0% ont trouvé ce document utile (0 vote)
68 vues97 pagesCalcul Numérique
Bon livre
Transféré par
exaucekabongo75Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
68 vues97 pagesCalcul Numérique
Bon livre
Transféré par
exaucekabongo75Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF ou lisez en ligne sur Scribd
Fondation Cardinal Joseph Albert MALULA
B.P. 225 MBUJIMAY c
rematique]
a ue erinronwa@ue Gg goas
= | i . oe 4 4 ~ CALCUL NUMERIQUE
» Introduction
Le calcul numérique étudie les modalités en s’occupant principalement des
problemes d’erreurs et de limitation de calculateur (ordinateur) qui surviennent lors de
la manipulation des données numériques. ;
II faut noter que les méthodes numériques constituent l'objet de l'étude en
analyse numérique. °
Le calcul numérique a pris naissance bien avant l'apparition-des ordinateurs,
pour évaluer, tester et chiffrer les phénoménes observés par les scientifiques
(Ingénieur), plusieurs méthodes ont été inventées il ya bien longtemps.
Ils ont un lien étroit avec deux disciplines a la croisée des mathématiques et
Vinformatique . i
L’un est le calcul scientifique qui consiste en l'étude de l'implémentation
effective des phénomenes issus de la physique, a biologie et des sciences de l'ingénieur
Liautre est la théorie de la complexité algorithmique, qui permet de mesurer
Vefficacité théorique d’une méthode en quantifiant le nombre d’opérations élémentaires,
ou parfois la quantité des ressources informatiques (temps de calcul, besoin en
mémoire, etc), qu'elle requiert pour résoudre un probléme de taille‘donnée:
Le cours de calcul numérique est un mélange d’analyse numérique, qu'on peut
définir comme étude des algorithmes pour les mathématiques continues, et de
considération de programmation. st ab Bt
Certains aspects limitant, cependant, le: calcul numérique en général les
phénoménes observés en Science sont considérés comme continus, il est dépendant du
temps et de I'espace, la modélisation de ces phénoménes repose sur le développement
de analyse mathématique :
1
Ex:X= Xo +Vot + 5a t” Un modéle mathématique du mouvement
ax
v= =V, +a dérivée premidre du modéle donnée
Pourtant les résultats expérimentaux sont souvent eux-mémes bien enregistrés
de maniére discontinue, C’ést dans la modélisation qu'apparaisse les fonctions continues
du temps et de espace.
En analyse numérique, la démarche est inverse, on part d’une équation donnée
sous forme analytique et on essaie d'estimer a partir de dernier en wn moment ultérieur
a partant des conditions initiales la réponse recherchée
_ba solution trouvée est une solution approchée, & partir d'une équation donnée,
amené 4 des équations arithmétiques simples que l'on effectuée a l'aide d’un ordinateur
sile nombre d'opération est élevé, 01, LIMITATION DE L'ORDINATEUR
1. Lordinateur ne travaille pas dane le corps des réels qul est un ensemble infin
mais il travaille dans une partie du corps des réels certains nombre par
exempl avec erreur
V2, m, © seront représentés par des valeurs approchées
plutot que des valeurs exactes,
La capacité de a mémoire dun ordinateur est toujours limitée et ne peut
contenir qu'un nombre fini d'information (données).
La vitesse de ordinateur est finie cest-a-dire il exécute toute opération en un
temps toujours supérieur 4 0.
02. DISCRETISATION
Crest fait de remplacer un phénoméne continu, par un phénomene discontinu.
Cest donc le remplacement d'une fonction continue pouvant prendre un nombre infini
des valeurs par une fonction discontinue ne prenant que les nombres infinis des valeurs.
Une bonne partie de lanalyse numérique repose sur lidée que toute fonction
continue et dérivable peut étre représentée par un développement en série limitée
(MAC LOREN ou TAYLOR).
Le choix de la limite c'est-d-dire du nombre des termes de développement est
fonction de la précision que l'on souhaite atteindre.
Pe gaat
2)" (sina)
+n ey
Supposons que l'on veut se limiter au 3° terme
Done sinx =x ==(1) :
Si nous voulons nous limiter au 7éme terme, on aura :
sinx =x-= 45-250)
(1) et (2) deux machines différentes...
Pour x=fon aura pour (1) et (2):
Sint /, = 0,785 -7-
= 0,785 - 0,050622772 = 0,704377229 (1)
(o.785)5 _(0,785)"
Sin" / = 0,704377229 + Se
= 0,706824871 (2)
Ona tout de suite les limites d’une telle approche, l'erreur est lige au fait que la”
série est tronquée (arréter) aprés un ccrtain nombre des termes.
03. ALGORITHMES in algoritame est une suité doperations élémentay
. Ranier ; es
<< Paccomplissement d'une cache pas un éxccuteur (ordinateur), 4 pce oc tmees
irement étre décomposée WE Staines 8
“er gig
topération devra nécessa
Ex: Ax?-+ Bx +C=0
E:
2A>0 wf
> Xe 2A
3°A=0 4 =%= FE
cot
4°A. nindique la position la plus a gauche avantla virgule
> mindique la position la plus a droite aprés la virgule
Ex: Trouver le nombre N en base 10 dans le cas suivant :
1. (32101) base 5 =
2. (231,112) base 4 =
base 10
Base 10
Résolution
13.54+2.53 +152 + 0,51 +1.5°
3.625 + 2.125 + 1.25 +0 + 1 = 2151 base 10
2.2.47 4+3.4041494 1474147 42.45
1,12
324124142 +542 = 45,34375 base 10
NB: Dans le cas du passage de la base 2 4 la base 10 la formule de conversion s‘écrira de
lamaniére suivante: :
N= Thm
a; 2!
Ex: (10111)2= base 10 41.2: Passage de ia vage 10 a une base quelconque - ~ r
Rappelons que la formule de la tase quelconque a une base 10 s'écric de ce,
facon : : te
N-=SM pa; bi et que dans le cas du passage de la base 2 a la base 10
nt 2! Je’ probléme du passage 10 a la base 2 va consister & chercher Ie
N= yh
de la puissance de la base 2 d'un nombre N s‘écrivant en décimal.
coefficient a;
a Lenombre donné est un entier
La formule de conversion s‘écrit :
md; 2! (1) avec a; €{0; 1}
Divisons expression, On aura
+4,2") /2
+022? +
N= (ap2° +a;
+412? + a2”
Posons que Q = a,2"+ a,2"*
Le reste de la division entire du nombre décimal par 2 est dg. Posons que Q=
Ny se reste de la division entiére de“? est a; € (0, 1}
Si le quotient de cette dernigre division est égale a
Nz,le reste de ld division entiere de N2 par 2 sera égale & az € {0, 1} ainsi de suite
jusqu’ A ce qu'on obtienne comme quotient 0. Le nombre binaire correspondant en
nombre décimal sera la suite de reste de ce rapport en partant du dernier reste le plus 4
droite vers le plus & gauche. : 7
Ag) (base 2)
Doric 40 = (dxdt
Par exemple : (15):0= 1111 base 2
[te
jy
&, Le nombre donné est un réel
_ Les principes de décomposer en puissance des bases restent identiques sauf
qu'il s'agit des puissances négatives,
___ Pour trouver les correspondants binaires de la partie décimalé d'un nombre, on
pratique la régle suivante : = Multiplier par 2 ia partie décimale, si le. résultat est supérieur a 1, le chiffre
suivant est 1, sinon 0
Ex1 : Convertissez en binaire 123,50 = Nombre réel = E+D
E=123
123 = 1111011 20-050.
u
0,50x2 =—=1,
123,50 = 11110111
Ex2: 123,75 p=0,75
WE = 123 = 1111011 0,75x2= 1,5
0,5x2 = 1,0
123,75=1111011,11 :
Ex2: 123,63
D=0,3 = 0,101 0,04 x2 = 0,08
0,63x2 = 1,26
0,26x2 = 0,52 :
0,52x2 = 1,04 wae +
123,63=1111011,101
°2) pour
odernes utilisent la’ base’ binaire (8
La majorité des ordinateurs m:
uns utilisent les bases B = 16, B= 8,
représenter les nombres réels. Quelques-
tandis que la plupart des calculatrices la base B = 10. es
Lamémoire d'une machine étant constitué d'un support physique, sa capacité
cette raison, le. nombre des rélles
est, par construction, limitée. Pour
ellules-
représentations, stockés sous forme d’ensemble des chiffres affectés 4 des c
mémoire est fini.
