ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP

Analyse Numérique

Recherche des zéros d'une fonction à une variable

Exercice 1 :

Soit la fonction f ( x ) = e − x − 2
x

1. Séparer graphiquement les racines de f

2. Déterminer graphiquement deux intervalles d’existence des racines.
3. Résolution de f(x)=0 par la méthode de dichotomie :
a. Existe-t-il de racine sur l’intervalle [0,1.5]
b. pour atteindre une précision ε=0.016, combien faut-il d’itérations n pour
trouver la racine sur l’intervalle [0,1.5]
c. calculer la racine pour l’intervalle [0,1.5] et ε=0.016.
4. Résolution de f(x)=0 par la méthode de newton :
a- quelle est la condition suffisante pour la convergence de la méthode de newton ?
b- est- elle vérifiée pour x 0 =1 ? sinon peut-on trancher sur la convergence ?
c- trouver la racine pour x 0 =1, pour ε=0.016
5. Comparer le résultat des deux méthodes.
6. Refaire les questions 3, 4 et 5 pour l’intervalle [1,2] pour ε= 0.0003, x 0 =1.5, utiliser le

critère d’arrêt pour la méthode de newton| x i - x i-1 | /|x i |

Exercice 2 :

Ecrire le programme fortran qui résout l’équation f (x ) = x e x + 3 e x − 1 = 0 par la méthode de

dichotomie (bissection).
1. Il faut lire la précision epsilon.
2. Il faut proposer l’intervalle initial [a, b] par une lecture de a et b et tester si elles sont
bonnes ou non.
3. Programmer la méthode en affichant la solution à la fin.
4. Utiliser un sous programme du type function pour définir la fonction f(x).
5. Application : prendre la précision 10-3 et l’intervalle initial [0, 2].

12
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Exercice 3 :

Ecrire le programme fortran qui résout l’équation f (x ) = cos x − x 3 = 0 par la méthode de

Newton.
1. Il faut lire la précision epsilon.
2. Il faut lire la valeur initiale x 0
3. Programmer la méthode en affichant le nombre d’itérations et la solution à la fin.
4. Utiliser un sous programme du type function pour définir la fonction f (x )
5- Application : prendre la précision de 10-7 et x 0 = 0.

13
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Corrigé de l’exercice 1

1- Soit f(x) = f ( x ) = ex − x − 2 = 0 qui peut s’écrire : f ( x ) = e x − ( x + 2 ) = 0 où g( x ) = e x

et h( x )= x + 2
f=
( x ) g( x ) − h( x ) =0 d’où g( x ) = h( x ) les racines de f sont tous les points x d’intersection de

la courbe de g( x ) avec celle de h( x )

f possède deux racines réelles qui existent respectivement dans le intervalles [-2,1] et [1,2]

Dichotomie :

1- vérification sur [0,1.5] : f(a)=f(0)= -1

f(b)=f(1.5)=0.9816 . f(a)*f(b)<0 ∃ au moins une racine.
2- pour atteindre une précision ε=0.016, une solution x n à l’itération n est
𝑏𝑏 0−𝑎𝑎 0
(𝑏𝑏0−𝑎𝑎0) ln( 2ε )
supposée racine approchée si
2𝑛𝑛 +1
≤ ε⇒ n≥
𝑙𝑙𝑙𝑙 2

𝑏𝑏 0−𝑎𝑎 0
ln( )
n min = 𝑙𝑙𝑙𝑙2ε
2
= 5.55 ≈6 itérations

14
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

i ai bi xi f(x i ) εi
0 0 1.5 0.75 -0.633 0.75
1 0.75 1.5 1.125 -0.00447 0.375
2 1.125 1.5 1.3125 0.4029 0.1875
3 1.125 1.3125 1.21875 0.16420 0.09375
4 1.125 1.21875 1.1718 0.0559 0.0468
5 1.125 1.1718 1.14843 0.0048 0.0234
6 1.125 1.14843 1.13671 -0.02 0.01171

Tout l’intervalle final [1.13671,1.14843] est solution du problème. On peut choisir la milieu
de cet intervalle comme solution, donc la solution est : x=(a+b)/2=1.1425

Algorithme de la méthode de dichotomie (bissection):

1. 𝑖𝑖 = 0
2. 𝑎𝑎𝑖𝑖 = 0 ; 𝑏𝑏𝑖𝑖 = 1.5
3. 𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶𝐶 𝑥𝑥𝑖𝑖 = (𝑎𝑎𝑖𝑖 + 𝑏𝑏𝑖𝑖 )/2 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓(𝑥𝑥𝑖𝑖 )
4. 𝑠𝑠𝑠𝑠 𝑓𝑓(𝑎𝑎). 𝑓𝑓(𝑥𝑥𝑖𝑖) < 0 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎
𝑏𝑏𝑖𝑖 = 𝑥𝑥𝑖𝑖 𝑒𝑒𝑒𝑒 𝑎𝑎 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑚𝑚ê𝑚𝑚𝑚𝑚
sinon
𝑎𝑎𝑖𝑖 = 𝑥𝑥 𝑖𝑖 𝑒𝑒𝑒𝑒 𝑏𝑏 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑚𝑚ê𝑚𝑚𝑚𝑚
𝑓𝑓𝑓𝑓𝑓𝑓 𝑠𝑠𝑠𝑠
5. 𝑆𝑆𝑆𝑆 𝑎𝑎𝑎𝑎𝑎𝑎(𝑎𝑎𝑖𝑖 − 𝑏𝑏𝑖𝑖 )≥ε 𝑖𝑖 = 𝑖𝑖 + 1
𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 à 3 , 𝑠𝑠𝑠𝑠𝑠𝑠 = (𝑏𝑏𝑛𝑛 + 𝑎𝑎𝑛𝑛 )/2
6. 𝑓𝑓𝑓𝑓𝑓𝑓

Méthode de Newton :

1-Si les conditions suivantes sont vérifiées :

f’(x 0 ) et f’’(x 0 ) existent et f( x 0 )*f’’(x 0 )>0 cela et suffisant pour dire que la méthode de newton
converge vers une racine.

2- pour f ( x ) = e x − x − 2 = 0 f’(x)= e x -1 existe, f’’(x )= e x existe

1
Pour x 0 =1 : f(1)*f’’(1)=( e1 -1-2) e = -0.76579 <0 condition non vérifiée. On ne peut
rien dire sur la convergence de la méthode pour x 0 =1 car la condition est suffisante mais non
nécessaire.

