Analyse

Numerique
Corrige des sujets de concours

Bensid Yazid

Essat 2017

iv
 Table des matieres

Chapitre 1. Resolution des equations non lineaires 1

1.1. Rappel 1
1.2. Enonce des exercices 2
1.3. Corrige des exercices 4
Chapitre 2. Resolution des systemes lineaires 13
2.1. Rappel 13
2.2. Enonce des exercices 14
2.3. Corrige des exercices 15
Chapitre 3. Interpolation polynomiale 21
3.1. Rappel 21
3.2. Enonce des exercices 22
3.3. Corrige des exercices 24
Chapitre 4. Integration numerique 31
4.1. Rappel 31
4.2. Enonce des exercices 32
4.3. Corrige des exercices 32

v
vi Table des matieres

Ce polycopie contient un bref rappel de cours avec tous les exercices danalyse
numerique qui ont ete pose lors du concours national dentree aux grandes ecoles.
Comme je nai pas eu le temps de le relire, il se peut quil contienne des erreurs
de frappe ou de calcul.
 CHAPTER 1

Resolution des equations non lineaires

1.1. Rappel
Pour resoudre une equation du type f (x) = 0
(1) On trace lallure de la courbe pour reperer la racine
(2) On applique le theoreme des valeurs intermediaires pour sassurer que la
racine est comprise dans un intervalle [a, b]
(3) On applique une methode de resolution (point fixe ou Newton)

1.1.1. methode du point fixe. (aussi appelee methode des approximations

successives)
f (x) = 0 x = g(x)
La suite definie par :

xn+1 = g(xn ), n = 0, 1,
x0 quelconque dans [a, b]

g(x) [a, b]
converge vers la racine si x [a, b],
|g 0 (x)| q < 1

Le nombre diterations pour obtenir une precision est donne par :

qN
|xN a| |x1 x0 | avec q = max |g 0 (x)| sur [a, b]
1q
1
2 1. RESOLUTION DES EQUATIONS NON LINEAIRES

1.1.2. methode de Newton. La suite definie par :

f (xn )
xn+1 = xn 0

f (xn )
x0 I tel que f (x0 )f 00 (x0 ) > 0

converge vers la racine si les conditions suivantes sont verifiees :

f est de classe C 2
f change de signe sur I
f 0 ne doit pas sannuler sur un intervalle I qui contient la solution.
f 00 ne doit pas sannuler sur un intervalle I qui contient la solution.
1.2. Enonce des exercices
Exercice 1 (2011). On considere la fonction f definie par :
f (x) = ln(x) arctg(x), x>0
(1) Montrer que lequation f (x) = 0 admet une unique racine a quon locali-
sera dans un intervalle I entre deux entiers consecutifs.
(2) On considere la suite delinie par :

x0 = 3
xn+1 = g(xn ) avec g(x) = x ln(x) + arctg(x)
Montrer que sa limite est a et en deduire le nombre diterations N qui
assure que :
|xN a| < 106
Exercice 2 (2012). Soit donnee lequation ln x x2 + 2 = 0
(1) Separer graphiquement les racines de cette equation
(2) Montrer que la plus grande racine est comprise dans un intervalle de la
forme
[n, n + 1], n N
(3) Ecrire lequation donnee sous la forme x = F (x) puis montrer que la
methode du point fixe (des approximations successives)

xn+1 = F (xn ), n = 0, 1,
x0 quelconque dans [a, b]
Converge vers la racine de lequation
(4) En partant de lapproximation initiale xo = 1.5, estimer le nombre diterations
necessaires a lapproximation de la racine a 103 pres.
(5) Trouver la valeur approchee de cette racine par cette methode et avec
cette precision.
 1.2. ENONCE DES EXERCICES 3

Exercice 3 (2014). En utilisant la methode de Newton-Raphson ecrire un

algorithme qui
calcule la racine cubique dun nombre reel a > 0 cest a dire 3 a
On verifiera les conditions
de convergence de la methode de Newton-Raphson
Application : Calculer 3 5 par cette methode a 0.01 pres (Prendre x0 = 2)
Exercice 4 (2015). (Pour les calculs numeriques on prend 4 chiffres apres la
virgule)
On cherche a approcher les eventuelles racines de lequation :

f (x) = x 0.5 cos(x) = 0, x I = [0, ] (1)
2
(1) Montrer quil existe une seule racine r de lequation (1) sur I
(2) Considerons le schema de point fixe suivant :

x = g(xn ), n = 0, 1,
(C) n+1
x0 = I

ou g(x) = 0.5 cos(x)

Montrer que pour tout la suite (xn ) converge vers r
(3) On prend = 0, determiner n tel que |xn r| = 106
(4) Calculer x4
Exercice 5 (2016). On considere la fonction f definie par :
f (x) = arctg(x) ln(x), x>0
(1) Montrer que lequation f (x) = 0 admet une unique racine a dans linter-
valle I = [3, 4]
(2) On considere la suite delinie par :

x0 = 3
xn+1 = g(xn ) avec g(x) = exp(arctg(x))

Montrer que cette suite converge et que sa limite est a,en deduire la
valeur

q = max |g 0 (x)|
(3) Determiner le nombre diterations N tel que :
qN
|xN a| |x1 x0 | = 106
1q
4 1. RESOLUTION DES EQUATIONS NON LINEAIRES

1.3. Corrige des exercices

Exercice 1 (2011). On considere la fonction f definie par :
f (x) = ln(x) arctg(x), x>0
(1) Montrer que lequation f (x) = 0 admet une unique racine a quon locali-
sera dans un intervalle I entre deux entiers consecutifs.

