Analyse et méthodes numériques GR-EA

EXERCICES
D’ANALYSE ET METHODES
NUMERIQUES GR-EA
2012-2013
[Link]

0.1 INTERPOLATION

I- Interpolation
EXERCICE. 1 :
1
On donne x0 = 1 et h = 4 et xi = x0 + ih pour i=0,1,2. et y0 = 1, y1 = 12 ,
y2 = 32 .

(a) Déterminer le polynôme d’interpolation P2 ( P2 ( xi ) = yi , i = 0, 1, 2) à l’aide :

i. des déterminants
ii. de Lagrange
iii. des différences divisées
iv. de Néville-Aitken
v. de Newton
EXERCICE. 2 :
On considère la fonction y = 11++xx2 et le pas h = 0.5 . On donne le tableau des valeurs
suivant :
0 0.5000 1.0000 1.5000 2.0000
1.0000 1.2000 1.0000 0.7692 0.6000
1+ x
(a) Construire P4 le polynôme d’interpolation de la fonction f ( x ) = 1+ x 2
.
(b) Calculer y=f(1.75) et z = P4 (1.75)
(c) Comparer l’erreur théorique absolue | E4 (1.75)| et l’erreur pratique absolue |y −
z |.
EXERCICE. 3 :
Soit Pn le polynôme interpolant f aux abscisses distinctes deux à deux, x0 , x1 , . . . , xn .
On pose D ( x ) = ( x − x0 )( x − x1 ) . . . ( x − xn ).
Déterminer les coefficients ai , i = 0, 1, . . . , n tels que :

Pn ( x ) a0 a0 a1 an
= + + +...+
D(x) x − x0 x − x0 x − x1 x − xn

EXERCICE. 4 :
x2
Soit f(x)=e− 2 . On considère les abscisses équidistantes suivantes : x0 = 1 et xi = x0 + h

Applications du cours 1 T.D.

Analyse et méthodes numériques GR-EA

f (4) ( c )
et h=0.5. On se propose d’évaluer f, P3 et EP3 ( x ) = f − P3 et ET3 ( x ) = 4! ( x −
x0 )( x − x1 )( x − x2 )( x − x3 ) en x=1.25 et de comparer les erreurs pratique EP3 et théo-
rique ET3 .
(a) Calculer f(1.25)
(b) Construire le polynôme d’interpolation de Newton P3 et calculer P3 (1.25)
(c) Calculer | EP3 (1.25)|
f (4) ( c )
(d) Montrer que ∃c ∈]min( xi ), max ( xi )[, ET3 ( x ) = 4! ( x − x0 )( x − x1 )( x − x2 )( x −
x3 ). Déterminer une bonne majoration de | ET3 (1.25)|
(e) Comparer les erreurs | EP3 (1.25)| et | ET3 (1.25)|.
EXERCICE. 5 :
On suppose la fonction f connue aux points {−1; 0; 1} où elle prend les valeurs {2; 3; 6}
et soit Pm l’ensemble des polynômes de degré au plus m. Quelle est la valeur minimale
de m qui conduit à une technique d’interpolation ? Pour quelle valeur de m le poly-
nôme d’interpolation est unique ?
EXERCICE. 6 :
Soit f une fonction telle que f(0)= 12 , f(0.5)=1, f(1)=2, f(1.5)=− 12 Calculer les coefficients
du polynôme d’interpolation P3 dans la base de Newton.
EXERCICE. 7 :
Construire le polynôme d’interpolation pour les valeurs suivantes, on écrira sa forme
x 1 2 4 5
factorisée de Hörner.
y 1 4 16 25
EXERCICE. 8 :
Montrer que lorsque les abscisses sont équidistantes, et que q= x−hx0 , l’erreur d’interpo-
lation s’écrit :

f ( n +1) ( c ) n +1
f ( x ) − Pn ( x ) = h q(q − 1)(q − 2) . . . (q − n)
( n + 1) !