3- f ( x ) = e x − x − 2 f’(x)= e x -1 la formule de newton s’écrit

15
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

𝑒𝑒 𝑥𝑥 𝑛𝑛 −1 − 𝑥𝑥𝑛𝑛−1 − 2
𝑥𝑥𝑛𝑛 = 𝑥𝑥𝑛𝑛−1 −
𝑒𝑒 𝑥𝑥 𝑛𝑛 −1 − 1

i xi |x i -x i-1 |
0 0
1 1.16395 0.16
2 1.14642 0.017
3 1.146193 0.00033

Algorithme de la méthode de Newton :

1. 𝑥𝑥0 = 1
2. 𝑖𝑖 = 1
(𝑒𝑒 𝑥𝑥 𝑖𝑖−1 −𝑥𝑥 𝑖𝑖−1 −2)
3. 𝑥𝑥𝑖𝑖 = 𝑥𝑥𝑖𝑖−1 −
(𝑒𝑒 𝑥𝑥 𝑖𝑖−1 −1)
4. 𝑠𝑠𝑠𝑠 |𝑥𝑥𝑖𝑖 − 𝑥𝑥𝑖𝑖−1 | ≥ 𝜀𝜀 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑥𝑥𝑖𝑖−1 = 𝑥𝑥𝑖𝑖
𝑖𝑖 = 𝑖𝑖 + 1 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 à 3
𝑠𝑠𝑠𝑠 𝑛𝑛𝑛𝑛𝑛𝑛
5. 𝑓𝑓𝑓𝑓𝑓𝑓

Comparaison entre la méthode de dichotomie et la méthode de Newton :

La méthode de newton est plus rapide (convergence quadratique) que celle de la dichotomie
(convergence linéaire) elle est aussi plus précise

Corrigé de l’exercice 2
Program DICHOTOMIE BISSECTION
EPS=0.001
write(*,*) ' donner le domaine de la racine'
read(*,*) a, b
if(f(a)*f(b).lt.0.0) then
write(*,*) 'bonnes valeurs initiales'
else
write(*,*) 'changer les valeurs '
goto 20
endif
10 xm=(a+b)/2.
if((f(xm)*f(a).lt.0.0) then
b=xm
else
a=xm
endif
err=abs(a-b)
if(err.le.eps) then
xm=(a+b)/2.
write(*,*) 'La solution est :',xm
else
goto 10
endif
20 end
function f(x)
f=x*exp(x)+3*exp(x)-1
return
end
16
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique

Interpolation Numérique

Exercice 1 :

Soit la fonction f(x) =ln(x).

1. Déterminer le polynôme d’interpolation de Lagrange qui interpole f par les deux

points d’appui d’abscisses : 0.5, 0.7. Quelle est l’ordre de cette interpolation
2. Calculer f(0.6). Comparer le résultat obtenue avec la valeur exacte de ln(0.6).
3. Peut-on utiliser ce polynôme pour calculer f(2) ? Pourquoi ?
4. Déterminer le polynôme d’interpolation de Lagrange qui interpole f par 3 points
d’appui d’abscisses 0.4, 0.5, 0.7. Quelle est l’ordre de cette interpolation ?
5. Calculer f(0.6). Comparer le résultat obtenue à la valeur exact ln(0.6) puis au résultat
obtenue par l’interpolation précédente

Exercice 2 :

Avec quelle précision peut-on calculer la valeur √115 à l’aide de l’interpolation de

Lagrange qui repose sur les points d’appui d’abscisses : 100, 121, 144

Exercice 3 :

Construire le polynôme d’interpolation de Lagrange de la fonction f donnée par les tableaux

suivants :

x 0 1 3 4
f(x) -1 1 3 5

x -1 0 2 3 5
f(x) 0 1 0 -1 0

x -2 -1 0 1 2 3
f(x) -3 -2 -2 0 1 2

26
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Corrigé de l’exercice 1 :

Rappelons que le polynôme de Lagrange basé sur les points d’appui d’abscisses X 0 , X 1 , X 2 ,
X n est d’ordre n et il s’écrit :

𝑃𝑃𝑛𝑛 (𝑥𝑥 ) = ∑𝑛𝑛𝑖𝑖=0 𝑓𝑓 (𝑥𝑥𝑖𝑖 )𝐿𝐿𝑖𝑖 (𝑥𝑥)

avec
(𝑥𝑥−𝑥𝑥 𝑗𝑗 )
𝐿𝐿𝑖𝑖 (𝑥𝑥 ) = ∏𝑛𝑛𝑗𝑗=0,𝑗𝑗 ≠𝑖𝑖 (𝑥𝑥 −𝑥𝑥
𝑖𝑖 𝑗𝑗 )

1- f(x)=ln(x) ; on cherche le polynôme d’interpolation de f avec 2 points d’appui :

(𝑥𝑥0 , 𝑓𝑓(𝑥𝑥0 ))= (0.5,-0.693) ; (𝑥𝑥1 , 𝑓𝑓(𝑥𝑥1 )) = (0.7,-0.357)

(𝑥𝑥−𝑥𝑥 1 ) (𝑥𝑥−0.7) 7
L 0 (x) = (𝑥𝑥 = = −5𝑥𝑥 +
0 −𝑥𝑥 1 ) (0.5−0.7) 2
(𝑥𝑥−𝑥𝑥 0 ) (𝑥𝑥−0.5) 5
L 1 (x)= (𝑥𝑥 = = 5𝑥𝑥 −
1 −𝑥𝑥 0 ) (0.7−0.5) 2

𝑓𝑓 (𝑥𝑥 )≅ 𝑃𝑃1 (𝑥𝑥 ) = 𝑓𝑓(𝑥𝑥0 ) 𝐿𝐿0 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥1 ) 𝐿𝐿1 (𝑥𝑥)

= −0.693 𝐿𝐿0 (𝑥𝑥 ) − 0.357 𝐿𝐿1 (𝑥𝑥)

𝒇𝒇(𝒙𝒙) ≅ 𝑷𝑷𝟏𝟏 (𝒙𝒙) = 𝟏𝟏. 𝟔𝟔𝟔𝟔𝟔𝟔 − 𝟏𝟏. 𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓

n+1=2 ⇒ n=1 ⇒ Cette interpolation est d’ordre 1 elle est dite linéaire.

2- Ln(0.6) approché = 𝑓𝑓 (0.6)≅𝑃𝑃1 (0.6) = 1.68 ∗ 0.6 − 1.5325 = −0.5245

Ln(0.6) exacte = - 0.5108
Err_abs = 0.0137

3- On ne peut pas utiliser ce polynôme pour calculer f(2) car le contexte de l’interpolation
exige que l’approximation de f dans tout point d’abscisse x par un polynôme est valide si et
seulement si x∈ [x 0 , x n ] et dans ce cas 2 ∉[0.5,0.7] (dans le cas où x< x 0 ou x> x n c’est
une extrapolation).

