UNIVERSITÉ MOULAY ISMAIL FACULTÉ DES SCIENCES ET

TECHNIQUES D'ERRACHIDIA

Département de Mathématiques
R ecueil d'exercices corrigés

Module M 148

Méthodes numériques

Pr. Toufik MEKKAOUI

Année Universitaire : 2014/2015

ii
Avant-propos

Ce document propose des exercices corrigés illustrant le cours du Module M.148 ; Méthodes
Numériques. Les corrections sont abondamment commentées pour faciliter la compréhension et
expliciter le raisonnement qui conduit à la bonne solution. On a inclus dans ce texte nombreux
exercices corrigés qui permettent d'orienter les raisonnements vers d'autres domaines (physique,
chimie, nance, etc.), cela an souligner l'intérêt des méthodes numérique au sens large (modé-
lisation, analyse mathématique, discrétisation, approximation, résolution numérique et interpré-
tation des résultats).

iii
iv
Série 1 : Notions d'erreur numérique

Exercice 1 :

Montrer que 932510 s'écrit bien 100100011011012 , et que 10011.0112 = 19.37510

Corrigé. a) Pour établir l'écriture d'un nombre décimal en binaire, on a besoin d'eectuer des
divisions successives par 2 et retenir les restes :
9325 ÷ 2 = 4662 + 1
4662 ÷ 2 = 2331 + 0
2331 ÷ 2 = 1165 + 1
1165 ÷ 2 = 582 + 1
582 ÷ 2 = 291 + 0
291 ÷ 2 = 145 + 1
145 ÷ 2 = 72 + 1
72 ÷ 2 = 36 + 0
36 ÷ 2 = 18 + 0
18 ÷ 2 = 9 + 0
9÷2=4+1
4÷2=2+0
2÷2=1+0↑
De bas en haut, ce qui donne 932510 = 100100011011012
Réciproquement 100100011011012 = 1 × 20 + 0 × 21 + 1 × 22 + 1 × 23 + 0 × 24 + 1 × 25 + 1 × 26 +
0 × 27 + 0 × 28 + 0 × 29 + 1 × 210 + 0 × 211 + 0 × 212 + 1 × 213 = 932510
b) Un nombre exprimé en base 2 (base binaire), peut-être développé pour retrouver son expression
en base décimale comme suit (de gauche à droite)
10011.0112 = 1 × 2−3 + 1 × 2−2 + 0 × 2−1 + 1 × 20 + 1 × 21 + 0 × 22 + 0 × 23 + 1 × 24 = 19.37510

Exercice 2 :

a) Calculer les racines de l'équation x2 + 111.11x + 1.2121 = 0, dans une arithmétique à 5

chires signicatifs.
b) Expliquer pourquoi il n'est pas possible de trouver exactement les racines en arithmétique
ottante à 5 chires en utilisant l'arrondi.
Corrigé. Considérons l'équation suivante x2 + 11.11x + 1.2121 = 0. √
−b ∓ ∆
Les racines de cette équation en utilisant le discriminant ∆ = b2 − 4ac sont x1,2 = , ce
2a
qui donne avec 4 chires signicatifs ; x1 = 0, et x2 = −111.11 = −b
Ce qui est absurde, puisque
√ 0 n'est pas solution de l'équation.
b) La cause, c'est que ∆ ' b. Pour remédier à ce problème, il faut utiliser la formule de Viet.

1
2

On sait que pour une équation du second degré unitaire x2 + bx + c qui admet 2 racines x1 , x2 ,
s'écrit x2 − (x1 + x2 )x + x1 x2 , c'est à dire b = −(x1 + x2 ) et c = x1 x2 . Si x2 = −b, alors
x1 = c/x2 = −c/b.
Dans notre cas x2 = −111.092, x1 = −0.0109.
Exercice 3 :

On considère la suite (xn )n∈N , dénie par : x0 = 1, x1 = 1

3 et
13 4
xn+1 = xn − xn−1 ∀n ≥ 1
3 3
1
a) Montrer que ∀n ∈ N xn = n
3
b) Calculer x10 en utilisant l'algorithme. Que peut-on conclure.
c) Réécrire un algorithme qui permet de retrouver le bon résultat.
Corrigé. x0 = 1, x1 = 1/3, ∀n ≥ 1 xn+1 = 13 4
3 xn − 3 xn−1
a) ∀n ∈ N xn = 3n (trivial, par récurrence).
1

b) En utilisant l'algorithme, on obtient x2 = 0.1111, x3 = 0.03661, x4 = 0.01216, x5 = −0.003373 · · · x10 =

−0.76003, · · · x20 = −7.97 × 105 .
On remarque que la suite {xn }n calculée par l'algorithme xn+1 = 133 xn − 43 xn−1 , avec 5 chires
signicatifs, tend vers −∞ quand n → ∞, alors que xn → 0 quand n → ∞. Ce qui signie que
l'algorithme précédent n'est pas stable.
c) En utilisant xn = 1/3n , on obtient des valeurs très proches des valeurs théoriques.
x1 = 0.333, x2 = 0.1111, x3 = 0.037037, x4 = 0.012346, x5 = 0.0041152, · · · x10 = 0.000016, · · · x20 =
2.8680 × 10−10 .

Exercice 4 :

Soit f une fonction régulière qui vérie f (10) = 100 ; f 0 (10) = 3 et f 00 (10) = −1, satisfaisant
|f (x)| < 0.03 ∀x ∈ I , où I est un intervalle centré en x0 = 10.
000

Estimer f (10.5), ainsi que l'erreur associée à cette approximation.

Corrigé. En utilisant le développement limité de f au voisinage de x0 = 10
(x − x0 )2 00 (x − x0 )3 (3)
f (x) = f (x0 ) + (x − x0 )f 0 (x0 ) + f (x0 ) + f (x̄)
2! 3!

Ce qui donne que f˜(10.5) = 101.375.

Err = f (10.5) − f˜(10.5) = (0.5)3 (3)
3! |f (x̄)| ≤ 6.25 × 10−4 .
 

Exercice 5 :

Soit un triangle dont les longueurs des côtés sont données par les réels a, b et c. Son aire A
est donnée par la formule de Héron
p
A= s(s − a)(s − b)(s − c)

où s = 21 (a + b + c) : demi périmètre du triangle.