. EXERCICE. 9 :
Soit a<b et posons x0 = a, x1 = a + ϵ, x2 = b , ϵ > [Link] f une fonction définie en ces
trois points.
(a) Ecrire P2 ( x ) le polynôme de Lagrange interpolant f en ces trois points.
(b) En faisant tendre ϵ vers 0
(b− x )( x +b−2a) (b− x )( x − a) ′ ( x − a )2
i. Monter P2 ( x ) = ( b − a )2
f ( a) + (b− a)
f ( a ) + ( b − a )2 f (b)

ii. Monter que f ( x ) − P2 ( x ) = 16 ( x − a)2 ( x − b) f (3) (c) Qu’est ce que vous pouvez
conclure ?

0.2 DERIVATION

Applications du cours 2 T.D.

Analyse et méthodes numériques GR-EA

II- Dérivation numérique

EXERCICE. 1 :
Soit f(x)=xln(1+x). Soient les points x0 = 1, x1 = 1.01, x2 = 1.02.
(a) Calculer f ( xk ), k = 0, 1, 2
(b) Calculer les valeurs exactes f ′ ( xk ), k = 0, 1, 2
(c) Calculer les valeurs approchées f k′ ,
k = 0, 1, 2 des dérivées f ′ ( xk ), k = 0, 1, 2 en
utilisants les formules à trois points.
(d) évaluer les erreurs pratiques absolues | f k′ − f ′ ( xk )|, k = 0, 1, 2 et les comparer
aux erreurs théoriques absolues.
EXERCICE. 2 :
Dans une équation diffférentielle on désigne en un point xk , la valeur exacte par y( xk )
et la valeur approchée par yk .
(a) Décrire
{ un schéma approché qui permet de résoudre l’équation différentielle :
2y” + y′ − 3y = xe− x , x ∈ [0, 1]
y(0)=1, y’(0)=0
(b) Pour le pas h= 14 , calculer les valeurs approchées yk et les valeurs exactes y( xk )
(c) Calculer les erreurs absolues |yk − y( xk )| pour différentes valeurs de k.

0.3 QUADRATURE

III- Quadrature
EXERCICE. 1 :
Calculer à l’aide du logiciel Matlab et à l’aide des méthodes des trapèzes, Romberg et
Simpson l’integrale
ˆ 1
1
I= 2
dx
0 1+x
EXERCICE. 2 :
´∞ ´n ´n
Soit I = 0 e− x dx et In = 0 e− x dx. On a alors In = In−1 + n−1 e− x dx. Une table de
2 2 2

valeurs donne I2 = 0.88208139076242.

(a) Considérons la formule d’intégration suivante :
ˆ 1 ( ) ( )
1 2
f ( x )dx = α f (0) + β f + γf + δ f (1) + R ( f )
0 3 3

Trouver α, β, γ, et δ, tels que cette formule soit exacte sur l’espace vectoriel des po-
lynômes de degré le plus élevé possible. Par un changement de variables, donner
la formule sur l’intervalle quelconque [a, b] .
´3
(b) Calculer par la formule de quadrature trouvée en 1) les intégrales 2 e− x dx et
2

´ 4 − x2
3 e dx

Applications du cours 3 T.D.