1.2. Chiffres significatifs
La précision d'une valeur se mesure par le nombre de chiffres significatifs quiil
contient. :
1, Unchiffre est significatif s‘il est non nul
Un zéro est significatif s'il est entre 2 chiffres significatifs
Le zéro n‘est jamais significatif s'il précéde les chiffres significatifs non nuls
Exemple :
Aare
9 pe, |
La valeur 13.2585 avec 6 nities significa est plus précise'que 14.2549
a
chiffres significatits. vee 4,
yeu fot 22 on apple. bt
Our bane = § vb ad ou oppucee bith
fe ce me 4 Ao,
¥ ents dee (b2o,62¥] ceF
Ny z)e One AE ag ’
(: OneBAW. AB ‘) ic
pi
Lz OpzaaSy Ae | Kee 2072 240% AS
I Me ms “XZ
ae es baa 2
(Cre oe Psoe
OF? 4 oO]
4 = our
A (0,4 }- <2)
= (0,404). 02°
1 © ?
2 PE AB Ot Avs VA Zh 4 1G 2
a C4
MFM a
SODAS a hie 4 eo TAs hd Paar
Me 2 0, AM xe? ine
Je, jal ne 33
FG OR AA AR MDA
z
°
4
£44 x4 > aA
& 7 tts om
AD ttl +, 6, aL 27 Adoje
AST 0,400, 02
AVIS 0, AAD 2"
Gm = otro.
2 Ov0A0, eh 4
¢¢ a traduire un nombre réel en un nombre en forme
La normalisation con:
is6 qui ne garde que les chiffres significatifs en mantisse
exponentielle norina
1.3. Représentation des nombres en machines
existe essentiellementdeux systémes de représentation des nombresen
machines:
Celui a virgule fixe et celui a virgule flottante.
1.3.1 Représentation a virgule fixe
Supposons que la machine dispose de Wcellules-mémoire pour stocker un nombre
réel quelconque X Dans cette représentation, on réserve une cellule pour son signe,
N= r—1 cellules-mémoire pour les chiffres situés & gauche du séparateur (partie
entire) et rcellules-mémoire pour les chiffres situés a droite du séparateur (partie
fractionnaire)
Ket BNA bo bas d-rlg xo oo 8
By abo, B-1.b=2) 8. yeah -
Ce qui revient & convenir d'une position immuable ettacite du séparateur. J 2
nd-g-he *
Be
| on [ oe] [or
+] owt | |
Partie entiére” partiedécimale’ XE % 0000042, boo
1.3.2. Représentation a virgule flottante (VIF)
ombre réel, peut se mettre sous la forme sytnbolique
Dans cette représentation, un n
safe aH 4k
U
i :
Ou mestappelé la mantisse et el'exposant.
La mantisse m est un réel positif écrit avec virgule fixe et possédant un nombre J
maximum tde chiffres significatifs (imposé par la mémoire de ordinateur), En
représentation dite normalisée a mantisse se met sous la forme:
dade nd = San iB
1), appelés bitslorsque B = 2 et digitssi B # 2 sonttel que ah * 0.
Spe i ei
Sib=10 Exemple: ube Me ie
1254 2 O a
La forme normalisée de 52,2 est 0.52 *10°
m=
oles dé (0,
La forme normalisée de 0.003656 est 0.3656 *10?
1*211 plus exacte + a
Fxemple: La forme normalisée de 110.0110 est 0.11001
“ye 4A AAD: Sew
hk 2 AAD PO => > AADOAN OHE 4A :
ia po i cee ann te ree
U.LL00112 est ia mantisse 102 = 210 est ia base
1125310 est l'exposant
0,0000101112 est normalisé comme 0.10111 *102 -100
Lexposant eest un entier signé qui peut prendre les valeurs ¢
[L U,avecL0.
ntiéres de Vintervalle
Pratiquement on partitionne le nombre en trois parties, l'une c
‘ontenant eet autre
contenant met le premier digit a gauche contient le signe. :
e " m
Ainsi, dans la représentation normalisée avec ¢ chiffres significatifs on fait varier la
mantisse m dans l'intervalle :
1 1 t
Gyo = [o[o] 43210) = a”
> 59,275 q0) = @) Chapitre II: -
ESTIMATION DES ERREURS IL1. Sources d’erreurs
Les mesures effectuées par lIngénieur lors des investigations sur le terrain
donnent tr
rés souvent des valeurs approchées pour des grandeurs mesurées. Cette
situation est due au fait que d'une part, robservateur peut donner des réponses
différentes
(appareil di
lors de plusieurs mesures répétées et autre part les outils de calcul
‘© mesure) utilisés peuvent présenter des limitations.
Lierreur est done l'écart entre la valeur approchée et la valeur dune mesure et
cet écart est souvent difficile & connaitre. ierreur provient en général dela contribution
de plusieurs types d'erreurs qui sont:
¥ erreur d’arrondie;
~ Ver
eur de troncature;
Y Verreur sur les données,
11.2. Erreur d’arrondi
Elle provient du fait que lordinateur représente le nombre de maniére.
apProchée. Nous allons voir comment on estime lerreur relative et erreur absolue.
1.2.1. Erreur absolue
So
La représe
nombre pa
X
Ex: v2=1,
Cestla valeur par défaut arrondie 4 une valeur supérieure a la valeur exacte.
it un nombre x donné sous la forme suivante x = 0.x Kg Xg wrk X(t)
ntation de ce nombre approché sera notée par %(.x tilde). Posons : %<: est le
1 défaut c'est-a-dire arrondi a une valeur inférieur a la valeur exacte.
Rea
Xn XA 2 Kg eK ae
414213562 *
141< v2 < 142
En
machine a
Supposant que %< et ¥5 soit représentés de maniére exacte dans une
tbits. L'intervalle de ces 2 valeurs extrémes sera donné par : Re-%lapt
étant le nombre des bits.
z _ toa
Ex: A¥ = [142-141] = 0,01 ews
La
supérieure
+
2
valeur de x pour une représentation a t bits sera arrondie soit par la valeur
et cela est =r d’ot
%, Ou X. Le majorant d'erreur absolue sera égale &
Nous pouvons écrire que l'erreur absolue doit satisfaire la condition suivante :
Ey SA
erreur absolne de la valeur x doit étre inférietire ou égale & son. majorant watnematiquement parlant, lefreur apsolue peut $e détinir aussr co
tithe ne
différence entre Ia valeur vraie et la valeur approchée. — va
11.2.2. Erreur relative
11.2.2. Erreur relative
L'erreur relative sera donné par ex = “7 Dans cette formule, nous allons Poser
a2?
que la vraie valeurx = @. 2° Bt la valeur approcher sera X
Nous pouvons remplacer.ces valeurs dans la formule ci-haut on aura :
fiat 424] fa-
OTe ay 14127
Nous pouvons écrire aussi par analogie (comparaison) que :
ay <-
e-a 3@) _,
lal
Mathématiquement, nous pouvons dire aussi que l'erreur relative est le rapport
entre 'erreur absolue et la valeur vraie.
