0 −1 0  L2(2) ← L2(1)
 
(2) (2) (1)
0 0 5 L3 ← L3 −0L2

Donc U = A(2) et  
1 0
L =  m21 1 0
 

m31 m32 1
   
1 0 0 2 4 8
D’où : L =  1/2 1 0  et U =  0 −1 0 
   

3/2 0 1 0 0 5
3. Pour résoudre le système linéaire (S1 ) on résout d’abord le système Ly = b
et ensuite le système Ux = y.
    
1 0 0 y1 6
Ly = b ⇐⇒  1/2 1 0   y2  =  5 
    

3/2 0 1 y3 4
 
 y1 = 6
  y1 = 6

⇐⇒ 1/2y1 + y2 = 5 ⇐⇒ y2 = 5 − 3 = 2
 
3/2y1 + y3 = 4 y3 = 4 − 9 = −5
 

    
2 4 8 x1 6
Ux = y ⇐⇒  0 −1 0   x2  =  2 
    

0 0 5 x3 −5

x3 = 1

 x3 = 1

 

⇐⇒ − x2 = 2 ⇐⇒ x2 = −2
 1 
 x1 = (6 + 4x 2 + 8x3 ) x1 = 3
 
2

26
  
3
=⇒ X =  −2 
 

4. On a det( A) = det( LU ) = det( L). det(U ) = u11 × u22 × u33 × = 10

Corrigé 1.11. On considère le système linéaire Ax = b, où A, b et x0 sont définis de

la façon suivante :

     
2 −1 0 1 0
  (0)  
A =  −1 2 −1  , b =  0  , x =  0 
 

0 −1 2 1 0

On a A = D − L − U avec

     
2 0 0 0 0 0 0 −1 0
D =  0 2 0  , L = −  −1 0 0  , U = −  0 0 −1 
     

0 0 2 0 −1 0 0 0 0

1. Méthode de Jacobi

1.1) La matrice d’itération de la méthode de Jacobi est donnée par :

B J = D −1 ( L + U )

 
1/2 0 0
On a D −1 =  0 1/2 0 
 

0 0 1/2

    
1/2 0 0 0 1 0 0 1/2 0
⇒ B J = D −1 ( L + U ) =  0 1/2 0   1 0 1  =  1/2 0 1/2 
    

0 0 1/2 0 1 0 0 1/2 0

27
 1.2) On a
 
 −λ 1/2 0 
 
det( B J − λI ) =  1/2 −λ 1/2 
 
 
 0 1/2 −λ 
   
 −λ 1/2  1  1/2 0 
= −λ  − 
   
 1/2 −λ  2  1/2 −λ


1 1
= λ ( − λ2 ) + λ
4 4
1
= λ ( − λ2 )
2√ √
2 2
= λ( − λ)( + λ)
2 2

√√
2 2
Donc donc les valeurs propres de B J sont : λ1 = 0, λ2 = − et λ2 =
√ 2 2
2
=⇒ ρ ( B J ) = maxi |λi ( B J )| =
2
=⇒ ρ ( B J ) < 1

D’où la méthode de Jacubi converge.

1.3) Le schéma itératif de la méthode de Jacobi :

x k +1 = B J x k + C

1
 
 2 
avec C = D −1 b = 0
 

1
 
2
1 1
   
    
x11 0 1/2 0 0  2   2 
⇒ x21  =  1/2 0 1/2   0  +  0 = 0
        

1 1
   
x31 0 1/2 0 0
2 2
1
 
1 1
   
   
x12 0 1/2 0 2 2   2 
1
  
 2     
⇒  x2  =  1/2 0 1/2   0 + 0 =
   

1
 
1
  2 
x32 0 1/2 0 1
 
2 2 2
2. Méthode de Gauss-Seidel

28
2.1) La matrice d’itération de la méthode de Gauss-Seidel est donnée par :