27
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

4- On cherche le polynôme d’interpolation de f avec 3 points d’appui : (𝑥𝑥0 , 𝑓𝑓(𝑥𝑥0 ))= (0.4,-
0.916) ; (𝑥𝑥1 , 𝑓𝑓(𝑥𝑥1 )) = (0.5,-0.693) ; (𝑥𝑥2 , 𝑓𝑓(𝑥𝑥2 )) = (0.7,-0.357) cette interpolation est dite
quadratique

(𝑥𝑥−𝑥𝑥 1 )(𝑥𝑥−𝑥𝑥 2 ) (𝑥𝑥−0.5)(𝑥𝑥−0.7)

L 0 (x) = (𝑥𝑥 =
0 −𝑥𝑥 1 )(𝑥𝑥 0 −𝑥𝑥 2 ) (0.4−0.5)(0.4−0.7)
(𝑥𝑥−𝑥𝑥 0 )(𝑥𝑥−𝑥𝑥 2 ) (𝑥𝑥−0.4)(𝑥𝑥−0.7)
L 1 (x) = (𝑥𝑥 =
1 −𝑥𝑥 0 )(𝑥𝑥 1 −𝑥𝑥 2 ) (0.5−0.4)(0.5−0.7)

𝟏𝟏𝟏𝟏𝟏𝟏 𝟏𝟏𝟏𝟏𝟏𝟏 𝟑𝟑𝟑𝟑

L 0 (x)= 𝒙𝒙𝟐𝟐 − 𝒙𝒙 +
𝟑𝟑 𝟑𝟑 𝟑𝟑
𝟏𝟏𝟏𝟏𝟏𝟏 𝟏𝟏𝟏𝟏𝟏𝟏 𝟐𝟐𝟐𝟐
L 1 (x) = − 𝒙𝒙𝟐𝟐 + 𝒙𝒙 −
𝟐𝟐 𝟑𝟑𝟑𝟑 𝟑𝟑𝟑𝟑

(𝑥𝑥−𝑥𝑥 0 )(𝑥𝑥−𝑥𝑥 1 ) (𝑥𝑥−0.4)(𝑥𝑥−0.5)

L 2 (x) = (𝑥𝑥 =
2 −𝑥𝑥 0 )(𝑥𝑥 2 −𝑥𝑥 1 ) (0.7−0.4)(0.7−0.5)
𝟓𝟓𝟓𝟓 𝟏𝟏𝟏𝟏
L 2 (x) = 𝒙𝒙𝟐𝟐 − 𝟏𝟏𝟏𝟏𝟏𝟏 +
𝟑𝟑 𝟑𝟑

𝒇𝒇(𝒙𝒙)≅𝑷𝑷𝟐𝟐 (𝒙𝒙) = −𝟎𝟎. 𝟗𝟗𝟗𝟗𝟗𝟗𝑳𝑳𝟎𝟎 (𝒙𝒙) − 𝟎𝟎. 𝟔𝟔𝟔𝟔𝟔𝟔𝑳𝑳𝟏𝟏 (𝒙𝒙) − 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑𝑳𝑳𝟐𝟐 (𝐱𝐱)
𝒇𝒇(𝒙𝒙)≅𝑷𝑷𝟐𝟐 (𝒙𝒙) = −𝟏𝟏. 𝟖𝟖𝟖𝟖𝟖𝟖𝒙𝒙𝟐𝟐 + 𝟑𝟑. 𝟖𝟖𝟖𝟖𝟖𝟖𝟖𝟖 − 𝟐𝟐. 𝟏𝟏𝟏𝟏

5- Ln(0.6) approché = 𝑓𝑓(0.6)≅𝑃𝑃2 (0.6) = −1.813 ∗ 0.62 + 3.865 ∗ 0.6 − 2.17 = −0.50368
Ln(0.6) exacte = - 0.5108
Err_abs = 0.00714
6- Plus le nombre de points d’appui augmente est plus l’interpolation est meilleure.

Corrigé de l’exercice 2 :

On veut calculer √115 par interpolation et le comparer avec sa valeur exacte : l’écart entre la
valeur approchée et la valeur exacte représente la précision de l’interpolation.

𝑓𝑓 (𝑥𝑥 ) = √𝑥𝑥 ; points d’appui (𝑥𝑥0 , 𝑓𝑓(𝑥𝑥0 )) = (100,10); (𝑥𝑥1 , 𝑓𝑓(𝑥𝑥1 ))=(121,11) ;
(𝑥𝑥2 , 𝑓𝑓(𝑥𝑥2 ))=(144,12) ; n+1=3 ⇒ interpolation d’ordre 2 (quadratique )

On nous demande pas de déterminer le polynôme mais plutôt calcul directe de √115 par
application numérique dans les différents Li et par la suite la valeur final de √115

28
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

(𝑥𝑥−𝑥𝑥 1 )(𝑥𝑥−𝑥𝑥 2 ) (115−121)(115−144)

L 0 (115) = (𝑥𝑥 = = 0.18831
0 −𝑥𝑥 1 )(𝑥𝑥 0 −𝑥𝑥 2 ) (100−121)(100−144)
(𝑥𝑥−𝑥𝑥 0 )(𝑥𝑥−𝑥𝑥 2 ) (115−100)(115−144)
L 1 (115) = (𝑥𝑥 = = 0.90062
1 −𝑥𝑥 0 )(𝑥𝑥 1 −𝑥𝑥 2 ) (121−100)(121−144)
(𝑥𝑥−𝑥𝑥 0 )(𝑥𝑥−𝑥𝑥 1 ) (115−100)(115−121)
L 2 (115) = (𝑥𝑥 = = −8. 8933 × 10⁻²
2 −𝑥𝑥 0 )(𝑥𝑥 2 −𝑥𝑥 1 ) (144−100)(144−121)

√115 = 𝒇𝒇(𝟏𝟏𝟏𝟏𝟏𝟏)≅𝑷𝑷𝟐𝟐(𝟏𝟏𝟏𝟏𝟏𝟏) = 𝟏𝟏𝟏𝟏 ∗ 𝑳𝑳𝟏𝟏 (𝟏𝟏𝟏𝟏𝟏𝟏) + 𝟏𝟏𝟏𝟏 ∗ 𝑳𝑳𝟏𝟏 (𝟏𝟏𝟏𝟏𝟏𝟏) + 𝟏𝟏𝟏𝟏 ∗ 𝑳𝑳𝟐𝟐 (𝟏𝟏𝟏𝟏𝟏𝟏)
√115 = 𝒇𝒇(𝟏𝟏𝟏𝟏𝟏𝟏)≅𝑷𝑷𝟐𝟐(𝟏𝟏𝟏𝟏𝟏𝟏) = 𝟏𝟏𝟏𝟏 ∗ 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏 + 𝟏𝟏𝟏𝟏 ∗ 𝟎𝟎. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗 + 𝟏𝟏𝟏𝟏 ∗ −𝟖𝟖. 𝟖𝟖𝟖𝟖𝟖𝟖𝟖𝟖 × 10⁻²

√115 approchée = 10.72276

R

√115 exacte = 10.72381

R

On peut obtenir une Précision = 1.0499 × 10−3 avec une interpolation quadratique basée sur
les 3 points d’appui : (𝑥𝑥0 , 𝑓𝑓(𝑥𝑥0 )) = (100,10); (𝑥𝑥1 , 𝑓𝑓(𝑥𝑥1 ))=(121,11) ; (𝑥𝑥2 , 𝑓𝑓(𝑥𝑥2 ))=(144,12)

Corrigé de l’exercice 3 :

x 0 1 3 4
f(x) -1 1 3 5

(𝑥𝑥−1)(𝑥𝑥−3)(𝑥𝑥−4) 1
L 0 (x) = = − (𝑥𝑥 − 1)(𝑥𝑥 − 3)(𝑥𝑥 − 4)
(0−1)(0−3)(0−4) 12

(𝑥𝑥−0)(𝑥𝑥−3)(𝑥𝑥−4) 1
L 1 (x) = (1−0)(1−3)(1−4)
= 𝑥𝑥 (𝑥𝑥 − 3)(𝑥𝑥 − 4)
12

(𝑥𝑥−0)(𝑥𝑥−1)(𝑥𝑥−4) 1
L 2 (x) = (3−0)(3−1)(3−4)
= − 𝑥𝑥 (𝑥𝑥 − 1)(𝑥𝑥 − 4)
6

(𝑥𝑥−0)(𝑥𝑥−1)(𝑥𝑥−3) 1
L 3 (x) = (4−0)(4−1)(4−3)
= 𝑥𝑥 (𝑥𝑥 − 1)(𝑥𝑥 − 3)
12

𝑓𝑓 (𝑥𝑥 )≅𝑃𝑃1 (𝑥𝑥 ) = 𝑓𝑓 (𝑥𝑥0 )𝐿𝐿0 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥1 )𝐿𝐿1 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥2 )𝐿𝐿2 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥3 )𝐿𝐿3 (𝑥𝑥 )

Calcul à compléter.

