Emmanuel Kossi ATCHONOUGLO Analyses Numériques Document de baseTable des matiéres I INTRODUCTION A L'ANALYSE NUMERIQUE, LL Quiestece que lanalyse numérique? 11.1 Définition 2 11.2 Objectifs de analyse numérique... LL3 Probleme: Jiés A Panalyse numérique 1.2 Les outils de Manalyse numérique 12.1 Lalgorithme . 2... 6. Aer 122 Vorganigramme 0.060 es II RESOLUTION DES EQUATIONS NON LINEAIRES ILL Résolution d'une équation queleonque . ILL.1 Séparation des racines . . . ILL.1.1 Méthode graphique IL1.1.2 Méthode de balayage ©. eee I1.2 Amélioration d'une racine séparée TL1.2.1 Crittres @arrét IL1.2.2 Méthode de dichotomiv 111.23. Méthode de Newton-Raphson T1124 Méthode de la sécante ov de In corde... eee eee eee IL1.2.5 Méthode d'interpolation linéaire JIIRESOLUTION DES SYSTEMES D’EQUATIONS LINEAIRES TIL Rappels sur les anatrices TILL.1 Notations ot définitions IIL1.2 Opévations sur les matrices TIL2 Systtmes lingaires 6. es IIL3 Résolution de systéines linéaires non honogenes . « IIL3.1 Algorithmes de résolution directe sees eee TIL3.L.1 Systéme A matrice diagonale TIL3.1.2 Systeme a matrice triangulaire T1L3.2 Transformation des systémes linéaires T1L3.2.1 Méthode de Gauss sans stratégie de pivot T1E.3.2.2 Méthode de Gauss-Jordan . . 111.3.2.3 Méthode de Crout (A = LR) E.K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017 eB errrraAaace 10 10 10 10 u 2 2 12 12 13 13 15 16TABLE DES MATIERES THI.3.2.4 Méthode de Cholesky ( TIL.3.3 Méthode de résolution insdirecte ou T11.3.3.1 Méthode de Jacobi. 111.3.3.2 Méthode de Gauss-Seidel. IIL Exercioos . . Lit) ode itérative IVINTERPOLATION LINEAIRE IV.1 Introduction. 1V.2 Interpolation polyndmiate IV.21 Problime de 1V.3 Approximation pol IV.3.1 Méthode d' iterpolation Nerpolation de Lagrande 1V.3.2 Polynome d'interpolation de Newton : Méthodle des diférenees divisées IV Approximation au sens di IV.4.1 Approsimation polynomiate . 1V.4.2 Approximation queleonque . « V EQUATIONS DIFFERENTIELLES Val Introduetion V.2_ Dérivation mmérique v3 V.B.1 Méthode d'Buler du premier ordre V3.2 Btude générale des méthodes & un pas. . . V.B.2.1 Consistance, stabilité, convergence V4 Mothodes de Runge-Kunta dorire 2. . ViIntégration numérique VII fntroduetion VL.2 Bxemples « VIS nation de erreur, Noyan de Peano. . E.K, ATCHONOUGLO Analyses Numériques document de base 2016 - 2017 16 Ww 18 19 20 22 22 22 22 22 RRERB&S 27 or 28 29 29 29 29 30 32 32 32 ouChapitre I INTRODUCTION A L’ANALYSE NUMERIQUE, T.1 — Qurest-ce que Panalyse numérique? I.1.1 Définition Lranalyse numérique consiste & élaborer des processus qui permettent de résoudre des problemes concrets par la seule voie du calcul numérique, donc a l'aide d’un ordinateur. En gén al, on procede comme suit "= Btude de la solution du probléme direct ; = Création et étude de Ia ou des méthode(s) de résolution == Expérimentation de la ou des méthode(s) afin de tester leur rapidité Remarque [1.1 A la place d'une étude théorique complete d’un algorithme, il est pratique et plus rapide de Vexpérimenter. 1.1.2 Objectife de Panalyse numérique Les différents objectifs du traitement numérique sont © résoudre numériquement des problémes complexes qui ne peuvent pas étre traités de facon analytique @ limiter au maximum le temps de calcul (qui a un coat!) réduire au maximum les erreurs, qu’elles proviennent des arrondis ou de Valgorithme utilis. 1.1.3 Problemes ti A analyse numérique [analyse numérique recherche le passage d'un domaine continu, infini et théorique & un domaine discret, borné et coneret. Pour les principaux problémes, on peut retenir que @ Ia représentation des nombres sur ordinateur nest pas exacte; @ les opérateurs arithmétiques ne sont qu'une approximation sur les ordinateurs; © les concepts d’infiniments petits ou infiniments grands n'existent pas; @ ily @ accumulation d’erreurs : les opérations de Valgorithme ne sont jamais effectuées avec exactitude, il y a une erreur d’arrondi ou de troncature. L.2 Les out de analyse numérique 1.2.1 Lralgorithme Un algorithme est un procédé de calculs qui permet de résoudre une série de problémes dun méme type. E.K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre IL INTRODUCTION A L'ANALYSE NUMERIQUE Le meilleur algorithme est celui qui donn Utilisant le moins de place mémoire possible On peut distinguer deux types d’algorithmes © les algorithmes génériques ~ fonetionnent dans un grand nombre de cas, = niutilisent que peu d’hypothéses & priori, e Ia solution ta plus précise avec un minimum d’opérations et en. = he sont généralement pas les plus efficaces (temps de caleul/précision), mais couvrent un large éventail dutilisations possibles @ les algorithmes spécifiques ~ ne fonctionnent que dans des cas bien préci ~ tilisent des hypothéses & priori, qui les rendent adaptés & des problames pré ~ sont généralement. plus efficac la fois en temps de calcul et en précision, certaines hypothises étant explicitement prises en compte dans Valgorithme utilisé. 1.2.2 Worganigramme Lorganigramme est la représentation schématique de la suite d'opérations traduisant le processus de résolution d'un probleme donné, Crest un passage entre V'algorithme et le programme, il est généralement constitué de symbols. Généralement, 1 ‘organigramme est indépendant du langage dans lequel on souhsite traduire Valgorithme. Il existe deux types d’organigrammes ~ Vorganigramme de type graphique; ~ Vorganigramme de type texte. Exercice 1.2.1 1. Qu’est ce qu’un algorithme ? 