Analyse et méthodes numériques GR-EA

(c) En déduire I3 et I4
(d) On pose f ( n1 ) = In . On a alors lim In = f (0) =
n→∞
I . Interpoler f par le polynôme
P sur les données :( 21 , f ( 12 )), ( 13 , f ( 13 )), ( 41 , f ( 14 ))
et calculer P(0).
EXERCICE. 3 :
(a) Déterminer A0 , A1 , A2 , A3 tels que la relation :
ˆ 2π
f (x) 1 2π
√ dx = (2h) 2 ( A0 f (0) + A1 f (h) + A2 f (2h) + A3 f (3h)) + R( f ), h=
0 x 3
soit exacte (i.e. R(f) = 0) sur l’espace vectoriel des polynômes de degré le plus élevé
possible. On précisera ce degré.
´ 1 ln(1+ x)
(b) Calculer exactement 0 √ x dx, en intégrant d’abord par parties, puis par chan-
gement de variable. Calculer approximativement cette intégrale par la méthode
qui précède. Comparer ce résultat à celui que l’on obtient par la méthode de Simp-
son
ln(1 + x )
(on calculera lim √
x →∞ x
(c) Expliquer pourquoi le résultat obtenu par la méthode de Simpson est mauvais.
EXERCICE. 4 :
ˆ +1
e− x (1 + x2 )dx
2
On se propose de calculer I =
−1
(a) Calculer approximativement I par la méthode des trapèzes à trois points corres-
pondant au pas h0 , puis avec le pas h1 = h20 et enfin avec le pas h2 = h21
(b) Calculer une approximation de I à l’aide des résultats trouvés en (a) et à l’aide de
la méthode de Romberg.
(c) Calculer approximativement I par construction de la formule de quadrature
ˆ +1
f ( x )(1 + x2 )dx = A1 f ( x1 ) + A2 f ( x2 ) + R( f )
−1
x1 , x2 , A1 , A2 sont distincts et non nuls.
(d) On suppose R( f ) = K f (4) (c), c ∈ [−1, +1]. Déterminer K à l’aide de f(x)=x4 .
(e) comparer ces différentes méthodes.

0.4 EQUATIONS

IV- Equations
EXERCICE. 1 :
On veut résoudre dans R l’équation
x
( E) : f (x) = x + 1 − ex
3

Applications du cours 4 T.D.

Analyse et méthodes numériques GR-EA

(a) Calculer f’ et f"

(b) A l’aide du tableau des variations de f, localiser ces racines entre deux entiers
consécutifs.
(c) On considère les méthodes itératives suivantes
x n xn
x n +1 = e −1
3
x n +1 = 3e−xn ( xn + 1)

i. Vérifier que si ces méthodes convergent alors elles convergent vers la solution
de (E)
ii. Préciser alors l’intervalle sur lequel le théorème du point fixe s’applique, et,
dans ce cas,déterminer combien d’itérations seront, à priori, nécessaires pour
obtenir une erreur absolue inférieure à 5.10−7 .Calculer dans chaque cas deux
itérés à partir d’un x0 admissible.
(d) Ecrire la méthode de Newton pour résoudre (E). Pour chaque solution, justifier
le choix de x0 et calculer deux itérés. A partir des valeurs approchées obtenues,
donner, si possible, une estimation des solutions.
(e) Ecrire la méthode de Newton pour trouver une approximation de la valeur µ où f
admet un [Link] une estimation de ce maximum.
EXERCICE. 2 :
On se propose de résoudre l’équation

f ( x ) = e− x − x + 1 = 0

dans l’intervalle [1 ;2].

(a) Montrer que f admet f −1 sa fonction réciproque.
(b) Soit x⋆ sa solution dans [1 ;2].Calculer x⋆ par la méthode de Newton-Raphson et
par la méthode de la sécante.
(c) Soit x⋆ sa solution dans [1 ;2]. Soit l’algorithme,
x0 = 1, x1 = 1.5, x2 = 2
P2 ( x ) interpole f −1 en f ( xn−3 ), f ( xn−2 ), f ( xn−1 )
(n)
(n)
xn = P2 (0), n = 3, 4, 5, . . .
Estimer l’erreur absolue | xn − x⋆ | commise en approchant x⋆ par xn .
EXERCICE. 3 :
{ ( xn ) la suite définie par :
Soit
x0 ∈ [ a, b]
x n +1 = G ( x n )
On suppose que( xn )converge vers x⋆ solution de f(x)=0 dans [a,b]. on suppose aussi
que cette méthode est d’ordre un.
On pose A = G ′ ( x⋆ ) et on suppose que 0<A<1. On pose aussi en = xn − x⋆
et en+1 = ( A + ϵn )en avec nlim ϵn = 0.
→∞

Applications du cours 5 T.D.