BGS = ( D − L)−1 U
   
2 0 0 1/2 0 0
− 1
On a D − L =  −1 2 0  ⇒ ( D − L) =  1/4 1/2 0 
   

0 −1 2 1/8 1/4 1/2

    
1/2 0 0 0 1 0 0 1/2 0
⇒ BGS =  1/4 1/2 0   0 0 1  =  0 1/4 1/2 
    

1/8 1/4 1/2 0 0 0 0 1/8 1/4

2.2) On a
 
 −λ 1/2 0 
 
det( BGS − λI ) =  0 1/4 − λ 1/2
 

 
 0 1/8 1/4 − λ 
 
 1/4 − λ 1/2 
= −λ 
 

 1/8 1/4 − λ 
1 1
= −λ(( − λ)2 − )
4 16
1 1 1 1
= −λ( − λ − )( − λ + )
4 4 4 4
1
= λ2 ( − λ )
2
1
Donc donc les valeurs propres de BGS sont : λ1 = 0 et λ2 =
2
1
=⇒ ρ ( B J ) = maxi |λi ( BGS )| =
2
=⇒ ρ ( BGS ) < 1
D’où la méthode de Gauss-Seidel converge.
2.3 Le schéma itératif de la méthode de Gauss-Seidel :

xk+1 = BGS xk + C
1
 
  
1/2 0 0 1  2 
1
L ) −1 b
   
avec C = ( D − =  1/4 1/2 0   0  = 
 
 4 
1/8 1/4 1/2 1
 5 
8
1 1
   
    
x11 0 1/2 0 0  2   2 
 1      1   1 
⇒  x2  =  0 1/4 1/2   0  +  = 
 4   4 
x31 0 1/8 1/4 0 5 5
   
8 8

29
 1 1 5
     
   
x12 0 1/2 0  2   2   8 
 2    1   1   5 
⇒  x2  =  0 1/4 1/2   + = 
 4   4   8 
x32 0 1/8 1/4 5 5 13
     
8 8 16
3. On a ρ ( BGS ) < ρ ( B J ), donc la méthode de Gauss-Seidel convergera plus
vite que la méthode de Jacobi.

1.3 DS de rattrapage (Durée : 1h30)

UNIVERSITE MOHAMMED PREMIER

ECOLE NATIONALE DES SCIENCES APPLIQUEES
OUJDA-MAROC

Filière : GIndus3 Année universitaire : 2018-2019

Module : Analyse Numérique Enseignant : M. Derouich

Devoir surveillé de rattrapage

Durée : 1h 30 min

Exercice 1.7. : Soit une fonction f ( x ) connue seulement pour les valeurs de x sui-
vantes :

x 0 π/8 π/4 3π/8 π/2

f (x) 0 0.382683 0.707107 0.923880 1
Z π/2
On désire évaluer I = f ( x )dx .
0
1. Estimer la valeur de I à l’aide de la méthode des rectangles à gauche com-
posite,
2. Estimer la valeur de I à l’aide de la méthode des trapèzes composite,
3. Estimer la valeur de I à l’aide de la méthode des Simpson composite,
4. Sachant que f est définie par f ( x ) = sin( x ), comparer alors les résultats
obtenus avec la valeur exacte.
5. Rappeler la formule de l’erreur de quadrature pour chaque méthode. Don-
nez une estimation de l’erreur pour la fonction f , et la comparer avec l’erreur
calculée dans la question précédente.

30
Exercice 1.8. On considère le problème du calcul de θ dans l’intervalle [0, π ] tel que

1
θ = 1− cos(θ )
4
1. Déterminer la fonction f telle que f (θ ) = 0.
2. Pour approcher θ on considère la méthode de dichotomie
2.1 Peut-on appliquer la méthode de dichotomie pour calculer θ ? Justifiez
votre réponse.
2.2 Déterminer le nombre d’itération n à faire pour avoir une erreur infe-
rieure à 10−10
2.3 Donner une estimation de l’erreur après 50 itérations
3. Pour approcher θ on considère la méthode de point fixe :
(
x0 ∈ [0, π ]
x n +1 = g ( x n )

1
Avec g est la fonction définie par g( x ) = 1 −
cos( x )
4
3.1 Monter que cette méthode est convergente.
3.2 Montrer que dans [0, π ] on a la relation suivante : | xn+1 − θ | ≤ C | xn − θ |
et proposer une estimation pour la constante C.
π
3.3 Montrer que pour x0 ∈ [0, π ] on a la relation suivante : | xn − θ | ≤ n
4
3.4 Déterminer le nombre minimal d’itérations nécessaires pour avoir une
erreur inferieure à 10−5
.