On applique le theoreme des valeurs intermediaires :

f (3) = ln(3) arctg(3) = 0.15 et f (4) = ln(4) arctg(4) = 0.06
f (3)f (4) < 0
1 1 x2 x + 1
De plus, f 0 (x) = = >0 x I = [3, 4]
x 1 + x2 x(1 + x2 )
On en deduit que : !a I = [3, 4]tel que :f (a) = 0
(2) On considere la suite delinie par :

x0 = 3
xn+1 = g(xn ) avec g(x) = x ln(x) + arctg(x)

Montrer que sa limite est a et en deduire le nombre diterations N qui

assure que :
|xN a| < 106
x = g(x) x = x ln(x) + arctg(x) ln(x) arctg(x) = 0
f (x) = 0
1 1
g(x) = x ln(x) + arctg(x) g 0 (x) = 1 +
x 1 + x2
1 2x x (x 2) + 2x2 + 1
3
et g 00 (x) = 2 = > 0 sur I = [3, 4]
x (1 + x2 )2 x2 (1 + x2 )2
 1.3. CORRIGE DES EXERCICES 5

x 3 4

g 00 (x) +

55
g 0 (x) 23 68
30
3.93
g(x)
3.15

55
On voit bien que : x I = [3, 4], |g 0 (x)| < 1 et g(x) I = [3, 4]
68
Les conditions du theoreme du point fixe sont verifiees, donc la suite
definie par


x0 = 3
xn+1 = g(xn ) avec g(x) = x ln(x) + arctg(x)

Converge vers a
Il reste a deduire le nombre diterations N qui assure que :

|xN a| < = 106

 
1k
ln
kN |x1 x0 |
|xN a| |x1 x0 | N
1k ln k
55
avec : k = | max g 0 (x)| = , |x1 x0 | = |g(x0 ) x0 | = |g(3) 3| =
68
|3.150433 3| = 0.150433 et = 106
55

1
ln
68 106
0.150433

N N 63.98 N = 64
55
ln
68
Exercice 2 (2012). Soit donnee lequation ln x x2 + 2 = 0
(1) Separer graphiquement les racines de cette equation
6 1. RESOLUTION DES EQUATIONS NON LINEAIRES

(2) Montrer que la plus grande racine est comprise dans un intervalle de la
forme
[n, n + 1], n N
On applique le theoreme des valeurs intermediaires :
On pose f (x) = ln x x2 + 2
f (1) = ln 112 +2 = 1 et f (2) = ln(2)22 +2 = 1.306 f (1)f (2) <
0
1 1 2x2
De plus, f 0 (x) = 2x = <0 x I = [1, 2]
x x
On en deduit que : !a I = [1, 2]tel que :f (a) = 0
(3) Ecrire lequation donnee sous la forme x = F (x) puis montrer que la
methode du point fixe (des approximations successives)

xn+1 = F (xn ), n = 0, 1,
x0 quelconque dans [a, b]
Converge vers la racine de lequation

ln x x2 + 2 = 0 x2 = ln x + 2 x = ln x + 2
1
On pose F (x) = ln x + 2 F 0 (x) =
2x ln x + 2
1
2 ln x + 2 +
00 ln x + 2
et F (x) = < 0 sur I = [1, 2]
(2x ln x + 2)2
 1.3. CORRIGE DES EXERCICES 7

x 1 2

F 00 (x)

2
4
F 0 (x)
0.1523
1.641
F (x)

2

On voit bien que : x I = [1, 2], |F 0 (x)| 42 < 1
et F (x) I = [1, 2]
Les conditions du theoreme du point fixe sont verifiees, donc la suite
definie par


xn+1 = F (xn ), n = 0, 1,
avec F (x) = ln x + 2
x0 quelconque dans [1, 2]
Converge vers a racine de lequation f (x) = 0
(4) En partant de lapproximation initiale xo = 1.5, estimer le nombre diterations
3
necessaires a lapproximation de la racine a 10  pres. 
1k
N ln
k |x1 x0 |
|xN a| |x1 x0 | N
1k ln k
0 2
avec : k = | max F (x)| = 4
|x1 x0 | = |F (x0 ) x0 | = |F (1.5) 1.5| = |1.550956 1.5| = 0.050956
et = 103 " #
1 42
ln 103
0.050956
N N 4.2 N = 5
ln 42
(5) Trouver la valeur approchee de cette racine par cette methode et avec
cette precision.

i 0 1 2 3 4
xi 1.5 1.550956 1.561688 1.563895 1.564346
|x4 x3 | = |1.5643461.563895| = 0.45103 < 103 ' 1.564346
avec une precision de = 103
8 1. RESOLUTION DES EQUATIONS NON LINEAIRES

Exercice
3 (2014). On cherche a calculer la racine cubique de a donc :
x = a x3 = a x3 a = 0
3

Lalgorithme de Newton-Raphson secrit :

f (xn )
xn+1 = xn 0

(I) f (xn )
x0 I tel que f (x0 )f 00 (x0 ) > 0

avec f (x) = x3 a f 0 (x) = 3x2 et f 00 (x) = 6x

x3 a 2x3 + a
(I) xn+1 = xn n 2 = n 2
3xn 3xn

2x3 + a
xn+1 = n 2

(I) 3xn
x0 I tel que f (x0 )f 00 (x0 ) > 0

(I) doit verifier les conditions de convergence :

f est de classe C 2
f change de signe sur I
f 0 ne doit pas sannuler sur un intervalle I qui contient la solution.
f 00 ne doit pas sannuler sur un intervalle I qui contient la solution.
On prend I =]0, +)
f (0)f (a +1) < 0
a>0 3a>0 3aI
f 0 (x) = 3x2 x I, f 0 (x) 6= 0
f 0 (x) = 6x x I, f 00 (x) 6= 0
f (x) = x3 a f est de classe C 2
Les conditions du theoreme de Newton-raphson sont verifiees, lalgorithme (I)
converge.
Application : Calculer 3 5 par cette methode a 0.01 pres (Prendre x0 = 2)
a = 5 Lalgorithme (I) devient :