29
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

x -1 0 2 3 5
f(x) 0 1 0 -1 0
(𝑥𝑥−0)(𝑥𝑥−2)(𝑥𝑥−3)(𝑥𝑥−5) 1
L 0 (x) = (−1−0)(−1−2)(−1−3)(−1−5) = 𝑥𝑥 (𝑥𝑥 − 2)(𝑥𝑥 − 3)(𝑥𝑥 − 5)
72

(𝑥𝑥+1)(𝑥𝑥−2)(𝑥𝑥−3)(𝑥𝑥−5) 1
L 1 (x) = (0+1)(0−2)(0−3)(0−5)
= − (𝑥𝑥 + 1)(𝑥𝑥 − 2)(𝑥𝑥 − 3)(𝑥𝑥 − 5)
30

(𝑥𝑥+1)(𝑥𝑥−0)(𝑥𝑥−3)(𝑥𝑥−5) 1
L 2 (x) = (2+1)(2−0)(2−3)(2−5)
= − 𝑥𝑥(𝑥𝑥 + 1)(𝑥𝑥 − 3)(𝑥𝑥 − 5)
18

(𝑥𝑥+1)(𝑥𝑥−0)(𝑥𝑥−2)(𝑥𝑥−5) 1
L 3 (x) = (3+1)(3−0)(3−2)(3−5)
= − 𝑥𝑥(𝑥𝑥 + 1)(𝑥𝑥 − 2)(𝑥𝑥 − 5)
48

(𝑥𝑥+1)(𝑥𝑥−0)(𝑥𝑥−2)(𝑥𝑥−3) 1
L 4 (x) = (5+1)(5−0)(5−2)(5−3)
= − 𝑥𝑥(𝑥𝑥 + 1)(𝑥𝑥 − 2)(𝑥𝑥 − 3)
180

𝑓𝑓 (𝑥𝑥 )≅𝑃𝑃1 (𝑥𝑥 ) = 𝑓𝑓 (𝑥𝑥0 )𝐿𝐿0 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥1 )𝐿𝐿1 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥2 )𝐿𝐿2 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥3 )𝐿𝐿3 (𝑥𝑥 ) + 𝑓𝑓 (𝑥𝑥4 )𝐿𝐿4 (𝑥𝑥 )
Calcul à compléter.

x -2 -1 0 1 2 3
f(x) -3 -2 -2 0 1 2

(𝑥𝑥+1)(𝑥𝑥−0)(𝑥𝑥−1)(𝑥𝑥−2)(𝑥𝑥−3) 1
L 0 (x) = (−2+1)(−2−0)(−2−1)(−2−2)(−2−3) = − 𝑥𝑥 (𝑥𝑥 + 1)(𝑥𝑥 − 1)(𝑥𝑥 − 2)(𝑥𝑥 − 3)
120

(𝑥𝑥+2)(𝑥𝑥−0)(𝑥𝑥−1)(𝑥𝑥−2)(𝑥𝑥−3) 1
L 1 (x) = (−1+2)(−1−0)(−1−1)(−1−2)(−1−3) = 𝑥𝑥 (𝑥𝑥 + 2)(𝑥𝑥 − 1)(𝑥𝑥 − 2)(𝑥𝑥 − 3)
24

(𝑥𝑥+2)(𝑥𝑥+1)(𝑥𝑥−1)(𝑥𝑥−2)(𝑥𝑥−3) 1
L 2 (x) = = − (𝑥𝑥 + 2)(𝑥𝑥 + 1)(𝑥𝑥 − 1)(𝑥𝑥 − 2)(𝑥𝑥 − 3)
(0+2)(0+1)(0−1)(0−2)(0−3) 12

(𝑥𝑥+2)(𝑥𝑥+1)(𝑥𝑥−0)(𝑥𝑥−2)(𝑥𝑥−3) 1
L 3 (x) = (1+2)(1+1)(1−0)(1−2)(1−3)
= 𝑥𝑥 (𝑥𝑥 + 2)(𝑥𝑥 + 1)(𝑥𝑥 − 2)(𝑥𝑥 − 3)
12

(𝑥𝑥+2)(𝑥𝑥+1)(𝑥𝑥−0)(𝑥𝑥−1)(𝑥𝑥−3) 1
L 4 (x) = (2+2)(2+1)(2−0)(2−1)(2−3)
= − 𝑥𝑥 (𝑥𝑥 + 2)(𝑥𝑥 + 1)(𝑥𝑥 − 1)(𝑥𝑥 − 3)
24

(𝑥𝑥+2)(𝑥𝑥+1)(𝑥𝑥−0)(𝑥𝑥−1)(𝑥𝑥−2) 1
L 5 (x) = (3+2)(3+1)(3−0)(3−1)(3−2)
= 𝑥𝑥(𝑥𝑥 + 2)(𝑥𝑥 + 1)(𝑥𝑥 − 1)(𝑥𝑥 − 2)
120

Calcul à compléter.

30
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique

Dérivation et Intégration Numérique

Exercice 1 :

Soit la fonction 𝑓𝑓 (𝑥𝑥 ) = 𝑥𝑥 3 −2𝑒𝑒 𝑥𝑥 + 1 :

1- Calculer les valeurs de la dérivée de f aux points : -5, -2, 0.25, 2.25, 3.5, 4, pour h=0.0015
en utilisant :
a- La méthode des différences excentrées en avant.
b- La méthode des différences excentrées en arrière.
c- La méthode des différences centrées.

2- Comparer les résultats avec les valeurs obtenues par la formule analytique de la fonction
dérivée f’, commenter (critère de comparaison : erreur absolue en moyenne).
3- Calculer la valeur de la dérivée de f au point 3.5 par les différences centrées pour les
différentes valeurs de h : 0.00015, 0.0015, 0.015, 0.5.
4- Comparer les résultats avec la valeur f’ (3.5) obtenue par la formule analytique de la
fonction dérivée f’, commenter.
5- Calculer f’’ au point -3 avec h=0.015, comparer le résultat avec celui obtenu en utilisant la
formule analytique de f’’.