Analyse et méthodes numériques GR-EA

(a) Montrer que en+2 − 2en+1 + en = (( A − 1)2 + θn )en

avec nlim θn = 0
→∞
( x n +1 − x n )2
(b) On pose xn′ = xn − xn+2 −2xn+1 + xn .
xn′ − x⋆ θn −2ϵn ( A−1)−ϵn2
Montrer que xn − x⋆ = ( A −1)2 + θ n
xn′ − x⋆
(c) Que vaut lim ?
n→∞ xn − x⋆
EXERCICE. 4 :
On se propose de déterminer la racine cubique
( de)5. Soit (E) :x3 = 5.
Soit les fonctions f(x)=x3 − 5 et Φ( x ) = 1
2 x+ 5
x2
.
(a) Vérifier que f ( x ) = 0 ⇔ Φ( x ) = x
√
5
(b) On prend 3 = 1.2910. Calculer f(1.2910) et f(-1.2910). Montrer que f admet une
seule racine à localiser entre deux nombres entiers consécutifs a et a+1.
(c) Soit
{ l’algorithme de Newton-Rafson :
x0 = 1.5
f (x )
xn+1 = xn − f ′ ( xn )
n
√
Calculer max (| f ′ ( x )|). Déterminer n pour que | xn − 3
5| ≤ 10−6 .
| {z }
[ a,a+1]
Si on a calculé√ xn , montrer que l’application du théorème des accroissements
√ finis
à f dans [ xn , 5] permet de trouver une majoration de l’erreur | xn − 5|.
3 3

(d) Etudier la forme itérative Φ sur [ a + 0.5, a + 1].

(e) En déduire que Φ est une contraction sur [ a + 0.5, a + 1].
(f) Soit
{ l’algorithme itératif :
u0 = 1.5
u n +1 = Φ ( u n )
Déduire à partir de la question précédente la nature de cet algorithme.
(g) Rassembler dans un même tableau les valeurs
n, xn , un , | xn+1 − xn |, |un+1 − un |, f ( xn ), f (un ), | xn − un |
sachant que n ≤ 4.
(h) Donner une interprétation du tableau ci-dessus.

0.5 EQUATIONS DIFFERENTIELLES

V- Equations différentielles
EXERCICE. 1 :
Soit le problème
{ ′ de Cauchy suivant π:
y = ycos( x ), x ∈ [0, 2 ]
( P.C.) :
y0 = y (0) = 1

Applications du cours 6 T.D.

Analyse et méthodes numériques GR-EA

(a) On pose f(x,y)=ycos(x). Montrer que f est lischitzienne en y uniformément par

rapport à x
et calculer la constante L de Lipschitz.
(b) Trouver explicitement y(x), c’est à dire la valeur exacte.
( )
M
(c) Calculer C = 2L e(b− a) L − 1 où M=sup(|y”( x )|).
| {z }
[0, π2 ]

(d) Drésser un tableau numérique contenant les quantités :

xi , y( xi ), yi , yi − y( xi ), Ch avec h= π8
Donner une interprétation de ce tableau.
EXERCICE. 2 :
{ que pour l’équation différentielle définie sur R par :
Montrez
0 si y<0
y′ = √
y si y ≥ 0
il n’y a pas unicité au probème de Cauchy. Pourquoi ?
EXERCICE. 3 :
Intégrer numériqument à l’aide des méthodes ( Euler, Taylor et une méthode de Runge-
Kutta ) : {
y′ = 1+1x2 , x ∈ [0; 1]
( P.C.) :
y0 = y(0) = 1, h = 14
Que peut-on conclure ?
EXERCICE. 4 :
Soit le problème
{ de Cauchy
1− xy
y′ = x2 , x ∈ [1; 2]
( P.C.) :
y0 = y (1) = 0
1− xy
(a) On pose f(x,y)= x2 . Montrer que f est lischitzienne en y uniformément par rap-
port à x
et calculer la constante L de Lipschitz.
(b) Trouver explicitement y(x), c’est à dire la valeur exacte.
( )
(c) Calculer (avec 4 décimales) C = 2L M
e(b−a) L − 1 où M=sup(|y”( x )|).
| {z }
[1;2]
(d) Drésser un tableau numérique contenant les quantités :
xi , y( xi ), yi , yi − y( xi ), Ch avec h= 81
Faites une interprétation de ce tableau.