2x3 + 5
xn+1 = n 2

3xn
x0 = 2 avec f (2)f 00 (2) > 0

i 0 1 2 3
|x3 x2 | = |1.709976 1.710884| < 0.01
xi 2 1.75000 1.710884 1.709976

3 5 ' 1.709976 avec une precision de 0.01
Exercice 4 (2015). On cherche a approcher les eventuelles racines de lequation :

f (x) = x 0.5 cos(x) = 0, x I = [0, ] (1)
2
 1.3. CORRIGE DES EXERCICES 9

(1) Montrer quil existe une seule racine r de lequation (1) sur I
f (x) = x 0.5 cos(x) = 0
On applique le theoreme des valeurs intermediaires :
f (0) = 0 0.5 cos(0) = 0.5 et f ( 2 ) = 2 0.5 cos( 2 ) =
2

f (0)f ( 2 ) < 0

De plus, f 0 (x) = 1 + 0.5 sin(x) > 0 x I = [0, ]
2

On en deduit que : !r I = [0, ]tel que :f (r) = 0
2
(2) Considerons le schema de point fixe suivant :

x = g(xn ), n = 0, 1,
(C) n+1
x0 = I
ou g(x) = 0.5 cos(x)
Montrer que pour tout la suite (xn ) converge vers r
x = g(x) x = 0.5 cos(x) x 0.5 cos(x) = 0 f (x) = 0
g(x) = 0.5 cos(x) g 0 (x) = 0.5 sin(x) et g 00 (x) = 0.5 cos(x)

x 0 2

g 00 (x)

0
0
g (x)
0.5
0.5
g(x)
0

On voit bien que : x I = [0, ], |g 0 (x)| 0.5 < 1
2

et g(x) I = [0, ]
2
Les conditions du theoreme du point fixe sont verifiees, donc la suite
definie par


x = g(xn ), n = 0, 1,
(C) n+1 ou g(x) = 0.5 cos(x)
x0 = I
Converge vers r
10 1. RESOLUTION DES EQUATIONS NON LINEAIRES

(3) On prend = 0, determiner n tel que |xn r| = 106

 
1k
ln
kN |x1 x0 |
|xn r| |x1 x0 | N
1k ln k
0
avec : k = | max g (x)| = 0.5, |x1 x0 | = |g(x0 )x0 | = |0.50| = 0.5
et = 106  
1 0.5 6
ln 10
0.5
N N 19.93 N = 20
ln 0.5
(4) Calculer x4

i 0 1 2 3 4
xi 0 0.5000 0.4387 0.4526 0.4496

Exercice 5 (2016). On considere la fonction f definie par :

f (x) = arctg(x) ln(x), x>0
(1) Montrer que lequation f (x) = 0 admet une unique racine a dans linter-
valle I = [3, 4]
On applique le theoreme des valeurs intermediaires :
f (3) = ln(3) arctg(3) = 0.15 et f (4) = ln(4) arctg(4) = 0.06
f (3)f (4) < 0
1 1 x2 x + 1
De plus, f 0 (x) = = >0 x I = [3, 4]
x 1 + x2 x(1 + x2 )
On en deduit que : !a I = [3, 4]tel que :f (a) = 0
(2) On considere la suite delinie par :

x0 = 3
xn+1 = g(xn ) avec g(x) = exp(arctg(x))

Montrer que cette suite converge et que sa limite est a,en deduire la
valeur
q = max |g 0 (x)|

x = g(x) x = exp(arctg(x)) ln x = arctg(x) arctg(x) ln x =

0 f (x) = 0
1
g(x) = exp(arctg(x)) g 0 (x) = exp(arctg(x))
1 + x2
1 2x
et g 00 (x) = exp(arctg(x)) < 0 sur I = [3, 4]
1 + x2
 1.3. CORRIGE DES EXERCICES 11

x 3 4

g 00 (x)

0.348701
g 0 (x)
0.221486
3.765262
g(x)
3.487013

On voit bien que : x I = [3, 4], |g 0 (x)| 0.348701 < 1 et g(x)

I = [3, 4]
Les conditions du theoreme du point fixe sont verifiees, donc la suite
definie par

x0 = 3
xn+1 = g(xn ) avec g(x) = exp(arctg(x))
Converge vers a
Il reste a deduire la valeur :
q = max |g 0 (x)| = 0.348701
(3) Determiner le nombre diterations N tel que :
qN
|xN a| |x1 x0 | = 106
1q
 
1q
ln
qN |x1 x0 |
|xN a| |x1 x0 | N
1q ln q
0
avec : q = max |g (x)| = 0.348701
|x1 x0 | = |g(x0 ) x0 | = |g(3) 3| = |3.487013 3| = 0.487013 et
= 106  
1 0.348701 6
ln 10
0.487013
N N 12.83 N = 13
ln 0.348701
 CHAPTER 2