Exercice 2 :
1
Soit à déterminer l’intégrale de 𝑓𝑓 (𝑥𝑥 ) = sur l’intervalle [1,4] en utilisant :
𝑥𝑥

a- Méthode des trapèzes, n=8.

b- Méthode de Simpson, n=8.
c- Formule analytique Ln (logarithme).
d- Comparer les résultats sur la base de l’erreur de troncature absolue.
e- Ecrire les algorithmes des méthodes : trapèze et Simpson

18
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Exercice 3 :

Soit la fonction f définit par l’ensemble de points {x i , yi } :

X -0.3 0 0.3 0.6 0.9 1.2 1.5 1.8 2.1 2.4 2.7
Y 0.373 1.0 1.627 2.416 3.529 5.128 7.375 10.433 14.461 19.624 26.083

1- Calculer les valeurs de la dérivée de f dans tous les points Xi par la méthode des
différences centrée. Utiliser le schéma excentré (en avant ou en arrière) dans les bornes de
l’intervalle de définition de f.

2- sur la base du tableau résultant (valeurs de f’ sur l’intervalle [-0.3, 2.7]), calculer, par la
méthode de trapèze, les intégrales suivantes :

1.5 2.1 1.8 2.7

′
� 𝑓𝑓 (𝑥𝑥) ′
� 𝑓𝑓 (𝑥𝑥) ′
� 𝑓𝑓 (𝑥𝑥) � 𝑓𝑓 ′ (𝑥𝑥)
; ; ;
0 0 0.6 1.8

3- comparer les résultats obtenus en 2 par les valeurs exactes des différents intégrales sachant
𝑏𝑏
que ∫𝑎𝑎 𝑓𝑓 ′ (𝑥𝑥) = f(b)-f(a), en utilisant comme critère.

- En termes d’erreur absolue entre la valeur exacte et la valeur approchée.

- Erreur obtenue dans chaque trapèze (expliquer pourquoi l’erreur est relativement
importante dans le calcul du dernier intégral).

19
 ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Corrigé de l’exercice 1 :

𝑓𝑓 (𝑥𝑥 ) = 𝑥𝑥 3 −2𝑒𝑒 𝑥𝑥 + 1 Approximer une dérivée par une différence finie :

𝑓𝑓(𝑥𝑥0+ℎ)−𝑓𝑓(𝑥𝑥0)
1-Schéma excentré avant : 𝑓𝑓 ′ (𝑥𝑥0) = ℎ
𝑓𝑓(𝑥𝑥0)−𝑓𝑓(𝑥𝑥0−ℎ)
2-Schéma excentré arrière : 𝑓𝑓 ′ (𝑥𝑥0) =
ℎ
𝑓𝑓(𝑥𝑥0+ℎ)−𝑓𝑓(𝑥𝑥0−ℎ)
3-Schéma centré 𝑓𝑓 ′ (𝑥𝑥0) =
2ℎ

Dérivée analytique : 𝑓𝑓′(𝑥𝑥 ) = 3𝑥𝑥 −2𝑒𝑒 𝑥𝑥

2

1/ calculer f’(x0) dans les différents points pour h=0.0015 par les différents schémas :

X -5.0 -2.0 0.25 2.25 3.5 4.0

Schéma ex_avant 74.9664 11.7203 -2.3813 -3.7921 -29.5130 -61.2640
Erreur absolue 0.020 0.0089 0.00077 0.0041 0.0321 0.0677
Schéma ex_arri 75.0172 11.7378 -2.3797 -3.7835 -29.4456 -61.1292
Erreur absolue 0.030 0.0084 0.00081 0.0044 0.0352 0.0670
Schéma centré 74.9918 11.7290 -2.38053 -3.7878 -29.4793 -61.1966
Erreur absolue 0.0053 0.0002 0.00002 0.00013 0.0015 0.0003
F’ analytique 74.9865 11.7293 -2.38055 -3.7879 -29.4809 -61.1963

2/ On remarque que le schéma centré est celui qui donne une meilleur approximation de la
dérivée : quantité d’erreur absolue minimale par rapport aux 2 autres schéma.
En moyenne : erreur absolue moyenne pour les 3 schéma sur l’échantillon de 6 points =
Erreur absolue moyenne par le schéma excentré avant = 0.0223
Erreur absolue moyenne par le schéma excentré arrière = 0.0244
Erreur absolue moyenne par le schéma centré = 0.0012

3/ Calcul de 𝑓𝑓 ′ (3.5) en utilisant le schéma centré pour les différents valeurs de h :

′
𝑓𝑓𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 (3.5) = −29.4809

Schéma centré -29.4685 -29.4793 -29.4834 -29.7070 -32.025

h 0.00015 0.0015 0.015 0.15 0.5
Erreur absolue 0.0123 0.00155 0.0025 0.2261 2.544

4/ L’écart entre la valeur exacte et la valeur approchée de la dérivée dans un point donnée
tend à s’accroitre quant h est trop grand ou même relativement trop petit. La valeur de h doit
être bien ajustée car elle influe sur la qualité du résultat.

20
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

𝑓𝑓 (𝑥𝑥0−ℎ )−2𝑓𝑓 (𝑥𝑥0)+𝑓𝑓(𝑥𝑥0+ℎ)

5/ 𝑓𝑓 ′ ′ (𝑥𝑥0) = ′′
; 𝑓𝑓𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 = 6𝑥𝑥 − 2𝑒𝑒𝑥𝑥
ℎ2
′′ (3.0) = −18.0986 ; ′′
Pour h=0.015 et x 0 =3.0 : 𝑓𝑓𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑓𝑓𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 ℎé𝑒𝑒 (3.0) = −18.0995 ;

err_abs=0.00095.

L’approximation de la dérivée par des différences (centrées ou excentrées) est trop sensible
d’une part au paramètre de discrétisation h et d’autre part à l’allure de la fonction elle-même.
Si l’écart entre f(x0) et la valeur de f dans les points adjacents x0+h ou x0-h (f(x0+h) et f(x0-
h)) est important, les 3 schémas risquent d’engendrer des erreurs d’approximation
importantes. Il faut adapter le h selon cet écart.

Corrigé de l’exercice 2 :

Méthode exacte :

En sachant la formule analytique de la fonction qui résulte de l’intégral de 1/x qui est ln
41
∫1 = ln(4) − ln(1) = 1.38629
𝑥𝑥

Formule de la méthode des Trapèzes :

𝑏𝑏 𝑋𝑋 𝑖𝑖+1 −X i
∫𝑎𝑎 𝑓𝑓 (𝑥𝑥 ) = ∑𝑛𝑛−1
𝑖𝑖=0 2
(𝑓𝑓(Xi ) + 𝑓𝑓 (Xi+1 ))

Pour i=0 : x i =a ; pour i=n-1 : x i+1 =b c’est les borne elles sont présentent une fois dans la
somme ; chaque xi (hors a et b) est présent 2 fois (une fois sous la forme de x i et une fois sous
la forme de x i+1 ce qui justifie que le facteur ½ ne ce multiplie qu’avec a et b)