0.6 SYSTEMES

VI- Systèmes
EXERCICE. 1 :

Applications du cours 7 T.D.

Analyse et méthodes numériques GR-EA

Résoudre dans R à l’aide de la méthode de Gauss avec stratégie du pivôt total le sys-

tème linéaire suivant :
 x1 + x2 + x3 = 1
(S) : 2x1 − x2 + x3 = 2

x1 + 2x2 + 3x3 = 3
Reprendre l’exercice à l’aide de la décomposition LU de Doolittle. EXERCICE. 2 :
(a) Inverser
 par l’algorithme
 de Gauss avec stratégie du pivôt partiel la matrice :
22 −6 7
A=  11 17 44 
12 1 86
(b) Soit PA ( x ) le polynôme caractéristique de A. Déterminer à l’aide de la méthode
de Newton-Rafson
toutes les racines réelles de PA ( x ) appelées valeurs propres de A.
(c) En utlisant l’algorithme de Gauss, chercher les vecteurs propres de A associés aux
valeurs propres de A trouvées ci-dessus.
EXERCICE. 3 :
Résoudre
 à l’aide des
 méthodes
 de  Jacobi
 et de Gauss-Seidel le système linéaire :
2 1 0 x1 4
(S) :  1 4 2   x2  =  15 
1 2 9 x3 31
EXERCICE. 4 :
On considère
 le système linéaire
 suivant
 :  
2 −1 0 0 u1 19
 −1 2 −1 0   u2   19 
(S) :  
 0 −1 2 −1   u3  =  −3 
  

0 0 −1 2 u4 −12
(a) Calculer la solution exacte à l’aide de la méthode d’élimination de Gauss.
(n) (n) (n) (n)
(b) Calculer les vecteurs u(n) = (u1 , u2 , u3 , u4 ) 1 ≤ n ≤ 10,obtenus par les
méthodes itératives de Gauss-Seidel et de Jacobi sachant que u(0) = 0.
EXERCICE. 5 :
Etant donnée une matrice définie positive décomposée sous la forme A=D-E-F où D
est diagonale, E triangulaire inférieure à diagonale nulle et F triangulaire supérieure à
diagonale nulle, on considère le système linéaire :

AU = B

Etant donné le vecteur initial u(0) , on définit la suite u(n) par :

1
( D − E)u(n+ 2 ) = Fu(n) + B
1
( D − F )u(n+1) = Eu(n+ 2 ) + B
Ecrire les vecteurs u(n+1) sous la forme u(n+1) = Gu(n) + H en explicitant la matrice G
et le vecteur H.

Applications du cours 8 T.D.

Analyse et méthodes numériques GR-EA

EXERCICE. 6 :
Résoudre
 à l’aide de la méthode de Gauss-Jordan le système linéaire :

 2x1 − 3x2 + x3 + x4 = 5

3x1 − x2 + x3 + 4x4 = 3

 5x1 − 3x2 + 2x3 − x4 = 10

7x1 + 5x2 + 3x3 + 10x4 = 11
EXERCICE. 7 :
Résoudre à l’aide de laméthode de Newton-Rafson les systèmes non liéaires :
{
−5x1 + 2sin( x1 ) + 2cos( x2 ) = 0
(a)
2cos( x1 ) + 2sin( x2 ) − 5x2 = 0
{ 2
x1 + 2x1 x2 = 0
(b)
3x1 x2 + 1 = 0
{
( x1 + 1)( x1 + x2 )2 = 16x12
(c)
( x1 + x2 )2 ( x22 + 1) = 9x22