2. Quiest ce qu'un organigramme ? 3. Quelle différence faites-vous entre un alyorithme et organigramme ? 4. Donnez quelques difficultés liées a résolution des problémes sur ordinateurs EK, ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre IT RESOLUTION DES EQUATIONS NON LINEAIRES IL1 Resolution d'une équation quelconque Soit f une fonction réelle continue sur un intervale [a, }] On désire résondre dans cet intervalle Péquation f(r) = 0. ~ Si les études le permettent, on peut utiliser des propriétés de la fonction pour rechercher les solutions & l'aide dune méthode particuliére ~ Si la fonction f est quelconque, on va rechercher une ou les solution(s) approchée(s) & l'aide d'une méthode plus générale. Ce genre de probleme se rencontre souvent, qu'il sSagisse de déterminer le point de fonctionnement d'une diode dlaprés sa caractéristique, la concentration d'une espece chimique dans un mélange réactionnel ou Ia fréquence de coupure d'un filtre électrique. On n’envisagera ici que des fonctions réelles. On peut étre amené & chercher toutes les solutions de f(x) = 0, ‘on seulement quelques unes ou la plus petite. Cas particulier important of f est tun polynéme : les racines sont réelles ou deux & deux complexes conjusuées, en nombre égal au degré du polynome. Test rare d’écrire une solution analytique de ’équation f(x) = 0; sauf pour les polynémes de degré inférieur ou égal & 4 ou pour de fonctions simples. En conséquence, toutes les méthodes générales de recherche de racine sont des méthodes itératives (On doit se préoceuper de la convergence de la méthode et de la vitesse de convergence, définir un critére d'arrét des itérations et prévoir le role des erreurs d’arrondi inévitables dans tout calcul numérique. ‘Aucune méthode connue ne fonctionne tien aveugle# ; on doit toujours avoir une connaissance au moins ap- proximative de 'emplacement de la racine. Test vivement recommandé de tracer Ie graphe de la fonction pour avoir une idée du nombre et de la position des zéros. IL.1.1 — Séparation des racines TL1.1.1 Méthode graphique Bille consiste & tracer la courbe représentative de f et & chercher 'intersection de la courbe avec l'axe des abscisses. Si la fonction f est plus compliquée pour son étude, on peut chercher & la décomposer comme somme de deux fouctions, Dans ce cas, on cherche les points d'intersection des courbres représentatives des deux fonctions. Exemple ILL.1 : f(z) = exp(z)sin(2) ~ 1. E.K.ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre II, RESOLUTION DES EQUATIONS NON LINBAIRES 7 IL1.1.2 Méthode de balavage Elle est basée sur le corollaire du théortme de Rolle : Corollaire 11.1.1 Si une fonction continue f sur un segment [a,b] prend sur ce segment des valeurs de signes contraires , céd si f(a).f(b) <0, alors ce segment contient ax moins une racine de l'équation f(z) = 0. De plus, si ta dérivée f'(x) existe et f"(x) est de signe constant sur [a, 6], alors la racine est unique. ‘Technique de calcul On balise Vintervalle (a, 6] par des points équidistants m=ath a =a+2h 3=a+3h ay =a4nh=b soit en général x; = a+ ih, i =0,1,....n avec h = (b—a)/n, Si f(xs).f(ei41) <0, alors Sx, € [es 2es) [flee Aprés avoir correctement utilisé cette technique, on obtient un ou des sous intervalles contenant chacun une racine et une seule : cette racine s'appelle alors racine séparée et notée 2, IL1.2 Amélioration d’une racine séparée 11.1.2.1 Critdres d'arrét ‘Nous optons pour deux critéres darrét possibles @ erreur relative ¢, 2 ||2 ~ 2n-1] ex erreur absolue ¢, > lly ~ tn—ill/|lenll 11.1.2.2 Méthode de dichotomie 11.1.2.3 Méthode de Newton-Raphson Cette inéthode est attribuée & Isaac Newton (1642 - 1727); cependant, c'est Raphson qui publiait en 1960 la formule itérative utilisée actuellement. Le principe de la méthode consiste, étant donné un point de départ zo choisi arbitrairement, & élaborer une suite (ziJocien+1 aU, lorsque la méthode converge, tende vers la solution z,, Soient M, le point de coordonnées (a, /(a)) et My le point de coordonnées (b, f(t). On remplace l'are MM, par la droite tangente & la courbe au point M, ou Mp. On recherche T'intersection de cette tangente et de axe des abscisses; cette intersection >, est une premire approximation de la racine Le coefficient de la pente de In droite tangente & la courbe en My est f(a) Le coefficient de la pente de (Mam) est donnée par Hé=)=£) donc on doit avoir =£¢} = f'(a) ou encore fa. D’ou généralement, on utilise V'algorithme Bie peeeee) Iai= len), H)=2— Fey E.K, ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre I, RESOLUTION DES EQUATIONS NON LINEAIRES 8 Précaution A suivre - Ilest indispensable de compter les itérations et de stopper le processus itératif s'il est jugé trop long, = Il faut arréter le processus itératif si f"(xn) est nul ou si f(zn) ou {'(n) est non défini Possibilité de non-convergence © Divergence systématique : f(a) = 21/5, Avec (2) = —22, on a ay = (~2)"zp w Bouclage du cycle itératif : f(x) Avec (a) = =a, on a ty = (-1) & Interruption