Lorsque x est non nul, on définit l’erreur relative d’arrondi par : 4
Gl
Ix
Ex: Soit la représentation de 3 nombres suivant
qui admet 3 bits pour la mantisse.
,10?; 4,10; 5,603 sur un ordinateur
1°. Calculer erreur absolue et relative suite a cette représentation
2°, Donner un intervalle pour chacun de chiffres ci-haut cités
Solution
1
Ey et es By $5.55 = 0.0625
aia Ey < 0,06
pour 7,102
0,062 10°=0,006 10°
0.7, 102 = 0,7102.10"
Doi lintervalle (0,710.10 + 0,006, 10") ow (7,04; 7,16]
Il convient de noter que le calcul d'erreurs permet d’estimer ta précision de la méthode
18 we ‘Un peut montrer que pour louLX EG (j, 4, U) | erreur relative cominise par
Fapproximation (x) est telle que :
isj= BLO! { 8° pour la troncature
Ix] $6!“ pour larrodi parfait.
Cette relation est & la base de toute étude d’erreurs d’arrondi. Ainsi,
pour.x €G (B, 4, L, U), ona.
AMBY)=x(1+8),
Dans la suite nous considérons done l’arrondi parfait. En effet, considérons les erreurs
relatives associées aux opérations suivantes
- y ok
fiery) = eycvsy 97
Mely) = (wly\( +81)
Mety) = (x*y\(i +53).
On peut alors montrer que :
Wils2"? pi et fbxls2 7p
Alors que 85nest pas garanti d°étre” petit. C’est le cas notamment, lorsque l’addition de
deux nombres tares proches en valeur absolue (différence) donne un résultat trés petit. Ceci
est connu sous le nom de catastrophic cancellation,
N.B, : Par suite des erreurs d’arrondi, les opérations élémentaires s'avérent étre non
associative. En générale, dans une sommation de réels, lerreur ala tendance a étre
ini Jorsqu’on somme en premier les termes ayant la plus petite valeur absolue.
113, Erreur de troncature
Lerreur de troncature vient di fait qu'un processus infini est remplacé par un
processus fini. La perte de précision due A la troncature dépend du probléme traité et
des processus mathématiques utilisés.
19 .
woe nour AUER 13.1 Evaluation d'une intégrale définie
Considérons Vintégration de f(r) entre 2
bores a et'b. pour g
intégrale, nous pouvons utiliser les formules : {Valley
1. La formule des Rectangles
2. La formule des trapézes
3. La formule de SIMPSON
1.3.1.1 Formule des rectangles
f & approximer l'opérateur anal
YEique dintégray
Fig, 2.1: Représentation graphique de la formule des rectangles
LE fede = Tha f@axtr,
Ax = xii — 4 x € [a,b]
Ax = x1 x
xy = 2-4
Ax, = ¥3- xy
Si f(@) est déterminé au point a par une constante tel que
4xj= Ax > A x= A.x=h constante (intervalle égaux)
x
Ax af a+Ax
X= M7 Ax m=m- Ax
Fat AxtAx=a+2ax
“+ FOn)] +R
Si fGodx = 8 xif G0) + fo) + Fn)...
xUf(a) + f(a + Ax) + flat 2x) tet f(a + (-1)dx] + fO)]+Re
Spinidie iz. Thea) feaese 2 Flavnse pin otf lt
a Rn (bsa)Mi ou Mi=musl “(| Cest ka fotmmule de rectangle dont erreur limite absolue
est donnée par lexpression :
Rys 4 (b-)Mi ou Mismaslf "(x)Ix€ [a,b]
On peut améliorer la qualité de 'approximation en augmentant le nombre de termes et
cela veut dire qu'on diminue la valeur ded x. Donc on augmente le nombre de tranches,
on peut alors se fixer une limite et augmenter le nombre de termes jusqu’a ce que la
valeur trouvée se rapproche de la limite fixée.
Une conséquence immédiate de ‘approximation d'un modéle mathématique par un
autre numérique, est Iécart entre la solution exacte qui résulte du modéle
mathématique contre la solution approchée résultant du modéle numérique
d'approximation. Cet écart est appelé erreur de troncature.
Lialgorithme de I'évaluation de I'intégrale procéde de la maniére suivante:
1. Déterminer 4 x = ** ; avec n qui est le nombre de termes cho!
2. Détetminer f(x) au point (a, a +A x,a+ 2A x,a + 34%,..,b)
3. Sommer tous les termes de l'étape précédente
4. Multiplier le résultat précédent par & x ona ainsi déterminé lintégrale recherchée. - ,
5. Déterminer erreur associée a cette représentation.
intégrale J,’ dx par la méthode de rectangle en prenant n= 10 et
Ex: Déterminer
évaluer erreur commise.
1) Analytiquement on aura:
LGR dx fxmdx=
mei ny
Ls L84gey7, :
; 8 =O
& fan - 1g
OF la vrate valeur esp 1 _ :
2 025 alow est Lg.
2a 0,226757369
22 020661157 a
5°) Rus S£(b-2)M, ou Memaxlf G9)
23 0,189035916
ar
24 0173611111 Ro=(b-a)Mi ou Mismaxl ‘@l
25 0,16
? =
fO=air@=2 faye Ue Ge!
a
2
26 0,147928994 me 7 q
maxlf '(x)| sur le segment [2,3]
» 27 0137174211 x |
\ lavaleur max est M, 2, —
7 28 012755102 y
z az %
29” o,18906064 SSR ha) Mix (ye -o,0125
3 141111111 Gxax =
0,1 + 1,84868736= 0,184868736 £00125
3%) Sian 1848687366
1.1.1.2, Formule des trapézes
La formule des trapézes consist.
J par un opérateur arithmétique Ice
des surf
¢ 4 approximer lopérateur analytique dintép
faces des trapdzes résultants dj
st-a-dire approximer la surface par une somm
la discrétisation du domaine [a,b] en npoint
fo fo
a
Fig. 2.2 : Représentation Braphique de la formule des trapézes
Dans un j
ée par la formu
intervalle donné Dexia], Vintégrale est évaluée ps
suivante ;
i f tides Ltt Feel + Leayralfa® #n generalisant ceue tormute a toute lintegh
[ab] = Leaky] U beyx2]U [aq] U [gta] Uo
¢ SUF intervaiie[a, 6], nous avons :
UL tal
+f * redx
b 1 2 a
=f rer = ["yeracs [ roodes ["rerac+
= pArl/Cuo) + FOed) + fax) + Sead + Extn) + fg)] 4+
FAx/Gnad + Orn)]
Avec xp =aet x, =b
Cest la formule des trapézes dont I'erreur limite absolue est donnée par l'expression :
in Lerreur aléatoire: qui aussi appelée erreur accidentelle, Cette ereur est
dispersion des mesures effectuées (Ex : mesure du pied a coulisse) ligeay,
© [erreur systématique: C'est une erreur qui affecte toutes les mest
maniére. Elle est difficile a trouver.