Bon courage

31
 Corrigé

Corrigé 1.12. :

1. La méthode des trapèzes composite à n + 1 points pour calculer l’intégrale

d’une fonction f sur l’intervalle [ a, b] s’écrit

b − a i =n b−a
Idn = ∑
n i =1
f ( xi ) =
n
[ f ( x1 ) + f ( x2 ) + .... + f ( xn−1 ) + f ( xn )]

Avec a = 0, b = π/2, n = 4 donc on obtient

Z b=π/2
Id ≈ f ( x )dx
a =0
π
= [ f ( x1 ) + f ( x2 ) + f ( x3 ) + f ( x4 )]
8
π
= [0.382683 + 0.707107 + 0.92388 + 1]
8
= 1.183465442

2. La méthode des trapèzes composite à n + 1 points pour calculer l’intégrale

d’une fonction f sur l’intervalle [ a, b] s’écrit
Z b= xn
h
f ( x )dx = [ f ( x0 ) + 2 f ( x1 ) + ....2 f ( xn−1 ) + f ( xn )]
a = x0 2
Avec a = 0, b = π/2, n = 4 d’où h = b − a/n = π/8 et on obtient
Z b=π/2
IT = f ( x )dx
a =0
h
= [ f ( x0 ) + 2 f ( x1 ) + 2 f ( x2 ) + 2 f ( x3 ) + f ( x4 )]
2
π
= [0 + 2(0.382683 + 0.707107 + 0.92388)) + 1]
16
= 0.987116

3. La méthode des Simpson composite à n + 1 points pour calculer l’intégrale

d’une fonction f sur l’intervalle [ a, b] s’écrit
Z b= xn  n/2−1 n/2 
h
f ( x )dx ≈ f ( x0 ) + 2 ∑ f ( x2i ) + 4 ∑ f ( x2i−1 ) + f ( xn )
a = x0 3 i =1 i =1

32
 Avec a = 0, b = π/2, n = 4 d’où h = b − a/n = π/8 et on obtient
Z b=π/2
IS = f ( x )dx
a =0
h
= [ f ( x0 ) + 4 f ( x1 ) + 2 f ( x2 ) + 4 f ( x3 ) + f ( x4 )]
3
π
= [0 + (4 × 0.382683(+(2 × 0.707107) + (4 × 0.92388) + 1]
24
= 1.000135
R b=π/2
4. On a I = a=0 sin( x )dx = 1

| Id − I | = 0.183465

| IT − I | = 0.012884
| IS − I | = 0.000135
Donc la meilleure approximation de I est celle de la méthode de Simpson.
5.
X L’erreur commise par la méthode des rectangles à gauche composée est don-
née par :
( b − a )2
| I ( f ) − Idn | ≤ M1
2n
où M1 = max  f 0 (t) .
 
a≤t≤b
On a a = 0, b = π/2, n = 4 et | f 0 (t)| ≤ 1 =⇒ M1 = 1.
( b − a )2
| I ( f ) − Idn | ≤ M1
2n
(π/2)2
≤
2×4
π2
≤
32
≤ 0, 30842513753404245683857784374613

X L’erreur commise par la méthode des trapèzes composée est donnée par :
(b − a) 2 00
E1 ( f ) = − h f (η )
12
avec η ∈ [ a, b]
On a a = 0, b = π/2, n = 4 , h = b − a/n = π/8 et | f ”(t)| ≤ 1. Donc
(b − a) 2
| E1 ( f )| ≈ h
12
π3
≈
1536
≈ 0, 02018637804707019542674239262181

33
 X L’erreur commise par la méthode de Simpson composée est donnée par :
( b − a ) 4 (4)
E2 ( f ) = − h f ( θ ); θ ∈ [ a, b]
180
 
On a a = 0, b = π/2, n = 4 , h = b − a/n = π/8 et  f (4) (θ ) ≤ 1. Donc
 

π π4
| E2 ( f )| ≈
360 4096
π5
≈
1474560
≈ 0.6605976768 × 10−4

Corrigé 1.13. :
1
On considère le problème du calcul de θ tel que θ = 1 − cos (θ )
4
1.
1 1
On a θ = 1 − 0.5 cos (θ ) ⇔ 1 − 0.5 cos (θ ) − θ = 0
4 4
1
Donc f ( x ) = 1 − 0.5 cos ( x ) − x
4
2. La méthode de dichotomie
3 5
3.1 Ona f (0) = > 0 et f (π ) = − π < 0 =⇒ f (0) f (π ) < 0 , on peut bien
4 4
appliquer la méthode de dichotomie (bissection) pour calculer le zéro θ.
3.2 Nombre d’itérations n à faire pour avoir ∆x ≤ 10−10
on a ∆x = | xn − θ | et b − a = π/2 alors :
b−a
| xn − θ | ≤
2n +1
π
≤
2 +1
n