Calculer A pour a = 3, b = 3 et c = 0.1 puis a = b = 5. Conclure.
 3

Corrigé. L'aire d'un triangle de côtés a, b et c, par la formule de Héron d'Alexandrie est
p
A= s(s − a)(s − b)(s − c)

où s = a+b+c
2 (demi- périmètre).
Pour a = 5, b = 3 et c = 0.5, A = 3.8564, mais pour c = 0.1 A devient complexe, puisque
s − a < 0, ce qui met en défaut cet algorithme. (Rétablit par l'algorithme de Kahan).

Exercice 6 :

a)A l'aide d'un calcul à 4 chires décimaux signicatifs, résoudre en utilisant la méthode
d'élimination de Gauss le système ci-dessous
10−4 x + y =

1
(E)
x+y = 2
b) Montrer
 que le système (E) est équivalent au système (Ẽ)
˜ x+y = 2
(E)
10−4 x + y = 1
c) Résoudre (Ẽ), et conclure.
10−4 x + y =

1
Corrigé. Soit (E)
x+y = 2
10−4
    
1 x 1
qu'on peut écrire sous forme matricielle : 1 1
=y 2
En utilisant la 
méthode d'élimination
  deGauss
 (triangularisation), le système devient :
−4

10 1 x 1
L2 − 104 L1 →
0 −9999 y
= −9998
Ce qui donne pour un calcul à 4 chires signicatifs y = 1 et x = 0, absurde puisque x + y = 2
(Ceci est dû à la méthode de Gauss qui n'est pas stable lorsqu'on utilise un 'pivot' proche de 0,
dans notre cas c'était 10−4 ).
b) Le système
 (E) est équivalent au système (Ẽ)
˜ x+y = 2
(E)
10−4 x + y = 1
 
0 1
Il sut de pré-multiplier le système (E) par la matrice 1 0
.
    
Le système (Ẽ) peut écrire sous forme matricielle : 101−4 1
1
x
y
= 2
1
En utilisant la méthode
 d'élimination
 de Gauss
  (triangularisation),
 le système devient :
1 1 x 2
−4
L2 − 10 L1 →
0 0.9999 y
= 0.9998 .
Ce qui donne y = 0.9998 et x = 1.0002. (Solution exacte du système).
4
Série 2 : Interpolation polynômiale

Exercice 1 :

Montrer que la matrice Vn+1 d'ordre (n + 1) -(Matrice de Vandermonde)- suivante :

1 x0 x20 xn0
 
···
 1 x1 x21 ··· xn1 
 .. .. .. .. .. 
 
Vn+1  .
= . . . . 
 . . . .. .. 

 .. .. .. . . 
1 xn x2n ··· xnn

est inversible et que det(Vn+1 ) =

Y
(xi − xj )
0≤j<i≤n

Corrigé. On considère le polynôme ωn de degré n suivant

ωn (x) = (x − x0 )(x − x1 )(x − x2 )...(x − xn−1 ),

dont les racines sont x0 , x1 , x2 , ..., xn−1 . ωn est un polynôme unitaire de degré n qui peut être
exprimé dans la base canonique comme suit
ωn (x) = xn + λn−1 xn−1 + λn−2 xn−2 + ... + λ1 x + λ0 ,
on sait que le déterminant d'une matrice ne change pas si on ajoute à une colonne une combinai-
son linéaire des autres colonnes. En appliquant ce principe, on va ajouter à la derniére colonne
la combinaison linéaire suivante : λ0 × colonne1 +λ0 × colonne2+ ...+λn−1 × colonne n.
On obtient alors à la dernière colonne les termes suivants :
i,n+1
Vn+1 i est l'indice de la ligne n + 1 est l'indice de la colonne.
Où Vn+1
i,n+1
= ωn (xi ). Or ωn (xi ) = 0, ∀1 ≤ i ≤ n.
La matrice Ṽn+1 qu'on obtient est la suivante :
x20 ··· x0n−1
 
1 x0 0
 1 x1 x21 ··· x1n−1 0 
 .. .. .. .. .. ..
 
 . . . . . .


Ṽn+1 = . .. .. .. .. ..
 ..
 
. . . . .


..
 
.
 
n−1
 1 xn−1 x2n−1 xn−1 0 
1 xn x2n ··· xnn−1 ωn (xn )

5
6

d'où det(Vn+1 ) = det(Ṽn+1 ) = det(Vn ).ωn (xn ), avec ωn (xn ) = Π0≤i≤n (xn − xi ), et on rétère le
procédé ce qui donne
det(Vn+1 ) = Π0≤i≤j≤n (xj − xi ).
Exercice 2 :

On considère (n + 1) points distincts {x0 , x1 , · · · , xn }.

a) Montrer que les polynômes {li }i=0,...,n de Lagrange forment une base de Pn , vérient li (xk ) =
1 si i = k

δi,k où δi,k =
0 si i 6= k
n
b) Montrer que ∀ 0 ≤ m ≤ n on a
X
li (x)xm m
i =x .
i=0

Corrigé. a) Les polynômes {li }i=0...n de Lagrange forment une base de Pn .

Montrons tout d'abord que
0 si i 6= k

li (xk ) = δik
1 si i = k
on a li (xk ) = Πni=0,j6=i (x(x−x j)
i −xj )
, donc li (xk )0 si i 6= k , et si i = k alors li (xi ) = 1. On en conclut
que li (xk ) = δik .
n
La famille {li } est une famille génératrice de Pn , montrons qu'elle est libre. Soit
X
αi li (x) = 0
i=0
n n
∀x ∈ R. En particulier on a αi li (xk ) = 0 où xk est l'un des n÷uds, ce qui veut dire
X X
αi δik =
i=0 i=0
0 ce qui donne αk = 0. On conclut donc que la famille forment une base de Pn .
b) On sait que pour une fonction régulière
n
X f n+1 (ξx ) n
f (x) = li (x)f (xi ) + Π (x = xi ).
i=0
(n + 1)! i=0

Or le polynôme x est de classe C ∞ sur R. donc

m

n
m
X f n+1 (ξx ) n
x = li (x)xm
i + Π (x = xi ).
i=0
(n + 1)! i=0

pour 0 ≤ m ≤ n. Or f n+1 (x) = 0, ∀x ∈ R. D'où

n
X
xm = li (x)xm
i .
i=0

Exercice 3 :

i−1
On considère (n + 1) noeuds distincts {(xi , yi )}i=0,...,n , et on note ωi (x) = (x − xj ), le
Y

j=0
polynôme de degré i associés aux points {xj }j=0,...,i−1 .
Montrer que le polynôme d'interpolation aux noeuds {(xi , yi )}i=0,...,n ,
n
X ωn+1 (x)
Πn (x) = 0
i=0
(x − xi )ωn+1 (xi )
 7