Resolution des systemes lineaires

2.1. Rappel
En utilisant la decomposition A = D E F
Par exemple, pour le cas n = 3

a b c a 0 0 0 0 0 0 b c
A = d e f D = 0 e 0 E = d 0 0 F = 0 0 f
g h i 0 0 i g h 0 0 0 0
la matrice diteration de Jacobi J est definie par : J = D1 (E + F )
la matrice diteration de Gauss Seidel L1 est definie par : L1 = (DE)1 F
 1  
1 1w
la matrice de relaxation Lw est definie par : Lw = DE D+F
w w
Quelques resultats a connaitre :
Une methode diteration C converge si et seulement si le rayon spectral
de sa matrice diteration est plus petit que 1 ((C) < 1)
Si A est une matrice a diagonale strictement dominante par lignes, alors
les methodes de Jacobi et de Gauss-Seidel sont convergentes.
Si la matrice A est symetrique definie positive, alors la methode de re-
laxation converge pour tout w appartenant a ]0, 2[ .
Si A est une matrice tridiagonale, alors (L1 ) = (J)2 Dans ce cas les
deux methodes convergent ou divergent en meme temps.
Si A est une matrice tridiagonale symetrique definie positive, alors la
methode de relaxation converge pour 0 < w < 2 , de plus la methode de
13
14 2. RESOLUTION DES SYSTEMES LINEAIRES

relaxation est la plus rapide possible en prenant wopt defini par :

2
wopt = p
1 + 1 (J)2

2.2. Enonce des exercices

Exercice 1 (2011).
1 2 2
A = 1 1 1
2 2 1
(1) En utilisant la decomposition A = D E F calculer la matrice de Jacobi
J ,la matrice de Gauss Seidel L1 et la matrice de relaxation Tw
(2) Prouver que (J) < 1 < (Tw=1 ) ou
Exercice 2 (2012).
1 2 2
A = 1 1 1
2 2 1
(1) En utilisant la decomposition A = D E F calculer la matrice de Jacobi
J et la matrice de Gauss Seidel L1
(2) Prouver que (J) < 1 < (L1 )
ou (T ) est le rayon spectrale de la matrice T
Exercice 3 (2013). On considere le systeme dequations lineaires suivant :

x1 x2 + 2x3 = 30

(SI) x1 + x2 = 12

x + x = 0
1 3

(1) Prouver que le systeme (SI) admet une solution unique

(2) Calculer les matrices de literation de Jacobi, de Gauss-Seidel et de Re-
laxation
(3) Prouver que les methode de Jacobi et de Gauss-Seidel divergent. (utiliser
Ie rayon spectral)
(4) Peut-on calculer wopt ?
Exercice 4 (2014). On considere la matrice suivante :

1 a 0
A = a 1 a
0 a 1
 2.3. CORRIGE DES EXERCICES 15

(1) Pour quelles valeurs de a la matrice A admet une decomposition sous

la forme A = LU ou L est une matrice triangulaire inferieure et U une
matrice triangulaire superieure.
(2) Calculer la matrice Tj de literation de Jacobi, pour quelles valeurs de a
cette methode converge-t-elle ?
(3) Calculer la matrice TGS de literation de Gauss-Seidel, pour quelles valeurs
de a cette methode converge-t-elle ?
(4) On prend a = 0.5, calculer le rayon spectral de TJ .
En deduire le rayon spectral de TGS en justifiant votre reponse.

2.3. Corrige des exercices

Exercice 1 (2011).
1 2 2
A = 1 1 1
2 2 1
(1) En utilisant la decomposition A = D E F calculer la matrice de Jacobi
J ,la matrice de Gauss Seidel L1 et la matrice de relaxation Tw

1 0 0 0 0 0 0 2 2
D = 0 1 0 E = 1 0 0 F = 0 0 1
0 0 1 2 2 0 0 0 0

0 2 2
J = D1 (E + F ) = E + F = 1 0 1
2 2 0

0 2 2
L1 = (D E)1 F = 0 2 3
0 0 2
Matrice de relaxation
1
1 1w

0 0 2 2
 1   w w
1 1w 1 1w
Tw = DE D+F =1 0 0
1
w w w w
1 1 w
2 2 0 0
w w
1w

2 2
w 0 0 w
1w
Tw = w2 w 0 0 1
2
2w (w 1) 2w w 2
w
1 w
0 0
w
16 2. RESOLUTION DES SYSTEMES LINEAIRES

1w 2w 2w
Tw = w(w 1) 2w2 w + 1 2w2 w
2 2 2 2
2w(w 1) 2w(w 1) 4w (w 1) 4w (w 1) w + 2w + 1
(2) Prouver que (J) < 1 < (Tw=1 ) ou (T ) est le rayon spectrale de la
matrice T    
X 2 2   X 2 2 
   
PJ (X) = det(JXI) =  1 X 1  =  1 X 1  =
 2 2 X  X 2 0 X 2
 
 X 2 2 + X 

 1 X 0 

X 2 0 2X 
= (X 2)X(2 + X) 2X(X 2 2) = X(X 2 4 2X 2 + 4) = X 3
(J) = 0 < 1
Tw=1 =?

0 2 2
W = 1 Tw=1 = 0 2 3 (Tw=1 ) = 2 > 1
0 0 2

Exercice 2 (2012).

1 2 2
A = 1 1 1
2 2 1

(1) En utilisant la decomposition A = D E F calculer la matrice de Jacobi

J et la matrice de Gauss Seidel L1

1 0 0 0 0 0 0 2 2
D = 0 1 0 E = 1 0 0 F = 0 0 1
0 0 1 2 2 0 0 0 0

0 2 2
J = D1 (E + F ) = E + F = 1 0 1
2 2 0

0 2 2
L1 = (D E)1 F = 0 2 3
0 0 2
(2) Prouver que (J) < 1 < (L1 ) ou (T ) est le rayon spectrale de la matrice
T
 2.3. CORRIGE DES EXERCICES 17
   