π
| xn − θ | ≤ ≤ 10−10
2n +1
Donc
π
≤ 10−10 ⇐⇒ 1010 π ≤ 2n+1
2n +1
⇐⇒ 10 ln(10) + ln(π ) ≤ (n + 1) ln(2)
10 ln(10) + ln(π )
⇐⇒ −1 ≤ n
ln(2)
=⇒ 33, 8707 ≤ n
=⇒ n = 34

34
 3.3 Estimation de l’erreur après 50 itérations
on a ∆x = | xn − θ |, et b − a = π/2 et n = 50 alors :
π π
| xn − θ | ≤ = 51
251 2
Donc
∆x = | xn − θ | ≤ 1, 3951473992 × 10−15
1
3. xn+1 = g( xn ) avec x0 ∈ [0, π/2] et g( x ) = 1 − cos( x )
4
1
4.1 On a g0 ( x ) = sin( x ) ≥ 0; ∀ xN[0, π ] donc f est croissante sur [0, π ]
4
5
=⇒ g([0, π ]) = [ g(0), g(π ) = [0, ] ⊂ [0, π ],
4
de plus : Grâce à

1 1
0 ≤ g0 ( x ) = sin( x ) ≤ , ∀ x ∈ [0, π/2]
4 4
1
=⇒ | g0 ( x )| ≤
<1
4
Donc méthode de point fixe est convergente.
4.2 On a :

| xn+1 − θ | = | g( xn ) − g(θ )| = | g0 (ξ )( xn − θ )| ≤ C | xn − θ |.
1
avec ξ ∈]0, π [ et C = max | g0 ( x )| =
x ∈[0,2π ] 4
1 1
4.3 Comme | xn+1 − θ | ≤ | xn − θ | =⇒ | xn − θ | ≤ n | x0 − θ |
4 4
Or 0 ≤ x0 ≤ π et 0 ≤ θ ≤ π =⇒ | x0 − θ | ≤ π.
D’où
π
| xn − θ | ≤ n
4
π
4.3 On veut trouver le plus petit des n tels que n < 10−5 .
4
Donc 4n > π × 105 =⇒
ln(π ) + 5 ln(10)
n> = 9, 1305683
ln(4)

d’où n = 10.

35
 UNIVERSITE MOHAMMED PREMIER
ECOLE NATIONALE DES SCIENCES APPLIQUEES
OUJDA-MAROC

Filière : GIndus3 Année universitaire : 2018-2019

Module : Méthodes Numériques Enseignant : M. Derouich

Devoir surveillé de rattrapage

Durée : 1h 30 min

Exercice 1.6. Soit le système linéaire


 x1 + x2 − x3 = 2

( S1 ) : x1 + 3x2 = 4

− x1 + 4x3 = −1


1. Résoudre le système (S1 ) par la méthode d’élimination de Gauss.

2. Écrire le système (S1 ) sous la forme AX = b1 .
3. En déduire que la décomposition LU de A est donnée par les matrices :
   
1 0 0 1 1 −1
L= 1 1 0  , et U =  0 2 1 
   

−1 1/2 1 0 0 5/2
.
4. Déduire le déterminant de A.
5. Résoudre le système linéaire AX = b2 en utilisant la factorisation LU,
 
−1
avec b2 =  −2  .
 

3
6. Monter que A est symétrique définie positive.
7. En déduire que A admet une factorisation de Cholesky A = LLt
8. Montrer que la matrice L est donnée par :
 
1 0 0
√
L= 1 2 0 
 
√ √
−1 2/2 5/2

9. Résoudre le système linéaire AX = b3 en utilisant décomposition de Cho-

 
−1
lesky A = LLt avec b3 =  3 
 

36
Exercice 1.7. :
On considère le système linéaire Ax = b, où A et b sont définis de la façon suivante :
  
1 2 −2 1
A =  1 1 1 , b= 0 
   

2 2 1 1

1. Méthode de Jacobi
1.1 Montrer que la matrice d’itération B J de la méthode de Jacobi est donnée
par :
 
0 −2 2
B J =  −1 0 −1 
 

−2 −2 0
1.2 Calculer le rayon spectral de B J
1.3 La méthode de Jacobi converge-t-elle ? Justifier votre réponse.
2. Méthode de Gauss-Seidel.
2.1 Montrer que la matrices d’itération BGS de la méthode de Gauss-Seidel
est donnée par :
 