𝑏𝑏 ℎ
∫𝑎𝑎 𝑓𝑓 (𝑥𝑥 ) = 2 (𝑓𝑓(𝑎𝑎) + 𝑓𝑓(𝑏𝑏)) + ℎ ∑𝑛𝑛−1
𝑖𝑖=1 𝑓𝑓 (𝑥𝑥𝑥𝑥 ) h=x i+1 – x i =(b-a) / n avec n nombre de

trapèzes et h donc est la largeur de chaque trapèze :

𝑏𝑏 𝑛𝑛−1
ℎ
� 𝑓𝑓(𝑥𝑥 ) = �𝑓𝑓(𝑎𝑎) + 𝑓𝑓 (𝑏𝑏)� + ℎ � 𝑓𝑓(𝑎𝑎 + 𝑖𝑖 ∗ ℎ)
𝑎𝑎 2
𝑖𝑖=1

Par application numérique : f(x)=1/x ; [a,b]=[1,4] ; n=8 ⇒h=(4-1)/8=0.375

4 0.375
∫1 1/𝑥𝑥 = �𝑓𝑓(1) + 𝑓𝑓(4)� + 0.375 ∑𝑛𝑛−1
𝑖𝑖=1 𝑓𝑓 (1 + 𝑖𝑖 ∗ ℎ)=1.3971
2

Erreur absolue = |1.38629 − 1.397126| =0.0108

21
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Formule de la méthode de Simpson

𝑏𝑏 ℎ
∫𝑎𝑎 𝑓𝑓(𝑥𝑥) = 3 ∑𝑛𝑛−2
𝑖𝑖=0 (𝑓𝑓 (𝑥𝑥𝑖𝑖 ) + 4𝑓𝑓 (𝑥𝑥𝑖𝑖+1 ) + 𝑓𝑓(𝑥𝑥𝑖𝑖+2 )) i vari avec
un pas de 2

Par application directe :

4 8−2
0.375 1 1 1
� 𝑓𝑓(𝑥𝑥) = �( +4 + )
1 3 𝑋𝑋𝑋𝑋 𝑥𝑥𝑖𝑖+1 𝑥𝑥𝑖𝑖+2
𝑖𝑖=0,2

0.375
= (f(x0)+4f(x1)+f(x2) +f(x2)+4f(x3)+f(x4) +f(x4)+4f(x5)+f(x6) +f(x6)+4f(x7)+f(x8))
3
0.375
= (f(a) + 4*(f(x1)+f(x3)+f(x5)+f(x7) + 2 *(f(x2)+f(x4)+f(x6)) + f(b))
3
0.375
= (f(a)+f(b)+ 4* ∑𝑛𝑛−1 𝑛𝑛−2
𝑖𝑖=1,2 𝑓𝑓(𝑥𝑥𝑥𝑥) + 2*∑𝑖𝑖=2,2 𝑓𝑓(𝑥𝑥𝑥𝑥)) =1.386805
3

Erreur absolue = |1.38629 − 1.386805| = 0.000510

Meilleur approximation donnée par la méthode de Simpson

Algoritheme de la méthode des Trapèzes

Début

Lire (a,b,n)
h←(b-a)/n
s←0

pour i←1,n-1,1

s←s+f(a+i*h)

finpour

s←s*h + (f(a)+f(b))*(h/2)
ecrire(s)
fin

22
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique

Algorithme de la méthode de Simpson

Début
Lire (a,b,n)
h←(b-a)/n
s_pair←0
s_imp←0
s←0

pour i←1,n-1,2
s_imp←s_imp+f(a+i*h)
finpour
pour i←2,n-2,2
s_pair←s_pair+f(a+i*h)
finpour

s←(f(a)+f(b) + 4*s_imp+ 2*s_pair)*(h/3)

ecrire(s)
fin

Corrigé de l’exercice 3
1- h=0.3
𝑓𝑓(𝑥𝑥0+ℎ)−𝑓𝑓(𝑥𝑥0−ℎ)
Schéma centré 𝑓𝑓 ′ (𝑥𝑥0) =
2ℎ

Pour x=-0.3 en utilise le schéma excentré en avant

Pour x=2.7 en utilise le schéma excentré en arrière

X -0.3 0 0.3 0.6 0.9 1.2 1.5 1.8 2.1 2.4 2.7
Y 2.1 2.09 2.36 3.17 4.52 6.41 8.839 11.81 15.32 19.37 21.54

1.5
∫0 𝑓𝑓 ′ (𝑥𝑥 ) = exacte : f(1.5)-f(0) = 6.375
Trapèze =6.57735
Erreur absolue =0.20235
Il existe 5 trapèzes :
erreur par trapèze = 0.20235/5 = 0.040
2.1
∫0 𝑓𝑓 ′ (𝑥𝑥 ) = exacte : f(2.1)-f(0) = 13.461
Trapèze =13.7442
Erreur absolue =0.2832
Il existe 7 trapèzes

23
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique

erreur par trapèze = 0.20235/7= 0.040

1.8
∫0.6 𝑓𝑓 ′ (𝑥𝑥 ) = exacte : f(1.8)-f(0.6) = 8.016
Trapèze =8.1777
Erreur absolue =0.16
Il existe 4 trapèzes
erreur par trapèze = 0.20235/7= 0.040
2.7
∫1.8 𝑓𝑓 ′ (𝑥𝑥 ) = exacte : f(2.7)-f(1.8) = 15.651
Trapèze =15.4095
Erreur absolue =0.2415
Il existe 3 trapèzes
erreur par trapèze = 0.20235/3= 0.08

Conclusion
On remarque que l’erreur d’approximation est stable (0.04) dans chaque trapèze cela est
logique puisque h=0.3 est fixe. Néanmoins dans le calcul du dernier intégral l’erreur par
trapèze est relativement doublée. Cela est dû à l’erreur dans le calcul initial de f’(2.7) calculé
par le schéma des différences excentrées en arrière et pas le schéma centré(effet de bord).

Programmes de calcul:
Les programmes sont écrits en langage de programmation Fortran.

Programme de dérivation numérique :

Program derivation

write(*,*) 'donner la valeur de x'

read(*,*) x

write(*,*) 'donner le pas h'

read(*,*) h

ana1=3*x**2-2*exp(x)
davant=(f(x+h)-f(x))/h
darrir=(f(x)-f(x-h))/h
dcentr=(f(x+h)-f(x-h))/(2*h)

erravant=abs(davant-ana1)
errarrir=abs(darrir-ana1)
errcentr=abs(dcentr-ana1)

write (*,*) ' ana avant arriere centree '

write (*,*) ana1, davant, darrir, dcentr
write (*,*) erravant , errarrir , errcentr

ana2=6*x-2*exp(x)
dsecon=(f(x-h)-2*f(x)+f(x+h))/h**2
errsecon=abs(dsecon-ana2)

write (*,*) ' ana seconde erreur '

write (*,*) ana2 , dsecon , errsecon
end

function f(x)
f=x**3-2*exp(x)+1
return
end

24
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique

Résolution des équations différentielles par les méthodes numériques

Exercice 1 :

 y−x
 y' =
Soit le problème de Cauchy :  y+x
 y (0) = 1


Résoudre l’équation différentielle en utilisant la méthode à un seul pas d’Euler sur l’intervalle
[0-1] en utilisant un pas h = 0.1

Résoudre l’équation différentielle en utilisant la méthode à un seul pas d’Euler sur l’intervalle
[0-1] en utilisant un pas h = 0.2

Comparer les deux solutions aux points x = 0.6 et x =1

Quelle est la solution la plus précise ?