‘omme la Song
UES dela ming
Done erreur totale est le concours de erreur accidentelle
systématique. Lorsque l'expérimentateur (Ingénieur) doit présenter Je
mesures, il résume l'information trés souvent en 2 nombres dont l'un Traduit fa valeur
plus probable de la vraie valeur de la mesure et autre exprime la dispersion ge
différentes mesures autour de la valeur probable. Ces deux paramétres sont: La
moyenne arithmétique notée par pet I'écart-type noté par (s). ‘
, En nous représentant la courbe de la loi normale (Laplace,
Paramétres se trouvent présenter de la maniére suivante :
et de te
résultat de
Gauss). Ces dug
19)
0-05 00 Os 1.0
ome! H Bts
2 ti4-4-4. La moyenne arithmétique
La moyenne d'ume série de valeur y; sera donnée par la formule suivente :
fi
Ex: Déterminer la moyenne arithmétique des données prélevées au laboratoire au bout
d'un temps de réactions chimiques mesures effectuées de. moments différents : 78,8;
80,4; 81,4; 79,8; 70,1
Réponse :
n=5
78,8 + 804+ 814+ 798+ 70,1
_ 3905
14.1.2. L’écart-type
La dispersion de mesure est souvent caractérisée par I’écart-type qui s'exprime
de la maniére suivante Ex: calculer I’écart type de I'exercice précédent
x 78,8 80,4 81,4 79.8 70,1,
x? | 620944 6464,16 6625,96 636804 4914,01
(3058
78,1)? = (16,712 = 4,08
La vraie valeur tombe dans Vintervalle
[u+S] = [74,02 ; 82,18] (valeur probable)
La mesure aberrante est : 70,1
1L4.1.3. Origine de lerreur totale
La dispersion des valeurs de mesures a pour origine :
> La température ambiante un peu différente a chaque mesure
> La lecture des quadrants variant légérement
> La tension sociale sur le lieu de travail, etc...
28 me . EXERCICES goes
1, Evaluer Tintégrale définie suivante f;'e~" dxpar la formule de rectangle et de
trapéze et calculer la différence entre les 2 résultats obtenus pour n = 20.
int: 2 e* dx
rd Déterminer Vintégrale f= par la méthode de SIMPSON de trapéze prendre
' n=20,
3. Une voiture démarre et on mesure son accélération pendant les quatre premiéres
second
AT'aide de la formule de SIMPSON déterminer : x ma eM t
a) Lavitesse de la voiture a I'instant t=4 sec
b) La distance parcourue par la voiture a l'instant t=4sec
4. Supposer que pour B = 2, 1= 4, x=0.1010* 2et y=0.1111#2!
(a) Déterminer. _fl(x+y), flx-y) et fx*y).
(b) Pour chaque cas déterminer, si possible, les erreurs de troncature et d’arrondi.
5. Les levers topographiques pour la détermination de la longueur d'une
minéralisation ont fourni les résultats suivants; 130,2m; 131,8m; 129,2m;
128,8m ; 130m ; 132,5m ; 131m; calculer l'écart type relatif a ces données et
déterminer les domaines de variation de longueur de la minéralisation.
6. Soit X= 549,12 ; Xe = 13275; Xa = 10250,65; Y: = 47,2; Yo = 5,1278; Ya =
0,00371 oi tous les chiffres significatifs de Xi et Yisont exacts.
1) Calculer les erreurs relatives sur les Xiet Yi
2) Donner la réponse des opérations suiyantes sous la forme q + 4q_ne gardant
que le chiffre signification exact :
(a) Xr ¥1 5 (b) Xe4V2 ; (€) Xs ¥3 ; (d) Xi
2 Chapitre III
RESOLUTIONS DES EQUATIONS
ALGEBRIQUES & NUMERIQUES I1L.1, Equation algébrique
IIL1.1 Equation du 3m degré
AX? + BX?4+CX+D
Une équation de la forme générale du 3** degré ne peut se résoudre qu'en
cherchant sa forme normale qui se trouve en divisant tous les termes par le premier
coefticient de lexposant le plus élevé et on peut écrire comme suite : x} + a1x?-+ azx +a
= avec ai
111.1.1.1, Algorithme de résolution
1°Posons que X = x — =
2
02 2at
3 tor
2°. Discussion
Petes
asif +5 <0, p <0 ilexiste 3 racines réelles distincts.
(p+ 2k)
Détermination des racines x = 2¥.cos: k= 0,1,2
Avec
tagtw
{sinw =
fsinw = tg
2428
© Si D4+5 > 0etp > 0,ilexisze une seule racine réelle
aL P42 4746
-% = —4,333333333
p=a;— 4,.0,/3+ Za} =q= 644/32. 164
Discriminant
a
27 = 1680384088 — 301371742
—1,33333332 <0 p 23,22
Cotte racine sera nommée Z3
o7 ny a fay)?
3°) Evaluer les coefficients dans ¢2 = + J($) — 42+
2
—a
1°) Evaluer les coefficients =
23
2
4°) Déterminer d; et dz a l'aide de la relation suivante : cxd2 + Cady = 03
automatiquemcnt on aura les 4 racines qui sont la résolution des équations.
xwttextd, =0
x2 +c2xt+d,=0 Exempie : Trouver les racines dex! + 4x°— 6x? — 7x- 10 =0
by = 4(=7) — 4(-10) = 12 “bs = -10(4(-6) = 16) ~
= 400-49 = 351
= 23 —an2z? + bz + by =0
2-62? +12z+351
= a2 12,2
9 a3~ a+ 5a} = q = 351 +e .216
q = 351-24+ 16 q=343
ie 9=24+J1=
1
5 mo
10
On aura done
cS “eat 3dz + 1.d, = —7%2
a BET dy = 10
x +3x-10=0
Z A= b? ~4ac x
—4(-10) = 9.4 40 =49 V49 = 47 +7,
sy ¥ 3 n 2
eens)
ae “ows
‘TD. Résoudre : x#42x343x? - 2x +1 =0 4ii.2, Résolutionis‘des équations par des méthodes numériques
IIL.2.1 introduction.
existe toute une panoplie de méthodes numériques (dichotomie, point fixe, Newton,
Lagrange) conduisanta chercher numériquement les 2éros de fonction f(x) =0
d'une variable réelle. La majorité de ces méthodes sont itératives. En d'autres
mots, elles calculent des approximations successives x1, x2, x3, .. de la véritable
racine xde Véquation f(x) = 0, a partir d'une valeur initiale xo plus au moins
bien choisie. Ce qui les distingue, entre autre, c'est leur vitesse de convergence et
leur robustesse. Dans certaines applications, cette vitesse de convergence devient
un facteur déterminant notamment quand il s'agit de calculer les racines d'une
succession de fonctions.
IIL.2.2. Méthode de résolution numérique
IIL.2.2, 1La méthode de Dichotomie ou de Bissection.
Le principe de la méthode de dichotomie, encore appelée méthode de bissection,
est basé sur le théoréme de la valeur intermédiaire. La méthode est décrite comme
suit : soit, f : [a b] —— R, une fonction continue sur I'intervalle [a b]. Si
f (a) xf (b) <0 — il existe donc au moins une racine de f(x) appartenant & 'intervalle
+b
[a5]. On prend a =
La moitié de l'intervalle [2 b] tel que :
1. Si f (a) = 0 —> aestla racine de f (x).
2. Sinon, nous testons le signe de f(a) x f(a) (et de f(a) x F(b)).
3.Sif (a) xf (a) < 0 —— la racine se trouve dans l'intervalle [a a] qui est la moitié
de [ab].