X 2 2   X 2 2 

PJ (X) = det(JXI) =  1 X 1  =  1 X 1  =
 2 2 X  X 2 0 X 2
 
 X 2 2 + X 

 1 X 0 

X 2 0 2X 
= (X 2)X(2 + X) 2X(X 2 2) = X(X 2 4 2X 2 + 4) = X 3
(J) = 0 < 1

X 2 2
PL1 (X) = det(L1 XI) = L1 = (DE)1 F = 0 2 X 3
0 0 2X
PL1 (X) = X(2 X)2 (L1 ) = 2 > 1

Exercice 3 (2013). On considere le systeme dequations lineaires suivant :

x1 x2 + 2x3 = 30

(SI) x1 + x2 = 12

x + x = 0
1 3

(1) Prouver que le systeme (SI) admet une solution unique

 
 1 1 2
 
det A = 1 1 0 6= 0 (SI) admet une solution unique
1 0 1
(2) Calculer les matrices de literation de Jacobi, de Gauss-Seidel et de Re-
laxation

11 2
A = 1
1 0
1 0 1

1 0 0 00 0 0 1 2
D = 0 1 0 E= 1
0 0 F = 0 0 0
0 0 1 10 0 0 0 0

0 1 2
1
J = D (E + F ) = E + F = 1 0 0

1 0 0

0 1 2
L1 = (D E)1 F = 0 1 2
0 1 2
18 2. RESOLUTION DES SYSTEMES LINEAIRES
1
1 1w

0 0 1 2
 1   w w
1 1w 1 1w
Tw = DE D+F = 1 0 0 0
w w w w
1 1 w
1 0 0 0
w w
1w

1 2
w 0 0 w
1w
Tw = w2 w 0 0 0
2
w 0 w
w
1 w
0 0
w
1w w 2w
Tw = w(1 w) w2 w + 1 2w2
w(1 w) w2 2w2 w + 1
(3) Prouver que les methode de Jacobi et de Gauss-Seidel divergent. (utiliser
Ie rayon spectral)    
X 1 2   X 1 2 
   2

PJ (X) = det(J XI) =  1 X 0  = 1 X 0 2X  =
 1 0 X   1 0 X 
2
[X(1 X ) 2X]

PJ (X) = X(1 X 2 + 2) = X(3 X 2 ) (J) = 3 > 1
La methode de Jacobi diverge.

 
X 1 2 
 
PL1 (X) = det(L1 XI) =  0 1 X
 2 
 0 1 2 X
= X[(1 X)(2 X) 2] = X(X 2 3X)
PL1 (X) = X 2 (X 3) (L1 ) = 3 > 1
La methode de Gauss Seidel diverge.
(4) Peut-on calculer wopt ?
On ne peut pas calculer car A nest pas tridiagonale symetrique definie
positive.
Exercice 4 (2014). On considere la matrice suivante :

1 a 0
A= a 1 a
0 a 1
(1) Pour quelles valeurs de a la matrice A admet une decomposition sous
la forme A = LU ou L est une matrice triangulaire inferieure et U une
matrice triangulaire superieure.
 2.3. CORRIGE DES EXERCICES 19
 
 1 a 2
a 1 = 1 a 6= 0 a
/ {1, 1}
 

(2) Calculer la matrice Tj de literation de Jacobi, pour quelles valeurs de a

cette methode
converge-t-elle
?
1 a 0 1 0 0 0 0 0
A = a 1 a D = 0 1 0 E = a 0 0
0 a 1 0 0 1 0 a 0

0 a 0
F = 0 0 a

0 0 0

0 a 0 0 1 0
J = D1 (E + F ) = E + F = a 0 a = a 1 0 1
0 a 0 0 1 0
 
X a 0 


PJ (X) = det(J XI) =  a X a  = X(X 2 a2 ) + a2 X

 0 a X 

PJ (X) = X(X 2 a2 a2 ) = X(X 2 2a2 ) (J) = 2a2
1 1 1
(J) = 2a2 < 1 2a2 < 1 a2 < < a <
2 2 2
(3) Calculer la matrice TGS de literation de Gauss-Seidel, pour quelles valeurs
de a cette methode converge-t-elle ?
1
1 0 0 0 a 0 1 0 0 0 a 0
L1 = (DE)1 F = a 1 0 0 0 a = a 1 0 0 0 a
0 a 1 0 0 0 a2 a 1 0 0 0

0 a 0
L1 = 0 a2 a
0 a3 a2

X a 0
PL1 (X) = det(L1 XI) = 0 a2 X a
3 2
0 a a X
PL1 (X) = X((a X) a ) = X (2a X) (L1 ) = 2a2
2 2 4 2 2

1 1 1
(L1 ) = 2a2 < 1 a2 < < a <
2 2 2
(4) On prend a = 0.5, calculer le rayon spectral de TJ .
p
a = 0.5 (J) = 2(0.52 ) = 0.5
En deduire le rayon spectral de TGS en justifiant votre reponse.
(L1 ) = (J)2 = 0.5 car la matrice A est tridiagonale.
 CHAPTER 3

Interpolation polynomiale

3.1. Rappel
Formule de Vandermonde : Soit Pn le polynome dinterpolation passant par les
points (x0 , y0 ), , (xn , yn )
n
X
alors Pn (x) = ai xi avec S = (a0 , a1 , an )T solution du systeme
i=0
1 x0 x20 xn0

a0 y0

1 x1 x21 xn1 a1 y1



=
.. .. .. .. .. .. ..

. . . . .
.
.