Corrigé. On pose ωi (x) = Πi−1

j=0 (x − xj ) polynôme de degré i associé au n÷uds {xj }j=0,1,...,i−1 .
n
ωn+1 (x)
Montrons que Πn (x) = f (xi ) polynôme d'interpolation aux noeuds {(xi , yi )}j=0,1,...,n .
X

i=0
(x − xi )ω 0 n(xi )
Il sut de montrer que ∀i = 0, ..., n
ωn+1 (x)
li (x) = 0
(x − xi )ωn+1 (xi )

où li est le ième polynôme de la base de Lagrange, i.e :

n
Y (x − xj )
li (x) =
(xi − xj )
j=0
j 6= i

ωn+1 (x) − ωn+1 (xi )

On a ωn+10
(xi ) = lim , or ωn+1 (xi ) = 0, après simplication par (x − xi ),
x7→xi x − xi
on obtient n n
Y Y
0
ωn+1 (xi ) = lim (x − xj ) = (xi − xj )
x7→xi
j=0 j=0
j 6= i j 6= i
puisque la fonction x → (x − xj ) est continue (polynôme).
Q
En remplaçant ωn+1
0
(xi ) par la valeur obtenue, on aura

ωn+1 (x)
0 = li (x).
(x − xi )ωn+1 (xi )

Exercice 4 :

a) Déterminer le polynôme d'interpolation de Lagrange relatif au tableau suivant :

0 2 3 5
-1 2 9 87
b) Retrouver le polynôme d'interpolation, en utilisant cette fois la méthode de Newton.
Corrigé. a) Déterminons le polynôme d'interpolation de Lagrange relatif au tableau suivant :

0 = x0 2 = x1 3 = x2 5 = x3
−1 = y0 2 = y1 9 = y2 87 = y3
On a 4 noeuds, donc le polynôme p d'interpolation sera de degré 3
3 3
(x − xj )
où
X Y
p(x) = li (x)yi li (x) =
i=0
(xi − xj )
j=0
j 6= i
Le calcul des li donne : l0 (x) = (x−2)(x−3)(x−5)
−30 , l1 (x) = x(x−3)(x−5)
6 , l2 (x) = x(x−2)(x−5)
−6 et
l3 (x) = x(x−2)(x−3)
30 , d'où p(x) = 30 x − 7x + 30 x − 1
53 3 2 253
8

b) En utilisant la méthode de Newton, on a besoin de calculer les diérences divisées : f [x0 , x1 ] ;

f [x0 , x1 , x2 ], et f [x0 , x1 , x2 , x3 ]
p(x) = f [x0 ]+(x−x0 )f [x0 , x1 ]+(x−x0 )(x−x1 )f [x0 , x1 , x2 ]+(x−x0)(x−x1 )(x−x2 )f [x0 , x1 , x2 , x3 ]
x0 f (x0 )
x1 f (x1 ) f [x0 , x1 ]
x2 f (x2 ) f [x1 , x2 ] f [x0 , x1 , x2 ]
x3 f (x3 ) f [x2 , x3 ] f [x1 , x2 , x3 ] f [x0 , x1 , x2 , x3 ]
0 −1
2 2 3/2
3 9 7 11/6
5 87 39 32/3 53/30
En reprenant les valeurs obtenues on a, p(x) = −1 + x 23 + x(x − 2) 116 + x(x − 2)(x − 3) 30
53
, et
en développant oo retrouve p(x) == 30 x − 7x + 30 x − 1.
53 3 2 253

Exercice 5 :

Construire un script scilab qui prend en entrée deux vecteurs X = (x1 , x2 , ..., xn ) et Y =
n
(y1 , y2 , ..., yn ), et donne en sortie le polynôme d'interpolation Πn (x) = yi li (x) par la méthode
X

i=0
de Lagrange.
Application : Construire le polynôme d'interpolation de Lagrange de degré 2 de la fonction
f (x) = exp(x) sur lintervalle [−1, 1], avec comme noeuds les points x0 = −1, x1 = 0 et x2 = 1.

Corrigé. Code scilab pour le calcul du polynôme d'interpolation, ainsi que son tracé.
function P=Lagrange(X,Y)//X,Y vecteurs colonnes\\

n=length(X);\\

s=poly(0,'s');\\

for i=1:n\\

Z=X;\\

Z(i)=[];\\

Q(i)=poly(Z,'s'); \\

L(i)=Q(i)./horner(Q(i),X(i));\\

end\\

P=Y'*L\\

xx=linspace(min(X),max(X),50*n);\\

yy=horner(P,xx);\\
 9

plot2d(xx,yy,5)\\

// plot2d(X,Y,-9)//visualisation des noeuds\\

endfunction\\

Application

X=[-1;0;1];\\

Y=exp(X);\\

P=Lagrange(X,Y)\\
On obtient le résultat suivant :
p(x) = 1 + 1.1752012s + 0.5430806s2 , et la gure suivante :

Exercice 6 : Devoir

function P=newtonprime(X,Y)\\

n=length(X);\\

Z=Y,\\

for j=2:n,\\

for i=1:n-j+1,Z(i,j)=(Z(i+1,j-1)-Z(i,j-1))/(X(i+j-1)-X(i));end,\\
10

end,\\

x=poly(0,"x");\\

w(1)=1; \\

for i=2:n \\

w(i)=w(i-1)*(x-X(i-1)) \\

end \\

P=Z(1,:)*w \\

a=min(X) \\

b=max(X) \\

xx=linspace(a,b,50*n); \\

yy=horner(P,xx); \\

plot2d(xx,yy,5) \\

plot2d(X,Y,-1) \\

endfunction; \\
Série 3 : Intégration numérique

Exercice 1 :
Z π/2
A l'aide d'une certaine méthode d'intégration numérique, on a évalué I = sin(x) dx, en
0
utilisant trois valeurs diérente de h. On a obtenu les résultats suivants :

h I˜
0.1 1.001325
0.2 1.009872
0.4 1.078979
Compte tenu de la valeur exacte de I , déduire l'ordre de convergence de la méthode de quadrature
employée.
I = 0 sin x dx, la valeur exacte de I = 1.
R π/2
Corrigé.

Pour h1 = 0.1, la valeur approchée I˜1 de I , par la méthode proposée est I˜1 = 1.001325.
Pour h2 = 0.2, la valeur approchée I˜2 de I , par la méthode proposée est I˜2 = 1.009872.
Pour h3 = 0.4, la valeur approchée I˜3 de I , par la méthode proposée est I˜3 = 1.078979.
erri = |I − I˜i | ∼ Chpi i = 1, 2, 3, où p est l'ordre de convergence de la méthode de quadrature
employée. p
On a donc

err2 h2
err1 = 7.45 ∼ 23 = h1
p
De même err

3 h3
err2 = 8.0019 ∼ 2 = h2
3

On voit bien que l'ordre de convergence de la méthode est p = 3.