4 Sif (a) x f (b) <0 — la racine se trouve dans l'intervalle (a b] qui est la moitié
de [a 5).
Ce processus de division, par deux, de l'intervalle (a chaque itération on divise
Vintervalle par deux) de la fonction est réitéré jusqu’a la convergence pour la tolérance
Considérée. Ainsi, pour la niéme itération, on divise : (an.bs} en [an,crn} et [ctn, br,
antbn —
avec A chaque fois an=
2 Augoritime de archotomie
Nous posons a
soit f: [a,b } + R continue et telle que F(a) F(H() 0 ; pas de solution
On voit qu’a chaque itération I'iitervalle encadrant la solution x est divisée
par deux, soit par récurrence
2
me
(=a
Hen résulte que la méthode de dichotomie converge puisque la suite (6 - a) Tena
vers zéro lorsque k tend vers l'infini. Nous pouvons donc choisir le temps d'arrét N tel
que:
1 (0) _ oy
grb -a' se,
Ou cest la précision choisie.
Cet algorithme bien qu'intéressa
int converge plutdt lentement, néanmoins elle présente
Vavantage d’étre simple et néces:
ssite que la fonction f(x) soit continue.
Exemples
1) Déterminer la racine de Péquation x2
0 dans l'intervalle (0,4)
Calculons f(a) e¢ £ (400) ; aco)
f(a )= FO) =-1 et Fb) =
=0 eb =p =4;
(4) =15, f(a) « FQ) 2-15
048° _ ona
Calculons la moyenne a = +0 2: f(a) = £(2)=3 veritier si (Ca) fe") <0; f(a) f(a) = =.
et (Cal) = (2) =3 (al )= 3 0 car /(al )= (9
aktD= al =a =0et bY Mall = =
kth ohtt
Fz z
ateo! 042
$e 0 =
3 f(a")=0
D’oit a = 1 est la solution de I’équation
TR 2) Utiliser la méthode de dichotomie pour calculer le zéro de la fonction
. f(s) = x3- 4x- 6,95. dans I'intervalle [ 2, 3 ] avec une précision de 102
Solution
K a ar Be [Signe def(ax) | SignedeF (x) [Signe def
(bx)
0 | 2.00000 2.5000000 | 3.00000 - - +
7 | 2.500000 | 2.7500000 3.00000 - + +
7] 2.500000 | 2.625000 | 2.75000 - +
3 | 2.625000 | 2.6875000 2.75000 zi - +
4 | 2.687500 | 2.7187500 7.75000 — + +
5 | 2.687500 | 2.7031250 2.71875 - * +
6 | 2.703125 | 2.7109375 ara oe e *
D'ot.a = 2.7109375 est la solution demandée.
Nombre d’itérations
Ain avoir a la (m-1)-ime étape : n= 2ae< € avec €: précision, valeur fxée en avance
2068
(€>0) la valeur de m doit satisfaire a la relation suivante :m
Preuve ©
b) tel que f()
Puisque f est continu sur [a, b] il existe forcément un a € @
=0, on pose alors ¢ = 2*
z
[a,b] est ri
ea intervalle, € : précision, valeur fixée en avance (€>0)
2 Ex Déterminer le nombre d’itération de I'équation x* -x-2=0 comprise dans
Vintervalle ]-2,1[., prendre e=10?
Solution
In3 — In10~*
0,69
In3 + 2in10
0,69 a
me
m>
» 1098 + 2.2,3
me
0,69
any 2098446 m 2 8.26
m 2 9 itérations D'ot on aura 9 itérations
11.2.3. La méthode de Newton
Pour résoudre f («) = 0, nous pouvons développer par la formule de Taylor au
voisinage de x,—1
(ax )3frGnd
1 2 prrlen-1)
$5 Xn) + 31
M@)= fla)+©
Au voisinage c'est-a-dire la différence est presque riulle, d’oit les puissances
supérieures a 1 seront nulles. Toutes les puissances supérieures a 1, leurs termes dans le
a-Xn-1 pt
développement de Taylor donnent 0, d’oi: f(a) = fn) +] f'@n-1)
Orf(a)=0
O=F p12) + (@ — Xn-1) f'On-1)
oF Onna) = (@ = Xn) f'Onas)
fad) gx
Fon
£G,
fe )
F®)
Soit | Fey = yo Exemple: Bit utilisant la methone de Newton. Trouver ia racine de rexercicg
en posant que x) = 2 Precedeny
2-120
fQ@)= x? -150
FQ) = 2
Solution
Pour k=0
fE) 2) 22
x0) = fO — gy a2 GS
Pour k=1
x = x — wo = 19s — SE = 1005
Pour k=2
x0) = x) — LEED = 1 ooon04878
Pour k=3
x@ = x) — a Le = 1000000046
Pour k=4
5) = (4) — 1)
x9) = x) LE) =
Drow
a= 1 est laracine demandée
IIL2.3, La méthode de la sécante
A
4 Dans ‘certains siiwations, la uérivee rx) de (() est trés compliquée ov
meme impossivie a expiiciter, On pect alors utiliser telle la méthode de NEWTON. L'idée
est de remplacer, f (x)par le taux e’accroissement de (x) sur un petit intervalle. on
choisit donc a et b dans l'intervalle [a,b] telle que:
fea) f(b) <0, Puis on remplace f par la sécante passant par (a, F(a) ) et
(0, Fb )
Cest-a-dire la droite affine y (x) = f(a) +@— (0) LOE)
PO= a
on détermine alors x comme étant labscisse du point ott cete droite intercepte l'axe
x, Cest-a-dire y (x) =0
it x = xO — f(y 2a _
On déduit x‘ x0) — f(x! LTE =a
approximation que x) il suffit de répéter le procéder soit sur |'intervalle.
[a,x] ow [e.2] selon le signe de f(a )f(x\) comme pour la méthode de
, pour trouver une meilleure
dichotomie.
Algorithme de la méthode de sécante
Nous posons a = a et b = b dans|'intervalle
[a,b] telleque f(a ) £6) <0
Pour k=0, 1,
a)
(2) = x0 — f(x) One
Calculer x = x® — f(x‘ De
Si f(a ) f(x) <0, alors
ak Daa® et pH May
Sinon:a*D=a® et b**) =p
Fin de boucle
Exemple ; Utiliser la méthode de la sécante pour calculer le zéro de la fonction
{() = x4-4x- 8,95. dans lintervalle [2,3] avec une précision de 102.