0 −2 2
BGS =  0 2 −3 
 

0 0 2

2.2 Calculer le rayon spectral de BGS .

2.3 La méthode de Gauss-Seidel converge-t-elle ? Justifier votre réponse.

Bon courage

37
 Corrigé

Corrigé 1.14. :

 1x1 + x2 − x3 = 2
 L1
1. ( S1 ) : x1 + 3x2 = 4 L2

− x1 + 4x3 = −1 L3

a21 1 a31 −1
Etape1: m21 = = = 1 et m31 = = = −1 donc
 a 11 1 a11 1
(1)
 x1 + x2 − x3 = 2 L1 ← L1


(1)
2x2 + x3 = 2 L2 ← L2 −1L1
(1)

L3 ← L3 −(−1) L1

 x2 + 3x3 = 1
(1)
a32 1
Etape2: m32 = (1)
=
a22 2
(2) (1)

x + x2 − x3 = 2 L1 ← L1
 1


(2) (1)
( S2 ) 2x2 + x3 = 2 L2 ← L2 D’où :
 5 (2) (2) 1 (1)
← L3 − L2

 x3 = 0 L3
2 2
x3 = 0
2x2 + x3 = 2
x1 = 2 − x2 + x3 )

x3 = 0
x2 = 1
x1 = 1

2. le système (S1 ) s’écrit sous forme matricielle AX = b avec :

     
1 1 −1 2 x1
A =  1 3 0  , b =  4  et X =  x2 
     

−1 0 4 −1 x3
3. D’après 1. on a

1 1 −11
0 2 1 
 
U=
5
 
0 0
2

38
 et  
1 0
L =  m21 1 0 
 

m31 m32 1
   
1 0 0 1 1 −1
D’où : L =  1 1 0  et U =  0 2 1 
   

−1 0.5 1 0 0 2.5
4. Pour résoudre le système linéaire (S2 ) on résout d’abord le système Ly = b2
et ensuite le système Ux = y.
    
1 0 0 y1 −1
Ly = b2 ⇐⇒  1 1 0   y2  =  −2 
    

−1 0.5 1 y3 3

 
 y1 = −1
  y1 = −1

⇐⇒ y1 + y2 = −2 ⇐⇒ y2 = −1
 
−y1 + 0.5y2 + y3 = 3 y3 = 2.5
 

    
1 1 −1 x1 −1
Ux = y ⇐⇒  0 2 1   x2  =  −1 
    

0 0 2.5 x3 2.5
  

 2.5x3 = 2.5  x3 = 1
  x1 = 1

⇐⇒ 2x2 + x3 = −1 ⇐⇒ 2x2 = −1 − 1 ⇐⇒ x2 = −1
  
x1 + x2 − x3 = −1 x1 = −1 − x2 + x3 x3 = 1
  

5.  
1 1 −1
A =  1 3 0  = At
 

−1 0 4
Donc A est symétrique
 
 1 1 
a11 = 1 > 0,   = 2 > 0 et det( A) = det( L) det(U ) = u11 × u22 ×
 
 1 3 
u33 = 5 > 0
donc A est symétrique définie positive.
6. On a A est une matrice symétrique, symétrique définie positive, il existe (au
moins) une matrice réelle triangulaire inférieure L telle que A = LLt

39
  
l11 0 0
7. A = LLt avec L =  l21 l22 0 
 

l31 l32 l33

 √
l11 = a11 = 1
√
 


 l11 = a11 k =1

 a 21 1
Pour k = 1 on a ai1 =⇒ l21 = = =1
 li1 = pour i = 2, · · · , n l 11 1
a31 −1

l11 
 l31 = = = −1


l11 1
Pour k > 1 on a
 q
l
 kk
 = akk − ∑kj=−11 lkj
2

aik − ∑kj=−11 lij lkj

 lik = pour i = k + 1, · · · , n

lkk
 q
2 =
√ √
 l22 =
 a22 − l21 3−1 = 2
k =2
=⇒ a32 − l31 l21 0 − (−1) × 1 1
 l32 =
 = √ =√
l22 2 2
( r r
1 5
q
k =3 2 − l2 =
=⇒ l33 = a33 − l31 32 4 − (−1)2 − =
2 2
 
1 0 0
√
1 2 0 
 
L=

r 
 1 5 
−1 √
2 2
On a AX = b3 ⇔ LLt X = b3 on pose Lt X = Y Donc LY = b3
Pour résoudre le système linéaire AX = b3 on résout d’abord le système Ly = b3 et
ensuite le système Lt X = Y.
 