Exercice 2 :

 2x
 y' = y −
Soit le problème de Cauchy :  y
 y (0) = 1


En utilisant un pas constant h = 0.2, calculer la solution au point x=1 en utilisant :

1. La méthode à un seul pas d’Euler (ordre 1)

2. La méthode à un seul pas de Taylor (ordre 2)

3. La méthode à un seul pas de Runge Kutta (ordre 2)

4. La méthode à un seul pas de Runge Kutta (ordre 4)

31
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Comparer les résultats numériques avec ceux de la solution analytique donnés par :

y = 2 x +1

Exercice 3 :

 y' = y + x
Soit le problème de Cauchy : 
 y (0) = 1

Programmer les méthodes de résolution de l’équation différentielle donnée dans le problème

de Cauchy (méthode d’Euler, méthode de Taylor, méthode de Runge Kutta d’ordre 2 et
d’ordre 4)

Il faut lire le point initial et le point final où la solution finale doit être calculée.
Il faut lire le nombre d’intervalles
Programmer la méthode d’Euler
Programmer la méthode de Taylor
Programmer la méthode de Runge Kutta d’ordre 2
Programmer la méthode Runge Kutta d’ordre 4
Calculer la solution analytique donnée par y ( x) = −2e x − x − 1
Comparer l’erreur des quatre méthodes
Calculer la constante k figurant dans les équations de calcul des erreurs

Il faut généraliser le programme par l’utilisation des sous programmes de type function pour
la définition de la fonction f(x)=y+x

32
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Corrigé de l’exercice 1 :

 y−x
 y' =
Soit le problème de Cauchy :  y+x
 y (0) = 1


La méthode à un seul pas d’Euler sur l’intervalle [0,1] en utilisant un pas h = 0.1

Le processus de résolution d’Euler se résume en :

Étant donnée 𝑦𝑦(0) = 1

𝑦𝑦(𝑥𝑥 𝑖𝑖 )−𝑥𝑥 𝑖𝑖
Sachant que 𝑦𝑦 ′(𝑥𝑥𝑖𝑖 ) = 𝑦𝑦(𝑥𝑥 𝑖𝑖 )+𝑥𝑥 𝑖𝑖

Alors : 𝑦𝑦(𝑥𝑥𝑖𝑖 + ℎ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) + h ∗ 𝑦𝑦′(𝑥𝑥𝑖𝑖 )

1- L’application de ce processus a donné le résultat suivant :

Sur l’intervalle [0,1] en utilisant un pas =0.1, les 𝑥𝑥𝑖𝑖 où on doit approximer y seront : 0, 0.1,
0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9, 1.0

x y
0.000000E+00 1.000000
1.000000E-01 1.100000
2.000000E-01 1.183333
3.000000E-01 1.254418
4.000000E-01 1.315818
5.000000E-01 1.369193
6.000000E-01 1.415694
7.000000E-01 1.456161
8.000001E-01 1.491231
9.000001E-01 1.521399
1.000000 1.547062

1- L’application de ce processus a donnée le résultat suivant :

Sur l’intervalle [0,1] en utilisant un pas h= 0.2, les 𝑥𝑥𝑖𝑖 où on doit approximer y seront : 0, 0.2,
0.4, 0.6, 0.8, 1.0.
x y
0.000000E+00 1.000000
2.000000E-01 1.200000
4.000000E-01 1.342857
6.000000E-01 1.451054
8.000000E-01 1.534041
1.000000 1.596940

33
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Comparaison de la solution aux points x = 0.6 et x =1 :

x h=0.1 h=0.2
6.000E-01 1.415694 1.451054

1.000000 1.547062 1.596940

Il est évident que la solution avec le pas h=0.1 soit plus précise que celle avec le pas h=0.2

Corrigé de l’exercice 2 :

 2x
 y' = y −
Soit le problème de Cauchy :  y
 y (0) = 1


Processus d’Euler :

Étant donnée 𝑦𝑦(0) = 1

2𝑥𝑥
Sachant que 𝑦𝑦 ′(𝑥𝑥𝑖𝑖 ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) − 𝑦𝑦(𝑥𝑥𝑖𝑖 ) =F(𝑥𝑥𝑖𝑖 ,𝑦𝑦(𝑥𝑥𝑖𝑖 ))
𝑖𝑖

Alors 𝑦𝑦(𝑥𝑥𝑖𝑖 + ℎ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) + h ∗ 𝑦𝑦′(𝑥𝑥𝑖𝑖 )

Pour la méthode de Taylor :

Le développement limité de Taylor en point 𝑥𝑥𝑖𝑖 + ℎ tronqué à l’ordre 2 donne :

ℎ2
𝑦𝑦(𝑥𝑥𝑖𝑖 + ℎ) ≅ 𝑦𝑦(𝑥𝑥𝑖𝑖 ) + ℎ ∗ 𝑦𝑦 ′(𝑥𝑥𝑖𝑖 ) + 𝑦𝑦 ′′(𝑥𝑥𝑥𝑥)
2
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕
Avec 𝑦𝑦 ′′(𝑥𝑥 ) = 𝐹𝐹 ′ (𝑥𝑥, 𝑦𝑦(𝑥𝑥)) = ( + ∗ ) =( + ∗ 𝐹𝐹)(𝑥𝑥𝑥𝑥 ,𝑦𝑦𝑦𝑦 )
𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕 (𝑥𝑥𝑥𝑥 ,𝑦𝑦𝑦𝑦 ) 𝜕𝜕𝜕𝜕 𝜕𝜕𝜕𝜕

Donc le processus de résolution des équations différentielles (EDPs) par Taylor est donné
par :
Étant donnée 𝑦𝑦(0) = 1
2𝑥𝑥
Sachant que 𝑦𝑦 ′(𝑥𝑥𝑖𝑖 ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) − 𝑦𝑦(𝑥𝑥𝑖𝑖 ) =F(𝑥𝑥𝑖𝑖 ,𝑦𝑦(𝑥𝑥𝑖𝑖 ))
𝑖𝑖

ℎ2
Alors 𝑦𝑦(𝑥𝑥𝑖𝑖 + ℎ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) + h ∗ y′ (𝑥𝑥𝑖𝑖 ) + 𝐹𝐹 ′ (𝑥𝑥𝑥𝑥, 𝑦𝑦(𝑥𝑥𝑖𝑖 ))
2
2𝑥𝑥 2𝑥𝑥
Avec 𝐹𝐹 ′(𝑥𝑥, 𝑦𝑦(𝑥𝑥)) = −2/𝑦𝑦 + �1 + � ∗ (𝑦𝑦 − )
𝑦𝑦 2 𝑦𝑦

34
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Processus de Runge-Kutta d’ordre 2 :