Exercice 2 :

Z 3.4
On veut calculer I = exp(x) dx, en utilisant la méthode des trapèzes composée.
1.8
Quel est le nombre minimum d'intervalles qui assure une approximation de I avec au moins 4
chires signicatifs.
Corrigé. Soit S une subdivision uniforme de l'intervalle [a, b] en n sous-intervalles
a = x0 < x1 = a + h < x2 = a + 2h < · · · < xn = a + nh = b
Z b n−1
X Z xi+1
I= f (x) dx = f (x) dx
a i=0 xi

On sait que dans la méthode du trapèze , pour une fonction de classe C 2 [α, β]
β
(β − α)3 00
Z
f (α) + f (β)
f (x) dx = × (β − α) − f (θ)
α 2 12

11
12

où θ ∈ [α, β].
(Il sut d'utiliser le polynôme d'interpolation de f aux points α et β ).
Donc Z b n−1 X h3 n−1
X f (xi ) + f (xi+1 )
f (x) dx = ×h− f 00 (θi )
a i=0
2 i=0
12
où θi ∈ [xi , xi+1 ]. Puisque f est de classe C 2 [a, b], il existe θ ∈ [a, b] tel que
n−1
X
f 00 (θi ) = nf 00 (θ)
i=0

(Application du théorème des valeurs intermédiaires).

D'où 3
h 00
I = I˜ − n f (θ)
12
n−1
f (xi ) + f (xi+1 )
Formule de la méthode du trapèze composite
X
I˜ = ×h :
i=0
2
La valeur de l'erreur est donc
˜ =n h3 00 (b − a)3 00 (b − a)3
err = |I − I| |f (θ)| = 2
|f (θ)| ≤ max |f 00 (x)|
12 12n 12n2 x∈[a,b]

Dans notre cas de gure, on désire une erreur inférieure ou égale à 10−4 , il sut donc que
(b − a)3
max |f 00 (x)| ≤ 10−4
12n2 x∈[a,b]
Pour f (x) = exp(x), a = 1.8 et b = 3.4,
(3.4 − 1.8)3 4
n2 ≥ 10 exp(3.8)
12
Ce qui donne n ≥ 319.8084, d'où n = 320.
Exercice 3 :

Déterminer les poids d'intégration ω1 et ω2 , ainsi que le point d'intégration t2 de sorte que
la formule de quadrature suivante :
1  
−1
Z
f (t) dt ' ω1 f √ + ω2 f (t2 )
−1 3
soit de précision le plus élevé possible.
Corrigé. Déterminons les poids d'intégration ω1 et ω2 , ainsi que le point d'intégration t2 de
sorte que la formule de quadrature suivante :
1  
−1
Z
f (t) dt ' ω1 f √ + ω2 f (t2 )
−1 3
soit de précision Zle plus élevé possible.
1
Pour f (t) = 1, f (t) dt = 2 = ω1 + ω2 (1)
−1
 13
Z 1
√
3
Pour f (t) = t, f (t) dt = 0 = −
ω1 + t2 ω2 (2)
3
Z−11
2 ω1
Pour f (t) = t2 , f (t) dt = = + t22 ω2 (3)
−1 √
3 3
De (2), on tire que t2 ω2 = 33 ω1 (20 ), et de (3) t22 ω2 = 32 − ω31 (30 )
En faisant le rapport (3 )/(2 ), on obtient t2 = √3 ω1
0 0 2−ω 1

De (1) ω2 = 2 − ω1 , en reportant dans (2), on obtient après simplication

(2 − ω1 )2 = ω12
√
D'où ω1 = 1, par suite ω2 = 1 et t2 = 33 √
Par construction, pour ω1 = ω2 = 1 et t2 = 3
3
, la méthode est exacte pour tout polynôme de
degré 2.
Regardons pour f (t) = t3
Z 1 √ √
d'autre part f (− 33 ) + f ( 33 ) = 0.
f (t) dt = 0,
−1
Ce qui entraine que la méthode reste exacte pour les polynômes de degré 3.
Pour f (t) = t4
Z 1 √ √
f (t) dt = 2/5,
alors que f (− 33 ) + f ( 33 ) = 2/9.
−1
Donc l'ordre de précision de la méthode est 3.
Exercice 4 :

Soit l'approximation
Z x0 +h   
h 2h
f (x) dx ' f (x0 ) + 3f x0 +
x0 4 3
 
2h
a) Obtenir un développement de Taylor de f jusqu'à l'ordre 4 et donner une nouvelle
x0 +
3
expression du terme de droite.
b) Obtenir un développement de Taylor à l'ordre 4 du terme de gauche.
c) Soustraire les expressions obtenues en a) et en b) pour obtenir le premier terme de l'erreur.
En déduire l'ordre de la méthode proposée.
d) Quel est le degré de la précision de cette méthode.
Corrigé. Soit l'approximation
Z x0 +h   
h 2h
f (x) dx ' f (x0 ) + 3f x0 +
x0 4 3
 
2h
a) Après un développement de Taylor de f x0 + à l'ordre 4, le terme de droite devient
3
h2 0 h3 h4 h5 (4)
hf (x0 ) + f (x0 ) + f 00 (x0 ) + f (3) (x0 ) + f (x0 ) + O(h6 )
2 6 27 162
b) Le terme de gauche s'écrit :
h2 0 h3 h4 h5 (4)
hf (x0 ) + f (x0 ) + f 00 (x0 ) + f (3) (x0 ) + f (x0 ) + O(h6 )
2 6 24 120
14

c) Le premier terme de l'erreur est h4 f (3) (x0 ) 241 − 271 , et la méthode est d'ordre 4.

d) Le degré de précision est égale à 2. (Car l'erreur est nulle pour les polynômes de degré 2).
Problème :

Soient  ∈]0, 1[ et f une fonction de classe C 3 ([0, 1]). On note a = f (0) et b = f (1).
1. Déterminer le polynôme P qui interpole f aux points 0,  et 1.
2. Montrer que pour tout x dans l'intervalle [0, 1]
lim P (x) = (b − a − f 0 (0))x2 + f 0 (0)x + a = P (x).
→0+

3. Vérier que le polynôme P est l'unique polynôme de degré 2 qui vérie

P (0) = f (0), P (1) = f (1) et P 0 (0) = f 0 (0).
4. Pour x ∈]0, 1[ xé, on considère la fonction Φ sur [0, 1] dénie par
f (x) − P (x) 2
Φ(t) = f (t) − P (t) − t (t − 1)
x2 (x − 1)

Vérier que Φ(0) = Φ(1) = Φ(x) = 0 et que Φ0 (0) = 0.