1 xn x2n xnn an yn
Formule de Lagrange :
n
X
Pn (x) = y0 L0 (x) + y1 L1 (x) + + yn Ln (x) = yi Li (x) avec :
i=0
n
Y x xj
Li (x) =
x xj
j=0 i
j6=i
Formule de Newton generale :
Pn (x) = y0 + f [x0 , x1 ](x x0 ) + f [x0 , x1 , x2 ](x x0 )(x x1 )
+ + f [x0 , x1 , , xn ](x x0 )(x x1 ) (x xn1 )
21
22 3. INTERPOLATION POLYNOMIALE

Operateur de differences progressive :

yi = yi+1 yi k+1 yi = k yi+1 k yi
Formule de Newton progressive :
y0 2 y0 n y0 x x0
Pn (q) = y0 + q+ q(q1)+ + q(q1) (qn+1) avec q =
1! 2! n! h
Operateur de differences regressive :
yi = yi yi1 k+1 yi = k yi k yi1
Formule de Newton regressive :
yn 2 yn n yn x xn
Pn (q) = yn + q+ q(q+1)+ + q(q+1) (q+n1) avec q =
1! 2! n! h
Formule de lerreur :
n
f (n+1) () Y
f (x) Pn (x) = En (x) = (x xi )
(n + 1)! i=0

3.2. Enonce des exercices

Exercice 1 (2011). Soit yi = f (xi ) les valeurs donnees de la fonction y =
f (x) pour des valeurs equidistantes de la variable independante xi = xo + ih (i :
0, 1, ..., n), ou h est le pas dinterpolation. On se propose de choisir un polynome
Pn (x) de degre inferieur ou egal a n, et tel que
(3.1) Pn (xi ) = yi pour i = 0, 1, ..., n
et
(3.2) m Pn (x0 ) = m y0 pour i = 0, 1, ..., n
Le polynome en question doit etre sous la forme
Pn (x) = ao +a1 (xxo )+a2 (xxo )(xx1 )+ +an (xxo )(xx1 )(xxn1 ) (3)
(1) Sachant que la puissance generalisee est definie par :
x[n] = x(x h) (x (n 1)h)
ecrire le polynome en fonction de la puissance generalisee
(2) Trouver les valeurs des coefficients ao , a1 et a2 .
(3) En deduire la valeur de ai
(4) En substituant ces valeurs dans (3) on obtient un nouveau polynome.
Ecrire ce polynome.
x x0
(5) En posant q = dans le dernier polynome, donner la forme definitive
h
de ce polynome.
 3.2. ENONCE DES EXERCICES 23

(6) Le tableau ci-dessous nous donne les valeurs de lintegrale de probabilite

Z x
2
(x) = exp(x2 )dx
0
En appliquant la formule obtenue dans la 5e question, trouver la valeur
approchee de (1.03).

x 1.0 1.1 1.2 1.3 1.4

y 0.8427 0.8802 0.9103 0.9340 0.9523
Exercice 2 (2012). Soit les points suivants :

x 0.0 1.0 2.0 3.0 4.0

f (x) 0.0 2.0 36.0 252.0 1040.0
(1) Obtenir le polynome dinterpolation de Newton passant par les 3 premiers
points.
(2) Obtenir le polynome dinterpolation de Newton passant par les 4 premiers
points, est ce possible dutiliser les calculs faits en 1 ?
(3) Donner lexpression analytique de lerreur pour les polynomes obtenus en
1 et 2
(4) Approcher f (1.5) a laide des 2 polynomes obtenus en 1 et 2.
Exercice 3 (2013). En course a pied sur route, on utilise des modeles din-
terpolation pour estimer, a partir de performances (temps) quun coureur a deja
realisees sur certaines distances, les performances quil pourrait realiser sur dautres
distances. En fait, on cherche a approcher la fonction t(x) qui indique le temps en
secondes que le coureur mettrait pour parcourir x metres, Dans cette question, on
considere un coureur dont les performances sont indiquees dans le tableau suivant :

x(enmetres) 0 100 1500 10000

t(x)(en seconde) 0 13 245 1980
(1) Utiliser un polynome dinterpolation de Newton de degre 2 pour estimer
la performance que devrait realiser ce coureur sur une distance de 5000 m
(2) Au lieu dutiliser un polynome dinterpolation pour approcher t(x), on
pourrait utiliser une fonction logarithmique dinterpolation de la forme
g(x) = a + b ln(cx d) ou a, b, c et d sont des parametres a determiner.
Proposer une demarche pour calculer les valeurs de ces quatre parametres.
Ne pas resoudre.
(3) Si on prend a = b = 1, trouver la fonction logarithmique dinterpolation
et estimer la performance que devrait realiser ce coureur sur une distance
de 5000m
(4) Commenter vos resultats
24 3. INTERPOLATION POLYNOMIALE

3.3. Corrige des exercices

Exercice 1. (1) Sachant que la puissance generalisee est definie par :
x[n] = x(x h) (x (n 1)h)
ecrire le polynome en fonction de la puissance generalisee
Pn (x) = ao + a1 (x xo ) + a2 (x xo )(x x1 )
+ + an (x xo )(x x1 ) (x xn1 ) (3)
x1 = x0 + h x x1 = x (x0 + h) = (x x0 ) h
x2 = x0 + 2h x x2 = x (x0 + 2h) = (x x0 ) 2h
..
.
xn1 = x0 +(n1)h xxn1 = x(x0 +(n1)h) = (xx0 )(n1)h
Pn (x) = ao + a1 (x xo ) + a2 (x xo )((x x0 ) h) + +
an (x xo )((x x0 ) h) ((x x0 ) (n 1)h)
Pn (x) = ao + a1 (x x0 )[1] + a2 (x x0 )[2] + + an (x x0 )[n]
(2) Trouver les valeurs des coefficients ao , a1 et a2 .