par rojet-& Vinfini: f(«) Ta? + 8x Si on choisit par exemple ay = 2, on aura 423 — 72 ) = AE a1 etm =0 a) Te+8 7 “ Avantages et inconvé nts «= Avantages = convergence rapide; = choix d'un seul point pour enclancher le processus ; "= Inconnénients — nécessité de calcul de la dérivée — la méthode ne pent donner qu’une seule racine; ~ la non-assurance de la convergence de la méthode IL.1.2.4 Méthode de Ia sécante ou de la corde Dans certaines situations, la dérivée de f est tres compliquée A calculer ou méme voir impossible & expliciter. On ne peut plus continuer par utiliser la méthode de Newton, Dans la méthode de Newton-Raphson, on avait _ Sen) aut er i8i(@3) ‘On peut remplacer la dérivée par son expression approchée Sn) = Se Se Bn — Fn et par suite, il vient que L(en). = f(a F(@n) = f(@n—1) Contrairement a la méthode de Newton-Raphson, ici, il faut. choisir denx points au départ. Tn = 1.1.2.5 Méthode d’interpolation linéaire Soient M, le point de coordonnées (a, f(a)) et Mr le point de coordonnées (b, f (b)). On trace la droite (M,M;); cette droite coupe l'axe des x au point tm. Ce point est considéré comme ime premiére approximation de la racine © Si f(a).f(@m) = 0, alors la racine est ym 5 "© Si f(a)-f(2m) <0, alors la racine est dans V'intervalle a, 2m{; E.K,ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre II, RESOLUTION DES EQUATIONS NON LINEAIRES, 9 = Si f(a).f(amn) > 0, alors Ia racine est dans Vintervalle [2%6li Des équations des pentes des droites (Ma Ms) et (tn dMj), on a 1a formule de caleu! de 2 f(b). - f(a).b £(@n) tna = f(Gn=1)-2n FOS Tay Ou séeéralement pour Ia forme iérative zn41 CSS Exercice [1.1.1 1. Pour chacune de ces méthodes, donner Vorganigramme de type graphique 2, Donner ensuite Voryanigramme du type texte pour ces mémes méthodes ; Exercice II.1.2 Résolution d'une équation non linéaire 1. On cherche a résoudre sur U'intervalte [2,5] Véquation f(2) = 0 ot f est une fonction continue sur [2,5] non linéaire. Décrire briénement deur approches permetiant de repérer les racines éventuelles de celle équation. 2. On se propose de résoudre l'équation non linéaire f(x) = 0 sur Vintervalle [2,5] avec ta méthode de dichoto- Calculer le nombre d'itérations nécessaires pour avoir une précision absolue de Vordre de 10-* 8. Donner les anantages et inconnénients de Ia méthode de Newlon-Raphson pour la résolution d'une équation non linéaire. Exercice II-1.3 On souhaite résoudre Uéquation 2 ~ , 2 € [0, 400. 1. Montrer que cette équation admet une racine unique s dans (0, col 2. Utiliser la méthode de point fixe pour montrer Ueristence d’une solution de cette équation. Exercice 114 1. Montrer que f a une seule racine tO, tool 2. Montrer que la méthode itérative diverge. Exercice 1.5 Soit léquation In(e)=2-2 1. Montrer que cette Equation admet une solution unique o dans [0,2] 2, Etudier Vitération zp donné nti = 2—In(zn) et montrer que cette itération converge vers «. 3. Montrer que cette équation proposée est équivalente dx = exp(2 ~ 2), et étudier Uitération 29 donné Tap = exp(2 ~ an). Quien déduisez-vous ? 4; Berire la méthode de Newton pour Véquation proposée et proposer tn bon choix de Uinitialistion xo E.K.ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre III RESOLUTION DES SYSTEMES D’EQUATIONS LINEAIRES TIL.1 — Rappels sur tes matrices TIL1.1 Notations et définitions On note A= (aij), tne matrice ayant m lignes et n colonnes et ot les ais sont des nombres réels; ce qui équivant & a) a2 a ayn, 42 aa2 a2 a, Om dma ms Onn, On définit par matrice carrée = (Ginn matrice colonne (ai) matrice ligne =(a)n matrice diagonale = (aij)nny avec aj;=0 pouri# j matrice triangulaire supérieure + A=(ai;)nny avec pour i j matrice unité notée I =(aij)nn, avec matrice nulle =(2ij)nm avec matrice symétrique 443)n.ny AVEC SaaS Sh kh ll e ( matrice antisymétrique =(@ij)nmy avec TIL.1.2 Opérations sur les matrices A=B si Act B sont de méme ordre et aij CG =A+Bsi Aet B sont de méme ordre et cy D = DA signifie que dj; = Aa; x B si A= (aij)mn et B= (bis)np et ij = Yo ainda E.K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre IIT. RESOLUTION DES SYSTEMES D'EQUATIONS LINEATRES uu a matrice transposée de A est notée At et si A= (043)mn alors a! = (05mm Transposée d'un produit de matrice (4B)! = BtAt Matrice inverse :soient deux matrices A et B telles que AB = BA =1; B est Vinverse de la matrice A et on a BoA" Norme dune matrice VAI = max 7 lass] ou |All = max) lai) Matrice symétrique définie positive : soit (xi)* = (#1,22,.2n) un vecteur; une matrice symétrique A est définie positive si TIL.2 | systemes tinéaires Etant donné n variables indépendantes 2, on qualifie de linéaire toute équation du premier ordre définie par ym + aprg +--+ Onn = Un systéme linéaire est done aay tage, + ayyz $6 tainty =O any + agaty + agaty +--+ dann by Ayy121 + Gata + Oats +--+ Omntn = bn soit : Sages hy 1=1,28...4m On pose AX = B ob A eat la matrice m lignes n colonnes, X et B sont les matrices colons suivantes Bilas) ais -'- ain 2 bh anf | ye fea m1 Gm? m3 mn, En, bm, Remarque TIL21 = Sile nombre Wéquations est supérieur ou nombre d'inconnues alors i eiste des so lutions dans des cas particuliers; 5 le nombre d'équations est inférieur au nombre diinconnues alors il peut y anair une ou plusieurs soli. tions; = Un systime est homogéne sib; = 0 pour tout i; il admet la solution x; = 0 pour tout é; = Un systéme pour lequel detA = 0 est dit singulter. Remarque I11.2.2 Les matrices que nous considérerons dans la suite sont des matrices carrées, Propriété I11.2.1 On ne change pas ta solution d'un systeme linéaire ‘= en maltipliant les éléments d'une ligne (second membre compris) par un méme nombre; = en ajoutant auz éléments d'une ligne une combinaison linéaire des éléments d'une autre ligne, Un systtme linéaire AX = B est dit mal conditionné lorsqu’une faible variation du vecteur ou de Ia matrice A ‘entraine une grande variation de la solution X. E,K.ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre III, RESOLUTION DES SYSTEMES D'EQUATIONS LINEAIRES 12 TIL.3 Resolution Je systémes néaires non homogenes Soit A une matrice carrée d'ordre n, On suppose maintenant que le systtme AX = B posséde la propriété suivante det AZO Suivant cette hypothise le solution du systtine AX = B existent ot elle est unique TIL3.1 Algorithmes de résolution directe Ces algorithmes sont basés sur la transformation (par éiminations successives des inconnues) de la matrice A Ja matrice A devient alors soit diagonale soit triangulaite. TIL3.1.1 Systtme A mai ice diagonale La matrice A est telle que aj; OWE A jet aun AOVE Le systéme s'érit alors sous la forme agai = by #= 2.00047 La solution du systéme est simplement- donnée par b neh TIL.3.1.2 Syst \e A matrice triangulaire Rappelons qu’on a aj; = OVE > J avec au: # OVE. Le systéme s’écrit, ayet ait tars +--+ aintn = bb gat) + 02373 + °°" + AIntn = bo Ant AEn-A + Onaayntn = baa Onntn =n Le eystéme peut étre résolu facilement par la méthode de retour en arridre = éait de Ia demniére équation ap est déduit di a sleet aan — Connaissant la solution zp, on la reporte dans I'evant demitre équation, il vient slors puis de proche en proche on opbtient zn-2y Pr-3 y ~- + Ft = Lalgorithme est: Ero Hn ed { a = Ont mig (6: Dace) BK. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre III. RESOLUTION DES SYSTEMES D’EQUATIONS LINEAIRES 13 TIL3.2 trar fo tion des systimes linéaires T11.3.2.1 Méthode de Gauss sans stratégie de pivot Principe La méthode de Gauss consiste (A étant une matrice carrée) {i tronsformer un systéme linéaire AX = B en une suite de systémes linéaires AMX = BO; AMX = B®, .. AMX = BO ayant méme solution que le systeme initial A®X = Bl et tel que la matrice finale AC? soit une matrice triangulaire supérieure Le systéme final A”) X = B(”) est alors résolu par la méthode de retour en arriére. Ona ayn taym+- taint, = [F(z) =0 agit +Oxm +H amnty =b2 | F(z) =0 ity + naita + °° annem done F@) = ann + ae +--+ dante —b1 Py(x) = azz + apatg +++ + Gant — b2 Fala) = amt + anov2 ++** + Onin — bo On retranche & la i= équation la premiére équation multiple par le coefficient an./asx; ce qui permet @éliminer Minconnue 71 de toute les quations saut de la premitre Le systtme devient alors $a, — 10? + ae, — AY) (a) =0 tala +--+ alzn — Oh) avec ©) _ on, 0) = gl) — af) =a) — Sitar, ,ahy = af) - ain 1 ©) aan. al) = al — 202, at) =a —ea,--- oft) =a - teary 1) oP) — amo a? = 0 — sad La premitre 6quation F(z) sert& éliminer 2 dans toutes es autres équations : c'est equation pivot et le coefficient tara le pivot, De fagon générale Véquation k ser liner Vinconnue 24 dans toutes les antes équations ani autvent, Done une deuxitine étape servira A éliminer 22 dans les équations 3,4,5,...,n grice au pivot azz de aquation pivot F(z). Ainsi de proche & proche, on éimine successvement touts Tes inconnues des equations ‘Vondre supérieur s Vinconnue. La matric finale est alors triangulaire supérieure i nous considérons la matrice angmentée du aystbme i la matrice 2m ligne et n-+ 1 colonnes formée 8 partir de la matrice A et du vecteur B, nous pouvons définir Ja démarche suivante: EE. K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre III, RESOLUTION DES SYSTEMES D’EQUATIONS LINEAIRES iF pour joan b+1,...jn j= R41, fakthe nth pour k pour: a) (+0) = oll) — Strole) rae { Exemple I1I.3-1 On veut résoudre par la méthode le Gauss sans stratégie de pivot le systéme AX = B avec 2628 16) 142 5 A= eee Reeey a) | 9 iid 2 On trouverra 262 8 16 ie) (Ce 3 003 -4 i -5 0 0 0 13/3 | -20/3, doit [a solution X= 2 (On doit remarquer que les pivots success ax, ont été supposés non nus dans Talgorithie précédent, alors aque ceux interviennent comme diviseurs. Si un dentro eux et mule Prosessut doit doit étre modifié Iorague le pivot axx = 0, on permute [a He k correspondante avec une quclconaue des lignes suivantes qui posséde un pivot non nul et on reprend le processus normal Stratégie du pivot partiel Tle peut que le pivot, sans étre nul, soit tras petit en comparaison des autres aléments de la matrice A om montze que clest une cause importante derreur d’errondl, Ausi pour une bows précision des calculs, il est préférable que les pivots success soient les plo grands Pssiies es valeur absolu. On peut done rechercher parm fos équstions possible, celle dont la valeur absolue du pivot ot rnaximale et utiliser comme équation pivot Par auite, ton trouve un pivot maximal nul, c'est que tous les vols possibles sont muls, par