Solution |
1
|
[Signe det (aa
i Xk % | Signe de Fan
J] 2.00000 | 2.596666667 | 3.00000 z
112596666667 | 2690262642 | 3.00000 >
7 | 2690262642 | 2.702092263 | 3.00000 >
3 | 2.702092263 | 2.703541518 | 3.00000 5
4 | 2.703541518 | 2.703718378| 3.00000
5 | 2.703718378 | 2.703739951 | 3.00000 5
6 | 2.703739951 | 2.703742582 | 3.00000 s
D'ola = 2.703742582 est la solution demandée,
TIL2.4. Méthode du point fixe
Un procéder générale pour trouver les racines d'une 6
{(x) =0 consiste en la transformation en un probléme équivalent x
Etant donnée xe [a, b], la méthode du point fixe c
suite (x) ke N en suivant I'algorithme ci-aprés : x °
Algorithme
quation non linge
= O(X) ssi f(x)=9
“Onsiste & construe a
Poser 19 =x,
Pour k=0, 1,
Calculer x@+0= o (x)
Fin
. Cette méthode converge si :0< |(x) | 1 alors x +a. alors a est appelé point répulsif 4 1a tacine ue equation ¢~
eax su ,
xse* FQ) =e
f@) =e* a eit
1
Comme f (x) = —aet|- “
ala convergence de cette suite,
=| < 1,0 peut s‘attendre
sionl'on pard'un x petit par example x = 95
wea) = " 2
=0: x91,
Pourk =0: x == = 0,0067 ; pourk=1: x@) = 0,9933 ; pour k=2: x) = 90,3703;
k=3: x =0,6905; =4: x92 ;
ae a ie 4: x© = 0,5013; pour k=5: x 0,6057; pour k=6:
2 08457 j pour k=7: x® = 05794 ; pour k=8: x) = 0,5602; pour k=9 : x(10 =
0,5711 ect x7) = 0,5671
donc a = 0,5671 est la racine.
MIL2.5.Application
a) Recherche de la racine carrée
Sur ordinateur, addition de deux entiers peut se faire de facon exacte mais non le calcul
d'une racine carrée. On procade alors par l'approximation successives jusqu’d converger
vers la solution souhaitée. Il existe pour cela divers algorithms. Le suiyant est connu
depuis l'antiquité (mais ce n'est pas celui que les ordinateurs utilisent),
Soit A un nombre réel positif dont on cherche la racine carrée. Désignons par x0 la
premiére estimation de cette racine (généralement plus grand entier dont le carré est
inférieur a A ; par exemple si A= 178, alors xo= 13 car 137=169 et 142=196> 178) et
pour €ol'erreur associ¢e
VA =xo+ €pcherchons l'approximation de €00n a: VA = Xp+ Ep
. A= (Xo + &9)?=X02 + 2x0 Eo + Eg”
Supposons que I'erreur soit petite face a Xo, ce qui permet de négliger le terme en Ey”
On aura A= x? + 2xy &p, remplacons 9 par E'qui est une approximation de telle sorte
ees
que A= xo? + 2xp £9’ on aura : &p =
oppement soit convergent). De plus, rien ne nous empéche de recommencer les
calculs avec mi, puis x, etc., jusqu’d ce que la précision de la machine ne permette plus de
distinguer le résultat final de la véritable solution, On-peut done éfinir une suite, qui a
partir d'une estimation initiale x0 devrait en principe converger vers la solution
Fecherchée. Cette suite est
Xeer= 4 St mK) x0 >1
Valgorithme du calcul de la racine carrée devient donc:
Wormers over vevn sremiare approwimation xy Se dee A
zo de VA ; de k, cater ler la nouvelle approximation de Xia A.
2, A chaque iteration cM):
An Rig,
py) = tebe KIA
3, Calculer erreur associée : 44 54 ex a
RAK eA
4.Tant que erreur est supéricure au seull fixé, recommencé au point 2
Exemple: calculer V5
EE
2,0000000000
0
2.2500000000
1
22361111411
2 fyoase
2.2360679779
3 - _— een
somo rampage 960008
4 j ile
On voit que algorithme converge trés rapidement et perm
carrée d'un nombre moyennant un nombre limité
d'opérations élémentaires (additions, soustraction:
encore a savoir si cet algorithme converge
toujours eta déterminer la rapidité de sa convergence. L'analyse numérique est une
discipline proche des mathématiques appliquées,
et done d’estimer la racine
is, divisions, multiplications). II reste
{ui a pour objectif de répondre a ces questions de fagon rigoureuse
IL3. ESTIMATION DES ERREURS ET NOTION DE RESIDU
Soitx“la solution approchée de la racine aalak—ieme itération. Nous
définissons erreur: e®) =
la— 2x] et le résidu ou le reste de la racine trouvée 12
fonction f(x) :r® = f&®)- f@ = f(x)
Si aest une racine multiple de multiplicité m c'est--dire f*=o pour
k=1,...m-1; alors ;
F(x) = F(a) La), (a-x ym
TO) (ane)
mi
7%) ~ LW)
em oe) (_mt_\m oy
= = (TE)
2) Chitare darrét surte résidu
Soit
axl ot eune
‘
de NOY
Supposerons aussi de
tolérance fixée pour le calcul approcte
Dlus f continument différentiable dans un vatsinase de =I1(x)|
woe een cce
PQ? Yow — Yo —vayt > 20)" — Yo—vey =0
De (4) nous pouvons dire qu = n On () .
Derry ea Dire :
De (5), nous allons déterminer les inconnues par la formule de Cramer Yq et v
Rappel :
Soit un systéme d'équation { axt+by=2
ex + dy =w
La méthode de Cramer consiste donc 4 chercher le déterminant 4'= |? | =
ad ~ beet A= |7 : =2d~bwhy= |* 7|=aw-ze
be
| 4
Et cela si A¥ 0, alors nous pouvons calculer la valeur dex ety +x =ety.=7
Dot
coor
Les racines sont données par:
¢ Yo=
) y Berit Dh
a nde (Du)? re
nee— (4)? z
nEViti— LULY _ 6230-3233 1380-1056
nbte- Oe)? 404
La droite des moindres carrés est y = 1,223 + 0,802t
Exemple 2: Estimer par la méthode des moindres carrés,
trajectoire parabolique issu de lorigine,
P(1,4), P(2,5), P(3,6), P(4,8)
kt | Yel et | Mite
1}ofalofo
2/3/4{/9 [22] .
3 [4]5] 16] 20] «
4 [7 [6 | 49 | 42
5 |8|7 | 64 | 56
6 | 10/10} 100 | 100
> | 32| 33 | 238 | 230 =
ey Pe Ye a) 34.236 230.32 Ep Zest 7860 oa
aE Oty)? 6.238 (32)? 1428-1024 404
404 = 0,802
le point de chute de la
ayant observé les points suivants:
Equation de la parabole est du second degré y = ax? + bx +c
¥ = ax? + bx car C = 0, passe par Vorgine
a
Les inconnues sont a et b
s=> =o - ax +x?
Fe= D2) a2 x) <0
Fe= 2-9 ~ ax) =0
. Dead tS =0
Deva tex =0
= (206 ~ 4354 ~ 1005
64 — 1000 — 305 =
(2) = 100a = 64305
a = 84—30b
ao dans (1)
Gee 100b=206 (1)
100a + 30b
@ 0
100
41995290.
we 254
22656 — 16620b 100006 = 206000». v-iety « rt
= agp #6200 = #2085
yee a gh wo g Ot 308.316)
00
a= -0,3548
y= -0,3540x? + 3.316%"
y=0 onaura
X1=0 et xp = 9,34611048478 = 9,34
D'une facon matricielle, les équations de mesure peuvent s‘écrire de la maniére
suivante y = Ax +r
yr aa on Ty
=|y2 et Aa]t ® «=E] =f]
3. se ts, 5,
1 tndouay
7 avec r*:
La somme des carrées des écarts résidus est donnée par S
transpose de r .