1 0 0    
√ y1 −1
 1 2 0 
 
Ly = b3 ⇐⇒  r   y2  =  3 
  
 1 5 
−1 √ y3 4
2 2
 
y1 = −1 y1 = −1
√
 

 
 √
y1 + 2y2 = 3
 
⇐⇒ r ⇐⇒ y 2 = 2 2
r
 1 5  5
 − y1 + √ y2 + y3 = 4
 
  y3 =

2 2 2
 
1 1 −1
 
  − 1
 √ 1  x1  √ 
t
 0 2 √    2 2 
L X = Y ⇐⇒   x2  =  r 

r2 
 
5 
 2 
x3

0 0 5
2

40
 −12
 r r  
5 2 2

 x3 =

 x3 =

 x1 =

 2 5

 5 √

 5
√ √ ⇐⇒ 9
  
⇐⇒ 1 √ √ 2 ⇐⇒ x =
2x2 + √ x3 = 2 2 2x 2 = 2 2 − 2
5
2 5
  
2

 
 

x1 = −1 − x2 + x3 x3 =
  
x1 + x2 − x3 = −1
  
5

Corrigé 1.15. On considère le système linéaire Ax = b, où A, b et x0 sont définis de

la façon suivante :    
1 2 −2 1
A =  1 1 1 , b =  0 ,
   

2 2 1 1
On a A = D − L − U avec
     
1 0 0 0 0 0 0 2 −2
D =  0 1 0 ,L = − 1 0 0 ,U = − 0 0 1 
     

0 0 1 2 2 0 0 0 0
1. Méthode de Jacobi
1.1) La matrice d’itération de la méthode de Jacobi est donnée par :

B J = D −1 ( L + U )
 
1 0 0
On a D −1 = 0 1 0 
 

0 0 1
    
1 0 0 0 −2 2 0 −2 2
⇒ B J = D −1 ( L + U ) =  0 1 0   − 1 0 − 1  =  − 1 0 − 1 
    

0 0 1 −2 −2 0 −2 −2 0

1.2) On a
 
 − λ −2 2 
 
det( B J − λI ) =  −1 −λ −1 
 
 
 −2 −2 − λ 
     
 − λ −1   −2 2   −2 2 
= −λ  + − 2
     
  
 −2 − λ   −2 − λ   − λ −1 
= −λ(λ2 − 2) + 2λ + 4 − 2 × 2 − 4λ
= − λ3

Donc donc la valeur propre de B J est : λ1 = 0 =⇒ ρ ( B J ) = maxi |λi ( B J )| =

0

41
 1.3) On a ρ ( B J ) = 0 < 1 donc la méthode de Jacubi converge.
2. Méthode de Gauss-Seidel
2.1) La matrice d’itération de la méthode de Gauss-Seidel est donnée par :

BGS = ( D − L)−1 U
 
1 0 0
On a D − L =  1 1 0 
 

2 2 1
       
 1 0   1 0   1 1 
 −
   
   
2 1  2 1   2 2
    
   
1 −1 0
       
 
  0 0   1 0   1 0   
⇒ com( D − L) =  −  −  =  0 1 −2 
   
   
  2 1   2 1   2 2  
0 0 1
 
       
0 0  1 0   1 0
    
−
     
     
 1 0   1 0   1 1 
 
1 0 0
1
⇒ ( D − L ) −1 = com( D − L)t =  −1 1 0 
 
det( D − L)
0 −2 1
    
1 0 0 0 −2 2 0 −2 2
⇒ BGS =  −1 1 0   0 0 −1  =  0 2 −3 
    

0 −2 1 0 0 0 0 0 2

2.2) On a
 
 − λ −2 2 
 
det( BGS − λI ) =  0 2 − λ −3
 

 
 0 0 2−λ 

= − λ ( λ − 2)2

Donc donc les valeurs propres de BGS sont : λ1 = 0 et λ2 = 2

=⇒ ρ ( B J ) = maxi |λi ( BGS )| = 2
2.3) on a ρ ( BGS ) > 1 donc la méthode de Gauss-Seidel diverge.

42