Pn (x0 ) = y0
Pn (xi ) = yi pour i = 0, 1, ..., n Pn (x1 ) = y1
P (x ) = y
n 2 2

Pn (x0 ) = a0
Or, (3) Pn (x1 ) = a0 + a1 (x1 x0 )
P (x ) = a + a (x x ) + a (x x )(x x )
n 2 0 1 2 0 2 2 0 2 1

Pn (x0 ) = a0
Pn (x1 ) = a0 + a1 h
P (x ) = a + 2a h + 2a h2
n 2 0 1 2

a0 = y0
On on obtient le systeme : a0 + a1 h = y1
a + 2a h + 2a h2 = y
0 1 2 2

y1 y0 y0
y 1 = y 0 + a1 h a1 = a1 =
h h
y0 y2 y0 2y0 y2 + (y1 y1 ) y0 2y0
y2 = y0 +2 h+2a2 h2 a2 = 2
=
h 2h 2h2
y1 + y0 2y0 y1 y0 2 y0
a2 = = a 2 =
2h2 2h2 2h2
(3) En deduire la valeur de ai
i y0
On peut montrer par recurrence que : ai =
i!hi
 3.3. CORRIGE DES EXERCICES 25

(4) En substituant ces valeurs dans (3) on obtient un nouveau polynome.

Ecrire ce polynome.
Dapres la question (1)

Pn (x) = ao + a1 (x x0 )[1] + a2 (x x0 )[2] + + an (x x0 )[n]

y0 2 y0 n y0
= yo + (x x0 )[1] + (x x 0 )[2]
+ + (x x0 )[n]
1!h 2!h2 n!hn
x x0
(5) En posant q = dans le dernier polynome, donner la forme definitive
h
de ce polynome.
x x0 y0
q = x x0 = qh Pn (x) = Pn (q) = yo + (qh)[1] +
h 1!h
2 y0 [2] n y0
(qh) + + (qh)[n]
2!h2 n!hn

y0 2 y0 n y0
Pn (q) = yo + (qh) + (qh)(qh h) + + (qh)(qh h)(qh 2h) (qh (n 1)h)
1!h 2!h2 n!hn
y0 2 y0 2 n y0 n
= yo + q+ h q(q 1) + + h q(q 1)(q 2) (q (n 1))
1! 2!h2 n!hn

y0 2 y0 n y0 x x0
Pn (q) = yo + q+ q(q 1) + + q(q 1)(q 2) (q (n 1)) avec q =
1! 2! n! h

(6) Le tableau ci-dessous nous donne les valeurs de lintegrale de probabilite

Z x
2
(x) = exp(x2 )dx
0
En appliquant la formule obtenue dans la 5e question, trouver la valeur
approchee de (1.03).

x 1.0 1.1 1.2 1.3 1.4

y 0.8427 0.8802 0.9103 0.9340 0.9523

y0 2 y0 3 y0
P4 (q) = yo + q+ q(q 1) + q(q 1)(q 2)
1! 2! 3!
4 y0 x x0 x1
+ q(q 1)(q 2)(q 3) avec q = =
4! h 0.1
26 3. INTERPOLATION POLYNOMIALE

yi yi 2 yi 3 yi 4 yi

0.8427
0.0375
0.8802 0.0074
0.0301 0.0010
0.9103 0.0064 0
0.0237 0.0010
0.9340 0.0054
0.0183
0.9523
0.0375 0.0074 0.0010 0
P4 (q) = 0.8427 + q+ q(q 1) + q(q 1)(q 2) + q(q
1! 2! 3! 4!
1)(q 2)(q 3)

1.05 1
x = 1.05 q = = 0.5
0.1
0.0375 0.0074
(1.03) ' P4 (0.5) = 0.8427 + 0.5 + 0.5(0.5 1)
1! 2!
0.0010
+ 0.5(0.5 1)(0.5 2)
3!

(1.03) ' P4 (0.5) = 0.8624375

Exercice 2. (1) Obtenir le polynome dinterpolation de Newton passant

par les 3 premiers points.
les points sont equidistants, on utilise donc la formule de Newton
progressive :

y0 2 y0 x x0 x0
P2 (q) = y0 + q+ q(q 1) avec q = = =x
1! 2! h 1

yi yi 2 yi

0
2
2 32
34
36
 3.3. CORRIGE DES EXERCICES 27

2 32
P2 (q) = 0 + q + q(q 1) = 16q 2 14q
1! 2!
(2) Obtenir le polynome dinterpolation de Newton passant par les 4 premiers
points, est ce possible dutiliser les calculs faits en 1 ?

y0 2 y0 3 y0
P3 (q) = y0 + q+ q(q 1) + q(q 1)(q 2)
1! 2! 3!
3 y0 x x0 x0
= P2 (q) + q(q 1)(q 2) avec q = = =x
3! h 1

yi yi 2 yi 3 yi

0
2
2 32
34 150
36 182
216
252

150
P3 (q) = 16q 2 14q + q(q 1)(q 2) avec q = x
3!
(3) Donner lexpression analytique de lerreur pour les polynomes obtenus en
1 et 2

f (n+1) () n+1
f (x) Pn (x) = En (x) = h q(q 1)(q 2) (q n)
(n + 1)!
f (3) ()
h = 1 et n = 2 E2 (x) = (3)!
q(q 1)(q 2)
f (4) ()
h = 1 et n = 3 E3 (x) = (4)!
q(q 1)(q 2)(q 3)
(4) Approcher f(1.5) a laide des 2 polynomes obtenus en 1 et 2.
q = x = 1.5 P2 (1.5) = 16(1.5)2 14(1.5) = 15
150
P3 (1.5) = P2 (1.5) + (1.5)(1.5 1)(1.5 2) = 5.6250
3!
Exercice 3. (1) Utiliser un polynome dinterpolation de Newton de degre
2 pour estimer la performance que devrait realiser ce coureur sur une dis-
tance de 5000 m
Le polynome dinterpolation de Newton est donne par :
28 3. INTERPOLATION POLYNOMIALE