Étant donnée 𝑦𝑦(0) = 1

2𝑥𝑥
Sachant que 𝑦𝑦 ′(𝑥𝑥𝑖𝑖 ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) − 𝑦𝑦(𝑥𝑥𝑖𝑖 ) =F(𝑥𝑥𝑖𝑖 ,𝑦𝑦(𝑥𝑥𝑖𝑖 ))
𝑖𝑖

on calcul m 1 =y’(𝑥𝑥𝑖𝑖 )=F(𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 )

m 2 =y’(𝑥𝑥𝑖𝑖 + ℎ)= F(𝑥𝑥𝑖𝑖 + ℎ, 𝑦𝑦(𝑥𝑥𝑖𝑖 )+h*m 1 )
𝑚𝑚 1 +𝑚𝑚 2
Puis 𝑦𝑦(𝑥𝑥𝑖𝑖 + ℎ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) + ℎ ∗ ( )
2

Processus de Runge-Kutta d’ordre 4 :

Étant donnée 𝑦𝑦(0) = 1

2𝑥𝑥
Sachant que 𝑦𝑦 ′(𝑥𝑥𝑖𝑖 ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) − 𝑦𝑦(𝑥𝑥𝑖𝑖 ) =F(𝑥𝑥𝑖𝑖 ,𝑦𝑦(𝑥𝑥𝑖𝑖 ))
𝑖𝑖

on calcul m 1 =y’(𝑥𝑥𝑖𝑖 )=F(𝑥𝑥𝑖𝑖 , 𝑦𝑦𝑖𝑖 )

ℎ ℎ ℎ
m 2 =y’(𝑥𝑥𝑖𝑖 + 2 )= F(𝑥𝑥𝑖𝑖 + 2 , 𝑦𝑦(𝑥𝑥𝑖𝑖 )+2 *m 1 )
ℎ ℎ ℎ
m 3 =y’(𝑥𝑥𝑖𝑖 + ) =F(𝑥𝑥𝑖𝑖 + , 𝑦𝑦(𝑥𝑥𝑖𝑖 )+ *m 2 )
2 2 2

m 4 =y’(𝑥𝑥𝑖𝑖 + ℎ) =F(𝑥𝑥𝑖𝑖 + ℎ, 𝑦𝑦(𝑥𝑥𝑖𝑖 )+ℎ*m 3 )

𝑚𝑚 1 +2∗𝑚𝑚 2 +2∗𝑚𝑚 3 +𝑚𝑚 4
Puis 𝑦𝑦(𝑥𝑥𝑖𝑖 + ℎ) = 𝑦𝑦(𝑥𝑥𝑖𝑖 ) + h ∗ ( )
6

La solution analytique est donnée par : y = 2 x + 1

L’application des différents processus a donné les résultats suivants sur l’intervalle [0,1] avec
h=0.2 (tous les résultats – même intermédiaires – doivent êtres calculés avec une précision de
l’ordre de 10-6)

xi Euler Taylor RK2 RK4 Analytique

0.0 1.000000 1.000000 1.000000 1.000000 1.000000
0.2 1.200000 1.180000 1.186667 1.183229 1.183216
0.4 1.373333 1.335958 1.348312 1.341667 1.341641
0.6 1.531495 1.474795 1.493704 1.483281 1.483240
0.8 1.681085 1.600414 1.627861 1.612514 1.612452
1.0 1.826949 1.715073 1.754205 1.732142 1.732051

35
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

La figure ci-dessous illustre la représentation graphique de la solution de l’équation

différentielle par les différentes méthodes comparée à la solution analytique.

Euler
1,8
Taylor
RK2
RK4
1,6
Analytique
Soulution de l'EDPs

1,4

1,2

1,0

0,0 0,2 0,4 0,6 0,8 1,0

xi

Il est clair que la méthode de Runge Kutta d’ordre 4 est la plus précise pour la résolution des
équations différentielles.

36
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique

Exercices

Méthode de Gauss :

1- Exécutez le programme de Gauss pour le système d’équation suivant :

2 5 8 1
A= 6 7 3 B= 2
9 2 4 3

2- Calculez l’écart entre le vecteur B_initial et le vecteur B_recalculé après résolution

3- Exécutez le programme de Gauss pour le système

0 5 8 1
A= 6 1 3 B= 2
9 2 4 3

Expliquez le résultat, que doit vérifier la matrice A pour éviter cette erreur.

Méthode de Gauss – Seidel :

1- Exécutez le programme de Gauss Seidel pour le même système :

2 5 8 1
A= 6 7 3 B= 2
9 2 4 3

Avec ε = 0.0001 et Nbr_iter = 200000 (récupérer le résultat : X, B ancien et B nouveau)

2- Calculer l’écart entre B ancien et B nouveau. Qu’appelle –t-on cet écart : erreur d’arrondi
ou de troncature ?
3- Comparer ce résultat avec celui de Gauss.
4- Exécutez le programme de Gauss Seidel pour ε vaut respectivement 0.01, 0.001 , 0.0001,
0.00001 et iter= 200 000. Puis ré-exécutez le même programme pour iter vaut
respectivement 100, 200, 1000, 20000, 100000 et ε = 0.00001 (porter sur la feuille les valeurs
de X, B_ancien et B_nouveau).
5- Que peut on déduire sur l’évolution de l’écart entre B_ancien et B_nouveau par rapport à ε
et à iter.
6- reprenant maintenant le programme source de la méthode de Gauss Seidel
a/ dresser l’organigramme de cet partie (réarrangement de la matrice A)
b/ qu’elle est l’utilité de la partie réarrangement dans ce programme. Expliquer brièvement
son principe (d’après le programme).

44
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Exécution du programme de Gauss :

donner la taille N du systÞme :

3
introduisez les valeurs de la matrice A
2
5
8
6
7
3
9
2
4
introduisez les valeurs du vecteur B
1
2
3
la matrice augmentee :
2.00000 5.00000 8.00000 1.00000
6.00000 7.00000 3.00000 2.00000
9.00000 2.00000 4.00000 3.00000
la matrice triangulaire superieur:
2.00000 5.00000 8.00000 1.00000
0.00000 -8.00000 -21.0000 -1.00000
0.00000 0.00000 21.8125 1.06250
le vecteur solution:
0.312321 -2.865329E-03 4.871060E-02
ancien b :
1.00000 2.00000 3.00000
nouveau b :
1.00000 2.00000 3.00000

Press RETURN to close window...

45
ANALYSE NUMERIQUE Pr DJANNA - Pr MOUNGNUTOU - Dr NKAPKOP
Analyse Numérique L. Izidi

Exécution du programme de Gauss-Seidel :

donner la taille N du système :

3
introduisez les valeurs de la matrice A
2
5
8
6
7
3
9
2
4
introduisez les valeurs du vecteur B
1
2
3
introduisez epsilon
0.0001
donner la valeur maximal d"iteration:
200000
système réarrangé
9.00000000000 2.00000000000
4.00000000000

3.00000000000
6.00000000000 7.00000000000
3.00000000000

2.00000000000
2.00000000000 5.00000000000
8.00000000000

1.00000000000
système convergent
le vecteur solution:
0.313564383229 1.694481437490E-02
3.601839520837E-02

ancien b :
3.00000000000 2.00000000000
1.00000000000

nouveau b :
3.00004265865 2.10805518563
1.00000000000

Press RETURN to close window...

46