5. En déduire qu'il existe ξx ∈]0, 1[ tel que Φ(3) (ξx ) = 0 et que
f (3) (ξx ) 2
f (x) − P (x) = x (x − 1)
6
6. Montrer alors qu'il existe c ∈]0, 1[ tel que
1
f (3) (c)
Z
2 1 1
f (x) dx = f (0) + f (1) + f 0 (0) −
0 3 3 6 72

7. En considérant la méthode d'intégration numérique élémentaire suivante

Z 1
2 1 1
f (x) dx ' f (0) + f (1) + f 0 (0)
0 3 3 6

déduire la formule de quadrature sur un intervalle [a, b] quelconque .

(considérer le changement de variable convenable).
Corrigé. 1. Déterminons le polynôme P qui interpole f aux points 0,  et 1.
P (x) = f (0)L0 (x) + f ()L (x) + f (1)L1 (x)
(x − )(x − 1) (x − 0)(x − 1) (x − 0)(x − )
=a + f () +b
(0 − )(0 − 1) ( − 0)( − 1) (1 − 0)(1 − )
   
a f () b 2 a f () b
P (x) = + + x − a+ + + x+a
 ( − 1) 1 −   ( − 1) 1 − 
2. Calculons lim+ P (x)
→0    
a f () b a f () b
2
lim P (x) = x lim + + − x lim a + + + + a.
→0+
 →0
+  ( − 1)  1 −  →0
+  ( − 1) 1 − 
a f () b a f () b
On pose A = + + , et B = a + + + , alors
  ( − 1) 1 −    ( − 1) 1 −
1 f () − f (0) a f () − f (0) 1 b
A = b − f (0) − , et B = a − + +
(1 − )  1−  −1 1−
 15

=⇒ lim+ A = (b − a − f 0 (0)), et lim+ B = −f 0 (0)

→0 →0
D'où lim+ P (x) = (b − a − f 0 (0))x2 + f 0 (0)x + a = P (x)
→0
3. On vérie facilement que P (0) = a = f (0), P (1) = b = f (1)
On a P 0 (x) = 2(b − a − f 0 (0))x + f 0 (0), donc P 0 (0) = f 0 (0). Montrons que P est unique.
Supposons qu'il existe Q ∈ P2 / Q(0) = f (0), Q(1) = f (1), et Q0 (0) = f 0 (0),
alors (P − Q) est un polynôme de degré 2 / (P − Q)(0) = 0, (P − Q)(1) = 0, et (P − Q)0 (0) = 0
c.à.d. (P − Q) admet 0 comme racine double, et 1 : racine simple =⇒ (P − Q) est de degré 3,
donc (P − Q) ≡ 0 =⇒ P = Q, d'où l'unicité.
f (x) − P (x) 2
4. On considère Φ(t) = f (t) − P (t) − 2 t (t − 1) où x ∈]0, 1[
x (x − 1)
On vérie que Φ(0) = Φ(1) = Φ(x) = 0 et que Φ0 (0) = 0. (trivial).
5. Φ est une fonction de classe C 3 ([0, 1]).
Φ(0) = Φ(x) = 0 =⇒ ∃ξ1 ∈]0, x[ / Φ0 (ξ1 ) = 0 (Th. de Rolle).
De même Φ(x) = Φ(1) = 0 =⇒ ∃ξ2 ∈]x, 1[ / Φ0 (ξ2 ) = 0.
De plus Φ0 (0) = 0 =⇒ Φ0 admet au moins 3 racines distinctes.
En appliquant le théorème de Rolle successivement Φ00 admet au moins 2 racines distinctes, et
Φ(3) admet au moins une racine ξx .
f (x) − P (x)
Φ(3) (t) = f (3) (t) − 6 2 .
x (x − 1)
f (3) (ξx ) 2
Φ(3) (ξx ) = 0 =⇒ f (x) − P (x) = x (x − 1).
6
6. Z 1 Z 1 1
f (3) (ξx ) 2
Z
f (x) dx = P (x) dx + x (x − 1) dx
0 0 0 6
Z 1
1 1 1 2 1
P (x) dx = (b − a − f 0 (0)) + f 0 (0) + a = f (1) + f (0) + f 0 (0)
0 3 2 3 3 6
x (x − 1) garde un signe constant (négatif) sur [0, 1],donc il existe c ∈ [0, 1]
2
Z 1 (3)
f (3) (c) 1 2
Z
f (ξx ) 2
x (x − 1) dx = x (x − 1) dx (Th. de la moyenne)
0 6 6 0
Z 1 (3) (3)
f (ξx ) 2 f (c)
D'où x (x − 1) dx = − , ce qui donne :
0 6 72
Z 1
2 1 1 f (3) (c)
f (x) dx = f (0) + f (1) + f 0 (0) −
0 3 3 6 72
7. Considérons le changement de variable
ϕ : [0, 1] −→ [a, b]
t 7−→ (b − a)t + a
Z b Z 1
f (x) dx = (b − a) f ((b − a)t + a) dt.
a 0

On pose g(t) = f ((b − a)t + a), en utilisant la formule de quadrature précédente

Z 1
2 1 1
g(t) dt ' g(0) + g(1) + g 0 (0), on obtient
0 3 3 6
b  
(b − a) 0
Z
2 1
f (x) dx ' (b − a) f (a) + f (b) + f (a) .
a 3 3 6
16