P2 (x) = y0 + f [x0 , x1 ](x x0 ) + f [x0 , x1 , x2 ](x x0 )(x x1 )

xi yi f [xi , xi+1 ] f [xi , xi+1 , xi+2 ]

100 13
0.165714
1500 245 4 106
0.204118
10000 1980

P2 (x) = 13 + 0.165714(x 100) + 4 106 (x 100)(x 1500)

P2 (5000) = 13 + 0.165714(5000 100) + 4 106 (5000 100)(5000
1500) = 893.598600
(2) Au lieu dutiliser un polynome dinterpolation pour approcher t(x), on
pourrait utiliser une fonction logarithmique dinterpolation de la forme
g(x) = a + b ln(cx d) ou a, b, c et d sont des parametres a determiner.
Proposer une demarche pour calculer les valeurs de ces quatre parametres.
Ne pas resoudre.
g(0) = 0 a + b ln(d) = 0
g(100) = 13 a + b ln(100c d) = 13
g(1500) = 245 a + b ln(1500c d) = 245
g(10000) = 1980 a + b ln(10000c d) = 1980


a + b ln(d) = 0
a + b ln(100c d) = 13

On resoud ensuite le systeme non lineaire :

a + b ln(1500c d) = 245
a + b ln(10000c d) = 1980

(3) Si on prend a = b = 1, trouver la fonction logarithmique dinterpolation

et estimer la performance que devrait realiser ce coureur sur une distance
de 5000m
= b = 1 on resoud le systeme :
a

1 + ln(d) = 0
1 + ln(100c d) = 13


1 + ln(1500c d) = 245
1 + ln(10000c d) = 1980

ln(d) = 1 d = e1
(
e13 e1
ln(100c + e1 ) = 13 100c + e1 = e13 c =
100
 3.3. CORRIGE DES EXERCICES 29

e13 e1
 
La fonction logarithmique dinterpolation devient : g(x) = 1+ ln x + e1
100
e e1
 13 
1
g(5000) = 1 + ln 5000 + e = 17.91
100
(4) Commenter vos resultats
Le resultat obtenue par linterpolation logarithmique nest pas realiste,
dans ce cas on prefere utiliser linterpolation polynomiale.
 CHAPTER 4

Integration numerique

4.1. Rappel
Formule du trapeze simple :
ba
It = (y0 + y1 ) avec y0 = y(a) et y1 = y(b)
2
Lerreur est donnee par :

h3 (2)
R(f ) = f () avec [a, b] et h = b a
12
Formule des trapezes generalisee :

h
Itg = (y0 + 2y1 + + 2yn1 + yn )
2
Lerreur est donnee par :

nh3 (2) h2 ba
R(f ) = f () = (b a)f (2) () avec [a, b] et h =
12 12 n
Formule de Simpson :
h
Is = (y0 + 4y1 + y2 )
3
Lerreur est donnee par :

h5 (4) ba
R(f ) = f () avec [a, b] et h =
90 2
31
32 4. INTEGRATION NUMERIQUE

Formule de Simpson generalisee :

h
Isg = (y0 + 41 + 22 + y2n ) avec
3
1 = y1 + y3 + y5 + + y2n1
2 = y2 + y4 + y6 + + y2n2

Lerreur est donnee par :

nh5 (4) h4 ba
R(f ) = f () = (b a)f (4) () avec [a, b] et h =
90 180 2n
4.2. Enonce des exercices
Exercice 1 (2016). Considerons le tableau des valeurs suivant :

i 0 1 2 3 4
xi 1 0 1 2 3
yi 3 2 3 6 11
avec : yi = f (xi ), i = 0, , 4 Ou f (x) est une fonction inconnue.
R3
(1) Calculer en utilisant la formule des trapezes generalisee : 1 f (x)dx
R3
(2) En utilisant la formule de Simpson generalisee, calculer 1 g(x)dx
Avec g(x) = (x2 + 1)f (x) ou f est la fonction dont les valeurs sont
donnees dans le tableau precedant
4.3. Corrige des exercices
Exercice 1. Considerons le tableau des valeurs suivant :

i 0 1 2 3 4
xi 1 0 1 2 3
yi 3 2 3 6 11
avec : yi = f (xi ), i = 0, , 4 Ou f (x) est une fonction inconnue.
R3
(1) Calculer en utilisant la formule des trapezes generalisee : 1 f (x)dx
Itg = h2 (y0 + 2y1 + 2y2 + 2y3 + y4 ) avec h = xi+1 xi = 1
Itg = 21 (3 + 2(2) + 2(3) + 2(6) + 11) = 18
 4.3. CORRIGE DES EXERCICES 33
R3
(2) En utilisant la formule de Simpson generalisee, calculer 1 g(x)dx
Avec g(x) = (x2 + 1)f (x) ou f est la fonction dont les valeurs sont
donnees dans le tableau precedant
g(1) = ((1)2 + 1)f (1) = 2(3) = 6
g(0) = ((0)2 + 1)f (0) = 1(2) = 2
Ainsi de suite, on obtient le tableau

i 0 1 2 3 4
xi 1 0 1 2 3
g(xi ) = yi 6 2 6 30 110
La formule de Simpson generalisee est donnee par :
h
Isg = (y0 + 41 + 22 + y4 ) avec h = 1 et :
3
1 = y1 + y3
2 = y2

1 = y1 + y3 = 2 + 30 = 32 et 2 = y2 = 6
256
Isg = 31 (6 + 4(32) + 2(6) + 110) =
3