conséquent, Ia atrice est dite singuliére (det(4) = 0) Stratégie du pivot total On peut aussi appiquer cette stratége aux colonnes disponibles » est \ plus générale est cependant plus délicate 8 applique! ear une permutotion des colonnes entraine une permutation ee ivordre des inconnves, changement dont i andr tenit compte lore Ge Vutilisation de la méthode de retour la tratégie du pivot total. Cette méthode en arritre, Remarque I5L3.1 Il neat pas nécessaire de stocker en mémoires toutes les matrices intermédiares A). On se ert en général de deur matrices déclarées. Pour ta résolution du systeme triangulaire, on ne principale de A‘). Qu’on les ait ou non mis 4 zér na done aucune importance, ce qui simplifie encore la pro- grammation. se vert pas des éléments situés en dessous de 1a diagonale EK. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre III. RESOLUTION DES SYSTEMES D’EQUATIONS LINBATRES 15 mL: 2 Méthode de Gauss-Jordan La méthode de Gauss-Jordan constitue une variante de la méthode de Gauss : elle procéde aussi par élimination des inconnues mais lorsqu'une inconnue est éliminée, elle V'est de toutes les autres équations du systdme, ie aussi bien des équations précédentes que des équations suivantes par rapport au pivot utilisé. La matrice A du systeme linéaire est alors transformée en une matrice unité Z, de sorte que la solution s'obtient directement Considérons alors Ia matrice A, carrée dordre n, & laquelle nows avons rajouté le second membre Qu 012 a3 + Gin Aang 0022 025 «Gan IH Ag= m1 Gna ns ons supposons aussi qu'il n'y a pas d’éléments nul sur la diagonale. La méthode de Gauss-Jordan peut se résumer en la succession d’étapes suivantes : @® On divise la premiere ligne par an; n ® On multiplie la premitre ligne par ay; et on Ia retranche terme & terine de la k'*""" ligne, pour k = Liélément: ayy est: annulé sanf pour k = 1; ® On divise la deuxitme ligne par a); Vindice supérieur représente le nombre d'opérations effectuées sur Vélement; @ On multiplie Ia deuxitme ligne par af!) et on la retranche terme & terme de la 1,3;4;...,n . Ce qui annule les termes de la deuxitme colonne sauf la premitre ligne. Kéeztime tigne, pour k = © On répite les 6tapes 3. ot 4. pour les lignes j = 3,4,...y7 en faint varier lindice k de 1 & j ~1 puis de jtl=n, Exemple I1L.3.2 Résoudre en ulilsant la méthode de Gauss-Jordan le systéme linéaire suivant =1 x 5 -1 m| = 3 3, 2 L’application de ta méthode conduira a Lialgorithme s’éerit alors pouri=jtl..n+1 Bar on(k #3) fax = as ~ a3 pour k sdure, une stratégie de pivot qui évite Ia restriction que TIL.3.2 On peut introduire dans celte p” , 9 ui io " 1¢ sur la diagonale nest nul. départ, & savoir aucun termé le base 2016 - 2017 E.K.ATCHONOUGLO Analyses Numériques document de basChapitre IT. RESOLUTION DES SYSTEMES D’EQUATIONS LINEAIRES 16 mL 3 Méthode de Crout (A= LR) Cette méthode est basée sur Ia transformation de la matrice A en produit de deux matrices en Iaissant le second membre B intact. Ce qui a Vavantage de pouvoir utiliser, avec Ia méme décomposition, plusieurs seconds membres, sans allourdir considérablement les caleuls. ‘On décompose la matrice A en produit de deux matrices £ et Rob: = Lest triangulaire inférieure avec des 1 sur la diagonale; ~ Rest triangulaire supérieure. On pose Abaiol 0 0 rome m3 Tin In 1 0 0 0 ra ras Ton R= eae taa eh ‘o) 0m) et Ainsi le systéme initial AX = B est transformé en deux systémes triangulaires plus simple résoudre AX = B= L(RX) =B ce qui peut s'écrire sous le forme de deux égelités Ly=B RX=Y Le résolution du premier systéme donne un vecteur Y qui devient le second membre du deuxiéme systéme dont le vecteur solution est évidemment la solution cherchée. Tl faut donc maintenant déterminer les deux matrices £ et R; ceci peut se faire par identification avec la matrice ‘A une fois que le produit est fait. On trouve comme formule = pour i= 1,...yn rig = ans et la = an /an ~ pour i=2,...,7 pour j=i,...47 ny 1 = Dhara = pourk=itl....n(i 1, et plus ce nombre est grand plus la résolution du systéme est difficile. Définition 1113.1. On définit le conditionnement d'une matrice A sycirique définie positive comme le rapport entre la valeur mazimate et la valeur minimale des ses valeurs propres Amax(A) cond) = 3 ay WL. 3 Méthode de résolution indirecte ou méthode itérative Liidée des méthodes itératives est de construire une suite de vecteurs X qui converge vers le vecteur X, B, solution du systéme A. X= lim x Vimtérét des méthodes itératives, comparées aux méthodes diretes, est dre simples & programmer et de névessiter ‘moins de place en mémoire, F ‘Une stratégie est de considérer la relation de récurrence linéaire ‘fevanche le temps de calcul est souvent plus long, xt 6x +9 () B.K.ATCHONOUGLO Analyses Numériques document de base 2016-2017Chapitre ITI, RESOLUTION DES SYSTEMES D'EQUATIONS LINEAIRES 18 ot G est In matrice d'itération de la méthode itérative (dépendant de A) et g est un vecteur (dépendant de B), tels que X=GX+9 tant X = A-1B, on obtient g = (I - B)A~1B; la méthode itérative 111.1 est donc complétement définie par le matrice G. En définissant erreur an pas k comme ax -x® on oblient Ia relation de récurrence (1) = Gelk-), coll) = GM = Gel, ot doncel® = Ge, ‘On