Dieu, dans sa colère, pour punir les humains, envoya sur la Terre les mathématiciens.
EXERCICE. 8 :  
−2 1 −1 1
 2 0 4 −3
Soit la matrice A = 
−4 −1 −12 9 


−2 1 1 −4
(a) Donner la décomposition LU ( de Doolittle) de A
(b) En déduire la solution de AX=B, où t B = (1.5, 4, −14, −6.5)
(c) Soit C =t U At L . Sans calculs supplémentaires, donner la décomposition LU de la
matrice C
EXERCICE. 9 :  
−1 1 −3 0
 1 1 3 8 
Soit la matrice A = 
 −2

2 −5 −1
3 1 8 13
(a) Donner la décomposition LU ( de Doolittle) de A
(b) En déduire la solution de AX=B, où t B = (0, 2, −1, 5)
(c) Sans calculer A2 , résoudre A2 X = B.

0.7 Meilleure approximation

VII- Approximation au sens des moindres car-

rés
EXERCICE. 10 :

Applications du cours 9 T.D.

Analyse et méthodes numériques GR-EA

A partir des points suivants,

xi 1 2 3 4 5 6
yi 1 6 18 34 57 83
déterminer les polynômes de degré k = 1 et ensuite de degré k = 2 qui minimisent la
distance aux points au sens des moindres carrés
n
∑ ( p k ( x i ) − y i )2
i =1

Dans les deux cas, évaluer cette dernière somme pour donner la valeur minimale. Rép. :
k = 1, p1 ( x ) = 24.73 + 16.54x. La somme vaut 265.67. k = 2, p2 ( x ) = 0.1 − 2.08x + 2.66x2 .
La somme vaut 1.379. Le polynôme de degré 2 est donc sensiblement une meilleure
approximation au sens des moindres carrés. 2. On peut faire de la régression pour
une fonction de deux variables. A partir de données sous la forme ( xi ; yi ; f ( xi ; yi )); i =
1; 2; . . . n, on cherche le polynôme de deux variables p1 ( x; y) = a0 + a1 x + a2 y qui mi-
nimise :
n
∑ (a0 + a1 xi + a2 yi − f (xi ; yi ))2
i =1
(a) Déterminer le système linéaire permettant de déterminer les coefficients ai . (b) On
peut appliquer la méthode préecédente dans le cas où l’on cherche les coefficients a, b
et c tels que :
q = ax b yc
Suggestion : se ramener au cas précédent par un changement de variables. (c) Résoudre
avec les données suivantes :
xi 1 2 3 1 2 3 1 2 3
yi 0.001 0.001 0.001 0.01 0.01 0.01 0.05 0.05 0.05
qi 1.4 8.3 24.2 4.7 28.9 84 11.1 69 200
Rép. : a = 55.9, b = 2.62 et c = 0.54.
I FIN J

0.8 EXERCICES SUPPLEMENTAIRES

EXERCICES SUPPLEMENTAIRES
INTERPOLATION
EXERCICE. 1 :

( )
1. Ecrire le polynôme d’interpolation P3 de la fonction f(x)=ln 4x pour les abscisses d’inter-
polation suivantes : x0 = 1, x1 = 2, x2 = 3, x3 = 4.
( )
2. Calculer la valeur approchée P3 (π ) et la valeur exacte ln π4 .
3. Comparer ces deux valeurs par utilisation du théorème donnant l’erreur d’interpolation.
4. Calculer la valeur approchée P3′ (4) et la valeur exacte f ′ (4) .

Applications du cours 10 T.D.