Exercice T.P : Comparaison de trois méthodes de quadratures élémentaires

 √   √ 
On pose QG (f ) = f −1/ 3 + f 1/ 3 , QT (f ) = f (−1) + f (1), et
Z 1
1
QS (f ) = (f (−1) + 4f (0) + f (1)), puis I = f (t) dt
6 −1
1
a) Calculer EΨ (f ) = |I − Qψ |, avec Ψ = G, T et S , pour la fonction f (t) = .
t+2
b) Soit une discrétisation de [a, b] en (n + 1) points équidistants. Construire une formule de
quadrature composée pour la formule de Gauss-Legendre et programmer la avec scilab.
Corrigé. a) QT (f ) = f (−1) + f (1) = 4/3 = 1.3333, formule de quadrature du trapèze
QS (f ) = 1
(f
 (−1)
3 + 4f(0) + f (1)) = 10/9 = 1.1111 formule de quadrature de Simpson
√  √ 
QG (f ) = f − 3
3
3
+ f 3 = 1.0909 formule de quadrature de Gausss-Legendre
Z 1
où f (t) = t+2
1
, la valeur exacte de I = f (t) dt = ln(3) ' 1.09861.
1
En calculant les erreurs relatives à chaque formule de quadrature, on obtient :
ET = |I − QT | = 0.2347, ES = |I − QS | = 0.077, et EG = |I − QG | = 0.00125
b) Établissons tout d'abord la formule de quadrature de Gauss-Legendre sur un intervalle [a, b]
quelconque. Pour cela, considérons le changement de variable suivant
ϕ : [−1, 1] −→ [a, b]
(b−a) b+a
t 7−→ 2 t + 2 =x
Donc b 1  
(b − a) (b − a)
Z Z
b+a
f (x) dx = f t+ dt.
a 2 −1 2 2
1
√ ! √ !
− 3
Z
3
Si on pose g(t) = f , la relation , implique
 
(b−a) b+a
2 t + 2 g(t) dt ' g +g
−1 3 3
que
b     
(b − a) (b − a) (b + a) (b − a) (b + a)
Z
f (x) dx ' f − √ + +f √ + .
a 2 2 3 2 2 3 2
Considérons à présent une discrétisation de l'intervalle [a, b] en N intervalles égaux :
a = x0 < x1 = a + h < · · · < xN = a + N h = b
Z b N
X −1 Z xi+1
f (x) dx = f (x) dx
a i=0 xi

Or Z xi+1     
h h (xi+1 + xi ) h (x + xi )
f (x) dx ' f − √ + +f √ + i+1
xi 2 2 3 2 2 3 2
en utilisant le fait que xi+1 = xi + h
Z xi+1       
h h 1 h 1
f (x) dx ' f xi + 1− √ + f xi + 1+ √
xi 2 2 3 2 3
d'où Z b N −1       
X h h 1 h 1
f (x) dx ' f xi + 1− √ + f xi + 1+ √
a i=0
2 2 3 2 3
 17

Code Scilab :

function I=GL(f,a,b,N)\\

h=(b-a)/N;\\

for i=1:N-1\\

x(i)=a+i*h\\

end\\

S=(f(a+0.5*h*(1-1/sqrt(3)))+f(a+0.5*h*(1+1/sqrt(3))))*0.5*h\\

for i=1:N-1 \\

S=S+0.5*h*(f(x(i)+0.5*h*(1-1/sqrt(3)))+f(x(i)+0.5*h*(1+1/sqrt(3)))) \\

end \\

I=S

endfunction\\
18
Série 4 : Dérivation numérique

Exercice 1 :

À l'aide de la formule de diérence centrée d'ordre 2 :

f (x + h) − f (x − h)
f 0 (x) = + O(h2 )
2h
Montrer que
f (x + 2h) − 2f (x) + f (x − 2h)
f 00 (x) '
4h2
Corrigé.
f (x + h) − f (x − h)
f 0 (x) = + O(h2 )
2h
f 0 (x + h) − f 0 (x − h) f (x + 2h) − f 0 (x)
Donc f 00 (x) ' , et f 0 (x + h) ' , de même
0
2h 2h
f (x) − f (x − 2h) f (x + 2h) − 2f (x) + f (x − 2h)
f 0 (x − h) ' =⇒ f 00 (x) '
2h 4h2
Exercice 2 :

En vous servant des développements de Taylor appropriés, donner l'ordre de précision de

l'approximation
f (x + 3h) − 3f (x + 2h) + 3f (x + h) − f (x)
f (3) (x) '
h3
Corrigé. Le développement de Taylor de f au voisinage de x de f (x + 3h) à l'ordre 5 donne
9 9 27 81
f (x + 3h) = f (x) + 3hf 0 (x) + h2 f 00 (x) + h3 f (3) (x) + h4 f (4) (x) + h5 f (5) (x) + O(h6 )
2 2 8 40
De même
4 2 4
f (x + 2h) = f (x) + 2hf 0 (x) + 2h2 f 00 (x) + h3 f (3) (x) + h4 f (4) (x) + h5 f (5) (x) + O(h6 )
3 3 15
Puis
1 1 1 1 5 (5)
f (x + h) = f (x) + hf 0 (x) + h2 f 00 (x) + h3 f (3) (x) + h4 f (4) (x) + h f (x) + O(h6 )
2 6 24 120
En calculant la combinaison linéaire f (x + 3h) − 3f (x + 2h) + 3f (x + h), on obtient
−11 4 (4)
f (x + 3h) − 3f (x + 2h) + 3f (x + h) = f (x) + h3 f (3) (x) + h f (x) + O(h5 )
24
f (x + 3h) − 3f (x + 2h) + 3f (x + h) − f (x)
f (3) (x) = + O(h)
h3

19
20

Exercice 3 :

Soit f une fonction régulière, telle que f (2) = 4, f (4) = 2, f (6) = 0 et f (8) = −5. Calculer
deux approximations d'ordre 2 de f 0 (2).
−f (6) + 4f (4) − 3f (2)
Corrigé. La diérence avant d'ordre 2 avec h = 2 donne f 0 (2) ' = −1.
4
f (4) − f (2) f (6) − f (2)
La diérence avant d'ordre 1 donne f 0 (2) ' = −1 pour h = 2 ; f 0 (2) ' = −1
2 4
f (8) − f (2)
pour h = 4 et f 0 (2) ' = −3/2 pour h = 6. Ensuite, on applique l'extrapolation de
6
Richardson sur la diérence avant d'ordre 1 pour obtenir des approximations d'ordre 2. Ainsi
2 × (−1) − (−1)
sur les résultats obtenus avec h = 2 et h = 4, on obtient f 0 (2) ' = −1 ; et
2−1
3 × (−1) − (−3/2)
avec h = 2 et h = 6, on obtient f 0 (2) ' = −3/4 qui sont des approximations
3−1
d'ordre 2.
Exercice 4 :

a) À l'aide des développements de Taylor appropriés, donner l'expression des deux premiers
terme de l'erreur liée à la formule
f (x + ah) − f (x − bh)
(a + b)h

permettant de calculer f 0 (x) ; a et b sont des constantes telles que a + b 6= 0.

b) Déterminer l'ordre de cette approximation en fonction de a et b.
Corrigé. a) L'expression des deux premiers termes de l'erreur :
a2 − b2 2 00 a3 + b3 3 (3)
f (x + ah) − f (x − ah) = (a + b)hf 0 (x) + h f (x) + h f + O(h4 )
2 6
Donc
f (x + ah) − f (x − ah) (a − b) 00 (a2 + b2 − ab) 2 (3)
= f 0 (x) + hf (x) + h f + O(h3 )
(a + b)h 2 6

b) Si a 6= b, l'approximation est d'ordre 1. Si a = b, l'approximation est d'ordre 2.