démontre que limy—so0e"*) = 0 pour tout € (et donc pour tout X(°?) si et seulement si p(G) < 1, ott eG) est le rayon spectral de la matrice G, défini comme A(G) = max |di(G)}, et A\(G) sont les valeurs propres de la matrice G. Une technique générale pour construire des méthodes itératives est basée sur une décomposition (splitting) de Ja matrice A sous la forme A —_N, oh P et N sont des matrices a déterminer avec P non singuliére. La matrice P cst appelée matrice de préconditionnement. Plus précisément, X étant donné, on pent calculer X\), pour k > 1, en résolvant le systeme PX) = Nal) +B, k20 (1.2) Clairement, la solution exacte X satisfait PX = NX + B et donc AX = B. Le systtme III.2 peut étre écrit également sous la forme IIL.1, avec G = P-1N, et g= P~'B. M1: 1 Méthode de Jacobi On remarque que si les éléments diagonaux de A sont non nul, le systéme linéaire AX = B est équivalent & Pour tune donnée initiale X choisie, on caleule X**Y par a) Et dans ce cas, on a avec « D: matrice diagonale ovidd diy = aii, dis ex B= matrice strictement triangulaire inféricure de A’ By=-ayVi>j et By=0ViSs ex F ;- matrice strictement triangulaire supérieure de A Fy imag vij et Be=0Viss e= F ;~ matrice strictement triangulaire supérieure de A Fy :-ayVis On suppose que D — F est inversible clestiindite : Vi ay #0. La matrice G = (D ~ FE) * F est appelée matrice de Gauss-Seidel associée & A Nous pouvons écrire l'algorithme de a méthode de Gauss-Seidel la suite de vecteurs X(#) de composantes (2{” est définie par @ xl est quelconque; La méthode de Gauss-Seidel converge si la matrice du systéme A est & diagonale dominante. Exemple I1L3.3 Utiliser les deur méthodes itérative pour résoudre le systéme suivant 1-1/2 1/2] (u\ (5/2 ye 1 0||a|=|-1/2 -ij2 -1/2 1) \zs 2 E.K, ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre II, RESOLUTION DES SYSTEMES D’EQUATIONS LINEAIRES 21 Exercice [11.4.5 1. Considérons la matrice symétrique suivante 2a 0 A=|a 4a 0a 2 (a) Pour queties valeurs de a la matrice A est-elle définie positive ? (b) Pour queltes vateurs de a la méthode de Gauss-Seidel converge-t-elle ? (c) Calculer te rayon spectral de la matrice A défini par p(A) = max |Ai(A)| (@) Calculer te conditionnement de ta matrice A Amax(A) coma) = (4) 2. Considérons les systémes linéaires dy 4+S2p-48ry=10 (dai +22 +a~ Sle +3ey—10 | ky tan +2 any +3e+42y-10 — [mtantdes—6 1. Rappeler une condition suffisante de converyence pour les méthodes de de GAUSS-SEIDBL. Rappeler une éthode de GAUSS-SEIDEL. Les des systémes vérifient-ils ‘autre condition suffisante de connergence pour la ces conditions ? 2. Ecrire la méthode de GAUSS-SEIDEL pour ces deus systémes linéaires. 4, On illustrera les résultats théoriques de converyence/non-converyence de ces deux schémas en prenant comme point de départ le vecteur (1,223) = (0,0,0) et en caleulant les 9 premiers itérés avec a méthode de GAUSS-SEIDEL pour les systéme. EK, ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre IV INTERPOLATION LINEAIRE TV.1 introduction Le probléme de linterpolation linéaire ou ’approximation a de nombreuses application en calcul numérique et dans les sciences expérimentales. On veut généralement représenter le phénoméne observé par une fonetion simple soit que l'on ne connaisse pas la loi exacte qui le réqit soit que l'on veuille en rendre compte par une fonction plus simple, Cela servira & obtenir une valeur approchée du phénoméne mesuré entre les points de mesure: Dans de nombreux cas, nous cherchons tne fonction g qui passe par tous les points. Généralement, on choisit tune fonction simple qui soit continue et dérivable : un polyndme. C'est I'interpolation polynomiale Un deuxiéme choix est possible, nous pouvons chercher une fonction g, d'un type préalablement choisi, telle que la distance entre les points connus et les points approchés soit minimales : c'est 'approximation. TV.2 Interpolation polynémiale TV.2.1 Probleme de Vinterpolation On considére une fonction de R dans R, dont on connait les valeurs y, qu'elle prend sur n + 1 abscisses 2, 1=0,....7) Le probléme de V'interpolation polyndmiale est de déterminer un polynome de degréinférieur ou égal An, qui prend les valeurs y; sur les n+ 1 abscisses z;. On considére le polynéme de degré inférieur ou égal 3m Pla) = a0 + aya +ane? +--+ aye! +--+ + ane” Les n+ 1 relations P(2,) = yi forment alors un systzme linéaire non homoge que ce systéme s’écrit matriciellement sous la forme : ordre n+ 1, Il est bien évident xp xg) ap? a 1 (om ‘yo ap ott a? my U fand u pee as tm 1) \ a0 Yu IV.3 Approximation polynémiale TV.3.1 Méthode d'interpolation de Lagrande On considére les polynémes $i, n de degré n tels que g(a) = 6}, 9 = 0). B.K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre IV. INTERPOLATION LINEAIRE, 23, oh 6} = 1 si i= J et 6} =0si i Fj. Ces polyndmes sont définis de fagon suivante Par suite le polynéme d'interpolation de la fonction f aux points 24, 1 = 0,....7 s¥écrit Pale) = Yo f(a) dC). (vt) ‘Théoréme IV.3.1 Le probléme d'interpolation P(ai) = f(xs), i = 0 donnée par ta formule IV.1 n admet une solution et une seule Exemple IV.3.1 Trouver le polynéme d'interpolation de Lagrange pour les points suivants : a {2i3|al4 eee IV.3.2 Polynéme d'interpolation