Analyse et méthodes numériques GR-EA

5. Comparer ces deux valeurs

QUADRATURE NUMERIQUE
EXERCICE. 1 :
Soit la formule de quadrature suivante :
ˆ +1
f ( x )dx = A ( f (−1) + 2 f ( x1 ) + 3 f ( x2 )) + R( f )
−1

1. Déterminer A pour que cette formule soit exacte sur R0 [ x ] .

2. Déterminer x1 , et x2 pour que cette formule soit exacte sur Rn [ x ] , où n est le plus élevé
possible. Quel est ce n ?
ˆ +1
1
3. Calculer par cette formule une valeur approchée de l’intégrale dx et la compa-
0 1 + x2
rer à la valeur exacte.
EXERCICE. 2 :
Soit la formule de quadrature suivante :
ˆ +1 ( ) ( ) ( ) ( )
3 3 1 1
f ( x )dx = A f − + Bf + Cf − + Df + R( f )
−1 5 5 5 5

1. Déterminer x1 , et x2 pour que cette formule soit exacte sur Rn [ x ] , où n est le plus élevé
possible. Quel est le degré de précision de cette formule, c’est à dire n ?
ˆ +1
x
2. Calculer par cette formule une valeur approchée de l’intégrale dx et la compa-
0 1 + x2
rer à la valeur exacte.
INTEGRATION DES EQUATIONS DIFFERENTIELLES
EXERCICE. 1 :
Pour
{ ′ résoudre le problème de Cauchy :
y = f ( x, y), x ∈ [0, 1]
y (0) = α
f possédant toutes les propriétés nécessaires à cette étude, on considère le schéma numérique
{
suivant :
y0 ( ( ))
∂f ∂f
yn+1 = yn + h f ( xn , yn ) + 2h ∂x ( xn , yn ) + ∂y ( xn , yn ) f ( xn , yn )
h est le pas d’intégration.
1. Montrer que ce schéma est d’ordre 2.
{ ′
y = −y, x ∈ [0, 1]
2. Application au problème :
y (0) = 1
RESOLUTION DES EQUATIONS ET DES SYSTEMES D’EQUATIONS
EXERCICE. 1 :
Soit l’équation x = ln(1 + x ) + 0.2 dans R+ .

Applications du cours 11 T.D.

Analyse et méthodes numériques GR-EA

1. Montrer que la méthode itérative définie par Φ( x ) = ln(1 + x ) + 0.2 est convergente.
2. Pour x0 = 4 , calculer xn avec le test d’arrêt | xn+1 − xn | ≤ 10−8 .
EXERCICE. 2 :
Pour x>0, f ( x ) = ln( x ) + x2 − 2x + 5 .
1. Localiser la seule racine r de f(x)=0 entre deux entiers cosécutifs a et a+1.
2. Pour
{ trouver une approximation de r, on pose :
x0 ∈ [ a, a + 1]
x n +1 = x n − f ( x n )
Montrer que cette suite ne converge pas vers r.
3. On
{ propose alors la méthode définie par :
x0 ∈ [ a, a + 1]
x n +1 = x n − α f ( x n )
Quelles sont les valeurs de α qui assure la convergence de cette suite vers r quel que soit
x0 ∈ [ a, a + 1].
Quelle est la valeur de α pour laquelle max (1 − α f ′ ( x )) est le plus petit possible.
| {z }
[ a,a+1]
4. La
{ méthode définie par :
x0 ∈ [ a, a + 1]
5−ln( x )
xn+1 = xn +2n
converge-t-elle vers r ?
5. Ecrire la méthode de Newton pour f(x)=0. Quels choix de x0 faites-vous pour assurer la
convegence ?

Applications du cours 12 T.D.

 Table des matières

0.1 INTERPOLATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
0.2 DERIVATION . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.3 QUADRATURE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
0.4 EQUATIONS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.5 EQUATIONS DIFFERENTIELLES . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.6 SYSTEMES . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
0.7 Meilleure approximation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.8 EXERCICES SUPPLEMENTAIRES . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

13