Exercice 5 :

On considère le θ-schéma
   
f (x + h) − f (x) f (x) − f (x − h)
f 0 (x) ' (1 − θ) +θ = Appθ (h)
h h

Montrer que les deux premiers termes de l'erreur associée au θ-schéma (Appθ (h)) sont donnés
par :
(2θ − 1) 00 h2
hf (x) − f (3) (x),
2 6
et en déduire l'ordre de précision du θ-schéma en fonction de θ.
 21

Corrigé. On pose
   
f (x + h) − f (x) f (x) − f (x − h)
Appθ (h) = (1 − θ) +θ
h h

h2 00 h3 (3)
f (x + h) = f 0 (x) + hf 0 (x) + f (x) + f (x) + · · ·
2 6
2 3
h h (3)
f (x − h) = f 0 (x) − hf 0 (x) + f 00 (x) − f (x) + · · ·
2 6
D'où
(1 − 2θ) 00 1
Appθ (h) = f 0 (x) + hf (x) + h2 f (3) (x) + O(h3 )
2 6
Par suite
(1 − 2θ) 00 1
f 0 (x) = Appθ (h) − hf (x) − h2 f (3) (x) + O(h3 )
2 6
Si θ 6= 1/2, le θ-schéma est d'ordre 1.
Si θ = 1/2, le θ-schéma est d'ordre 2.
22
Série 5 : Résolution Numérique

f (x) = 0

Exercice 1 :

En 1225, Léonardi di Pisa a donné une solution α = 1.368808107, pour l'équation

f (x) = x3 + 2x2 + 10x − 20 = 0, sans que personne à l'époque ne sache expliquer ce résultat.
a) Montrer que la fonction f admet une seule racine dans l'intervalle ]1, 2[.
a
b) Montrer que cette équation (f (x) = 0) peut se mettre sous la forme x = F (x) = 2
x + bx + c
où F : [1, 2] −→ [1, 2].
c) Montrer que ∀r ∈ [1, 2]; |F 0 (r)| ≤ 1/2.
d) En déduire que la méthode itérative suivante est convergente.
x0 = 1, xn+1 = F (xn ).
e) Calculer xn , n = 1, · · · , 8 et conclure.

Corrigé. a) Soit f (x) = x3 + 2x2 + 10x − 20, montrons que f admet une racine unique dans
l'intervalle [1, 2]
on a f (1) = −7, et f (2) = 16, de plus f est continue, donc il existe au moins une racine dans
[1, 2].
f 0 (x) = 3x2 + 4x + 10, dont le discriminant est négatif, ce qui implique que f 0 (x) > 0 et par suite
f est strictement croissante, d'où l'unicité de la racine dans [1, 2] .
b) f (x) = 0 ⇐⇒ x(x2 + 2x + 10) = 20 ⇐⇒ x = x2 +2x+10 20
. Montrons que F ([1, 2]) ⊂ [1, 2].
2 +2x+10)2 < 0 =⇒ F est décroissante,
F 0 (x) = (x−40(x+1) donc ∀x ∈ [1, 2] F (2) ≤ F (x) ≤ F (1),
9 = 1.1111 ≤ F (x) ≤ 13 = 1.5384.
10 20

c)F 00 (x) = 120(x > 0, ce qui implique que F 0 est croissante, donc F 0 (1) ≤ F 0 (x) ≤
2
+2x+2)
(x2 +2x+2)3
F (2) ≤ 0, donc |F (x)| ≤ |F 0 (1)| = 0.473 ≤ 1/2
0 0

d) F continue de [1, 2] dans lui-même, de plus F est contractante, car |F 0 (x)| ≤ k < 1. Ce qui
entraine que la méthode itérative xn+1 = F (xn ) converge vers α le point xe de F , racine de f .
e)x0 = 1, x1 = 1.5384, x2 = 1.295019, x3 = 1.401825, · · · x8 = 1.368241.
Après 8 itérations on voit bien qu'on est très proche de la valeur donnée par Léonardi di Pisa.

Exercice 2 :

 
3π
On cherche à approcher la racine de la fonction f (x) = tan x − x pour x ∈ π, .
  2
3π
a) Montrer que f admet une seule racine α ∈ π, .
2

23
24
 
3π
b) Montrer que α est un point xe de la fonction F dénie par F (x) = π+arctan x, x ∈ π, .
2
c) Construire une suite itérative qui converge vers α, et calculer xi , i = 1, · · · , 6, (x0 = 4).
Conclure.
Corrigé. Soit f (x) = tan(x) − x pour x ∈]π, 3π 2 [
a) f est continue sur ]π, 3π
2 [ , f (π) = −π , et lim f (x) = +∞, de plus f 0 (x) > 0, donc
x7→(3π/2)+
d'après le théorème des valeurs intermédiaires, il existe un unique α ∈]π, 3π 2 [ / f (α) = 0.
b)f (x) = 0 ⇐⇒ tan(x) = x, pour pouvoir composer avec la fonction arctan il faut que x soit
dans l'intervalle ] − π/2, π/2[. On a que tan(x) = tan(x − π), donc f (x) = 0 ⇐⇒ tan(x − π) = x,
puisque (x−π) ∈]0, π/2[, on peut composer par la fonction arctan, ce qui donne x−π = arctan(x),
d'où x = arctan(x) + π, c.à.d x point xe de la fonction F (x) = arctan(x) + π.
Montrons que F admet un point xe dans ]π, 3π 2 [.
F 0 (x) = 1+x 2 > 0, donc F est croissante,
1

π ≤ F (π) = 4.4042 ≤ F (x) ≤ F (3π/2) = 4.50 ≤ 3π/2.

2 )2 < 0, 0 < F (x) ≤ F (π) = 0.091 < 0.1 =⇒ F est contractante. La suite (xn )n
−2x
F 00 (x) = (1+x 0 0

dénie par x0 ∈]π, 3π 2 [ et xn+1 = F (xn ) converge vers le point xe de F .

c)x0 = 4, x1 = 4.46741, x2 = 4.492175, x3 = 4.493351, x4 = 4.493406, x5 = 4.493409 et
x6 = 4.493409.
On remarque que la suite (xn )n converge à partir de x5 .