de Newton : Méthode des différences divisées Principe Les n +1 polyndmes définis par No(z)=1 N(x) Na(x) = (w ~ t0)(2- 1) (x — 20) Nq() = (2 ~ %0)(t~ 21) ---(# —2n) sont lingsirement indépencants et forment une base de espace vectoret des polyndmes de degréinféieur ou éxal Jin. Gos polyndmes s'appellent polyndmes de Newton. Dans cette base, un polynome (2) s'érit Plz) = aoNo(z) + ari (a) +--+ anNa(2). ce poyns est Is polyatme dintapolation de (2) ie Pa) = f(0), alam vient que es ay sont solutions du systome linénire nA) Ole o aaa 1 (1-1) 0 aa] _|n (eee (emcee tr) LAs) Ties coeficients @ peuvent tre déterminés A V'aide des diféronces divisées de la fonction J au lew de les déterminer par la résolution du systéme ci-dessus. ex On appelle différence divisée d'ordre 1 les quantités Lloo) = S21) fte,,2)] = Lea) = fer) HN eagles” mai EK. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre IV. INTERPOLATION LINEAIRE 4 ‘e Par convention on appelle différence divisée d’ordre 0 Ia valeur des fonctions notée Feo] = feo), fle) (x1), == Par récurrence, on défi les différences divisées dordre p en fonction des différences divisées d'ordre p-1 fleovey--stp-1} = fle T)— Bp Flo, 21)..-+29] On peut montrer la commutativité des arguments, la différence divisée est donc invariante sous l'effet d'une permutation des abscisses. On montre que (x0) ay = fo, 21] Oy = f{to,21,..-5 Exemple IV.3.2 Retrowver le polynéme d’interpolation Pla) = 14 (w— 2) (-2 + (w— 3) (5/12 + ( + 1)41/60)) avec les données de Veremiple précédent. TV.4 Approximation au sens des moindres earrés TV.4.1 Approximation polyndmiale Soit f une fonction réelle d'une variable rélle dont on connait les valeurs y: quelle prend sur m + 1 abscisses distinetes 2. Posons P(2) = aoa” +0127! +++ +ap un polyndme de degré p avec p 0 telle que [f(t,u) - (t,v)| $ Llu-v|Vu,v ER, Vt € [a,b] alors te probléme de Cauchy (V.1) admet une solution globale et elle est unique. Considérons dans Pintervalle [a,b] des abscisses équidistantes to,t1,...,ln définies par =atih, 1=0,1,....0 Tl vient que to = a et ty = b; et h est appelé le pas d'intégration, Soit y(t.) la valour exacte de la solution de notre probléme & l'abscisse ti, Une méthode d'intégration numérique fournira une valeur approchée y, de y(t) pour i = 0,1,...,n & partir de la condition initiale connue yo = y(to) Les différentes méthodes de résolution des équations différentielles se distinguent par la maniére d’obtenir ces approximations 4 B.K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre V. EQUATIONS DIFFERENTIELLES 28 V.2 Derivation numérique Soit y : a, B] + R de classe Ci et a = toytiyntn = b n+ 1 noonds équirépartis dans {a,b}. On note f= (6—a)/n Ia distance entre deux nowuds consécntifs. La dérivée y/(ti) est donnée par (ti +h) — ulti) V0) = in = fig, Heuer By = tin WM = wh) iether ean Soit maintenant (Dy), une approximation de y/(ti). On appelle L. différence finie progressive l'spproximation (Dy = WAV EUO, e040 % 2, différence finie rétrograde l'approximation nulls) = - (py = mi 3. difference finie centrée l'approximation eplegttres) sultan in (oye = ME, intemal Si y € C?(R), pour tout t € R, il existe un 7 entre t; et t tel que l'on a le développement de Taylor ye = we ten) + Dw? 4. Pour t = ti41 on obtient pour Ja différence finie progressive (on? =v + BV". ce qui conduit & une estimation du type Iy'(t) - (Dy) Om ot C= Fmaxcese ts] YO 5. Pour t= ty-1 on obtient pour Ia dillérence fini retrograde (wont = ve) by" ‘ce qui conduit & une estimation du type Iy'(t) — (DF s Ch ot C= marie.) Wy": _1 avec un développement dordre 2 (stv € cy 6. Feuer evens ee oe, (tis) = lls) 9 C+ ete 2010-2017 B.K.ATCHONOUGLO Analyses Numériques document de baseChapitre V. EQUATIONS DIFFERENTIELLES 29 ‘on obtient PORES ca) 114) - Yay" (Du)? = v'(ti) + 2 ey et done l'estimation suivante Iy'(G) - (Dy)F| < Cr?) 08 = J maxreiigs toss! lvl Définition V.2.1 La différence |y!(t,) —(Dy)?| (et celles correspondantes aux autres différences finies) est appelée erreur de troncature au point t Lierreur de troncature est d’ordre 1 pour les formules progressive ot retrograde et d'ordre 2 pour la formule ‘entrée. V3 Methodes d’Buler V.3.1 Méthode d’Buler du premier ordre = tna tn Soient 0=to < th < .. < tn < tn4i < «une suite de nombres réels equirépartis. On note h On notera par ‘yn une approximation de y(tn). Dans le probléme de Cauchy (V.1), pout t = t, on a ltn) = Fltns vltn)) On approche la dérivée yf(tm) en utilisant des schémas de dérivation numérique. Schéma d’Euler progressif (Unt1 — Yn)/h = f(tri¥n) pour n = 0,1, 2,.. yw Schéma d’Euler rétrograde (Unt — Un)/h = f(tn+1}Yn+1) pour n = 0, 1, 2,.. yo V.3.2 Btude générale des méthodes 4 un pas Les méthodes & un pas sont les méthodes de résolution numérique qui peuvent s'écrire sous la forme Uns =n + Mn P(tnitnittn)s OS < Ni ‘oli est une fonction qu’on supposera continue. V.3.2.1 Consistance, stabilité, convergence Définition V.3.1 . L’erreur de consistance ¢,, relative d une solution exacte y est Verreur €n = ultns1) — Yast Sm < Ny en supposant Yn = y(tn). On a done n= u(tn4r) — y(tn) — InP (tni (tn); fn) On dit que la méthode est consistante si pour toute solution exacte y la somme des erreurs de consistance relatives dy, soit D len|, tend vers 0 quand hyaanyfend vers 0.