En utilisant la méthode des moindres carrés par la représentation matricielle,
nous pouvons aussi écrire le systéme linéaire aprés avoir dériver par rapport aux 2
inconnues, la relation suivante a", Ax = A’.y 3 % = (AT.A)MATy
Exemple : Appliquer la méthode matricielle pour résoudre l'exemple’ci-haut cité
10 1
13 4 ee[egeeeg]
asi 4 5 “lo 3478 10
Hho S|qa[tititaster Guigee7eaeia |) ie
1 8 7° lO+ 3444748410 0743? +47 +77 +87 +107 32 aa
1 10- -10- 7
Méthode de GAUSS SEIDEL
32}1
1 ayn
(ay*=18 Bla sl-sene|2 ale
32. 238l0. 4
. 1 222g 1 4
is Rp — =| 6] 6 ay 6
Puls Ro— 3281 =! agg 32 | = * ggg = 0 32 6
“ole 404 404!
142822
— aor, = {4 42424 ~ 404]
Puls Rp — 328; =| We
6 404
oa be a)
404!- 10)
ae
wr
33 32y(2 bod
=e 2) 34
Braver
=32\(1+44+5+647 410
es 32) (32 Sip a a2 +56 +100)
1 33 — 32x230
?) (0) 404 ey! 61230]
= 404 aaailges) nae (S01) - x(?)
UVéquation est: y = 1,223 + 0,801t
Autre méthode = (238 32
det(aTA) =|$, ol = 1428-1024 = 404 (ata)” 32 6)
Cof (a3) = 238 Cof (a,2) = —32 Cof (421) = —32 Cof (azz) = 6
-1_ 1 238-32)
(474) "= aug. 6°)
EXERCICES
1) Pour tracer le plan d'un terrain, on cherche & estimer les altitudes x1, xz, x3 de
ois niveaux. Ceci se fait, d'une part en en mesurant les altitudes directement, et
autre part en mesurant les différences entre les trois niveaux. Estimer les
valeurs dex1;x2, xs parla méthode de moindre carré
- ” { 1 | asi ; #6 \
if . ‘ 049 “ft t 248
% i 1 a \ 1,511 .
2) On considare un systéme direct
Véquation de récurrence ;
les paramétres a et b disposant des mesures
suivante :
kK 1234 5
eet
Xe 172433 42 51
jectoire parabolique issue de lorigine quo"
des moindres carrés disposant des,
3) Déterminer Vang'e de tir de la traj
estime par ‘a méthode 4) Lonner 'équation de la droize des moindres éarrées pour la distribution :
4 5
3
6
x 1 a
7 rT) rv 15 20 a 19
ra AA AA Gal's r ad
Ae 8 ¢S°¢ TRA ¢
AMMAAAS
Aa BerL
(rm 42) Pa
c zp 1d
bye (40§) xel(Lal ey
Cot
24
2d or +£ 385, g]
Ay
) 2X2 2 ¥ 574 WLI
Xe
/
(-7¢
Co
dA
RAV RA
99, dow + 1388 (-2A) 7
}
Mo
ar
Boo
A
ay
=| Chapitre V
' RESOLUTIONS D’UN SYSTEME
D'EQUATIONS . V.1, Introduction. -
On appelie systéme linéaire d’ordre n (n enter posit), une expression de la forme Ax=b
le Je Ax=t
Oud = (aij), 1. Si, j Sn, désigne une matrice de taille nxn de nombres récls o
Qu
Complexes, b = (bi),1 Sin, un vecteurcolonne réel ou complexe et x= (Ki),1 Cc (3
444 0-2 241 —2 3.
La multiplication de deux matrices est définie comme suit :
—<———>.
SAX) > B=(ixr) AB
‘enombre des colonnes pour la premiére matrice est égale au nombre des lignes de la deuxitme
Ex:
D2 43044)
22 23024
32 33034,
axa)
¥ SLAB est possible, Yin
~ Si une Matrice est
chaque éléments es
¥ Une matrice avec s
Werse n'est pas nécessairement
multipliée par un scalaire,
t multiplié par ce scalaire;
culement une colonne est appelée Matrice colonne;
seulement une ligne est dite Matrice ligne.
Possible (A.B + B.A);
le produit est une matrice dont
1 2
_ ~2_ 8) _/-2 g
B= =
[? ‘| byie 3] Pe 3
La régle sur la multiplication des matrices nous permet d’écrire un systéme
¢équations linéaires suivant:
AnX1+ ayaxy+
1x1 + ax. +
AmX1 + Angry +
Sa forme condensée est AX = b V.2.1. Matrice particuliére
v2.1.1. Matrice UNITE I
une matrice unité est une matrice dont tous les éléments de la dlagonale principal
gales A 1 et les autres sont nuls pale sont
=
Scorn
cone
erce
rece
V.2.1.2. Matrice triangulaire supérieure et inférieure
Si tous les éléments au-dessus de la diagonale sont nuls, la matrice est appelée
triangulaire inférieure. Elle est appelée triangulaire supérieure quand tous les éléments
au-dessous sont nuls.
0 0
| 0 u-|o
Ex: 0
Inférieure Supérieure
V.2.1.3. Matrice tridiagonale
Crest une matrice qui a des éléments non nuls-dans les diagonales et dans la
position adjacente de la diagonale, elle aura une grande importance dans certaines
équations différentielles (différentielle partielle).
an)
L 6 0
p=\o a
0 0
V.2.1.4. Matrice transposée
La transposée d'une matrice d'ordre nxm est obtenu en permutant les lignes en
colonnes et les colonnes en lignes. En d'autres termes, soit A dordre(nxm), sa
transposée A"= (Aran)
2-1
B:a=[2. 4 Ogre
12 a4=[4 2
0 3
V.2.15, La trace d'une matrice
bo Pour trouver la trace d'une inatrice, il faut que celle-ci soit carrée. La trace d'une
A AMtasents oe tecavand aus ta dbiganals principales Trace (B)=1+6+1
Sen
oan
V.2.1.6, Le déterminant d’une matrice
Le déterminant est trouvé en additionnant.le produit de cha
chaque ligne ou chaque colonne par le déterminant de ses mineurs en alt
et Ou
que terme sup
érant le signe
123
eo=fe 6 i|-1 2 h6-8 = -2
1 2 3
mel =1 4J-2[1 44372 5
[: § 4] B d-#h a+ 3b 3
=23+2-21=4
NB:
+ 7 Encalculant le déterminant, le développement peut se faire avec les éléments des
lignes ou des colonnes;
& Le choix judicieux est celui de sélectionner la ligne ou la colonne qui a beaucoup
de zéros;
‘* Quand la taille d'une mgtrice augmente en importance, le calcul devient
compliqué. Oo
V.3. Résolution d’un systtme d’équations linéaires par la méthode directe
V..
1. la méthode de GAUSS.
V.2.1.1 Algorithme de GAUSS
1. Augmenter la taille de la matrice avec les vecteurs du second membre:
2. Inter-changer les lignes si nécessaire pour avoir aj; la plus grande en valeurs
3. Créer des zéros dans les secondes iignes; ce
4. Répéter les étapes 2 et 3 jusqu’a la fin, en mettant la grande valeur du coefficie!
sur la diagonale principale;
5.
vers le
Résoudre le systéme en commencant par la derniére ligne et remontant
haut.
Exemple ; Résoudre le systéme suivant par la méthode de GAUSS. (i 42x_42x, = 2(11) OG out
xy +3x2—2%3 = —1(12)
3x; +5x2+8x3 = 8(13)
ona que:
12 2 x1 2
3 BG) “@)
p22 2 ps 8 8 Pe mien e
hg -2 -1 | beh ft 3-2 -1 ugh jo 3-2
3S 88 1 2 22 41 2 22 .