Exercice 3 :

Soit f ∈ C 2 (Vr ), tel que f (r) = 0.

i) Donner la formule de Newton-Raphson pour résoudre f (x) = 0, et établir que

f (xn−1 ) + (xn − xn−1 )f 0 (xn−1 ) = 0

ii) Montrer qu'il existe λ ∈ Vr tel que

(xn−1 − r)2 (2)
(xn−1 − r)f 0 (xn−1 ) − f (xn−1 ) = f (λ)
2
On pose en = r − xn , montrer que
f (2) (λ) 2
en = − e
2f 0 (xn−1 ) n−1

On dit alors que la convergence de l'itération de Newton-Raphson est "quadratique".

Corrigé. Soit f ∈ C 2 (Vr ), tel que f (r) = 0.
f (x ) f (x )
i) L'algorithme de Newton-Raphson donne : xn = xn−1 − 0 n−1 , donc xn − xn−1 = − 0 n−1 ,
f (xn−1 ) f (xn−1 )
par suite (xn − xn−1 )f 0 (xn−1 ) + f (xn−1 ) = 0. (*)
(r − xn−1 )2 00
ii) Il existe λ ∈ V (r) / 0 = f (r) = f (xn−1 ) + (r − xn−1 )f 0 (xn−1 ) + f (λ)
2
(r − xn−1 )2 00
d'où (xn−1 − r)f 0 (xn−1 ) − f (xn−1 ) = f (λ) (**)
2
(r − xn−1 )2 00
On pose en = r − xn , de (**) (xn−1 − xn + xn − r)f 0 (xn−1 ) − f (xn−1 ) = f (λ), ce
2
 25

(r − xn−1 )2 00
qui donne (xn−1 − xn )f 0 (xn−1 ) + (xn − r)f 0 (xn−1 ) − f (xn−1 ) = f (λ), d'après (*)
2
(r − xn−1 )2 00
(xn−1 − xn )f 0 (xn−1 ) − f (xn−1 ) = 0 =⇒ (xn − r)f 0 (xn−1 ) = f (λ), d'où
2
f (2) (λ) 2
en = − e .
2f 0 (xn−1 ) n−1

Exercice 4 :

On suppose que α est une racine de f ∈ C 2 [a, b], de multiplicité m ≥ 2, c.à.d.

f (x) = (x − α) h(x), avec h(x) 6= 0.
m

a) Montrer que l'ordre de la convergence de la méthode de Newton est seulement linéaire.

b) On propose la méthode itérative suivante (Newton modié)
f (xn )
xn+1 = xn − m
f 0 (xn )

Montrer alors que la convergence de cette méthode itérative est quadratique.

c) Application : Considérer l'équation non linéaire f (x) = exp(x) − x2 − x − 1 sur l'intervalle
2

[−1, 1].
i) Montrer que f admet un zéro x∗ dans [−1, 1], et qu'il est unique.
ii)Écrire la méthode de Newton pour résoudre f (x) = 0. Quel est l'ordre de convergence de cette
méthode ? Justier votre réponse.
iii) Proposer une méthode d'ordre 2 pour résoudre l'équation donnée.
Corrigé. Soit α est une racine de f ∈ C 2 [a, b], de multiplicité m ≥ 2, c.à.d.
f (x) = (x − α) h(x), avec h(x) 6= 0.
m

a) Montrons que l'ordre de la convergence de la méthode de Newton est seulement linéaire.

f (x )
L'algorithme de Newton-Raphson donne : xn+1 = xn − 0 n = F (xn ).
f (xn )
(x − α)2 00
Il existe λ ∈ V (α) / F (xn−1 ) = F (α) + (xn−1 − α)F (α) + n−1
0
F (λ), or F (α) = α et
2
(xn−1 − α)2 00
F (xn−1 ) = xn , ce qui entraine (xn − α) = (xn−1 − α)F 0 (α) + F (λ)
2
On a F 0 (α) = 1 − m1 6= 0 =⇒ en = (1 − m1 )en−1 + (en−1 F 00 (λ), donc en ∼ en−1 , c.à.d. la vitesse
2
)
2
de convergence est seulement linéaire.
b)Méthode de Newton-Raphson modiée :
f (xn−1 )
xn = xn−1 − m = G(xn−1 )
f 0 (xn−1 )

En reprenant le même procédé pour G, on trouve, il existe µ ∈ V (α) /

(xn−1 − α)2 00
(xn − α) = (xn−1 − α)G0 (α) + G (µ)
2
On a G0 (α) = 0, ce qui implique en = (en−1
2 G (µ),
)2 00
c.à.d. la convergence de cette méthode
itérative est quadratique.
c) Application : f (x) = exp(x) − x2 − x − 1
2

i) Il est évident que f admet un zéro x∗ = 0 dans [−1, 1], et qu'il est unique.
ii) On a f (0) = f 0 (0) = f 00 (0) = 0 et f (3) (0) = 1. Donc 0 est une racine triple de f , une
application de la méthode de Newton-Raphson à f est d'ordre 1. En eet, pour x0 = 0.5, les
26

termes de la suite (xn ) sont : x1 = 0.3404, x2 = 0.2302, x3 = 0.1550, x4 = 0.104, x5 = 0.0696,

x6 = 0.0465, · · · x10 = 0.00923.
En utilisant la méthode de Newton-Raphson modiée (m = 3), pour la même valeur de x0 = 0.5,
les termes de la suite (xn ) sont : x1 = 0.0214953953, x2 = 0.00003560528. On voit bien que la
méthode converge quadratiquement.
Exercice 5. T.P. :

Programmer la méthode de Newton-Raphson, et celle de Lagrange pour la résolution de

f (x) = 0, sous scilab.

Corrigé. Code de la méthode de Newton-Raphson

function [alpha,iter] =NR(f,xini,eps)\\

iter=0;\\

x=xini;\\

while(abs(f(x))>eps)\\

iter=iter+1\\

x=x-f(x)/numderivative(f,x)\\

end\\

alpha=x\\
endfunction\\

\begin{center}
Code de la méthode de Lagrange
\end{center}

function [alpha,iter] =NRL(f,x0,eps)\\

iter=0;\\

x1=x0+0.1;\\

x=x1-f(x1)*(x1-x0)/(f(x1)-f(x0))\\

while(abs(f(x))>eps)\\

iter=iter+1\\

x0=x1;\\

x1=x;\\
 27

x=x1-f(x1)*(x1-x0)/(f(x1)-f(x0))\\

end\\

alpha=x\\

endfunction\\