‘ BE. K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre V. EQUATIONS DIFFERENTIELLES a0 Une autre notion fondamentale est la notion de stabilité. dans la pratique, le calcul récurrent des points ya est entaché d'erreurs d'arrondis ¢q. Pour que les calculs soient significaify, il est indispensable que la propagation de ces erreurs reste contrélable. Définition V.8.2 On dit que la méthode est stable s'il existe une constante $ > 0 telle que pour toutes suites (Un), in) defines par fm + Pin (tui Uni en) PL < Ni Gna = Gn + Bos P(t ni Bn) + en \hew Yor on ait max|in— nl SS ( i — ol +e Une demiére notion importante est Ia suivante Définition V.8.8 On dit que la méthode est convergente si pour toute solution exacte y, la suite (yn) vérifc max lyn — y(tn)| —> 0 quand yy — y(0) et Mg) —> 0. Posons jn = y(tn). Par définition d’erreur de consistance on a nt = Gn + lin (tn tins len) + en Si la méthode est stable, de constante S, erreur globale est done max |yn —yltn)| <8 (w = vO + Yolen V.4 — Méthodes de Runge-Kunta d’ordre 2 Si on intagre P’équation y/(t) = f(t,y(0)) entre th et tn on obtient En utilisant la formule des trapézes, on trouve le schéma implicite suivant, appelé schéma de Crank-Nicolson ou du trapeze tsi tn = 8 (bait) + fltasistma)), V0. Ce schéma est implicite. En le modifiant afin de le rendre explicite, on identifie la méthode de Heun : h tan — ta = 5 (Mtnitn) + Hbnsritn + BF brit) - Ce deux méthode sont d’ordre 2 par rapport 3h. Si on utilise la méthode du point milieu on trouve oti — Un =F (tas gstned) Si maintenant on approche yn4.5 Par dns = Yt 5I(ites B.K. ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre V. EQUATIONS DIFFERENTIELLES 31 on trouve la méthode d’Buler modifiée vost =m = AY ( efoto + FU Ubnite)) Les méthodes de Heun et d’Buler modifée’sont des cas particuliers dans la famille des méthodes de Runge-Kutta dordre 2, Il existe d'autres méthodes plus compliquées, comme par exemple la méthode de Runge-Kutta d’ordre mer ein EU 20 +2 +) ‘od les Kj son calculés comme suit Ky = S(tnivn) fie a Ka=Stn+ zim t 3K) hh Ka=f(tn + itn + pKa) Ka = f(tnvistn + hKs). B.K.ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre VI Intégration numérique VIL1 Introduction On souhaite disposer d’un moyen d’évaluer numériquement I(f) = f? f(t)dt ov f est une fonction continue sur un intervalle [a,t] avec a "_)w; = 1. Par linéarité, elles sont done exactes au moins pour f € Po. VI.2 Exemples 1. Un seul point. On choisit un seul point € € [a,b] et on remplace f sur (a, b] par le polynéme de degré 0 po() = f(€). On a alors (ada = (b— a) f(§) Voici les choix plus courants : (a) € =a: méthode des rectangles & gauche (ordre 0) ; (b) € =b: méthode des rectangles & droite (ordre 0) ; (c) € =(a+6)/2: méthode du point. milieu (ordre 1); 2. Interpolation linéaire. On choisit & = a et & = bet on remplace f sur (a, }] par la fonction linéaire p, qui interpole f aux points a, b : FOG) On obtient la formule suivante, dite méthode des trapzes (ordre 1) : ia Slade = (b— a) Le) + SO) 10) E,K, ATCHONOUGLO Analyses Numériques. document de base 2016 - 2017Chapitre VI. Intégration numérique ea 3, Méthodes de Newton-Cotes. On choisit m +1 points équidistants b-a ati 6 fadrature élémentaire, on se raméne par changement de variable & Vintervalle Pour déterminer la formule de a [-1,1], subdivisé par les points 4 = -1 +#2/n. Le polynéme d'interpolation d'une fonction f € C({-1,1}) est donné par Pal) = D> Sen)oi(2), ito; est le polynéme de base de Lagrange 44(2) = T],ge =H. On a done : cf : 2 ir = 25 asl [totem ff poeide=2 Qo astn) avec uy = 0.5 J, 6~ile)de, Par suite de la symétrie des points 7; autour de 0, on a OO tat bn-s(2) = 9(-2), oni = 44 Aprés changement de variable, les coeffcients w, sont inchangés, donc on obtient la formule 4 5 if Fle)ae = (b- a) wif(&i) Si f € Py, alors p, = f, donc la méthode de Newton-Cotes de rang n est dordre supérieur ou égal & n. De plus, lorsque f € C({-1,1]) est un polyndme impair, on a 1 ‘Si n est pair, les formules sont donc encore exactes pour f(z) = 2"*1, et plus généralement pour f € Pn+t par linéarité. On démontre en fait le résultat suivant que nous admettrons Proposition VI2.1 Sin est pair, Vordre de la méthode de Newton-Cotes de rang n est n +1, sin est impair, Vorire est n. Ceci fait que, hormis le cas n = 1, les méthodes de Newton-Cotes ne sont utilisées que pour n pair (a) n=1 méthode des traptzes (ordre 1) up = (b) n= 2 méthode de Simpson (ordre 3) Pieret eye pe iieariedes cri 280" <= 105) Pour n> 8 il apparait des coeffcients w <0, ce qui a pour effet de rendre les formules beaucoup plus sensibles aux erreurs d’arrondis. Les méthodes de Newton-Cotes ne sont done utilisées en pratique que dans les 4 cas ci-dessus E.K, ATCHONOUGLO Analyses Numériques document de base 2016 - 2017Chapitre VI. Intégration numérique Neyau de Peano n de Perret On suppose que la méthode est d'ordre N > 0. Si f est de classe C%+* sur [a,b], alors VI3 evalua ‘Théordme VI3.1 “fleide ~ (6-0) Dait& ‘0 5 BU) al kmor oa, ou Ky est une fonction sur a,b), appelée noyau de Peano assovié & la méthode, défnie par Ky(t)=B (a4 (@-9%), te [ad E.K,ATCHONOUGLO Analyses Numériques document de base 2016 - 2017