Professional Documents
Culture Documents
Ds Méthodes Numériques
Ds Méthodes Numériques
DES EXAMENS
M. D EROUICH
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
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.
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
=
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
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
sousforme 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.
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
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)
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
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
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
(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
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
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
3/2 0 1 0 0 −5
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
0 1/8 1/4
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.
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
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
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
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
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.
Exercice 1.7. : Soit une fonction f ( x ) connue seulement pour les valeurs de x sui-
vantes :
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. :
b − a i =n b−a
Idn = ∑
n i =1
f ( xi ) =
n
[ f ( x1 ) + f ( x2 ) + .... + f ( xn−1 ) + f ( xn )]
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
−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
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
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
−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
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
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
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
42