35 7
4
ne eit [Fs
‘ 11
oo 2F
Nin
Ny F2xQ42 Ky = 2, Xp = 2-2 HQ—2 3
=2-2(-1)-2(1/2)
V.3.2 La méthode de CHOLESKI (LU) “
Cette méthode est basée sur la méthode de GAUSS et elle consiste & trouver la
matrice donnée A en matrice triangulaire supérieure et inférieure. En d'autres termes,
on décompose une matrice donnée en ces deux matrices triangulaires.
Posons LU = A, donnons aussiun systéme Ax =b (1)
Remplagons dans (1) la valeur de A, nous trouvons LU x = b
Introduisons membre en membre la matrice inverse de C = L~ ups = (-%b done
1)
i-ty etPosons -*b = b= Ux = b!
Wx
Ux
B :Ré 3
*emple : Résoudre le systme suivant par la méthode de CHOLESKI
3-1 27) 712
12 3lfe}=[a]
c Wiss} be, 1°.Etape A=LU
3-1 2) fer 0 OO) Uy Uy
[: 3]= fe tn O|lo 4 vs
2 -2 -1) -|[ls1 baz L3sflo o 7
2
liYy3 =2 5,3 =
3
LaUi3 + L22Uo3 = 3
2
4g ty Ua = 3 Uy = 41
Lor LaWs2tbee — LaiUi3 + Leas
Ly by Uy Ly Uy3
>|
La, ba Uiatlaz baiVis + b32U23 + Lag.
Par comparaison, on aura
13,U 13 + L3qU23 + L33 = —1
6)+ (3
3)* (-;) @ua =-1
Ly3 =-1
Lyi =-1
ly 33
Loy = LbeUyytLy) = 2
by 52
Ls
2. tape
0 9
mf 2 G10 o
“~ 3, ] 01 ole
mie, oo 3
3 1 A
1
93 ° °
Oo} 1 3
477 4
41
BF 0-3 1
100 - 00
oO 1 of 1 3 Raft 0 oy 3
Ra= Ra Ra al-z 5 «(OF Jo 1 f-2 3g
oo Fjoo iu 7? 7
3l9 3 3 ian
a7 4 34a
3° Etape
4° Etape
V.4. Résolution d’un systéme d’équations linéaires par la méthode itérative
V.4.1. la méthode de JACOBI
La méthode itérative est opposée a la méthode directe de GAUSS dans certains
cas. Ces méthodes sont préférables aux méthodes directes a la seule condition que tous
les éléments se trouvant sur la diagonale avant de résoudre le systéme linéaire doivent
obéir ala condition :
laid > Y lal #7
a
a, a2
as; ag, am| = (aul > lat aul
31 a3 ass lazal > Iaa1 + azal
laaal > lai + @sal
hasan nus les éléments se trouvant sur la diagonale sion les porte en valeur absolues,
anit feautres éléments doit étre inférieure a ces éléments. Avant de riésoudre un
vou néaire 8 n équation, Ml faut réaménager les lignes telles que les éléments se
souvant sur la diagonale principale aient une grande valeur par rapport aux autres de la ’ = b, on commence une approximation initiale re
soit le systeme Ax = b- appr
Présentée
‘ucune des approximations de x{"* avec i
par x@ et on calcul ch
et = Ba = avec laul > Yay
at Fatt ie
itj
Je: Utitiser la méthode itérative de JACOBI pour résoudre le systéme suivant;
Par exemple:
12
4
2x, + x2 — 9x
xy — 7x1 + 2xg =
frees 8
verification de critére jacobi
lal >)” ay
83141 8>2
Q@y=2 9249211 9 = 2<11 2411
@33=2 914+7=8 2+8
Critére non respecté
Réaménagement : Permutation des lignes
8 1-21 “ ay =8 >2 7
1-7 2) @22=7>3lail> ) ag
2 1 ~9 33 =9>3
iti
=0%— x2 +x3 | Divisons par Be coefficient de x,
%1 + Ox, ~ 2x; |Divisons par —7 le coef ficient de x,
9X3 = 12 ~ 2x, — x, + Ox3 |Divisons par —9 le coefficient de x3
x= 10x -o125%,4 0,125x5
1571428571 + 01428571 42x; + Ox + 0,285714285x5
~1835333333 + 0,2222222224, + 0,111111111x5 4 Osp
[xo] er
5 : = | 9 | yw Lo |
s 761904762 | 082738095: le
#2] 0/0, y 011507936 | 0,815653344 | 08145
alka sera O71 5383883 | 30095230 | osereaoaes | 0371031745 azo1gses
"047619048 ~1,126584127| ~1 0714205 —Laizisot ‘LTiges1285
La suite x“ cor, ’
‘Verge vers (0.81, 0.37, 1.11) solution du systéme. VA.
Ja méthode GAUSS-SEIDEL
On prend le caleul préeédenmnent pour le systémo pe
choisit un ensemble de vecteurs x9, x8, 29; on porte ‘Cédent par exemple,on
on obtient. Mra dans la teat
lonet
ue by = (arax$ + ay3x4)
a an
Cest cette nouvelle équation de x’: et non x4
xf, qui est dans la 2m équati
systéme, donnant : ‘équation du
by= (aai%y + a2324)
x=
2 22
De méme dans la 3¢¢ équation, on porte x; et x, et non x et x3, on obtient:
31%1 + G23%2)
33
Lorsqu’une inconnue est utilisée, c'est automatiquement la plus récente valeur.
Calculer ceci assure une convergence des calculs bien rapide que la méthode de
JACOBI.
Onarréte les calculs lorsque les valeurs successives de x sont suffisamment
voisines
Ex : considérons le systéme linéaire
4 217% (4
(2230-6
ee Winze 9)
Résoudre ce systéme mis sous la forme :
x0 =
t
nie Sle Ro
1
W
a
w
Be
38
aa) F =
yoo[ ea =18 mood 7 reals
527} \ 1 6349
gma] \se /819: /a192,
. 1/64
1-32 - SE 024 0,008789062
lees =| 2047545 9995117187
@-= i 9957275390,
»_sioe_moerave | \ 6349,
4_iee mosis e192,
La suite x converge vers (0, 1,2) solution du systéme.
Exercices
1) Résoudre le systéme d'équations linéaires
8 - 3y + a2 =8
4x + My) = 7223
6x + 3y + 122 48
a) En utilisant la méthode de d’élimination de Gauss ;
b) Parla méthode itérative de Jacob
2) Résoudre le systéme d’équations linéaires
8x - By + 233
x - Sy + 225-12
2x y + B= 9
En appliquant:
a) La méthode itérative de Jacobi (vérifier qu’on puisse l'appliquer) en partant
d'une solution approchée initiale convenablement choisie
b) La méthode d’élimination de Gauss
3) On considére fe Systeme d’équation ci-dessous :
+ 2Sina~Cosp = ~3
Sina + 2CosB + tgy = 4
CosB + 2tgy = 3
a) Résoudre ce systéme par I
la convergence de la méthoc
b) Réouidre ce systéme
©) Trouver tes angles a
° . érifiet
tne des méthodes itératives que vous connaissez et vif
de utilisée,
PaFla méthode de Gauss et comparer le réstltat.
Ne vielqued
